最近分別看到趨勢預測文章說到：個人寫程式的技能要求降低，或說是即將要進入 No Code 或是 Low Code 的時代。這種趨勢是可以被認同的！因為，人類的習慣就是希望利用簡單的方法，達成有效率的結果，很多工具廠商也因此而獲利。可是，如果是你，你該如何調整你的學習策略呢？都說大數據是一個龐大的知識領域。忙碌的你，你需要有效率的學習策略。
無論是 No Code 或是 Low Code，你馬上可以會想到一些軟體工具，表格型的軟體工具，很多人都利用這些軟體工具，把你收集到的數據，拿來作表畫圖之後，進行溝通，就認為完成了分析工作？不，這應該只有完成：「描述型」的分析工作。
數據分析的能力，其實各行各業都十分需要。關鍵就是大家希望利用數據分析的力量，做出影響他們工作績效的更好決策，比方說產品該如何優化？或是客戶該如何分群？最簡單的比方說：老闆永遠會思考，明年如何提升 30% 的業績？這些工作，如果僅僅完成了「描述型」的動作，你會發現，還差距很遠。
數據分析絕對不會漫無目標地進行，一定是根據業務的目標，或說業務的策略來進行！因此，從「描述型」開始，進入「探索型」，可能再往「推論型」進行，多數的企業最關心的應該是「預測型」，因為，比方說：剛剛提到，老闆思考明年如何提升30% 的業績，這就是一種預測型的動作需要進行。你不可能拿著一些長條圖、餅圖或是甚麼圖，然後拍個腦袋就直言該如何如何？對不起，這還不構成「完整數據分析師」的能力。
所以，如果你要進行「預測型」的數據分析，似乎躲不過要將你手邊數據建模的過程，那是演算法，也更是統計加上數學的內容。先不管你該用什麼樣的工具或是技術，先逐步地把演算法的一些能力建立起來，可能就是你要思考的學習策略。可是，很多人看到數學或是統計，總是想起電視廣告上說的：數學不會就是不會。這或許是心理障礙！請你告訴自己，如果對數據有興趣，這一部分請不要擔心，要建立自己的信心。
企業大數據框架 Enterprise Big Data Framework 的 2A 那本書：企業大數據分析師 Enterprise Big Data Analyst 的內容其實有一大部分都專注於演算法的說明。當然，每一種演算法都很複雜，也都有很多理論在後面支持，可是，我們不得不佩服企業大數據框架聯盟的作者，他們很清晰的先劃出一個範圍，讓你很容易地進入這個領域，然後利用課程內的實習，讓你熟悉該如何複製相關的做法，可以用於你未來的工作當中，也藉此激起你的意願，加上，這就是考試範圍，你就會通過大數據分析師的國際認證。當然，未來，在這個基礎上，你可能還會面臨更多的問題，你就會逐步的擴大範圍來思考與研究這些數據分析的議題。此時，技巧、技能與技術，這三個環節，你就逐步掌握了。
當然，沒有數據，就沒辦法建模，更沒辦法分析。所以，數據分析的整個流程的工作：從業務目標的設定、獲取數據、數據的清理與整理，之後，才會牽涉到建模，建模之後，才可以將此模型重複應用於類似的數據集(常見到的監督式機器學習與非監督式的機器學習)，最後，繪圖與溝通，就不在話下了。這整個流程，都是一位數據分析師必須要關心的議題。
當然，你也許說道 No Code 與 Low Code 的議題。是的，現在很多程式語言中都已經有很多套件。如果你慢慢了解演算法的重點，也了解這些套件該如何使用，此時，寫程式的重點，你可能也慢慢在掌握了。我要強調的是：你都知道人類會不斷的優化這些工具與技術，此時的你，掌握這一個技術的脈動！關鍵是取你所需。所以，整個學習的策略，就會有不同的視野。祝福你。