一、什么是数据分析
从概念来讲,通过大量数据发现其内在的逻辑规律,把它找出来归纳总结成一套方法论。可能也是因为大数据的缘故吧,Python则有幸成了主流工具。然而事实真的是这样吗,答案是不。数据量过大的话任何工具都是一样的处理起来都是做不到的,处理数据流量级主要还是看服务器集群的承载力,和使用的工具没有多大关系。
二、被冤枉的数据分析师
当前数据分析师的工作就是每天弄各种数据,写SQL语句、Python代码处理各种各样的数据流,总结归纳出数据分析报告给老板看。理论上总结出来的方法论再通过与之对应公司的业务逻辑紧密结合,给出有价值的方案来帮助公司的管理者去做出调整。但是,各个公司老板觉得花了很多工资聘请分析师就给出这些东西根本不够。他们觉得数据分析出来就能改变公司的销售业绩、增加公司盈利啊等。他们就没有仔细想过若是生病了去医院看医生,医生能治好病吗,有些人一定会说,医生不能治病谁能治病啊,其实不然治好病的是你自己。因为医生只能是根据病人的病情做出病因分析给出治疗方案,具体落实的过程还需要自己根据医生建议去按时吃药才能痊愈。因此,同样的道理分析师找到本质原因,治理好公司的问题还是需要自身去做才行。数据分析师真的很冤枉啊
三、数据分析工具
不知道是从什么时候开始,数据分析的主流工具变成了Python。目前各大培训机构以及招聘公司都弄出了会Python就会做数据分析的奇葩事儿。作为应用数学专业出身的本人来说,读书期间所有的课程作业以及毕业设计都是使用R语言来完成的。另外,从十多年的数据分析工作经验来讲,工作当中也不需要使用Python来做一些开发工作,毕竟涉及到开发部分都是由公司专业的开发团队来完成,因此也不需要数据分析师来搞。公司业务的深度分析挖掘和所使用的工具毫无关系。在此发个文章告诉那些想做数据分析师的朋友们,千万不要跟随大众随波逐流,要有自己的想法。