資料分析員是根據資料分析方案進行資料分析的人員，能進行較高階的資料統計分析，負責公司錄入人員的管理和業績考核，以及對編碼人員的行業知識和問卷結構的培訓，和錄入資料庫的設立，資料的校驗，資料庫的邏輯查錯，對部分問卷的核對等職責。

1、根據資料分析方案進行資料分析，在既定時間內提交給市場研究人員；

2、能進行較高階的資料統計分析；

3、公司錄入人員的管理和業績考核；以及對編碼人員的行業知識和問卷結構的培訓；

4、錄入資料庫的設立，資料的校驗，資料庫的邏輯查錯，對部分問卷的核對；

要具有數理統計，經濟學，資料庫原理以及相關知識；能熟練使用EXCEL、SPSS、QUANVERT、SAS等統計軟體。

要求掌握較深的業務知識和計算機應用知識，能用行業各種應用軟體進行各種資料分析和綜合資料處理，加工成有用的資訊提供領導進行決策；能配合系統管理員進行計算機網路維護及管理。

主要負責本公司計算機資訊網路資料的收集、傳遞（主要是上報）和管理工作，對各網點上報的資料和本機房傳遞的資訊資料，要做好詳細的“資料傳遞紀錄”，對未按時間要求漏報和資料有誤的網點要及時督促，每月將各經營站、點資料上報情況通報一次；負責各類資料的整理、彙總和分析處理工作。

SQL 作為資料分析師的基本技能，那麼需要掌握哪些SQL核心技能？

理解資料庫

精通，如果是分析的話最好是精通，可以自己寫各種統計sql，有些統計可能涉及多表，還有資料分析現在情況是資料量比較大，在sql的查詢統計中還要注意sql的執行效率和效能。

1、查詢SQL儘量不要使用select *，而是select具體欄位。

反例子：

select * from employee;

正例子：

select id，name from employee;

理由：

只取需要的欄位，節省資源、減少網路開銷。select * 進行查詢時，很可能就不會使用到覆蓋索引了，就會造成回表查詢。

2、如果知道查詢結果只有一條或者只要最大/最小一條記錄，建議用limit 1

假設現在有employee員工表，要找出一個名字叫jay的人.

CREATE TABLE `employee` ( `id` int(11) NOT NULL, `name` varchar(255) DEFAULT NULL, `age` int(11) DEFAULT NULL, `date` datetime DEFAULT NULL, `sex` int(1) DEFAULT NULL, PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;

反例：

select id，name from employee where name="jay"

正例

select id，name from employee where name="jay" limit 1;

理由：

加上limit 1後,只要找到了對應的一條記錄,就不會繼續向下掃描了,效率將會大大提高。當然，如果name是唯一索引的話，是不必要加上limit 1了，因為limit的存在主要就是為了防止全表掃描，從而提高效能,如果一個語句本身可以預知不用全表掃描，有沒有limit ，效能的差別並不大。

3、應儘量避免在where子句中使用or來連線條件

新建一個user表，它有一個普通索引userId，表結構如下：

CREATE TABLE `user` ( `id` int(11) NOT NULL AUTO_INCREMENT, `userId` int(11) NOT NULL, `age` int(11) NOT NULL, `name` varchar(255) NOT NULL, PRIMARY KEY (`id`), KEY `idx_userId` (`userId`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;

假設現在需要查詢userid為1或者年齡為18歲的使用者，很容易有以下SQL

反例:

select * from user where userid=1 or age =18

正例：

//使用union allselect * from user where userid=1 union allselect * from user where age = 18//或者分開兩條sql寫：select * from user where userid=1select * from user where age = 18

理由：

使用or可能會使索引失效，從而全表掃描。對於or+沒有索引的age這種情況，假設它走了userId的索引，但是走到age查詢條件時，它還得全表掃描，也就是需要三步過程：全表掃描+索引掃描+合併 如果它一開始就走全表掃描，直接一遍掃描就完事。mysql是有最佳化器的，處於效率與成本考慮，遇到or條件，索引可能失效，看起來也合情合理。

4、最佳化limit分頁

我們日常做分頁需求時，一般會用 limit 實現，但是當偏移量特別大的時候，查詢效率就變得低下。

反例：

select id，name，age from employee limit 10000，10

正例：

//方案一 ：返回上次查詢的最大記錄(偏移量)select id，name from employee where id10000 limit 10.//方案二：order by + 索引select id，name from employee order by id limit 10000，10//方案三：在業務允許的情況下限制頁數：

理由：

當偏移量最大的時候，查詢效率就會越低，因為Mysql並非是跳過偏移量直接去取後面的資料，而是先把偏移量+要取的條數，然後再把前面偏移量這一段的資料拋棄掉再返回的。如果使用最佳化方案一，返回上次最大查詢記錄（偏移量），這樣可以跳過偏移量，效率提升不少。方案二使用order by+索引，也是可以提高查詢效率的。方案三的話，建議跟業務討論，有沒有必要查這麼後的分頁啦。因為絕大多數使用者都不會往後翻太多頁。

5、最佳化你的like語句

日常開發中，如果用到模糊關鍵字查詢，很容易想到like，但是like很可能讓你的索引失效。

反例：

select userId，name from user where userId like "%123";

正例：

select userId，name from user where userId like "123%";

理由：

把%放前面，並不走索引，如下：把% 放關鍵字後面，還是會走索引的。如下：

6、使用where條件限定要查詢的資料，避免返回多餘的行

假設業務場景是這樣：查詢某個使用者是否是會員。曾經看過老的實現程式碼是這樣。。。

反例：

ListLong userIds = sqlMap.queryList("select userId from user where isVip=1");boolean isVip = userIds.contains(userId);

正例：

Long userId = sqlMap.queryObject("select userId from user where userId="userId" and isVip="1" ")boolean isVip = userId！=null;

理由：

需要什麼資料，就去查什麼資料，避免返回不必要的資料，節省開銷。

7、儘量避免在索引列上使用mysql的內建函式

業務需求：查詢最近七天內登陸過的使用者(假設loginTime加了索引)

反例：

select userId,loginTime from loginuser where Date_ADD(loginTime,Interval 7 DAY) =now();

正例：

explain select userId,loginTime from loginuser where loginTime = Date_ADD(NOW(),INTERVAL - 7 DAY);

理由：

索引列上使用mysql的內建函式，索引失效如果索引列不加內建函式，索引還是會走的。

8、應儘量避免在where子句中對欄位進行表示式操作，這將導致系統放棄使用索引而進行全表掃

反例：

select * from user where age-1 =10；

正例：

select * from user where age =11；

理由：

雖然age加了索引，但是因為對它進行運算，索引直接迷路了。。。

9、Inner join 、left join、right join，優先使用Inner join，如果是left join，左邊表結果儘量小

Inner join 內連線，在兩張表進行連線查詢時，只保留兩張表中完全匹配的結果集left join 在兩張表進行連線查詢時，會返回左表所有的行，即使在右表中沒有匹配的記錄。right join 在兩張表進行連線查詢時，會返回右表所有的行，即使在左表中沒有匹配的記錄。

都滿足SQL需求的前提下，推薦優先使用Inner join（內連線），如果要使用left join，左邊表資料結果儘量小，如果有條件的儘量放到左邊處理。

反例:

select * from tab1 t1 left join tab2 t2 on t1.size = t2.size where t1.id2;

正例：

select * from (select * from tab1 where id 2) t1 left join tab2 t2 on t1.size = t2.size;

理由：

如果inner join是等值連線，或許返回的行數比較少，所以效能相對會好一點。同理，使用了左連線，左邊表資料結果儘量小，條件儘量放到左邊處理，意味著返回的行數可能比較少。

10、應儘量避免在where子句中使用!=或運算子，否則將引擎放棄使用索引而進行全表掃描。

反例：

select age,name from user where age 18;

正例：

//可以考慮分開兩條sql寫select age,name from user where age 18;select age,name from user where age 18;

理由：

使用!=和很可能會讓索引失效

11、使用聯合索引時，注意索引列的順序，一般遵循最左匹配原則。

表結構：（有一個聯合索引idxuseridage，userId在前，age在後）

CREATE TABLE `user` ( `id` int(11) NOT NULL AUTO_INCREMENT, `userId` int(11) NOT NULL, `age` int(11) DEFAULT NULL, `name` varchar(255) NOT NULL, PRIMARY KEY (`id`), KEY `idx_userid_age` (`userId`,`age`) USING BTREE) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8;

反例：

select * from user where age = 10;

正例：

//符合最左匹配原則select * from user where userid=10 and age =10；//符合最左匹配原則select * from user where userid =10;

理由：

當我們建立一個聯合索引的時候，如(k1,k2,k3)，相當於建立了（k1）、(k1,k2)和(k1,k2,k3)三個索引，這就是最左匹配原則。聯合索引不滿足最左原則，索引一般會失效，但是這個還跟Mysql最佳化器有關的。

12、對查詢進行最佳化，應考慮在where及order by涉及的列上建立索引，儘量避免全表掃描。

反例：

select * from user where address ="深圳" order by age ;

正例：

新增索引alter table user add index idx_address_age (address,age)

13、如果插入資料過多，考慮批次插入。

反例：

for(User u :list){ INSERT into user(name,age) values(#name#,#age#)}

正例：

//一次500批次插入，分批進行insert into user(name,age) valuesforeach collection="list" item="item" index="index" separator="," (#{item.name},#{item.age})/foreach

理由：

批次插入效能好，更加省時間打個比喻:假如你需要搬一萬塊磚到樓頂,你有一個電梯,電梯一次可以放適量的磚（最多放500）,你可以選擇一次運送一塊磚,也可以一次運送500塊磚,你覺得哪個時間消耗大?

14、在適當的時候，使用覆蓋索引。

覆蓋索引能夠使得你的SQL語句不需要回表，僅僅訪問索引就能夠得到所有需要的資料，大大提高了查詢效率。

反例：

// like模糊查詢，不走索引了select * from user where userid like "%123%"

正例：

//id為主鍵，那麼為普通索引，即覆蓋索引登場了。select id,name from user where userid like "%123%";

15、慎用distinct關鍵字

distinct 關鍵字一般用來過濾重複記錄，以返回不重複的記錄。在查詢一個欄位或者很少欄位的情況下使用時，給查詢帶來最佳化效果。但是在欄位很多的時候使用，卻會大大降低查詢效率。

反例：

SELECT DISTINCT * from user;

正例：

select DISTINCT name from user;

理由：

帶distinct的語句cpu時間和佔用時間都高於不帶distinct的語句。因為當查詢很多欄位時，如果使用distinct，資料庫引擎就會對資料進行比較，過濾掉重複資料，然而這個比較、過濾的過程會佔用系統資源，cpu時間。

16、刪除冗餘和重複索引

反例：

KEY `idx_userId` (`userId`) KEY `idx_userId_age` (`userId`,`age`)

正例:

理由：

反例：

正例：

理由：

反例：

select * from user where age is not null;

正例：

//設定0為預設值select * from user where age0;

理由：

並不是說使用了is null 或者 is not null 就會不走索引了，這個跟mysql版本以及查詢成本都有關。如果mysql最佳化器發現，走索引比不走索引成本還要高，肯定會放棄索引，這些條件 ！=，isnull，isnotnull經常被認為讓索引失效，其實是因為一般情況下，查詢的成本高，最佳化器自動放棄索引的。如果把null值，換成預設值，很多時候讓走索引成為可能，同時，表達意思會相對清晰一點。

19、不要有超過5個以上的表連線

連表越多，編譯的時間和開銷也就越大。把連線表拆開成較小的幾個執行，可讀性更高。如果一定需要連線很多表才能得到資料，那麼意味著糟糕的設計了。

20、existin的合理利用

假設表A表示某企業的員工表，表B表示部門表，查詢所有部門的所有員工，很容易有以下SQL:

select * from A where deptId in (select deptId from B);

這樣寫等價於：

先查詢部門表Bselect deptId from B再由部門deptId，查詢A的員工select * from A where A.deptId = B.deptId

可以抽象成這樣的一個迴圈：

List resultSet ; for(int i=0;iB.length;i++) { for(int j=0;jA.length;j++) { if(A[i].id==B[j].id) { resultSet.add(A[i]); break; } } }

顯然，除了使用in，我們也可以用exists實現一樣的查詢功能，如下：

select * from A where exists (select 1 from B where A.deptId = B.deptId);

因為exists查詢的理解就是，先執行主查詢，獲得資料後，再放到子查詢中做條件驗證，根據驗證結果（true或者false），來決定主查詢的資料結果是否得意保留。

那麼，這樣寫就等價於：

select * from A,先從A表做迴圈select * from B where A.deptId = B.deptId,再從B表做迴圈.

同理，可以抽象成這樣一個迴圈：

List resultSet ; for(int i=0;iA.length;i++) { for(int j=0;jB.length;j++) { if(A[i].deptId==B[j].deptId) { resultSet.add(A[i]); break; } } }

資料庫最費勁的就是跟程式連結釋放。假設連結了兩次，每次做上百萬次的資料集查詢，查完就走，這樣就只做了兩次；相反建立了上百萬次連結，申請連結釋放反覆重複，這樣系統就受不了了。即mysql最佳化原則，就是小表驅動大表，小的資料集驅動大的資料集，從而讓效能更優。

因此，我們要選擇最外層迴圈小的，也就是，如果B的資料量小於A，適合使用in，如果B的資料量大於A，即適合選擇exist。

21、儘量用union all替換 union

如果檢索結果中不會有重複的記錄，推薦union all 替換 union。

反例：

select * from user where userid=1 union select * from user where age = 10

正例：

select * from user where userid=1 union allselect * from user where age = 10

理由：

如果使用union，不管檢索結果有沒有重複，都會嘗試進行合併，然後在輸出最終結果前進行排序。如果已知檢索結果沒有重複記錄，使用union all 代替union，這樣會提高效率。

22、索引不宜太多，一般5個以內。

索引並不是越多越好，索引雖然提高了查詢的效率，但是也降低了插入和更新的效率。insert或update時有可能會重建索引，所以建索引需要慎重考慮，視具體情況來定。一個表的索引數最好不要超過5個，若太多需要考慮一些索引是否沒有存在的必要。

23、儘量使用數字型欄位，若只含數值資訊的欄位儘量不要設計為字元型

反例：

`king_id` varchar（20） NOT NULL COMMENT "守護者Id"

正例：

`king_id` int(11) NOT NULL COMMENT "守護者Id"

理由：

相對於數字型欄位，字元型會降低查詢和連線的效能，並會增加儲存開銷。

24、索引不適合建在有大量重複資料的欄位上，如性別這型別資料庫欄位。

因為SQL最佳化器是根據表中資料量來進行查詢最佳化的，如果索引列有大量重複資料，Mysql查詢最佳化器推算髮現不走索引的成本更低，很可能就放棄索引了。

25、儘量避免向客戶端返回過多資料量。

假設業務需求是，使用者請求檢視自己最近一年觀看過的直播資料。

反例：

//一次性查詢所有資料回來select * from LivingInfo where watchId =useId and watchTime = Date_sub(now(),Interval 1 Y)

正例：

//分頁查詢select * from LivingInfo where watchId =useId and watchTime= Date_sub(now(),Interval 1 Y) limit offset，pageSize//如果是前端分頁，可以先查詢前兩百條記錄，因為一般使用者應該也不會往下翻太多頁，select * from LivingInfo where watchId =useId and watchTime= Date_sub(now(),Interval 1 Y) limit 200 ;

26、當在SQL語句中連線多個表時,請使用表的別名，並把別名字首於每一列上，這樣語義更加清晰。

反例：

select * from A innerjoin B on A.deptId = B.deptId;

正例：

select memeber.name,deptment.deptName from A member innerjoin B deptment on member.deptId = deptment.deptId;

27、儘可能使用varchar/nvarchar 代替 char/nchar。

反例：

`deptName` char(100) DEFAULT NULL COMMENT "部門名稱"

正例：

`deptName` varchar(100) DEFAULT NULL COMMENT "部門名稱"

理由：

因為首先變長欄位儲存空間小，可以節省儲存空間。其次對於查詢來說，在一個相對較小的欄位內搜尋，效率更高。

28、為了提高group by 語句的效率，可以在執行到該語句前，把不需要的記錄過濾掉。

反例：

select job，avg（salary） from employee group by job having job ="president" or job = "managent"

正例：

select job，avg（salary） from employee where job ="president" or job = "managent" group by job；

29、如果欄位型別是字串，where時一定用引號括起來，否則索引失效

反例：

select * from user where userid =123;

正例：

select * from user where userid ="123";

理由：

為什麼第一條語句未加單引號就不走索引了呢？這是因為不加單引號時，是字串跟數字的比較，它們型別不匹配，MySQL會做隱式的型別轉換，把它們轉換為浮點數再做比較。

30、使用explain 分析你SQL的計劃

日常開發寫SQL的時候，儘量養成一個習慣吧。用explain分析一下你寫的SQL，尤其是走不走索引這一塊。

優秀的資料分析師需要具備這樣一些素質：有紮實的 SQL 基礎，熟練使用 Excel，有統計學基礎，至少掌握一門資料探勘語言（R、SAS、Python、SPSS），有良好的溝通和表達能力，做好不斷學習的準備，有較強的資料敏感度和邏輯思維能力，深入瞭解業務，有管理者思維，能站在管理者的角度考慮問題