此文是《10周入門數(shù)據(jù)分析》系列的第5篇。

想了解學(xué)習(xí)路線，可以先行閱讀“10周計(jì)劃”

公中號(hào)上已更新到第11篇，詳情可見文末。

上周更新了兩篇Excel學(xué)習(xí)，有讀者反映寫得不夠?qū)嵅?。這里解釋下，文字真的很難將每一步細(xì)化，不然真的要出一本書。文章更多是一個(gè)引路，告訴大家為什么要學(xué)這個(gè)，主要學(xué)什么，怎么學(xué)？深入的操作，還需大家業(yè)余加餐啊，已經(jīng)盡量給大家留了材料了。

也有人提議，出個(gè)視頻，不錯(cuò)！很贊！明年計(jì)劃下。即使沒有時(shí)間，我也會(huì)推薦一些我認(rèn)為OK的視頻讓大家學(xué)習(xí)。

年底了，近幾個(gè)晚上都在苦熬年終報(bào)告，各位寫好了么？

好了，回到正文，本篇講數(shù)據(jù)庫(kù)知識(shí)：

經(jīng)常有剛從事數(shù)據(jù)分析的職場(chǎng)萌新，問我做數(shù)據(jù)分析工作要學(xué)些什么，應(yīng)該怎樣規(guī)劃學(xué)習(xí)路徑。我會(huì)告訴他：如果你Excel還用的不溜的話，就先學(xué)學(xué)Excel，當(dāng)你用Excel處理和分析一些小數(shù)據(jù)集沒有問題的時(shí)候（具體表現(xiàn)就是：常用函數(shù)公式信手拈來，數(shù)據(jù)透視表，篩選，排序，圖表繪制操作熟練），你就去學(xué)習(xí)SQL語言，然后用BI去分析去熟悉業(yè)務(wù)。然后到了一定階段，你可以上手R或者Python。后面如果你能更進(jìn)一步，可以去了解一些Spark等大數(shù)據(jù)框架。

為什么要學(xué)習(xí)Excel？

首先Excel是我們最常用的數(shù)據(jù)分析和處理工具，Excel的功能非常豐富，基本可以涵蓋我們?cè)谥笤谄渌浖?SQL、BI、Python、R)中要學(xué)到的那些功能。

有的人可能會(huì)問，既然Excel這么強(qiáng)大，為什么還要學(xué)其它的工具？這是因?yàn)镋xcel是通過菜單的形式來進(jìn)行操作的，很難實(shí)現(xiàn)自動(dòng)化和功能復(fù)用，當(dāng)然你也可以通過VBA來實(shí)現(xiàn)，用VBA也就是編程了，不過因?yàn)閂BA這種語言學(xué)會(huì)了基本只能在office軟件中使用，學(xué)習(xí)的投入成本和產(chǎn)出收益不成比例，不推薦學(xué)習(xí)，這是客觀原因之一；另外就是Excel在處理比較大的數(shù)據(jù)集的時(shí)候，性能很差，并且經(jīng)常崩潰。(雖然Excel2013及以上版本宣稱可以容納100 萬條記錄，但幾萬條數(shù)據(jù)就開始卡頓了)。

為什么Excel學(xué)完要學(xué)SQL？

客觀原因是絕大部分?jǐn)?shù)據(jù)分析崗都有SQL技能的要求。企業(yè)里面為了保證數(shù)據(jù)的安全性和管理的方便，數(shù)據(jù)都是統(tǒng)一存放在數(shù)據(jù)庫(kù)中，從數(shù)據(jù)庫(kù)中提取和查詢數(shù)據(jù)需要使用SQL語言，甚至有的公司就是用SQL語言來做數(shù)據(jù)分析。

另外一個(gè)原因就是即使你先學(xué)了其它的工具，比如R，Python，甚至Spark等大數(shù)據(jù)框架，你會(huì)發(fā)現(xiàn)最后你還是得學(xué)習(xí)SQL。如果你先學(xué)習(xí)SQL，那么很多概念你都能在學(xué)習(xí)R，Python，Spark等更加復(fù)雜的工具之前弄清楚。對(duì)于后面的學(xué)習(xí)會(huì)有幫助。這就好比建房子，都是先打地基，然后一層一層的蓋。

SQL語言的學(xué)習(xí)排在Excel之后，其它工具之前，還有一個(gè)很重要的原因就是，SQL可以在一定程度上幫Excel解決大數(shù)據(jù)集的問題，同時(shí)架起一個(gè)通往其它工具的橋梁。

關(guān)于數(shù)據(jù)庫(kù)和SQL的學(xué)習(xí)，也是分為兩篇，第一篇講數(shù)據(jù)庫(kù)以及表的概念。第二篇是SQL語句的掌握和數(shù)據(jù)庫(kù)的操作。

一、數(shù)據(jù)庫(kù)基礎(chǔ)知識(shí)

先談一下我對(duì)數(shù)據(jù)庫(kù)的理解。數(shù)據(jù)庫(kù)顧名思義就是數(shù)據(jù)的集合，是由一張張數(shù)據(jù)表組成的。

放在物理實(shí)體上，是一堆寫在磁盤上的文件，文件中有數(shù)據(jù)。這些最基礎(chǔ)的數(shù)據(jù)組成了表(table)，我們把它想象成一張Excel的sheet，如下圖：

每一張表都有一個(gè)唯一標(biāo)識(shí)，即主鍵，也就是ID。ID是數(shù)據(jù)庫(kù)中重要的概念，叫做唯一標(biāo)識(shí)符／主鍵，用來表示數(shù)據(jù)的唯一性。就相當(dāng)于我們的身份證，是唯一的，有了身份證，就知道數(shù)據(jù)在哪了。

ID通常沒有業(yè)務(wù)含義，就是一種唯一標(biāo)識(shí)，每張表只能有一個(gè)主鍵，且主鍵通常是整數(shù)，主鍵一旦設(shè)立，值通常不允許修改。

數(shù)據(jù)庫(kù)是表的集合。一個(gè)數(shù)據(jù)庫(kù)中可以放多張表，我們給每張表命名，表與表之間能互相聯(lián)系。聯(lián)系就是數(shù)據(jù)能夠?qū)?yīng)匹配，正式名稱叫聯(lián)接，對(duì)應(yīng)的操作叫做Join，我們想象成Excel中的vlookup。

比如上面兩張圖，左圖是學(xué)生信息表，右圖是老師信息表。左圖的主鍵是學(xué)生ID，右圖的主鍵是老師ID。細(xì)心的讀者可能發(fā)現(xiàn)右圖還有一個(gè)學(xué)生ID，這里的學(xué)生ID是專門用來聯(lián)接用戶表的，它并不是主鍵。只不過兩張表通過學(xué)生ID這個(gè)唯一信息來關(guān)聯(lián)。

但兩張表關(guān)聯(lián)也并不是信息能一一對(duì)應(yīng)的，也會(huì)存在空缺的時(shí)候，比如：

那兩表建立連接就會(huì)變成：

了解上面的概念，你就知道什么叫關(guān)系型數(shù)據(jù)庫(kù)。簡(jiǎn)單說，它是由多張能互相聯(lián)接的二維行列表格組成的數(shù)據(jù)庫(kù)。在數(shù)據(jù)準(zhǔn)備時(shí)，我們通常要建立表關(guān)聯(lián)來分析。

關(guān)系型數(shù)據(jù)庫(kù)是基于關(guān)系代數(shù)模型發(fā)展而來，常用的關(guān)系型數(shù)據(jù)庫(kù)有SQL Server、MySQL、Oracle、DB2等，這個(gè)視企業(yè)使用為準(zhǔn)，我們后續(xù)學(xué)習(xí)都以MySQL為主。

各關(guān)系型數(shù)據(jù)庫(kù)（不感興趣可跳過）：

DB2: 關(guān)系型數(shù)據(jù)庫(kù), 適用于大型的分布式應(yīng)用系統(tǒng), 確實(shí)是非常非常好的數(shù)據(jù)庫(kù), 無論穩(wěn)定性, 安全性, 恢復(fù)性等等都無可挑剔, 而且從小規(guī)模到大規(guī)模的應(yīng)用都非常適合。但是使用起來覺得非常繁瑣, 安裝的時(shí)候要求頗多, 很多軟件都可能和DB2產(chǎn)生沖突, 因?yàn)橐话鉊B2都是安裝在小型機(jī)或者服務(wù)器上的, 所以在PC上安裝很費(fèi)事兒。新建一個(gè)庫(kù)需要設(shè)置很多東西, 分配各種各樣的存儲(chǔ)空間。

Oracle: 是目前市場(chǎng)占有率最大的數(shù)據(jù)庫(kù), 我在學(xué)習(xí)SSH的時(shí)候用的就是Oracle, 安裝起來很繁瑣, 而且居然程序文件有3G之多… 用起來非常方便, 對(duì)于我這樣的初學(xué)者, 有很簡(jiǎn)單的配置, 對(duì)于要求很高的企業(yè)級(jí)應(yīng)用, 也有很復(fù)雜的配置和管理方法, 有很強(qiáng)大的數(shù)據(jù)字典, 可以說是最實(shí)用的數(shù)據(jù)庫(kù)了, 但是查了一下, 價(jià)格不菲…

MS SQL: 當(dāng)初用的是2000和2005版, 這兩個(gè)版本差了很多。2000的數(shù)據(jù)庫(kù)做的不錯(cuò), 程序很小, 操作簡(jiǎn)單, 功能較全, 算是各方面都很中庸的數(shù)據(jù)庫(kù)吧, 是中型數(shù)據(jù)庫(kù), 我的畢業(yè)設(shè)計(jì)就是用MS SQL 2000做的。2005中加入了很多功能, 復(fù)雜多了, 有大型數(shù)據(jù)庫(kù)的風(fēng)范了, 而且價(jià)格也變高了, 個(gè)人覺得除非用的是Window Server 系統(tǒng)或者針對(duì)Microsoft產(chǎn)品, 否則不如用Oracle好。

MySQL: MySQL是一個(gè)很好的關(guān)系型數(shù)據(jù)庫(kù), 免費(fèi), 而且功能很全, 程序又小, 安裝簡(jiǎn)單, 現(xiàn)在很多網(wǎng)站都用MYSQL, 在字段約束上做的差了點(diǎn)兒, 其他的都不錯(cuò), 和MS SQL 用著差不多。

Access: 典型的桌面數(shù)據(jù)庫(kù), 覺得做個(gè)單機(jī)系統(tǒng), 比如記賬, 記事兒什么的還成, 在局域網(wǎng)里跑個(gè)小系統(tǒng)都?jí)騿? 數(shù)據(jù)源連接很簡(jiǎn)單, 因?yàn)槭荗ffice的數(shù)據(jù)庫(kù), 所以Windows自帶數(shù)據(jù)源。

更多關(guān)于數(shù)據(jù)庫(kù)的知識(shí)，看一本《數(shù)據(jù)庫(kù)系統(tǒng)概論》就夠了。

二、嘗試使用MySQL數(shù)據(jù)庫(kù)

如果還沒有接觸過數(shù)據(jù)庫(kù)或者說SQL，推薦大家下載并安裝MySQL數(shù)據(jù)進(jìn)行嘗試，MySQL數(shù)據(jù)庫(kù)的下載安裝比較簡(jiǎn)單，安裝完成就可以使用。

可以訪問MySQL官網(wǎng)進(jìn)行下載，網(wǎng)址如下（這里給出的是Windows版下載地址）：

「鏈接」

下載MySQL時(shí)，需要進(jìn)行免費(fèi)注冊(cè)，注冊(cè)頁面是英文的。下載該工具后，點(diǎn)擊運(yùn)行，這個(gè)程序就能夠聯(lián)網(wǎng)自動(dòng)為你安裝MySQL，并自動(dòng)進(jìn)行配置。在安裝過程中，需要你設(shè)置密碼，自己設(shè)置一個(gè)登陸密碼，并記住，下次登陸MySQL時(shí)，需要這個(gè)密碼。

解壓之后沒有my.ini文件（我的端口設(shè)置的3308），截圖中是我增加的。

管理員命令行：

在MySQL安裝目錄的 bin 目錄下執(zhí)行命令：

mysqld –initialize –console

得到如下結(jié)果：

看到有個(gè)警告，查了一下mysql建議使用utf8mb4

修改my.ini文件

警告沒有了，上面打印了默認(rèn)密碼：nj>uUJkpH4/I

然后，安裝服務(wù)：

mysqld –install MySQL8.0

因?yàn)檫@是電腦上第二個(gè)mysql 所以服務(wù)名改成了 MySQL8.0

啟動(dòng)服務(wù)：

net start MySQL8.0

修改初始密碼

登錄mysql之后執(zhí)行：

ALTER USER \’root\’@\’localhost\’ IDENTIFIED WITH mysql_native_password BY \’123456\’;

將MySQL和Excel或者其它數(shù)據(jù)分析工具連接起來

默認(rèn)安裝的情況下，有一個(gè)插件允許MySQL數(shù)據(jù)庫(kù)和Excel相連接，試想一下，我們?cè)贛ySQL數(shù)據(jù)庫(kù)中通過SQL語言進(jìn)行大量數(shù)據(jù)的處理和計(jì)算，將計(jì)算結(jié)果存放在特定的數(shù)據(jù)表中，再通過Excel連接上MySQL數(shù)據(jù)庫(kù)，將數(shù)據(jù)讀取到Excel中，用Excel進(jìn)行分析并繪制圖表，免去了將數(shù)據(jù)從數(shù)據(jù)庫(kù)導(dǎo)出再導(dǎo)入Excel的麻煩，是不是就可以提高效率了呢？

后面會(huì)分享一篇通過ODBC驅(qū)動(dòng)程序連接一些報(bào)表BI工具來做分析的操作。

關(guān)于MySQL的學(xué)習(xí)推薦書籍《MySQL必知必會(huì)》。

關(guān)于學(xué)習(xí)計(jì)劃

近期，我的公眾號(hào)【數(shù)據(jù)分析不是個(gè)事兒】在策劃《10周入門數(shù)據(jù)分析》系列文章，教課書式手把手教大家入門數(shù)據(jù)分析。

本文是系列中的第5篇，公中號(hào)上已更新到第11篇。

可以戳下“了解更多”前往關(guān)注。