經常有剛從事數據分析的職場萌新，問我做數據分析工作要學些什么，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處理和分析一些小數據集沒有問題的時候（具體表現就是：常用函數公式信手拈來，數據透視表，篩選，排序，圖表繪制操作熟練），你就去學習SQL語言，然后用BI去分析去熟悉業務。然后到了一定階段，你可以上手R或者Python。后面如果你能更進一步，可以去了解一些Spark等大數據框架。

為什么要學習Excel？

首先Excel是我們最常用的數據分析和處理工具，Excel的功能非常豐富，基本可以涵蓋我們在之后在其它軟件(SQL、BI、Python、R)中要學到的那些功能。

有的人可能會問，既然Excel這么強大，為什么還要學其它的工具？這是因為Excel是通過菜單的形式來進行操作的，很難實現自動化和功能復用，當然你也可以通過VBA來實現，用VBA也就是編程了，不過因為VBA這種語言學會了基本只能在office軟件中使用，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在處理比較大的數據集的時候，性能很差，并且經常崩潰。(雖然Excel2013及以上版本宣稱可以容納100+萬條記錄，但幾萬條數據就開始卡頓了)。

為什么Excel學完要學SQL？

客觀原因是絕大部分數據分析崗都有SQL技能的要求。企業里面為了保證數據的安全性和管理的方便，數據都是統一存放在數據庫中，從數據庫中提取和查詢數據需要使用SQL語言，甚至有的公司就是用SQL語言來做數據分析。

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等大數據框架，你會發現你還是得學習SQL。如果你先學習SQL，那么很多概念你都能在學習R，Python，Spark等更加復雜的工具之前弄清楚。對于后面的學習會有幫助。這就好比建房子，都是先打地基，然后一層一層的蓋。

SQL語言的學習排在Excel之后，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解決大數據集的問題，同時架起一個通往其它工具的橋梁。

關于數據庫和SQL的學習，也是分為兩篇，前一篇講數據庫以及表的概念。第二篇是SQL語句的掌握和數據庫的操作。

一、數據庫基礎知識

先談一下我對數據庫的理解。數據庫顧名思義就是數據的集合，是由一張張數據表組成的。

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

每一張表都有一個標識，即主鍵，也就是ID。ID是數據庫中重要的概念，叫做主鍵，用來表示數據的僅有性。就相當于我們的身份的證件，是僅有的，有了它，就知道數據在哪了。

ID通常沒有業務含義，就是一種僅有標識，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。

數據庫是表的集合。一個數據庫中可以放多張表，我們給每張表命名，表與表之間能互相聯系。聯系就是數據能夠對應匹配，正式名稱叫聯接，對應的操作叫做Join，我們想象成Excel中的vlookup。

比如上面兩張圖，左圖是學生信息表，右圖是老師信息表。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，這里的學生ID是專門用來聯接用戶表的，它并不是主鍵。只不過兩張表通過學生ID這個僅有信息來關聯。

但兩張表關聯也并不是信息能一一對應的，也會存在空缺的時候，比如：

那兩表建立連接就會變成：

了解上面的概念，你就知道什么叫關系型數據庫。簡單說，它是由多張能互相聯接的二維行列表格組成的數據庫。在數據準備時，我們通常要建立表關聯來分析。

關系型數據庫是基于關系代數模型發展而來，常用的關系型數據庫有SQL Server、MySQL、Oracle、DB2等，這個視企業使用為準，我們后續學習都以MySQL為主。

各關系型數據庫（不感興趣可跳過）：

DB2: 關系型數據庫, 適用于大型的分布式應用系統, 確實是非常非常好的數據庫, 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, 很多軟件都可能和DB2產生沖突, 因為一般DB2都是安裝在小型機或者服務器上的, 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: 是目前市場占有率較大的數據庫, 我在學習SSH的時候用的就是Oracle, 安裝起來很繁瑣, 而且居然程序文件有3G之多... 用起來非常方便, 對于我這樣的初學者, 有很簡單的配置, 對于要求很高的企業級應用, 也有很復雜的配置和管理方法, 有很強大的數據字典, 可以說是最實用的數據庫了, 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的數據庫做的不錯, 程序很小, 操作簡單, 功能較全, 算是各方面都很中庸的數據庫吧, 是中型數據庫, 我的畢業設計就是用MS SQL 2000做的。2005中加入了很多功能, 復雜多了, 有大型數據庫的風范了, 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是一個很好的關系型數據庫, 免費, 而且功能很全, 程序又小, 安裝簡單, 現在很多網站都用MYSQL, 在字段約束上做的差了點兒, 其他的都不錯, 和MS SQL 用著差不多。

Access: 典型的桌面數據庫, 覺得做個單機系統, 比如記賬, 記事兒什么的還成, 在局域網里跑個小系統都夠嗆, 數據源連接很簡單, 因為是Office的數據庫, 所以Windows自帶數據源。

更多關于數據庫的知識，看一本《數據庫系統概論》就夠了。

二、嘗試使用MySQL數據庫

如果還沒有接觸過數據庫或者說SQL，推薦大家下載并安裝MySQL數據進行嘗試，MySQL數據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（這里給出的是Windows版下載地址）：「鏈接」

下載MySQL時，需要進行免費注冊，注冊頁面是英文的。下載該工具后，點擊運行，這個程序就能夠聯網自動為你安裝MySQL，并自動進行配置。在安裝過程中，需要你設置密碼，自己設置一個登陸密碼，并記住，下次登陸MySQL時，需要這個密碼。

解壓之后沒有my.ini文件（我的端口設置的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，上面打印了默認密碼：nj>uUJkpH4/I

然后，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之后執行： 

ALTER USER 'root'@'localhost' IDENTIFIED WITH mysql_native_password BY '123456'; 

將MySQL和Excel或者其它數據分析工具連接起來

默認安裝的情況下，有一個插件允許MySQL數據庫和Excel相連接，試想一下，我們在MySQL數據庫中通過SQL語言進行大量數據的處理和計算，將計算結果存放在特定的數據表中，再通過Excel連接上MySQL數據庫，將數據讀取到Excel中，用Excel進行分析并繪制圖表，免去了將數據從數據庫導出再導入Excel的麻煩，是不是就可以提高效率了呢？

后面會分享一篇通過ODBC驅動程序連接一些報表BI工具來做分析的操作。

關于MySQL的學習推薦書籍《MySQL必知必會》。