零基礎的人，怎么自學數據分析
優秀的數據分析師并不能速成，但是零經驗也有零經驗的捷徑。
市面上有《七周七數據庫》，《七周七編程語言》。今天我們就《七周七學習成為數據分析師》，沒錯，七周。
第一周：Excel學習掌握
如果Excel玩的順溜，可以略過這一周。但很多人并不會vlookup，所以有必要講下。
了解sum，count，sumif，countif，find，if，left/right，時間轉換等。excel的各類函數很多，完全不需要學全。重要的是學會搜索。我學函數是即用即查，將遇到的問題在網上搜索得到所需函數。
重中之重是學會vlookup和數據透視表。這兩個對后續的數據轉換有幫助。
學會vlookup，SQL中的join，Python中的merge能很快掌握。
學會數據透視表，SQL中的group，Python中的groupby也是同理。
這兩個搞定，基本10萬條以內的數據統計沒啥難度，也就速度慢了點。80%的辦公室白領都能秒殺。
網上多找些習題做，Excel是熟能生巧。
養成一個好習慣，不要合并單元格，不要過于花哨。表格按照原始數據、加工數據，圖表的類型管理。
附加學習：
1、了解中文編碼utf-8，ascii的含義和區別
2、了解單元格格式，幫助你了解后期的timestamp，date，string，int，bigint，char，factor等各類格式。
3、如果時間還有剩余，可以看《大數據時代》，培養職業興趣。
第二周：數據可視化
數據分析界有一句經典名言，字不如表，表不如圖。別說平常人，數據分析師自己看數據也頭大。這時就得靠數據可視化的神奇魔力了。
以上就是所謂的可視化。排除掉數據挖掘這類高級分析，不少數據分析師的平常工作之一就是監控數據觀察數據。
另外數據分析師是需要兜售自己的觀點和結論的。兜售的最好方式就是做出觀點清晰數據詳實的PPT給老板看。如果沒人認同分析結果，那么分析也不會被改進和優化，分析師的價值在哪里？工資也就漲不了對吧。
抽空花一段時間學習可視化的基礎,如《數據之美》
另外你還需要了解BI的概念。知名的BI產品有Tableau，PowerBI，還有國產的FineBI等。都有體驗版和免費版能下載，網上找一點數據就能體驗可視化的魅力。比Excel的圖表高級多了。
BI需要了解儀表盤Dashboard的概念，知道維度的聯動和鉆取，知道絕大多數圖表適用的場景和怎么繪制。比如以下FineBI制作的dashboard。
第三周：分析思維的訓練
這周我們輕松一下，學學理論知識。
分析思維首推大名鼎鼎的《金字塔原理》，幫助數據分析師結構化思維。如果金字塔原理讓你醍醐灌頂，那么就可以學思維導圖，下載一個XMind中文網站，或者在線用百度腦圖。
再了解SMART、5W2H、SWOT、4P理論、六頂思考帽等框架。這些框架都是大巧不工的經典。你要快速成為數據分析師，思考方式也得跟著改變。網上搜咨詢公司的面試題，搜CaseBook。
題目用新學的思維導圖做，先套那些經典框架，做一遍，然后去看答案對比。因為要鍛煉數據分析能力。所以得結合數據導向的思維。
這里送三條金句：
一個業務沒有指標，則不能增長和分析
好的指標應該是比率或比例
好的分析應該對比或關聯。
舉一個例子：我告訴你一家超市今天有1000人的客流量，你會怎么分析？
這1000人的數量，和附件其他超市比是多是少？（對比）
這1000人的數量比昨天多還是少？（對比）
1000人有多少產生了實際購買？（轉化比例）
路過超市，超市外的人流是多少？（轉化比例）
這是一個快速搭建分析框架的方法。如果只看1000人，是看不出分析不出任何結果。
第四周：數據庫學習
Excel對十萬條以內的數據處理起來一點不虛，但是資深的數據分析師還是笑摸狗頭，TooYoungTooSample，爺搞得都是百萬數據。要百萬數據，就得上數據庫。
SQL是數據分析師的核心技能之一。有些公司并不給數據庫權限，需要分析師寫郵件提需求，這非常不好。數據分析師經常有各類假設需要驗證，很多時候寫十幾行SQL就能得到的答案，還得麻煩其他部門導出數據。
SQL學習不需要買書，W3C學習就行了，SQL教程。大多數互聯網公司都是MySQL，我也建議學，性價比最高。
作為數據分析師，只要懂Select相關，增刪改、約束、索引、數據庫范式全部略過。你的公司心得多大才會給你寫權限。
了解where，groupby，orderby，having，like，count，sum，min，max，distinct，if，join，leftjoin，limit，and和or的邏輯，時間轉換函數等即可。
你看，和Excel的函數都差不多。如果時間充裕，則學習row_number，substr，convert，contact等。和Excel一樣，學會搜索解決問題。不同引擎的函數也會有差異，例如Presto和phpMyAdmin。
期間你不需要考慮優化和寫法丑陋，查詢幾秒和幾分鐘對數據分析師沒區別，跑數據時喝杯咖啡唄，以后你跑個SVM都能去吃飯了。
網上搜索SQL相關的練習題，刷一遍就行。也能自己下載數據庫管理工具，找些數據練習。我用的是SequelPro。
第五周：統計知識學習
統計學是數據分析的基礎之一。
統計知識會要求我們以另一個角度看待數據。當你知道AB兩組的差異用平均值看是多傻的事情，你的分析技巧也會顯著提高。
這一周努力掌握描述性統計，包括均值、中位數、標準差、方差、概率、假設檢驗、顯著性、總體和抽樣等概念。詳細的數學推導不用細看，誰讓我們是速成呢，只要看到數據，知道不能怎么樣，而是應該這樣分析即可。
Excel中有一個分析工具庫，簡單強大。對列1的各名詞做到了解。如果是多變量多樣本，學會各種檢驗。
《統計數字會撒謊》休閑讀物，有趣的案例可以讓我們避免很多數據陷阱。
深入淺出統計學(豆瓣)還是經典的HeadFirst系列，適應它一貫的啰嗦吧。
多說一句，老板和非分析師不會有興趣知道背后的統計學原理，通常要的是分析后的是與否，二元答案。不要告訴他們P值什么的，告訴他們活動有效果，或者沒效果。
第六周：業務學習（用戶行為、產品、運營）
這一周需要了解業務。對于數據分析師來說，業務的了解比數據方法論更重要。當然很遺憾，業務學習沒有捷徑。
我舉一個數據沙龍上的例子，一家O2O配送公司發現在重慶地區，外賣員的送貨效率低于其他城市，導致用戶的好評率降低?？偛康臄祿治鰩熃⒘烁鱾€指標去分析原因，都沒有找出來問題。后來在訪談中發覺，因為重慶是山城，路面高低落差比較夸張，很多外賣人員的小電瓶上不了坡…所以導致送貨效率慢。
這個案例中，我們只知道送貨員的送貨水平距離，數據上根本不可能知道垂直距離這個指標。這就是數據的局限，也是只會看數據的分析師和接地氣分析師的最大差異。
對于業務市場的了解是數據分析師工作經驗上最大優勢之一。既然是零經驗面試，公司肯定也知道剛入門分析師不會有太多業務經驗，不會以這個卡人。所以簡單花一周了解行業的各指標。
《增長黑客》
數據驅動業務的典型，里面包含產品運營最經典的AAARR框架，部分非數據的營銷案例，
《網站分析實戰》
如果應聘的公司涉及Web產品，可以了解流量的概念。書中案例以GoogleAnalytics為主。其實現在是APP+Web的復合框架，比如朋友圈的傳播活動肯定需要用到網頁的指標去分析。
《精益數據分析》
互聯網數據分析的入門書籍，歸納總結了幾個常用的分析框架。比較遺憾的是案例都是歐美。
還有一個小建議，現在有不少第三方的數據應用，囊括了不少產品領域的數據分析和統計。自學黨們即使沒有生產環境的數據，也可以看一下應用Demo，有好處的。
除了業務知識，業務層面溝通也需要掌握。另外建議在面試前幾天收集該行業的業務強化一下。
第七周：Python/R學習
終于到第七周，也是最痛苦的一周。這時應該學習編程技巧。是否具備編程能力，是初級數據分析和高級數據分析的風水嶺。數據挖掘，爬蟲，可視化報表都需要用到編程能力。掌握一門優秀的編程語言，可以讓數據分析師事半功倍，升職加薪，迎娶白富美。
這里有兩條支線，學習R語言或Python。速成只要學習一條，以后再補上另外一門。
R的優點是統計學家編寫的，缺點也是統計學家編寫。如果是各類統計函數的調用，繪圖，分析的前驗性論證，R無疑有優勢。但是大數據量的處理力有不逮，學習曲線比較陡峭。Python則是萬能的膠水語言，適用性強，可以將各類分析的過程腳本化。Pandas，sklearn等各包也已經追平R。
如果學習R，建議看《R語言實戰》，照著書本打一遍代碼，一星期綽綽有余。另外還有一本《統計學》，偏知識理論，可以復習前面的統計學知識。
R學習和熟悉各種包。知道描述性統計的函數。掌握DataFrame。如果時間有余。可以再去學習ggplot2。
Python擁有很多分支，我們專注數據分析這塊，入門可以學習《深入淺出Python》。
需要學會條件判斷，字典，切片，循環，迭代，自定義函數等。知道數據領域最經典的包Pandas+Numpy。
在速成后的很長一段時間，我們都要做調包俠。
這兩門語言最好安裝IDE，R語言我建議用RStudio，Python我建議用Anaconda。都是數據分析的利器。
Mac自帶Python2.7，但現在Python3已經比幾年前成熟，而且沒有編碼問題。各類教程也足夠多，不要抱成守舊了。Win的電腦，安裝Python會有環境變量的問題，是個大坑（R的中文編碼也是天坑）。
到這里，剛剛好是七周。如果還需要第八周+，則是把上面的鞏固和融會貫通，畢竟速成是以轉崗或拿offer為目的。有機會，我會專門寫文章講解每一周的具體知識，并且用爬蟲爬一些數據做練習和案例。
文章源自知乎作者秦路
數據庫這門課為什么這么難學，該怎么學
謝邀。
數據庫是按照數據結構來進行組織、存儲和管理數據的倉庫，它是計算機軟件的組成部分。數據庫教程是計算機專業的主干課程，任何學習程序開發的人員，都需要掌握數據庫的使用方法。其實任何課程都容易學，關鍵是你得對課程感興趣，如果不感興趣，就會感覺到枯燥乏味，時間一長就會越來越難學。只要感興趣，能投入進去，就能輕松掌握。平時可以去一些視頻教程網站學習鞏固一下，大部分通俗易懂，對學習提高能有不小的幫助。這是我的一點心得體會，希望能幫到你。
軟件開發時數據在后臺是如何保存的
你好，我是只說代碼的大餅，很高興回答你的問題。
軟件開發時數據在后臺是如何保存的？
軟件的出現我覺得就是為了快速處理數據，所以啊你的問題很好?，F在我給你解答下軟件操作中對應的數據是怎樣保存的。
數據保存形式分為如下幾種：
1.小軟件一般可能就不使用數據庫了，而是直接使用
.txt、.xml、json等文件進行持久性保存于硬盤中。
2.不需要持久性保存的數據，可能就只是保存在內存中，內存中數據操作快。
3.大型軟件持久性保存數據一般都會使用數據庫，例如Oracle、mysql、SqlServer等常用數據庫，這種保存形式的好處就是有sql語句操作數據，方便操作。
總結：
不管是第一點中的文件類型還是第三點的數據庫類型保存數據，其實都是以文件形式保存在硬盤里的。只是數據庫類型的文件好操作。
回答完畢，謝謝。
外文文獻的搜索與常用數據庫
外文的搜索與常用數據庫。
最近與外文文獻結緣，撒開漁網下載電子稿，便于打印出來進行翻譯，可是在校內數據庫網上搜了很多，也沒有下載到，我估計大概是此篇文章的所在數據庫我學校沒有買，校內不提供資源。果不其然，在谷歌學術上搜到標題。
可該文章所在鏈接需要去注冊才提供下載服務，我接著又試了一些比較常用的學校購買的外文網站，比如SpringerLink、Proquest、EBSCO等，但是均沒有該篇文章。絕望之余，求助理工的圖書館，在Elsebier數據庫中還真讓我下載到了，還是人家的圖書館數據庫全。
經歷了前后一番搜索，記錄一些心得：
我們都習慣使用cnki期刊數據庫來搜索中文文獻，對外文文獻的搜索與下載有些茫然，一是因為外文搜索界面的設置我們不習慣，不熟悉，不像中文，不知道輸入什么，怎么輸入；另一原因是外文數據庫挺多的。
都是大學字母的縮寫，它們內容傾向各不相同，有的偏向于科學技術類，有的偏向于人文經濟管理類，我們不知道該去哪個數據庫去找；還有一個原因就是平時搜的少，練習的少。
前幾天，同學問我搜外文一般在哪個數據庫搜，我想了想，感覺一般的外文資料在自己圖書館的電子資源中都可以搜到的，一些常用的數據庫學校都會購買的，特殊情況除外。
搜索外文，建議大家先去谷歌那里，將題目或關鍵字輸入，設置文獻格式是PDF就可以的（題目：PDF），結果就會顯示很多PDF格式的文獻，直接點擊下載就好的，前提是學校提供這些數據庫。
在此，列舉一些教育技術學研究生常用的數據庫，簡單為大家介紹一下，為以后的學習提供一些便捷：
1.SpringerLink（綜合學科期刊全文）
對研究生而言，是很常用的一個數據庫，它是德國施普林格集團提供，其中計算機科學包括44類，我們可以直接登錄，遼師提供服務。
2.Elsevier綜合學科期刊全文）
全球最大的科學文獻出版發行商，涵蓋科學、技術和醫學等各個領域。ScienceDirect（SDOS）是最全面的全文文獻數據庫，涵蓋了Elsevier公司出版的1800多種期刊，涉及幾乎所有學科領域，其中包括計算機科學115類，Elsevier公司出版的期刊是各個學科領域當中所公認的高品質期刊，這個數據庫很權威，可惜的是遼師沒有購買，所以校內無法下載。
3.Proquest學位論文全文數據庫（CALIS）
收錄200多萬國外高校博碩士論文的文摘索引，遼師提供ProQuestPsychologyJournals心理學期刊全文數據庫，主要是針對心理學學生，不過，關于教育技術的心理學研究，即有關學習的機制等，可以使用。另外，CALIS外文期刊網中搜到的文獻可以在過期期刊類借到紙質稿，貌似電子稿沒有。
4.EBSCO（遼師提供，涉及教育、經濟、人文等）
5.ERIC(Educationresourcesinformationcenter教育資源信息中心)
美國教育部資助的網站系列和世界上最大的教育資源數據庫，包括各種文檔和教育研究和實踐方面的論文摘要，超過100萬篇，部分資料可以查找全文。
當然，在外文的學習過程中，還有其他的數據庫，搜索不僅僅停止在以上的5個常用數據庫中，但是，對于我們一般的需求，大部分可以滿足。
es數據庫優缺點
你好，ES（Elasticsearch）是一種分布式搜索引擎，也是一種基于Lucene搜索引擎的開源搜索引擎。它具有以下優缺點：
優點：
1.高效性：ES是基于Lucene的搜索引擎，其查詢速度快，支持實時搜索。
2.分布式：ES是分布式的，可以水平擴展，支持多節點部署和查詢。這使得ES能夠處理大量的數據和高并發請求。
3.高可用性：ES有多種高可用性機制，例如復制，分片等，可以保證數據的可靠性和可用性。
4.靈活性：ES支持各種數據類型和查詢方式，可以根據需要靈活地定制查詢和分析。
5.易于部署和維護：ES安裝和部署簡單，易于維護和管理。
缺點：
1.學習曲線較陡峭：ES的學習曲線較陡峭，需要一定的學習成本。
2.需要專業知識：ES需要一定的專業知識和經驗來優化性能和處理復雜的查詢。
3.數據安全性：ES的數據安全性需要額外的配置和管理，否則可能存在數據泄露和數據損壞的風險。
4.不支持事務：ES不支持事務，如果需要事務支持，則需要結合其他技術實現。
數據庫和編程有什么關系嗎
前言
為了詳細闡述清楚數據庫和編程的關系，為此我們帶著這樣一個問題來思考：數據在軟件中是如何走向呢？針對這個問題，我們從前端，后端以及數據庫三層來詳細進行闡述,當你明白了數據在這三層的走向之后，你也就明白了數據庫和編程的關系了。
前端
前端的主要工作就是編寫代碼(編程)來畫頁面并控制頁面之間的跳轉邏輯。當某些頁面需要用到數據時，此時前端就會向后端發起獲取數據的請求，請求通常以HTTP的形式向后端發起。拿到后端傳輸過來的數據后，前端就把數據展示在頁面，以此來完成整個前端的編程工作。
后端
當后端接收到前端的數據請求后，后端通過SQL語句向數據庫查詢出符合條件的數據庫字段值，然后將查詢的字段值整合在一起形成一條數據，然后通常以HTTP的形式返回給前端，以上就是后端的編程任務。
數據庫
數據庫的作用就是用來存放數據的。當后端需要查詢數據時，就向數據庫發起查詢請求，然后數據庫將相應字段值返回給后端。當后端需要存放數據，數據庫就將后端需要存放的字段值相應插入到對應表中。
總結
以上就是數據庫和編程的關系。如果大家對此還有疑惑，歡迎私信或留言，我會盡可能幫助大家。
如果你喜歡文章的觀點，請點贊轉發。如果有不同意見，也歡迎大家拍磚留言。關注我，不定期分享好玩科技知識，帶大家一起體會探索科技的那份獨有思考和樂趣。
