数据分析师需要懂编程吗？
谢谢邀请！
数据分析师通常分成两种，一种是应用级数据分析师，另一种是研发级数据分析师，区别就在于是否具备演算法设计及实现的能力。
应用级数据分析师通常需要掌握各种数据分析工具，把业务模型映射到数据分析工具上，从而得到数据分析的结果。数据分析工具比较多，比如Excel就是一个传统的数据分析工具，另外还有Minitab、LINGO、JMP等，要想全面掌握这些工具的使用需要具备一定的数学基础和统计学基础。通常做BI的数据分析师还需要进一步掌握资料库的基础知识，但是难度往往并不大。
研发级数据分析师就需要掌握编程知识了，在数据分析领域R、Python、C、MATLAB等语言都有广泛的应用，目前通过Python等语言来完成数据分析也是一个比较常见的做法。其实MATLAB也是一个在数据分析领域占据重要位置的软体（语言），MATLAB功能非常强大。
在大数据时代，通过机器学习的方式实现数据分析是一个比较常见的方式，而Python语言则是一个比较常见的选择，一方面Python语言简单易学，另一方面Python语言具备丰富的库支持，比如Numpy、Scipy、Matplotlib、Sympy、pandas等都是比较常见的库，这些库的使用会极大的降低演算法实现的难度。
总之，对于数据分析师来说，如果想在数据分析的道路上走的更远，编程是一定要掌握的，其实编程语言本身并不是数据分析环节中的难点，比如学习Python还是一个比较轻松的过程。
对于基础比较薄弱的学习者来说，从使用工具开始学习数据分析是一个比较现实的选择。
作者简介：中国科学院大学计算机专业研究生导师，从事IT行业多年，研究方向包括动态软体体系结构、大数据、人工智慧相关领域，有多年的一线研发经验。
欢迎关注作者，欢迎咨询计算机相关问题。
首先来回答你的第一个问题：做数据分析一定要懂编程语言吗？答：数据分析师立足的根本就是要有数据可分析，要会分析的方法。目前而言，数据体量在不断的增加，以往512MB存储空间我们都会觉得很大了，现在呢？存储空间都是上T级或者更高级。如果你需要分析的数据过多，如何从海量数据中找到有效数据剔除无用数据？仅凭肉眼或者模式单一的软体是不可取的，比如你可以通过自己搭建网路爬虫获取自己想要的数据，利用Python库从海量数据中找出有用的数据，所以不是一定要懂编程语言，而是懂了并无害处。
第二个问题：不懂代码也是可以做数据分析的，但是前提是你要有数据，懂数据背后的含义，采用合适的方法去做数据分析，找出数据背后蕴含的含义。第一个问题和第二个问题举例子来讲，如果你不会厨艺，那你也可以开饭馆，但是需要你雇厨师。但是如果你本身就是厨师，那你就不需要雇。同样道理，数据分析不会编程，只要有数据就可以做，但是如果你会编程并没有害处呀！
第三个问题：
目前数据分析工具很多，下面列举几种常见的：
1、Excel
在很多企业的数据分析中，常用的是Excel。在Excel，需要重点了解数据处理的重要技巧及函数的应用，特别是数据清理技术的应用。这项运用能对数据去伪存真，掌握数据主动权，全面掌控数据；Excel数据透视表的应用重在挖掘隐藏的数据价值，轻松整合海量数据：各种图表类型的制作技巧及Power Query、Power Pivot的应用可展现数据可视化效果，让数据说话。因此想从事数据分析岗位的，需要快速掌握快各种Excel数据处理与分析技巧。
2、SPSS
是用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软体产品及相关服务的一款软体集合，能够进行多种统计分析
3、R语言
R语言是一种环境，通过支持多种多样的包，可以完成爬虫、数据清洗、数据分析的功能。
4、Python
也是目前很火的用于数据分析的环境，其中多个包在大数据分析中功能强大。Numpy是Python科学计算基础包；pandas能够让我们处理结构化数据的大量数据结构和函数；matplotlib是最流行的用于绘制数据图表的python库等等。
最后一个问题：
数据分析是把数据变成信息的工具，数据挖掘是把信息变成认知的工具，数据分析是侧重于对已有数据的展示，而数据挖掘是从已有数据中找寻规律。
独立的数据分析师，不懂代码理论上有可能（比如给你配了程序员，你负责提需求），但实际不太可能存在。
但如果是个数据分析团队，里面可以有不懂编程的人，比如团队的老大。
我本人是做数据分析的，带一个团队，负责数据架构的搭建 指标体系建立及计算 监控分析与运营 数据质量 数据安全等等。我会编程，但我认为我的boss才是一流的数据分析师，尽快他不懂任何程序，但他总能根据我做的报告提出好的问题。
个人认为：提出好的问题是数据分析是天职。
数据分析师是要能用数据去描述业务，并能通过数据发现业务中存在的问题。你可以不懂编程，但你一定要理解数据图表 会设计指标，并能和业务关联起来。
数据挖掘通常面临的问题比较明确，是用数据建模的方法去解决明确的问题。
很多公司这两个岗位是统一的，但我个人认为还是有区别的，而且最好区分开。按照我的设计，数据分析是数据挖掘的前手，好处有很多，主要是管理上的，避免部分员工过于核心，否则离职了你很麻烦。
至于工具，如果没有编程基础，我觉得那些统计软体根本不适合你，你需要的是BI工具。
推荐一个收费的，tableau。一般用用excel也不错。
数据分析师最好要会一门编程语言。
我们可以把问题反过来思考，如果数据分析师不会写代码，会怎样？
第一，不会写代码，就不会在后台资料库中怎么查询数据看到最真实的数据；
第二，不会写代码，就需要告诉IT人员怎么计算好所需要的分析指标，这过程中IT人员常常算错，或者算出来的数据不是想要的结果，而且增加了沟通成本、时间成本；
第三，一些数据处理的操作，用EXCEL来做不是很好做，用代码处理非常高效；
而且，会编程，也多了一项技能，让自己在工作中多一些项目机会，这不是很好么？
数据分析工具，一般会用SQL、python、R、EXCEL，还有一些BI工具，如Tableau。
要把视野扩大一点，数据分析的范畴可以很大，本质上讲，数据分析就是分析数据以推动解决实际问题。数据挖掘，即用演算法建立模型，也是数据分析的工作。
肯定的回答：需要
数据分析师通常会提供sql去提取数据，进行分析处理出报表，少量数据通常用Excel，大量复杂数据就需要编程能力，使用代码来解决处理，如果分析师不懂编程必然会缩手缩脚的，提高不了自己的工作效率
分析师通常需要出一下自动化报表，这些功能如果会具有编程能力的话，那就手到擒来来，现在大部分公司都分析师除了sql，普遍都需要python数据分析处理能力
分析师工作常常涉及用户画像，数据挖掘，用户标签等等，这些功能都需要编程能力来辅助
做数据分析最重要的基本技能是数据意识，非数据处理的编程能力：
1、对数据敏感才有发现数据背后管理意义的意识，无论什么行业，数据存在每个流转，每次交互，每次沉淀的节点，当你具备对这些数据的解读能力，对数据与数据之间的关系有足够的敏感认知时，就能发现并发掘出数据背后呈现的问题；
2、对数理有基本知识，对数据组合计算后代表的意义有挖掘能力，将具备用数据说话的能力；
3、对数据组合验证有逻辑判断能力，现在数据信息泛滥，被污染的数据也不少，需要分析师有一定的判断能力和识别能力，能够在不同数据源中快速定位有价值的数据信息，清洗干扰数据；
如上三个能力都需要丰富的工作经验和数据统计能力，数据再生能力远比编程能力更具备竞争力和发展空间。
最好还是要有一些编程的基础会比较好。虽然用sap等强大的工具已经可以完成很多业务，但是如果面对更加复杂的业务的话，编写代码还是少不了的。 只不过数据分析师，不用像程序员那天天天沉浸在代码中罢了。
数据分析工具我认为用的最多的就是spa了。
数据分析师和数据挖掘都需要对业务熟悉，不同的是数据挖掘的岗位在目前业界里面要求技术能力更强一些。 不过两者的界限也越来越模糊了。
我是coder李，欢迎关注我！
数据分析不一定要懂编程，数据分析需要懂数据分析的理论知识，也需要精通业务知识。现在很多分析工具都可以选择。
DataViz数据可视化分析工具是在线数据分析软体(BI)，无需数据分析师和IT人员的帮助，业务人员只需通过拖拽式操作即可完成数据可视化分析工作。支持拖拽数据集中维度和度量即可自动实现可视化展现以及数据透视功能，支持数十种图表自由切换。支持连接各种业务资料库如Oracle、 MySQL、 SQL Server等、文本数据源如Excel、 Csv等。可以访问东软平台云(https://cloud.neusoft.com)直接注册访问。
不一定需要，但需要什么时候提供什么样的数据服务。
编程那是必须的
推荐阅读：
