此文是《10周入門數據分析》系列的第6篇
想了解學習路線，可以先閱讀「10周計劃」
經常有剛從事資料分析的職場萌新，問我做資料分析工作要學些什麼，應該怎樣規劃學習路徑。我會告訴他：如果你Excel還用的不溜的話，就先學學Excel，當你用Excel處理和分析一些小資料集沒有問題的時候（具體表現就是：常用函數公式信手拈來，樞紐分析表，篩選，排序，圖表繪製操作熟練），你就去學習SQL語言，然後用BI去分析去熟悉業務。然後到了一定階段，你可以上手R或者Python。後面如果你能更進一步，可以去瞭解一些Spark等 大數據框架。
為什麼要學習Excel？
首先Excel是我們最常用的資料分析和處理工具，Excel的功能非常豐富，基本可以涵蓋我們在之後在其它軟體(SQL、BI、Python、R)中要學到的那些功能。
有的人可能會問，既然Excel這麼強大，為什麼還要學其它的工具？這是因為Excel是通過功能表的形式來進行操作的，很難實現自動化和功能複用，當然你也可以通過VBA來實現，用VBA也就是程式設計了，不過因為VBA這種語言學會了基本只能在office軟體中使用，學習的投入成本和產出收益不成比例，不推薦學習，這是客觀原因之一；另外就是Excel在處理比較大的資料集的時候，性能很差，並且經常崩潰。(雖然Excel2013及以上版本宣稱可以容納100+萬條記錄，但幾萬條資料就開始卡頓了)。
為什麼Excel學完要學SQL？
客觀原因是絕大部分資料分析崗都有SQL技能的要求。企業裡面為了保證資料的安全性和管理的方便，資料都是統一存放在資料庫中，從資料庫中提取和查詢資料需要使用SQL語言，甚至有的公司就是用SQL語言來做資料分析。
另外一個原因就是即使你先學了其它的工具，比如R，Python，甚至Spark等大資料框架，你會發現最後你還是得學習SQL。如果你先學習SQL，那麼很多概念你都能在學習R，Python，Spark等更加複雜的工具之前弄清楚。對於後面的學習會有幫助。這就好比建房子，都是先打地基，然後一層一層的蓋。
SQL語言的學習排在Excel之後，其它工具之前，還有一個很重要的原因就是，SQL可以在一定程度上幫Excel解決大資料集的問題，同時架起一個通往其它工具的橋樑。
關於資料庫和SQL的學習，也是分為兩篇，第一篇講資料庫以及表的概念。第二篇是SQL語句的掌握和資料庫的操作。
一、資料庫基礎知識
先談一下我對資料庫的理解。資料庫顧名思義就是資料的集合，是由一張張資料表組成的。
放在物理實體上，是一堆寫在磁片上的檔，檔中有資料。這些最基礎的資料組成了表(table)，我們把它想像成一張Excel的sheet，如下圖：
每一張表都有一個唯一標識，即主鍵，也就是ID。ID是資料庫中重要的概念，叫做唯一識別碼／主鍵，用來表示資料的唯一性。就相當於我們的身分證，是唯一的，有了 身分證，就知道資料在哪了。
ID通常沒有業務含義，就是一種唯一標識，每張表只能有一個主鍵，且主鍵通常是整數，主鍵一旦設立，值通常不允許修改。
資料庫是表的集合。一個資料庫中可以放多張表，我們給每張表命名，表與表之間能互相聯繫。聯繫就是資料能夠對應匹配，正式名稱叫聯接，對應的操作叫做Join，我們想像成Excel中的vlookup。
比如上面兩張圖，左圖是學生資訊表，右圖是老師資訊表。左圖的主鍵是學生ID，右圖的主鍵是老師ID。細心的讀者可能發現右圖還有一個學生ID，這裡的學生ID是專門用來聯接用戶表的，它並不是主鍵。只不過兩張表通過學生ID這個唯一資訊來關聯。
但兩張表關聯也並不是資訊能一一對應的，也會存在空缺的時候，比如：
那兩表建立連接就會變成：
瞭解上面的概念，你就知道什麼叫關係型數據庫。簡單說，它是由多張能互相聯接的二維行列表格組成的資料庫。在資料準備時，我們通常要建立表關聯來分析。
關係型數據庫是基於關聯代數模型發展而來，常用的關係型數據庫有SQL Server、MySQL、Oracle、DB2等，這個視企業使用為准，我們後續學習都以MySQL為主。
各關係型數據庫（不感興趣可跳過）：
DB2: 關係型數據庫, 適用於大型的分散式應用系統, 確實是非常非常好的資料庫, 無論穩定性, 安全性, 恢復性等等都無可挑剔, 而且從小規模到大規模的應用都非常適合。但是使用起來覺得非常繁瑣, 安裝的時候要求頗多, 很多軟體都可能和DB2產生衝突, 因為一般DB2都是安裝在小型機或者伺服器上的, 所以在PC上安裝很費事兒。新建一個庫需要設置很多東西, 分配各種各樣的存儲空間。
Oracle: 是目前市場佔有率最大的資料庫, 我在學習SSH的時候用的就是Oracle, 安裝起來很繁瑣, 而且居然程式檔有3G之多… 用起來非常方便, 對於我這樣的初學者, 有很簡單的配置, 對於要求很高的企業級應用, 也有很複雜的配置和管理方法, 有很強大的資料字典, 可以說是最實用的資料庫了, 但是查了一下, 價格不菲…
MS SQL: 當初用的是2000和2005版, 這兩個版本差了很多。2000的資料庫做的不錯, 程式很小, 操作簡單, 功能較全, 算是各方面都很中庸的資料庫吧, 是中型資料庫, 我的畢業設計就是用MS SQL 2000做的。2005中加入了很多功能, 複雜多了, 有大型資料庫的風範了, 而且價格也變高了, 個人覺得除非用的是Window Server 系統或者針對Microsoft產品, 否則不如用Oracle好。
MySQL: MySQL是一個很好的關係型數據庫, 免費, 而且功能很全, 程式又小, 安裝簡單, 現在很多網站都用MYSQL, 在欄位約束上做的差了點兒, 其他的都不錯, 和MS SQL 用著差不多。
Access: 典型的桌面資料庫, 覺得做個單機系統, 比如記帳, 記事兒什麼的還成, 在局域網裡跑個小系統都夠嗆, 資料來源連接很簡單, 因為是Office的資料庫, 所以Windows自帶資料來源。
更多關於資料庫的知識，看一本《資料庫系統概論》就夠了。
二、嘗試使用MySQL資料庫
如果還沒有接觸過資料庫或者說SQL，推薦大家下載並安裝MySQL資料進行嘗試，MySQL資料庫的下載安裝比較簡單，安裝完成就可以使用。
可以訪問MySQL官網進行下載，網址如下（這裡給出的是Windows版下載位址）：
http://dev.MySQL.com/downloads/MySQL/
下載MySQL時，需要進行免費註冊，註冊頁面是英文的。下載該工具後，點擊運行，這個程式就能夠聯網自動為你安裝MySQL，並自動進行配置。在安裝過程中，需要你設置密碼，自己設置一個登陸密碼，並記住，下次登陸MySQL時，需要這個密碼。
解壓之後沒有my.ini檔（我的埠設置的3308），截圖中是我增加的。
管理員命令列：
在MySQL安裝目錄的 bin 目錄下執行命令：
mysqld — initialize — console
得到如下結果：
看到有個警告，查了一下mysql建議使用utf8mb4
修改my.ini文件
警告沒有了，上面列印了預設密碼：nj>uUJkpH4/I
然後，安裝服務：
mysqld — install MySQL8.0
因為這是電腦上第二個mysql 所以服務名改成了 MySQL8.0
啟動服務：
net start MySQL8.0
修改初始密碼
登錄mysql之後執行：
ALTER USER ‘root’@’localhost’ IDENTIFIED WITH mysql_native_password BY ‘123456’;
將MySQL和Excel或者其它資料分析工具連接起來
預設安裝的情況下，有一個外掛程式允許MySQL資料庫和Excel相連接，試想一下，我們在MySQL資料庫中通過SQL語言進行大量資料的處理和計算，將計算結果存放在特定的資料表中，再通過Excel連接上MySQL資料庫，將資料讀取到Excel中，用Excel進行分析並繪製圖表，免去了將資料從資料庫匯出再導入Excel的麻煩，是不是就可以提高效率了呢？
後面會分享一篇通過ODBC驅動程式連接一些報表\BI工具來做分析的操作。
關於MySQL的學習推薦書籍《挑戰PHP7／MySQL程式設計與超強專題特訓班(第四版)》。
想瞭解更多的資料分析知識，請關注我的Facebook, 期待你與我互動起來啦~
