爬虫其实是一种数据获取的捷径。想要学习数据分析，首先需要了解数据分析的流程。下面简单介绍一下数据分析的流程以及各个部分需要掌握的知识。
1.定义问题，确定所需问题，得出结论。可以考虑的选项很多，要根据业务来判断。常见的有:变化趋势、用户画像、影响因素、历史数据等等。
《数据之美》:这本书没什么干货，但是案例很多，通过它可以了解数据分析的基本流程。it不是很厚，但是数据分析的思路值得学习。毕竟理想最重要。
2.数据采集有许多方法可以采集数据。首先，它可以直接从企业数据库中检索。这时候就需要sql技能来完成数据抽取等数据库管理。二是获取公共数据，可以从、企业、统计局等机构下载。三是通过python编写网络爬虫，收集互联网数据。
sql是用于访问和处理数据库的标准计算机语言。需要掌握如何使用sql访问和处理数据系统中的数据。sql在公司有很多应用，可以说是一定要掌握的。
这里我推荐一个sql教程:
3.数据预处理由于原始数据可能存在数据不完整、重复、无效等诸多问题，数据预处理主要是对异常数据进行清洗，以便更准确地分离出分析结果。我最常做的就是设置一些过滤规则，剔除异常数据，用均值或线性函数估计填补缺失值。
这里涉及的是统计学的知识。作为初学者不建议把统计学翻个底朝天，否则会很难。所以建议暂时掌握一些基础的预处理。推荐:《深入浅出统计学》，这本书可以说是非常适合入门的。如果你不如果你对统计学一窍不通或者忘了它，你可以从他开始。如果大学时数学特别好，不推荐这本书。
4.数据分析和建模的部分可能学起来很抽象，因为模型是对现实世界特征的模拟和抽象。这部分需要了解基本的统计分析方法和数据挖掘算法，了解不同统计方法的适用场景和适用问题。数据挖掘算法和特征提取可以用来优化自己的模型，得到更好的结果。
这部分涉及的知识比较复杂，是一个建立数据模型的过程，包括数据结构、数据操作和数据约束。我们需要学习的是数据挖掘和算法，需要很好的数学基础。
5.数据可视化与分析报告写作数据可视化，学习一个可视化工具，通过可视化把数据最直观的展现出来。还可以进一步探索其内在联系，通过建模和分析，对不对未来形势有更准确的预测。
有许多方法可以将数据可视化。常见的有spss和r语言。如果编程能力有限，可以选择一款喜欢的可视化软件。我在这里推荐一个tabl
sql的特性:
全面统一
高度非过程化(访问路径的选择和sql的操作过程由系统自动完成)
面向集合的操作模式，提供了多种语法结构相同的使用方法(可以直接在终端键盘上键入sql命令来操作数据库，也可以嵌入到高级语言(c，c，java)程序中)。
模式、外部模式和内部模式:关系模型支持三级模式结构:模式、外部模式和内部模式；
schema:是指对数据库中所有数据的逻辑结构和特征的描述，是面向所有用户的公共数据视图。它只涉及对某一类数据的结构和属性的描述。模式的特定值称为模式的实例，同一模式中可以有许多实例。模式相对稳定，实例相对多变。
外部模式(externalschema):也称为子模式，或用户模式，是数据库用户可以看到和使用的本地数据的逻辑结构和特征的表达，是数据库用户的数据视图。是与应用程序相关的数据的逻辑表示。
内部模式:也称为存储模式，一个数据库只有一种内部模式。它是对数据的物理结构和存储以及数据库内部组织的描述。
模式与外部模式的关系:一对多。
外部模式和应用程序的关系:一对多。
外部模式包括多个视图和一些基本表，数据库模式包括多个基本表，内部模式包括多个存储文件。
数据库、模式和表之间的关系:
一个数据库可以建立多个模式，一个模式通常包括多个数据库对象，如表、视图和索引。
sql数据库定义语句:
架构:创建:创建架构删除:删除架构
表格:创建:创建表格删除:删除表格
视图:创建:创建视图删除:删除视图
索引:创建:创建索引删除:删除索引
模式的定义和删除:1。定义模式:
创建架构架构名称授权用户名
定义模式实际上是定义了一个命名空间，建立了一个数据库的命名空间，建立了一个框架。创建模式时，还可以创建基本的表和视图，并且可以定义授权。
2.删除模式:
dropschemaschemaschemanamecascade或schemaschemanamerestrict。
级联:等级。union，这意味着删除模式时会删除模式中的所有数据库对象。
restrict:作为一种限制，这意味着如果从属数据库对象已经在该模式中定义，该语句将被拒绝执行。
基本表格:
1.定义基本表:。
创建表表名(列名数据类型列级完整性约束、
列名数据类型的列级完整性约束，
表级完整性约束)；
如果完整性约束涉及表的多个属性列，则必须在表级定义，否则可以在表级和列级都定义。
例如:
定义表的模式:
方法1:在表中明确定义模式名:
创建表“s-t”。课程(…)；/*课程属于s-t*/
方法2:在创建模式的同时创建一个表；
方法三:设置你所属的模式。
创建基本表时，如果没有指定模式，系统将根据搜索路径确定对象所属的模式(搜索结果中的第一个模式)。
显示当前搜索路径:
显示搜索路径；/*默认值为$user，public。首先搜索与用户名相同的模式名，但是它不不存在。使用公共*/
设置搜索路径，例如:
将search_path设置为“s-t”，public
然后创建基本表:
创建表格课程(…)；
2.修改基本表:
更改表表名
add[column]新列名数据类型完整性约束/*添加新列*/
添加表级完整性约束/*添加表级完整性约束*/
drop[column]列名cascade/**强制删除*/
drop[column]列名限制
altercolumnnamedatatype/*修改原始列定义**/
3.删除基本表:
删除表表名restrict//时受到限制，不能被其他对象引用。
或者droptable表名级联//强制删除。
