我们每天都会产生难以想象的大量数据。根据 Statista 的数据，2020 年全球产生的数据总量已达到 64.2 ZB（1 ZB＝10 亿 TB），未来五年预计将增长到超过 180 ZB。
随着数据量爆炸式增长，数据科学和商业智能在帮助组织理解数据方面发挥着关键作用。
数据科学家的工具箱主要围绕 Python、R、命令行工具等以编码为基础的工具——而商业智能分析师则依靠 Tableau 或 Power BI 等高级图形界面工具。
在这种背景下，商业智能分析师在为组织提供洞察层面上扮演着重要角色。这也是商业智能岗位需求不断增长的原因。例如，在美国，商业智能分析师的平均年薪为84,019 美元/年。
随着低代码工具日益成熟，商业智能职能持续为组织创造价值，那么编码技能对于 BI 分析师的职业发展到底有多重要？本文将专门回答这个问题。
如果不先概览现代分析师角色的演变、哪些任务需要编码，以及学习编程的价值，很难给出简短答案。让我们开始吧！
商业智能的历史
“商业智能”一词最早由作家 Richard Millar Devens 于 1865 年在其著作Cyclopaedia of Commercial and Business Anecdotes中提出，用以描述一位金融家如何通过收集并采取行动于信息而成功击败竞争对手。
然而，现代商业智能的基础直到 1956 年 IBM 发明硬盘驱动器才出现。这使用户能够存储 5 MB 的数据，在当时已是海量数据。
两年后，IBM 研究员 Hans Peter Luhn 发表论文A Business Intelligence System，提出了商业智能的基本原理，指出企业在处理和利用海量数据以做出更好决策时面临的挑战。基于这些贡献，Hans 被视为商业智能之父。
在 20 世纪 60 至 70 年代，首批数据管理系统和决策支持系统问世，并在 80 年代促成了数据仓库的诞生，直至今日仍被广泛使用。
数据仓库将来自不同来源的数据收集并组织到一个中央存储库中，从而实现更高效、更深入的分析。快进到 90 年代末，随着技术创新、个人电脑兴起以及互联网诞生，现代 BI 系统的前身逐渐成为现实。
现代 BI 分析师的崛起
在过去二十年里， 商业智能分析师的角色发生了巨大演变。大数据的兴起和数据量持续增长，推动了对复杂 BI 平台与工具的需求，以帮助分析师理解公司数据。
在 90 年代末到 21 世纪初，分析师使用 Excel、SQL 或较为初级的 BI 工具来分析和可视化组织的数据。然而，随着Power BI、Tableau以及 Qlik 等工具的发布，如今的分析师被期望在日常工作中熟练掌握多种工具。
除了对特定工具的技术专长外，现代分析师还被期望成为“广度型”专家。这意味着具备出色的项目管理能力、领域知识、故事讲述与沟通能力，已成为当代分析师的基本素养。
考虑到这些，是时候回到文章开头提出的核心问题：商业智能分析师是否应该学习编程？答案是：是的！
尽管许多商业智能岗位可能不强制要求编码技能，但学习编程能够让分析师更快地为组织创造价值，并在求职中脱颖而出。下面，您将看到商业智能分析师应该学习编程的五个关键理由。
商业智能分析师学习编程的价值
1. 提升问题解决能力
无论是理解 A/B 测试对关键指标的影响、为相关方构建仪表板，还是基于数据洞察提出建议，商业智能分析师每天都在解决问题。学习编程能够加速这些能力，因为编程为审视技术问题提供了新的视角。
编程与问题解决能力提升之间的联系已被广泛研究，因为编程训练实践者思考潜在问题的一系列解法。
2. 更好地与数据团队成员协作
商业智能分析师通常隶属于更广泛的分析或数据团队。这意味着他们会与以编码为主的从业者协作，如数据工程师、数据科学家和数据分析师。对于商业智能分析师而言，学习编程的关键成果之一就是更强的同理心与更高效的团队协作。
学习编程有助于商业智能分析师更好地向团队成员提出需求，在其他成员时间有限时创建需要编码技能的临时解决方案，并更好地理解同事的工作流程。更强的团队凝聚力将为整个组织带来更佳的成果。
3. 构建更复杂的数据可视化与工作流
熟练掌握 Tableau 和 Power BI 等商业智能工具是现代分析师的基本功。然而，学习编程可以在多方面加速商业智能分析师的工作流。
首先，Tableau 和 Power BI 都提供与 R 和 Python 的集成。这使分析师能够在熟悉的商业智能工具中通过脚本实现自动化。例如，在Power BI 中运行 Python，以便对常用数据集的某个数据处理步骤进行自动化。
此外，R 和 Python 等编程语言能够实现 BI 工具中难以完成的更复杂数据分析与可视化。例如，借助 R 的ggplot2和 Python 的Matplotlib等包，实践者可以设计高度自定义的可视化与报告。
4. 融入开源社区
编程语言的一个独特之处在于，顶尖实践者和研究者使用的几乎所有工具都是开源的。这意味着任何人在任何时间都可以零门槛地免费下载并使用功能强大、复杂精良的工具。
此外，这也意味着实践者可以直接与这些工具的创造者互动，为源码改进提出建议。融入开源社区有助于分析师丰富其职业生涯、知识与声誉，从而在未来获得更好的职业机会，并在数据领域建立更广泛的人脉。
5. 职业发展机遇
学习编程的一大优势是有机会拓展您的职业路径，甚至转向其他领域。商业智能是一个庞大的领域，包含众多不同的职业方向，如数据分析师、产品分析师、BI 开发人员以及商业智能架构师。根据 Glassdoor 的统计，编码类岗位需求旺盛、薪酬优渥且满意度高。
例如，数据分析师岗位与商业智能角色密切相关，但需要更高程度的编程与统计知识。美国数据分析师的年薪中位数约为 94,687 美元，最高可达 391K 美元。
此外，我们持续看到对数据工程师和数据科学家的巨大需求。数据工程师在整合海量数据方面发挥关键作用，数据科学家则利用这些数据提取洞察并构建机器学习模型。数据工程师与数据科学家的年薪中位数分别为 112,493 美元和 117,212 美元。
分析师角色的未来
随着商业智能的持续演进，现代商业智能分析师也需要与时俱进。掌握编码技能能够带来更强的问题解决能力、更高效的团队协作、更成熟而复杂的工作流、更多的职业发展机遇等。
如果本文激发了您开始学习编程的兴趣，欢迎查看下方资源。
我们每天都会产生难以想象的大量数据。根据 Statista 的数据，2020 年全球产生的数据总量已达到 64.2 ZB（1 ZB＝10 亿 TB），未来五年预计将增长到超过 180 ZB。
随着数据量爆炸式增长，数据科学和商业智能在帮助组织理解数据方面发挥着关键作用。
数据科学家的工具箱主要围绕 Python、R、命令行工具等以编码为基础的工具——而商业智能分析师则依靠 Tableau 或 Power BI 等高级图形界面工具。
在这种背景下，商业智能分析师在为组织提供洞察层面上扮演着重要角色。这也是商业智能岗位需求不断增长的原因。例如，在美国，商业智能分析师的平均年薪为84,019 美元/年。
随着低代码工具日益成熟，商业智能职能持续为组织创造价值，那么编码技能对于 BI 分析师的职业发展到底有多重要？本文将专门回答这个问题。
如果不先概览现代分析师角色的演变、哪些任务需要编码，以及学习编程的价值，很难给出简短答案。让我们开始吧！
商业智能的历史
“商业智能”一词最早由作家 Richard Millar Devens 于 1865 年在其著作Cyclopaedia of Commercial and Business Anecdotes中提出，用以描述一位金融家如何通过收集并采取行动于信息而成功击败竞争对手。
然而，现代商业智能的基础直到 1956 年 IBM 发明硬盘驱动器才出现。这使用户能够存储 5 MB 的数据，在当时已是海量数据。
两年后，IBM 研究员 Hans Peter Luhn 发表论文A Business Intelligence System，提出了商业智能的基本原理，指出企业在处理和利用海量数据以做出更好决策时面临的挑战。基于这些贡献，Hans 被视为商业智能之父。
在 20 世纪 60 至 70 年代，首批数据管理系统和决策支持系统问世，并在 80 年代促成了数据仓库的诞生，直至今日仍被广泛使用。
数据仓库将来自不同来源的数据收集并组织到一个中央存储库中，从而实现更高效、更深入的分析。快进到 90 年代末，随着技术创新、个人电脑兴起以及互联网诞生，现代 BI 系统的前身逐渐成为现实。
现代 BI 分析师的崛起
在过去二十年里， 商业智能分析师的角色发生了巨大演变。大数据的兴起和数据量持续增长，推动了对复杂 BI 平台与工具的需求，以帮助分析师理解公司数据。
在 90 年代末到 21 世纪初，分析师使用 Excel、SQL 或较为初级的 BI 工具来分析和可视化组织的数据。然而，随着Power BI、Tableau以及 Qlik 等工具的发布，如今的分析师被期望在日常工作中熟练掌握多种工具。
除了对特定工具的技术专长外，现代分析师还被期望成为“广度型”专家。这意味着具备出色的项目管理能力、领域知识、故事讲述与沟通能力，已成为当代分析师的基本素养。
考虑到这些，是时候回到文章开头提出的核心问题：商业智能分析师是否应该学习编程？答案是：是的！
尽管许多商业智能岗位可能不强制要求编码技能，但学习编程能够让分析师更快地为组织创造价值，并在求职中脱颖而出。下面，您将看到商业智能分析师应该学习编程的五个关键理由。
商业智能分析师学习编程的价值
1. 提升问题解决能力
无论是理解 A/B 测试对关键指标的影响、为相关方构建仪表板，还是基于数据洞察提出建议，商业智能分析师每天都在解决问题。学习编程能够加速这些能力，因为编程为审视技术问题提供了新的视角。
编程与问题解决能力提升之间的联系已被广泛研究，因为编程训练实践者思考潜在问题的一系列解法。
2. 更好地与数据团队成员协作
商业智能分析师通常隶属于更广泛的分析或数据团队。这意味着他们会与以编码为主的从业者协作，如数据工程师、数据科学家和数据分析师。对于商业智能分析师而言，学习编程的关键成果之一就是更强的同理心与更高效的团队协作。
学习编程有助于商业智能分析师更好地向团队成员提出需求，在其他成员时间有限时创建需要编码技能的临时解决方案，并更好地理解同事的工作流程。更强的团队凝聚力将为整个组织带来更佳的成果。
3. 构建更复杂的数据可视化与工作流
熟练掌握 Tableau 和 Power BI 等商业智能工具是现代分析师的基本功。然而，学习编程可以在多方面加速商业智能分析师的工作流。
首先，Tableau 和 Power BI 都提供与 R 和 Python 的集成。这使分析师能够在熟悉的商业智能工具中通过脚本实现自动化。例如，在Power BI 中运行 Python，以便对常用数据集的某个数据处理步骤进行自动化。
此外，R 和 Python 等编程语言能够实现 BI 工具中难以完成的更复杂数据分析与可视化。例如，借助 R 的ggplot2和 Python 的Matplotlib等包，实践者可以设计高度自定义的可视化与报告。
4. 融入开源社区
编程语言的一个独特之处在于，顶尖实践者和研究者使用的几乎所有工具都是开源的。这意味着任何人在任何时间都可以零门槛地免费下载并使用功能强大、复杂精良的工具。
此外，这也意味着实践者可以直接与这些工具的创造者互动，为源码改进提出建议。融入开源社区有助于分析师丰富其职业生涯、知识与声誉，从而在未来获得更好的职业机会，并在数据领域建立更广泛的人脉。
5. 职业发展机遇
学习编程的一大优势是有机会拓展您的职业路径，甚至转向其他领域。商业智能是一个庞大的领域，包含众多不同的职业方向，如数据分析师、产品分析师、BI 开发人员以及商业智能架构师。根据 Glassdoor 的统计，编码类岗位需求旺盛、薪酬优渥且满意度高。
例如，数据分析师岗位与商业智能角色密切相关，但需要更高程度的编程与统计知识。美国数据分析师的年薪中位数约为 94,687 美元，最高可达 391K 美元。
此外，我们持续看到对数据工程师和数据科学家的巨大需求。数据工程师在整合海量数据方面发挥关键作用，数据科学家则利用这些数据提取洞察并构建机器学习模型。数据工程师与数据科学家的年薪中位数分别为 112,493 美元和 117,212 美元。
分析师角色的未来
随着商业智能的持续演进，现代商业智能分析师也需要与时俱进。掌握编码技能能够带来更强的问题解决能力、更高效的团队协作、更成熟而复杂的工作流、更多的职业发展机遇等。
如果本文激发了您开始学习编程的兴趣，欢迎查看下方资源。