“數(shù)據(jù)分析需要懂?dāng)?shù)據(jù)庫的知識嗎?”

李老頭最近經(jīng)常聽到這樣的問題，很多新人都覺得如果自己只做業(yè)務(wù)，不走技術(shù)線，是不是就可以不用學(xué)習(xí)數(shù)據(jù)庫了?是不是面試的時候就不需要準(zhǔn)備了?

畢竟很多新人剛進(jìn)公司，一看到數(shù)據(jù)庫里各種表的復(fù)雜鏈接方式，就開始犯起頭疼了，更有甚者連SQL與數(shù)據(jù)庫的區(qū)別都不知道，數(shù)據(jù)倉庫這些概念就更不用提了。

然而，讓很多人失望的是，數(shù)據(jù)庫知識是我在面試新人時最常問的問題，沒有之一。

數(shù)據(jù)分析需要懂?dāng)?shù)據(jù)庫嗎?

對數(shù)據(jù)庫的了解程度，要看你定位在數(shù)據(jù)分析的哪一種層次，我見過一些數(shù)據(jù)分析人員不懂?dāng)?shù)據(jù)庫，都是基于 Excel 的文件源做數(shù)據(jù)分析，他們更擅長業(yè)務(wù)。

但是，他們通常情況下必須依賴于 IT 部門的支持，需要 IT 部門提供一些基本的分析數(shù)據(jù)。憑借對業(yè)務(wù)的理解，對業(yè)務(wù)數(shù)據(jù)的理解也一樣可以做好數(shù)據(jù)分析工作。

也有一類數(shù)據(jù)分析人員，本身就是從數(shù)據(jù)庫、商業(yè)智能BI的角色轉(zhuǎn)向純粹的數(shù)據(jù)分析人員，通過對業(yè)務(wù)的理解加上數(shù)據(jù)處理的技能和知識在分析領(lǐng)域也可以做的很好。

他們的一大優(yōu)點就是在很大程度上不需要過度依賴IT部門，給他們一定的權(quán)限就可以自己動手直接面對統(tǒng)一的數(shù)據(jù)源做數(shù)據(jù)分析，有時一條SQL就是數(shù)據(jù)分析的一個環(huán)節(jié)。

所以，作為數(shù)據(jù)分析人員，個人覺得技多不壓身，多一種獲取不同數(shù)據(jù)渠道的本領(lǐng)，自然是有好處的。

什么是數(shù)據(jù)庫?

首先在了解數(shù)據(jù)庫之前，我們要先了解一下數(shù)據(jù)是怎么儲存的?

我們都知道，當(dāng)我們的祖先還在荒野中茹毛飲血的時候，就學(xué)會了利用結(jié)繩記事來進(jìn)行數(shù)據(jù)儲存，這些被打上結(jié)的繩子就是“數(shù)據(jù)”，雖然這種數(shù)據(jù)很難保存、很難提取。

后來祖先利用甲骨、竹簡、紙張來儲存文字?jǐn)?shù)據(jù)，近代發(fā)明了錄音機(jī)、攝像機(jī)儲存音頻數(shù)據(jù)，雖然數(shù)據(jù)載體一直在變化，但是數(shù)據(jù)存儲的方式并沒有發(fā)生很大的變化，都屬于傳統(tǒng)存儲方式。

直到信息時代的到來，數(shù)據(jù)存儲的方式才發(fā)生了重大變革并朝著兩分方向發(fā)展：文件與數(shù)據(jù)庫。

1、文件相當(dāng)于把數(shù)據(jù)存放在Excel當(dāng)中，形成讀寫文件后進(jìn)行存儲，然后通過python等工具對文件數(shù)據(jù)進(jìn)行篩選、處理、提取;

2、數(shù)據(jù)庫則是把數(shù)據(jù)按照其結(jié)構(gòu)將其儲存在計算機(jī)中，形成一個具有大數(shù)據(jù)量的數(shù)據(jù)集合，相當(dāng)于存放文件的文件柜。

利用數(shù)據(jù)庫存儲數(shù)據(jù)是目前最為流行的方式，因為數(shù)據(jù)庫擁有持久化存儲、讀寫速度也很高，更關(guān)鍵的是數(shù)據(jù)庫可以極大程度保證數(shù)據(jù)的有效性，而不像是Excel等文件極易容易產(chǎn)生修改錯誤。

數(shù)據(jù)庫分類?

按照早期的數(shù)據(jù)庫理論，比較流行的數(shù)據(jù)庫模型有三種，分別為層次式數(shù)據(jù)庫、網(wǎng)狀數(shù)據(jù)庫和關(guān)系型數(shù)據(jù)庫。而在當(dāng)今的互聯(lián)網(wǎng)企業(yè)中，最常用的數(shù)據(jù)庫模式主要有兩種，即關(guān)系型數(shù)據(jù)庫和非關(guān)系型數(shù)據(jù)庫。

關(guān)系型數(shù)據(jù)庫模型是把復(fù)雜的數(shù)據(jù)結(jié)構(gòu)歸結(jié)為簡單的二元關(guān)系(即二維表格形式)。在關(guān)系型數(shù)據(jù)庫中，對數(shù)據(jù)的操作幾乎全部建立在一個或多個關(guān)系表格上，通過這些關(guān)聯(lián)的表格分類、合并、連接或選取等運算來實現(xiàn)數(shù)據(jù)的管理。

關(guān)系型通俗的理解是，數(shù)據(jù)作為二維數(shù)組存在，你可以理解為圖書館的圖書排列。

書架、樓層你可以理解為關(guān)系型的數(shù)據(jù)結(jié)構(gòu)，書作為數(shù)據(jù)存在，而所有圖書館管理員就是數(shù)據(jù)庫的進(jìn)程，用于不同的工作。有人救火(數(shù)據(jù)修復(fù)、備份)，有人整理書架、書籍(數(shù)據(jù)整理、歸檔)，而用戶進(jìn)程就是指的來到圖書館的顧客，他們看書、移動書籍，而管理員就會對著維護(hù)。

關(guān)系型數(shù)據(jù)庫誕生距今已有40多年了，從理論產(chǎn)生到發(fā)展到實現(xiàn)產(chǎn)品，例如：常見的MySQL和Oracle，oracle在數(shù)據(jù)庫領(lǐng)域里上升到了霸主地位，形成每年高達(dá)數(shù)百億美元的龐大產(chǎn)業(yè)市場，而MySQL也是不容忽視的數(shù)據(jù)庫，以至于被Oracle重金收購了。

非關(guān)系型數(shù)據(jù)庫也被稱為NoSQL數(shù)據(jù)庫，本意是“Not Only SQL”，作為傳統(tǒng)數(shù)據(jù)庫的一個有效補充。NoSQL數(shù)據(jù)庫在特定的場景下可以發(fā)揮難以想象的高效率和高性能。

因為隨著web2.0網(wǎng)站的興起，海量數(shù)據(jù)對關(guān)系型數(shù)據(jù)庫存儲的容量要求高，單機(jī)無法滿足需求，很多時候需要用集群來解決問題，關(guān)系型數(shù)據(jù)庫就顯得力不從心了。

非關(guān)系型數(shù)據(jù)庫因而誕生，實際上非關(guān)系型數(shù)據(jù)庫就是針對特定場景，以高性能和使用便利為目的功能特異化的數(shù)據(jù)庫產(chǎn)品，比如Google的BigTable與Amazon的Dynamo。

SQL與數(shù)據(jù)庫的關(guān)系

這個時候很多人就會把sql與數(shù)據(jù)庫的概念搞混了，很多新人就以為Sql就是用來存儲數(shù)據(jù)的數(shù)據(jù)庫，還有的以為sql是數(shù)據(jù)庫的一種。

為了方便大家理解，我給大家打個比方：

如果數(shù)據(jù)就是一張張的表格，我們就可以按照不同的表格關(guān)系放在不同的文件夾里，這個文件夾就相當(dāng)于數(shù)據(jù)庫的基礎(chǔ)構(gòu)成要素——數(shù)據(jù)表。

而當(dāng)我們的文件夾也非常繁多復(fù)雜的時候，我們就可以將文件夾按照不同的構(gòu)成分類儲存在文件柜中，每個文件柜中可能有非常多的分類用來存放不同的文件夾，這個文件柜就相當(dāng)于數(shù)據(jù)庫。

而當(dāng)我們想要從文件柜中找到某份文件的時候，我們需要按照一定的規(guī)則去尋找，比如說“合同文件放在第三層第四排的架子上”，這種查找規(guī)則的實施就需要數(shù)據(jù)庫管理系統(tǒng)(DBMS)來實現(xiàn)，相當(dāng)于一名文件管理員，幫助我們管理數(shù)據(jù)庫中的數(shù)據(jù)。

最常見的數(shù)據(jù)庫管理系統(tǒng)包括SqlServer、MySql、Oracle等。

而我們?nèi)绻胍獙ξ募芾韱T下達(dá)指令，就需要一種溝通語言，這種溝通語言就是SQL，所以SQL就是一種結(jié)構(gòu)化的查詢語言，用來操作數(shù)據(jù)庫管理系統(tǒng)。

他們之間的關(guān)系可以這樣表示：

這樣大家應(yīng)該不會再把SQL當(dāng)做數(shù)據(jù)庫了吧?