作者 | Saurabh Hooda

來源 | CDA數據分析研究院

簡短的回答是肯定的。只要數據科學家中存在“數據”，結構化查詢語言（或我們稱之為“quel”）將仍然是其中的重要部分。本文將深入探討數據科學及其與SQL的關系，包括5 W和1H的答案 - 如何，為什么，何地，何時，誰和什么。我們還將學習數據庫管理系統(tǒng)（DBMS）的基礎知識，并了解數據科學家如何成為您職業(yè)生涯的最佳選擇。

什么是數據科學

數據科學的視角非常廣泛，作為一名數據科學家需要深入了解各種數學流，機器學習、計算機科學、統(tǒng)計研究、數據處理以及多個領域的專業(yè)知識。這些數學流中的每一種知識系統(tǒng)都需要對數據進行大量地研究和探索，無論是收集、分析還是處理。

為什么數據科學如此受歡迎

目前來說數字世界正處于巔峰時期，隨著市場需求和廣泛營銷策略的不斷增長，數據已成為所有營銷目的的關鍵。例如，如果我想購買一部新手機，我會去亞馬遜或Flipkart這樣的網上商店，瀏覽不同的品牌，挑選心儀的品牌手機添加到我的購物車中，最后經過一些對比研究后決定購買。在網站后臺，在線商店會保存我的購物車信息和瀏覽歷史記錄，并在我下次登錄時向我展示更多相關品牌的手機推薦。即使我不買，在線商店也會給我發(fā)電子郵件或短信，提醒我購物車里的商品“還在等著我”。 因此，數據在建立買賣雙方關系中起著至關重要的作用?？蛻粽宫F的歷史行為數據越多，向買方呈現的個人定制化推薦程度就越高。這種個性化推薦算法不僅適用于電子商務，也同樣適用于各行各業(yè)用戶價值分析和個性化營銷方案中。

怎么樣實現

• 收藏：假設您在宜家選購家居用品，查看對比相關產品的價目單。你夠買了一款喜歡的產品然后離開，但后來你發(fā)現你還需要購買更多相關的產品，你還會回來宜家選購。你告訴你的朋友這個產品是多么有用和便宜，他們相信你的推薦也會來宜家購買。制造商使用這些數據來了解客戶的喜好并更新他們的庫存以儲備更多更受歡迎的產品。此外，持續(xù)的反饋也有助于他們改進現有產品。
• 處理：制造商收集用戶的數據，并在數據建模和規(guī)劃階段考慮可操作的方案。例如，越來越多的客戶為他們的窗簾尋找特定的彩色床單或特定的布料。
• 分析：想象一下，如果你想要買一個藍色的床單，為了搭配你的房間的氛圍，綠色將是一個更好的選擇，但是目前還沒有綠色的。綠色是一種常見的流行色。通過對人工輸入的數據和數據管理工具中存儲的數據進行分析，可以確定引入綠色搭配的產品是否是一個好主意，是否能滿足更多客戶的需求，并帶來更多的利潤。
• 對于需求預測和庫存管理，我們需要存儲所有用戶信息，包括他們的購買瀏覽記錄，行為偏好指數，評價反饋信息等。

數據在哪里

所有的數據都存儲在數據庫中。因此，SQL對于處理需要定期加工和轉換的大量數據至關重要，同時它也是數據科學打算做的精準營銷和用戶反饋的重要工具。例如，如果您不喜歡Facebook給您推薦的視頻，您可以選擇'隱藏此項'，Facebook會立即向您詢問隱藏原因。用戶的這些選項數據也需要存儲在數據庫中。

通過像SQL這樣的關系數據庫，數據科學提供了一個連續(xù)的系統(tǒng)來處理和改進數據的呈現和處理方式。

SQL應用領域

SQL是整個數據科學領域的重要組成部分。但是，在企業(yè)實際業(yè)務工作中它究竟適用于哪些工作呢？如果您想成為數據分析師，數據工程師或數據架構師，您將需要學習SQL以及C，R和Python等編程語言。這是一個簡單的圖表，顯示了使用SQL的階段：

圖片中突出顯示的交集部分是我們需要SQL知識的地方：大數據，大數據分析和數據分析。

為何選擇SQL

盡管NoSQL數據庫提供了高性能和高速度，但SQL數據庫仍然被廣泛用于所有實際業(yè)務工作中。有更多的開發(fā)人員了解SQL技術，因此支持和翻譯幫助文檔使其更加豐富。此外，數據完整性是使SQL與任何NoSQL數據庫分開的一個關鍵因素，通過確保沒有重復或未經授權的數據可以進入系統(tǒng)。此外，對于復雜的查詢和連接，結構良好的關系數據庫可以更好地管理數據。

什么是SQL

SQL是一種關系數據庫管理系統(tǒng)，用于存儲，檢索，更新和讀取數據庫中的數據。

在本文中，我們將專注于SQL如何對數據科學起作用。讓我們舉一個簡單的例子，說明您作為數據科學家如何使用SQL來收集和分析數據。

假設您想通過檢查有多少用戶訂購它的副本來了解作者'Carl Shan'的一本名為'The Data Science Handbook'的書的受歡迎程度。因為SQL是具有適當模式的結構良好的語言，所以您可以使用如下結構：

customer table

order_details table

book table

要獲取此類數據，我們需要使用一些關鍵字段或主鍵和外鍵字段來連接這三個表。在這種情況下，order_id對于所有三個表都是共有的關鍵字段，可以用來作為連接字段，使用這些連接后的數據，我們可以編寫查詢語句來獲取必要的字段信息。

在現實生活中，這種系統(tǒng)可以處于多個層次的分析需求中，我們需要使用SQL分析和處理大量數據。來自數百萬用戶的日常行為記錄數據被存儲在SQL數據庫中，用于不同目的的分析需求。想象一下，在不使用SQL的情況下我們能夠完成這些海量數據的處理和分析工作嗎？

雖然有些人認為SQL在數據科學家工作中的作用正在減少，但事實并非如此。SQL在數據分析工作中依然十分的重要。

以下是數據科學家應該了解的一些關鍵SQL概念：

• 關系數據庫模型
• 在關系數據庫模型中，所有數據點都相互關聯(lián)或相互連接。在創(chuàng)建這種類型的數據庫時，必須在設計階段本身定義各種表和列之間的關系。在上面的例子中，這三個表是相關的?？蛻舯淼闹麈I（“在關系（表）中唯一指定元組（行）的最小屬性集（列）的特定選擇”）將是customerid，而orderid將是外鍵（“屬性集主題”）某種包含依賴性約束，特別是一種約束，即由一個關系中的外鍵屬性R組成的元組R也必須存在于某種其他（不一定是不同的）關系中，S“）。以同樣的方式，bookid和orderid組合可以是書表的復合鍵。必須在創(chuàng)建階段本身定義這些關系。
• DBMS規(guī)范化
• 規(guī)范化是設計過程，其中數據庫中的表以規(guī)范化的方式組織，以避免數據的冗余和依賴性。使用不同形式的規(guī)范化，我們可以將數據劃分為更小的結構并在它們之間建立鏈接，以便最佳地存儲數據。這篇好文章以一種非常簡單易懂的方式介紹了有關規(guī)范化的信息。
• 數據庫架構
• 數據庫模式是數據庫的邏輯視圖。應用于數據的所有關系（如約束，表，視圖，觸發(fā)器等）構成模式。
• 基本SQL命令
• SQL可以執(zhí)行以下類型的語句：
• DML（數據操作語言）聲明 - select, insert, delete, update
• DDL（數據定義語言）聲明 - create, drop, alter
• DCL（數據控制語言）聲明 - grant, revoke
• TCL（交易控制語言）聲明 - begin, commit, rollback

誰應該學習SQL

到現在為止，您應該明白SQL相關從業(yè)者是否可以成為數據科學家以及如何成為一名數據科學家。如果您對數據非常感興趣，并希望將數據科學作為您的職業(yè)選擇，那么您一定要學習SQL。

數據科學家作為職業(yè)選擇

當今社會每天都會產生大量數據，需要將其轉換為新的業(yè)務解決方案，設計和產品，這些只能來自數據科學家的創(chuàng)造性思維。這種需求至少會在幾十年內增加。除了行業(yè)為數據科學家提供的脂肪包之外，吸引專業(yè)人士參與這項工作的挑戰(zhàn)和不斷增長的角色也是如此。從數據管理員，數據架構師，數據分析師，業(yè)務分析師到數據管理員或商業(yè)智能經理，在數據科學圈中有很多機會可供選擇。了解SQL，R和Python等編程語言，統(tǒng)計和應用數學，結合批判性思維和行業(yè)知識，可以比你想象的更快。

作者：Saurabh Hooda曾在全球范圍內為各種電信和金融巨頭工作。在Infosys和Sapient工作了十年之后，他開始了他的第一家創(chuàng)業(yè)公司Leno，以解決超本地書籍共享問題。他對產品營銷和分析感興趣。他的最新企業(yè)Hackr.io為每種編程語言推薦了最好的數據科學教程和在線編程課程。所有教程都由編程社區(qū)提交并投票。