Misske
如果你 C 语言本身掌握得不好（尤其是指针）的话，那么学数据结构基本就和天书一样。学数据结构的前提是熟练掌握 C 语言的语法和基本的编程方法。 
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。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数据库的基础知识，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件(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算法实现的难度。
从大数据的技术链来看，数据分析是其中的重要一环，也是目前大数据价值化的核心环节，所以很多人也把大数据就理解为数据分析了。虽然数据分析比较重要，但是在大数据时代，要想学习数据分析也需要掌握一系列大数据技术，包括大数据平台知识、统计学知识和机器学习知识，目前统计学和机器学习是大数据分析的两种基本形式。从岗位划分上来看，大数据领域目前的岗位主要集中在三个领域，分别是大数据开发岗、大数据分析岗和大数据运维岗位，目前大数据开发岗的人才缺口相对比较大，所以目前很多大数据方向的研究生也会选择开发岗，虽然大数据分析岗位也不少，但是岗位竞争还是非常激烈的，很多博士研究生也比较愿意选择分析岗(算法岗)。从知识结构上来看，学习大数据分析和学习大数据开发还是有区别的，大数据开发比较侧重程序设计能力，而数据分析则比较侧重算法知识的学习和运用，目前很多团队也要求算法工程师要具备一定的编程能力。最后，学习数据分析对于数学基础的要求相对比较高，所以如果数学基础比较薄弱，可以考虑一下开发方向和运维方向。关于如何理解数据分析和大数据的关系，青藤小编就和您分享到这里了。如果你对大数据工程有浓厚的兴趣，希望这篇文章能够对你有所帮助。如果您还想了解更多数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。
