数据分析需要懂数据库吗？

对数据库的理解程度取决于您所处的数据分析级别。我见过一些不了解数据库，基于Excel文件来源做数据分析的数据分析师。他们更擅长做生意。

但是他们通常要依靠IT部门的支持，IT部门需要提供一些基础的分析数据。有了对业务和业务数据的了解，才能做好数据分析。

还有一类数据分析师，已经从数据库和商业智能BI的角色转变为纯数据分析师，通过了解业务和数据处理的技能和知识，可以在分析领域做得很好。

他们的一大优势就是不需要在很大程度上过于依赖IT部门。给定一定的权限，他们可以直接面对统一的数据源进行数据分析。有时候，一个SQL是数据分析的一个环节。

所以作为一个数据分析师，我个人觉得掌握更多的技能去获取不同的数据渠道自然是有好处的。

00-1010首先，在我们了解数据库之前，我们需要知道数据是如何存储的。

众所周知，当我们的祖先还生活在荒野时，他们就学会了通过打结的笔记来存储数据。这些打结的绳子就是“数据”，虽然这种数据很难保存和提取。

后来，祖先们用甲骨文、竹简和纸来存储文字资料。在现代，他们发明了录音机和摄像机来存储音频数据。虽然数据载体一直在变化，但数据存储方式并没有发生很大的变化，都属于传统的存储方式。

直到信息时代的到来，数据存储的方式才发生了巨大的变化，向文件和数据库两个方向发展。

1.一个文件相当于在Excel中存储数据，形成读写文件后存储，然后用python等工具对文件数据进行过滤、处理、提取；

2.数据库按照其结构将数据存储在计算机中，形成一个数据量很大的数据集合，相当于一个用来存放文件的文件柜。

使用数据库存储数据是目前最流行的方式，因为数据库具有持久的存储和较高的读写速度。更重要的是，数据库可以在很大程度上保证数据的有效性，不像Excel等文件，容易出现修改错误。

00-1010根据早期的数据库理论，有三种流行的数据库模型，即层次数据库、网格数据库和关系数据库。在当今的互联网企业中，最常用的数据库模式有两种，即关系型数据库和非关系型数据库。

关系数据库模型将复杂的数据结构归结为简单的二元关系(即二维表格形式)。在关系数据库中，几乎所有对数据的操作都基于一个或多个关系表，数据管理可以通过对这些相关表的分类、组合、连接或选择等操作来实现。

ass="pgc-img-caption">

关系型通俗的理解是，数据作为二维数组存在，你可以理解为图书馆的图书排列。

书架、楼层你可以理解为关系型的数据结构，书作为数据存在，而所有图书馆管理员就是数据库的进程，用于不同的工作。有人救火（数据修复、备份），有人整理书架、书籍（数据整理、归档），而用户进程就是指的来到图书馆的顾客，他们看书、移动书籍，而管理员就会对着维护。

关系型数据库诞生距今已有40多年了，从理论产生到发展到实现产品，例如：常见的MySQL和Oracle，oracle在数据库领域里上升到了霸主地位，形成每年高达数百亿美元的庞大产业市场，而MySQL也是不容忽视的数据库，以至于被Oracle重金收购了。

非关系型数据库也被称为NoSQL数据库，本意是“Not Only SQL”，作为传统数据库的一个有效补充。NoSQL数据库在特定的场景下可以发挥难以想象的高效率和高性能。

因为随着web2.0网站的兴起，海量数据对关系型数据库存储的容量要求高，单机无法满足需求，很多时候需要用集群来解决问题，关系型数据库就显得力不从心了。

非关系型数据库因而诞生，实际上非关系型数据库就是针对特定场景，以高性能和使用便利为目的功能特异化的数据库产品，比如Google的BigTable与Amazon的Dynamo。

SQL与数据库的关系

这个时候很多人就会把sql与数据库的概念搞混了，很多新人就以为Sql就是用来存储数据的数据库，还有的以为sql是数据库的一种。

为了方便大家理解，我给大家打个比方：

如果数据就是一张张的表格，我们就可以按照不同的表格关系放在不同的文件夹里，这个文件夹就相当于数据库的基础构成要素——数据表。

而当我们的文件夹也非常繁多复杂的时候，我们就可以将文件夹按照不同的构成分类储存在文件柜中，每个文件柜中可能有非常多的分类用来存放不同的文件夹，这个文件柜就相当于数据库。

而当我们想要从文件柜中找到某份文件的时候，我们需要按照一定的规则去寻找，比如说“合同文件放在第三层第四排的架子上”，这种查找规则的实施就需要数据库管理系统（DBMS）来实现，相当于一名文件管理员，帮助我们管理数据库中的数据。

最常见的数据库管理系统包括SqlServer、MySql、Oracle等。

而我们如果想要对文件管理员下达指令，就需要一种沟通语言，这种沟通语言就是SQL，所以SQL就是一种结构化的查询语言，用来操作数据库管理系统。

他们之间的关系可以这样表示：

这样大家应该不会再把SQL当做数据库了吧？