经常有刚从事数据分析的职场萌新，问我做数据分析工作要学些什么，应该怎样规划学习路径。我会告诉他：如果你excel还用的不溜的话，就先学学excel，当你用excel处理和分析一些小数据集没有问题的时候（具体表现就是：常用函数公式信手拈来，数据透视表，筛选，排序，图表绘制操作熟练），你就去学习sql语言，然后用bi去分析去熟悉业务。然后到了一定阶段，你可以上手r或者python。后面如果你能更进一步，可以去了解一些spark等大数据框架。
什么是数据库
为什么要学习excel？
首先excel是我们最常用的数据分析和处理工具，excel的功能非常丰富，基本可以涵盖我们在之后在其它软件(sql、bi、python、r)中要学到的那些功能。
有的人可能会问，既然excel这么强大，为什么还要学其它的工具？这是因为excel是通过菜单的形式来进行操作的，很难实现自动化和功能复用，当然你也可以通过vba来实现，用vba也就是编程了，不过因为vba这种语言学会了基本只能在office软件中使用，学习的投入成本和产出收益不成比例，不推荐学习，这是客观原因之一；另外就是excel在处理比较大的数据集的时候，性能很差，并且经常崩溃。(虽然excel2013及以上版本宣称可以容纳100 万条记录，但几万条数据就开始卡顿了)。
为什么excel学完要学sql？数据库
什么是数据库管理系统
客观原因是绝大部分数据分析岗都有sql技能的要求。企业里面为了保证数据的安全性和管理的方便，数据都是统一存放在数据库中，从数据库中提取和查询数据需要使用sql语言，甚至有的公司就是用sql语言来做数据分析。
另外一个原因就是即使你先学了其它的工具，比如r，python，甚至spark等大数据框架，你会发现最后你还是得学习sql。如果你先学习sql，那么很多概念你都能在学习r，python，spark等更加复杂的工具之前弄清楚。对于后面的学习会有帮助。这就好比建房子，都是先打地基，然后一层一层的盖。
sql语言的学习排在excel之后，其它工具之前，还有一个很重要的原因就是，sql可以在一定程度上帮excel解决大数据集的问题，同时架起一个通往其它工具的桥梁。
关于数据库和sql的学习，也是分为两篇，第一篇讲数据库以及表的概念。第二篇是sql语句的掌握和数据库的操作。
一、数据库基础知识
系统 先谈一下我对数据库的理解。数据库顾名思义就是数据的集合，是由一张张数据表组成的。
放在物理实体上，是一堆写在磁盘上的文件，文件中有数据。这些最基础的数据组成了表(table)，我们把它想象成一张excel的sheet，如下图：
?
每一张表都有一个唯一标识，即主键，也就是id。id是数据库中重要的概念，叫做唯一标识符／主键，用来表示数据的唯一性。就相当于我们的身份证，是唯一的，有了身份证，就知道数据在哪了。
id通常没有业务含义，就是一种唯一标识，每张表只能有一个主键，且主键通常是整数，主键一旦设立，值通常不允许修改。
数据库是表的集合。一个数据库中可以放多张表，我们给每张表命名，表与表之间能互相联系。联系就是数据能够对应匹配，正式名称叫联接，对应的操作叫做join，我们想象成excel中的vlookup。
?
比如上面两张图，左图是学生信息表，右图是老师信息表。左图的主键是学生id，右图的主键是老师id。细心的读者可能发现右图还有一个学生id，这里的学生id是专门用来联接用户表的，它并不是主键。只不过两张表通过学生id这个唯一信息来关联。
但两张表关联也并不是信息能一一对管理应的，也会存在空缺的时候，比如：
?
那两表建立连接就会变成：
?
了解上面的概念，你就知道什么叫关系型数据库。简单说，它是由多张能互相联接的二维行列表格组成的数据库。在数据准备时，我们通常要建立表关联来分析。
关系型数据库是基于关系代数模型发展而来，常用的关系型数据库有sql server、mysql、oracle、db2等，这个视企业使用为准，我们后续学习都以mysql为主。
各关系型数据库（不感兴趣可跳过）：
db2: 关系型数据库, 适用于大型的分布式应用系统, 确实是非常非常好的数据库, 无论稳定性, 安全性, 恢复性等等都无可挑剔, 而且从小规模到大规模的应用都非常适合。但是使用起来觉得非常繁琐, 安装的时候要求颇多, 很多软件都可能和db2产生冲突, 因为一般db2都是安装在小型机或者服务器上的, 所以在pc上安装很费事儿。新建一个库需要设置很多东西, 分配各种各样的存储空间。
oracle: 是目前市场占有率最大的数据库, 我在学习ssh的时候用的就是oracle, 安装起来很繁琐, 而且居然程序文件有3g之多... 用起来非常方便, 对于我这样的初学者, 有很简单的配置, 对于要求很高的企业级应用, 也有很复杂的配置和管理方法, 有很强大的数据字典, 可以说是最什么实用的数据库了, 但是查了一下, 价格不菲...
ms sql: 当初用的是2000和2005版, 这两个版本差了很多。2000的数据库做的不错, 程序很小, 操作简单, 功能较全, 算是各方面都很中庸的数据库吧, 是中型数据库, 我的毕业设计就是用ms sql 2000做的。2005中加入了很多功能, 复杂多了, 有大型数据库的风范了, 而且价格也变高了, 个人觉得除非用的是window server 系统或者针对microsoft产品, 否则不如用oracle好。
mysql: mysql是一个很好的关系型数据库, 免费, 而且功能很全, 程序又小, 安装简单, 现在很多网站都用mysql, 在字段约束上做的差了点儿, 其他的都不错, 和ms sql 用着差不多。
access: 典型的桌面数据库, 觉得做个单机系统, 比如记账, 记事儿什么的还成, 在局域网里跑个小系统都够呛, 数据源连接很简单, 因为是office的数据库, 所以windows自带数据源。
更多关于数据库的知识，看一本《数据库系统概论》就够了。
二、尝试使用mysql数据库
如果还没有接触过数据库或者说sql，推荐大家下载并安装mysql数据进行尝试，mysql数据库的下载安装比较简单，安装完成就可以使用。
可以访问mysql4436x12威尼斯官网进行下载，网址如下（这里给出的是windows版下载地址）：
「链接」
?
下载mysql时，需要进行免费注册，注册页面是英文的。下载该工具后，点击运行，这个程序就能够联网自动为你安装mysql，并自动进行配置。在安装过程中，需要你设置密码，自己设置一个登陆密码，并记住，下次登陆mysql时，需要这个密码。
解压之后没有my.ini文件（我的端口设置的3308），截图中是我增加的。
?
管理员命令行：
在mysql安装目录的 bin 目录下执行命令：
mysqld --initialize --console
得到如下结果：
?
看到有个警告，查了一下mysql建议使用utf8mb4
修改my.ini文件
?
警告没有了，上面打印了默认密码：nj>uujkph4/i
然后，安装服务：
mysqld --install mysql8.0
因为这是电脑上第二个mysql 所以服务名改成了 mysql8.0
?
启动服务：
net start mysql8.0
?
修改初始密码
登录mysql之后执行：
alter user 'root'@'localhost' identified with mysql_native_password by '123456';
?
将mysql和excel或者其它数据分析工具连接起来
默认安装的情况下，有一个插件允许mysql数据库和excel相连接，试想一下，我们在mysql数据库中通过sql语言进行大量数据的处理和计算，将计算结果存放在特定的数据表中，再通过excel连接上mysql数据库，将数据读取到excel中，用excel进行分析并绘制图表，免去了将数据从数据库导出再导入excel的麻烦，是不是就可以提高效率了呢？
后面会分享一篇通过odbc驱动程序连接一些报表\bi工具来做分析的操作。