经常有刚从事数据分析的萌新们问我，做数据分析工作要学些什么?应该怎样规划学习路径?
我通常的回答是:如果你Excel还用的不溜的话，就先学学Excel!当你能熟练地用Excel处理和分析一些小数据集之后(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)，你就可以去学习SQL语言了，然后用BI去分析去熟悉业务。然后到了一定阶段后，你就可以上手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。
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，它功能非常丰富，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，性能不好，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?
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。
这篇文章着重讲解数据库以及表的概念。
一、数据库基础知识
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，它的值通常不允许修改。
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SQLServer、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(不感兴趣可跳到后面):
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,可以说是最实用的数据库了,但是查了一下,价格不菲...
MSSQL: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MSSQL2000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WindowServer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MSSQL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MySQL官网进行下载，网址如下(这里给出的是Windows版下载地址):
http://dev.MySQL.com/downloads/MySQL/
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--installMySQL8.0
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:
netstartMySQL8.0
修改初始密码
登录mysql之后执行:
ALTERUSER'root'@'localhost'IDENTIFIEDWITHmysql_native_passwordBY'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?