作者 | Saurabh Hooda

來源 | CDA數(shù)據(jù)分析研究院

簡(jiǎn)短的回答是肯定的。只要數(shù)據(jù)科學(xué)家中存在“數(shù)據(jù)”，結(jié)構(gòu)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(shù)據(jù)科學(xué)及其與SQL的關(guān)系，包括5 W和1H的答案 - 如何，為什么，何地，何時(shí)，誰和什么。我們還將學(xué)習(xí)數(shù)據(jù)庫管理系統(tǒng)（DBMS）的基礎(chǔ)知識(shí)，并了解數(shù)據(jù)科學(xué)家如何成為您職業(yè)生涯的最佳選擇。

什么是數(shù)據(jù)科學(xué)

數(shù)據(jù)科學(xué)的視角非常廣泛，作為一名數(shù)據(jù)科學(xué)家需要深入了解各種數(shù)學(xué)流，機(jī)器學(xué)習(xí)、計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)研究、數(shù)據(jù)處理以及多個(gè)領(lǐng)域的專業(yè)知識(shí)。這些數(shù)學(xué)流中的每一種知識(shí)系統(tǒng)都需要對(duì)數(shù)據(jù)進(jìn)行大量地研究和探索，無論是收集、分析還是處理。

為什么數(shù)據(jù)科學(xué)如此受歡迎

目前來說數(shù)字世界正處于巔峰時(shí)期，隨著市場(chǎng)需求和廣泛營銷策略的不斷增長(zhǎng)，數(shù)據(jù)已成為所有營銷目的的關(guān)鍵。例如，如果我想購買一部新手機(jī)，我會(huì)去亞馬遜或Flipkart這樣的網(wǎng)上商店，瀏覽不同的品牌，挑選心儀的品牌手機(jī)添加到我的購物車中，最后經(jīng)過一些對(duì)比研究后決定購買。在網(wǎng)站后臺(tái)，在線商店會(huì)保存我的購物車信息和瀏覽歷史記錄，并在我下次登錄時(shí)向我展示更多相關(guān)品牌的手機(jī)推薦。即使我不買，在線商店也會(huì)給我發(fā)電子郵件或短信，提醒我購物車?yán)锏纳唐贰斑€在等著我”。 因此，數(shù)據(jù)在建立買賣雙方關(guān)系中起著至關(guān)重要的作用?？蛻粽宫F(xiàn)的歷史行為數(shù)據(jù)越多，向買方呈現(xiàn)的個(gè)人定制化推薦程度就越高。這種個(gè)性化推薦算法不僅適用于電子商務(wù)，也同樣適用于各行各業(yè)用戶價(jià)值分析和個(gè)性化營銷方案中。

怎么樣實(shí)現(xiàn)

• 收藏：假設(shè)您在宜家選購家居用品，查看對(duì)比相關(guān)產(chǎn)品的價(jià)目單。你夠買了一款喜歡的產(chǎn)品然后離開，但后來你發(fā)現(xiàn)你還需要購買更多相關(guān)的產(chǎn)品，你還會(huì)回來宜家選購。你告訴你的朋友這個(gè)產(chǎn)品是多么有用和便宜，他們相信你的推薦也會(huì)來宜家購買。制造商使用這些數(shù)據(jù)來了解客戶的喜好并更新他們的庫存以儲(chǔ)備更多更受歡迎的產(chǎn)品。此外，持續(xù)的反饋也有助于他們改進(jìn)現(xiàn)有產(chǎn)品。
• 處理：制造商收集用戶的數(shù)據(jù)，并在數(shù)據(jù)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(gè)藍(lán)色的床單，為了搭配你的房間的氛圍，綠色將是一個(gè)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(duì)人工輸入的數(shù)據(jù)和數(shù)據(jù)管理工具中存儲(chǔ)的數(shù)據(jù)進(jìn)行分析，可以確定引入綠色搭配的產(chǎn)品是否是一個(gè)好主意，是否能滿足更多客戶的需求，并帶來更多的利潤。
• 對(duì)于需求預(yù)測(cè)和庫存管理，我們需要存儲(chǔ)所有用戶信息，包括他們的購買瀏覽記錄，行為偏好指數(shù)，評(píng)價(jià)反饋信息等。

數(shù)據(jù)在哪里

所有的數(shù)據(jù)都存儲(chǔ)在數(shù)據(jù)庫中。因此，SQL對(duì)于處理需要定期加工和轉(zhuǎn)換的大量數(shù)據(jù)至關(guān)重要，同時(shí)它也是數(shù)據(jù)科學(xué)打算做的精準(zhǔn)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(xiàng)'，F(xiàn)acebook會(huì)立即向您詢問隱藏原因。用戶的這些選項(xiàng)數(shù)據(jù)也需要存儲(chǔ)在數(shù)據(jù)庫中。

通過像SQL這樣的關(guān)系數(shù)據(jù)庫，數(shù)據(jù)科學(xué)提供了一個(gè)連續(xù)的系統(tǒng)來處理和改進(jìn)數(shù)據(jù)的呈現(xiàn)和處理方式。

SQL應(yīng)用領(lǐng)域

SQL是整個(gè)數(shù)據(jù)科學(xué)領(lǐng)域的重要組成部分。但是，在企業(yè)實(shí)際業(yè)務(wù)工作中它究竟適用于哪些工作呢？如果您想成為數(shù)據(jù)分析師，數(shù)據(jù)工程師或數(shù)據(jù)架構(gòu)師，您將需要學(xué)習(xí)SQL以及C，R和Python等編程語言。這是一個(gè)簡(jiǎn)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(shí)的地方：大數(shù)據(jù)，大數(shù)據(jù)分析和數(shù)據(jù)分析。

為何選擇SQL

盡管NoSQL數(shù)據(jù)庫提供了高性能和高速度，但SQL數(shù)據(jù)庫仍然被廣泛用于所有實(shí)際業(yè)務(wù)工作中。有更多的開發(fā)人員了解SQL技術(shù)，因此支持和翻譯幫助文檔使其更加豐富。此外，數(shù)據(jù)完整性是使SQL與任何NoSQL數(shù)據(jù)庫分開的一個(gè)關(guān)鍵因素，通過確保沒有重復(fù)或未經(jīng)授權(quán)的數(shù)據(jù)可以進(jìn)入系統(tǒng)。此外，對(duì)于復(fù)雜的查詢和連接，結(jié)構(gòu)良好的關(guān)系數(shù)據(jù)庫可以更好地管理數(shù)據(jù)。

什么是SQL

SQL是一種關(guān)系數(shù)據(jù)庫管理系統(tǒng)，用于存儲(chǔ)，檢索，更新和讀取數(shù)據(jù)庫中的數(shù)據(jù)。

在本文中，我們將專注于SQL如何對(duì)數(shù)據(jù)科學(xué)起作用。讓我們舉一個(gè)簡(jiǎn)單的例子，說明您作為數(shù)據(jù)科學(xué)家如何使用SQL來收集和分析數(shù)據(jù)。

假設(shè)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?yàn)?a href='/map/sql/' style='color:#000;font-size:inherit;'>SQL是具有適當(dāng)模式的結(jié)構(gòu)良好的語言，所以您可以使用如下結(jié)構(gòu)：

customer table

order_details table

book table

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

在現(xiàn)實(shí)生活中，這種系統(tǒng)可以處于多個(gè)層次的分析需求中，我們需要使用SQL分析和處理大量數(shù)據(jù)。來自數(shù)百萬用戶的日常行為記錄數(shù)據(jù)被存儲(chǔ)在SQL數(shù)據(jù)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(shù)據(jù)的處理和分析工作嗎？

雖然有些人認(rèn)為SQL在數(shù)據(jù)科學(xué)家工作中的作用正在減少，但事實(shí)并非如此。SQL在數(shù)據(jù)分析工作中依然十分的重要。

以下是數(shù)據(jù)科學(xué)家應(yīng)該了解的一些關(guān)鍵SQL概念：

• 關(guān)系數(shù)據(jù)庫模型
• 在關(guān)系數(shù)據(jù)庫模型中，所有數(shù)據(jù)點(diǎn)都相互關(guān)聯(lián)或相互連接。在創(chuàng)建這種類型的數(shù)據(jù)庫時(shí)，必須在設(shè)計(jì)階段本身定義各種表和列之間的關(guān)系。在上面的例子中，這三個(gè)表是相關(guān)的?？蛻舯淼闹麈I（“在關(guān)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(gè)關(guān)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(guān)系中，S“）。以同樣的方式，bookid和orderid組合可以是書表的復(fù)合鍵。必須在創(chuàng)建階段本身定義這些關(guān)系。
• DBMS規(guī)范化
• 規(guī)范化是設(shè)計(jì)過程，其中數(shù)據(jù)庫中的表以規(guī)范化的方式組織，以避免數(shù)據(jù)的冗余和依賴性。使用不同形式的規(guī)范化，我們可以將數(shù)據(jù)劃分為更小的結(jié)構(gòu)并在它們之間建立鏈接，以便最佳地存儲(chǔ)數(shù)據(jù)。這篇好文章以一種非常簡(jiǎn)單易懂的方式介紹了有關(guān)規(guī)范化的信息。
• 數(shù)據(jù)庫架構(gòu)
• 數(shù)據(jù)庫模式是數(shù)據(jù)庫的邏輯視圖。應(yīng)用于數(shù)據(jù)的所有關(guān)系（如約束，表，視圖，觸發(fā)器等）構(gòu)成模式。
• 基本SQL命令
• SQL可以執(zhí)行以下類型的語句：
• DML（數(shù)據(jù)操作語言）聲明 - select, insert, delete, update
• DDL（數(shù)據(jù)定義語言）聲明 - create, drop, alter
• DCL（數(shù)據(jù)控制語言）聲明 - grant, revoke
• TCL（交易控制語言）聲明 - begin, commit, rollback

誰應(yīng)該學(xué)習(xí)SQL

到現(xiàn)在為止，您應(yīng)該明白SQL相關(guān)從業(yè)者是否可以成為數(shù)據(jù)科學(xué)家以及如何成為一名數(shù)據(jù)科學(xué)家。如果您對(duì)數(shù)據(jù)非常感興趣，并希望將數(shù)據(jù)科學(xué)作為您的職業(yè)選擇，那么您一定要學(xué)習(xí)SQL。

數(shù)據(jù)科學(xué)家作為職業(yè)選擇

當(dāng)今社會(huì)每天都會(huì)產(chǎn)生大量數(shù)據(jù)，需要將其轉(zhuǎn)換為新的業(yè)務(wù)解決方案，設(shè)計(jì)和產(chǎn)品，這些只能來自數(shù)據(jù)科學(xué)家的創(chuàng)造性思維。這種需求至少會(huì)在幾十年內(nèi)增加。除了行業(yè)為數(shù)據(jù)科學(xué)家提供的脂肪包之外，吸引專業(yè)人士參與這項(xiàng)工作的挑戰(zhàn)和不斷增長(zhǎng)的角色也是如此。從數(shù)據(jù)管理員，數(shù)據(jù)架構(gòu)師，數(shù)據(jù)分析師，業(yè)務(wù)分析師到數(shù)據(jù)管理員或商業(yè)智能經(jīng)理，在數(shù)據(jù)科學(xué)圈中有很多機(jī)會(huì)可供選擇。了解SQL，R和Python等編程語言，統(tǒng)計(jì)和應(yīng)用數(shù)學(xué)，結(jié)合批判性思維和行業(yè)知識(shí)，可以比你想象的更快。

作者：Saurabh Hooda曾在全球范圍內(nèi)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(duì)產(chǎn)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(shù)據(jù)科學(xué)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。