Simone零基础自学SQL难度大吗？
的有关信息介绍如下：
难度极大，建议放弃!
我自己当年就是从0基础学到数据分析并工作多年了。回想起来，如果一个人摸索，确实难度挺大的，所以我想把一些经验总结下来，可能对于同样想入行的人会有借鉴吧
学习SQL，我的建议其实就1个字
练习的练，只要你坚持练1周，不管你是什么样的小白，绝对能会（自己是反反复复折腾了很久，才悟到这一点）
比如SQL的查询语法，其实用一张图就可以解决
类似这样的SQL语法我总结成了8张图，可以看另一个专题文章（按文章的步骤基本上1周可以入门）
金哥数据：图解SQL入门(附：避坑指南)
推荐几个资料：
练习网站 xuesql.cn
电子书《SQL必知必会》
sql在数据分析中非常重要，面试也一般考察sql，但是你要想做数据分析师的话，可能不仅仅要学习SQL。
我分享一个数据分析的技能图谱给你
你可能会说东西太多了，怎么才能简单的学习。
我把我自己的一个学习过程写出来，如果有时间的话，也可以参考一下
1. 统计学
统计学是数据分析的理论基础，你可能跟我一样，一说起理论就头疼。这里推荐一个日本作家写的《极简统计学》，这本书从身边的故事出发，深入浅出的说明很多统计学的原理，是比较好读的一本统计学入门书籍。说到统计学知识，最基础的是描述性统计以及里面各类图表，深入一点需要了解线性回归，贝叶斯，假设检验等。很多理论学习的时候可能会过了就忘，我这里推荐一个方法，就是用python编程语言将统计学知识编写一遍，这样既训练了python又牢记了统计学，是一个非常妙的方法。
参考资料：《极简统计学》视频：B站可汗统计学
2. 数据库语言SQL
SQL语言已经是是数据分析师必备能力，相对学起来比较简单，你可以先掌握查询语句，这样基本的数据查询就掌握了。SQL作为一门编程语言，相对Python比较简单，但是也具有编程的基本特性，作为一个零基础的人员入门学习是一个不错的阶梯。
自学教程：http://xuesql.cn/自学视频：https://www.bilibili.com/video/BV144411T7K4/pdf：《SQL必知必会》
3. Excel
现有的数据分析工具里，最强大应用也是最广的肯定是Excel了。作为一个数据分析师，Excel是必备工具，可以快速处理一些数据，快速出图，非常的灵活便捷。稍微高级一点，Excel也支持基本的一些编程函数，包括max,min,average,find,match,vlookup等。Excel的数据透视表功能也非常的强大，可以快速的选取所需元素进行分析。Excel的学习是最简单的，这里就不多说了。
参考资料：爱知趣excel入门课
4. Python语言
Python是目前最主要的数据分析编程语言，学习Python有几个好处，1，相对java，c语言，Python更简单易懂，适合小白入门。2，python是数据处理，数据分析的天生语言。3，python在人工智能，数据抓取，办公自动化等领域都是主要语言。先说说Python的自学：
自学教程：http://xuepython.cn/自学视频：https://www.bilibili.com/video/av68633416书籍：《Python数据科学手册》pdf：《Python for Data Analysis, 2nd Edition》
python数据分析，用来做数据分析的主要是Numpy和Pandas两个包。Pandas运算速度也非常快，也能处理大量数据。Pandas提供了所有的数据统计，数据处理的函数，如：mean, groupby等。Python也一结合SQL来做数据获取，Python用于数据可视化的包也非常多，常用的有：matplotlib，seaborn等。
pdf（pandas手册）
image.png
5. 机器学习
可以先学习一些基础的算法，如线性回归，贝叶斯，决策树，逻辑回归，SVM，协同过滤，随机森林等，机器学习或大数据主要的内容就是利用大数据来做分类或聚类。
什么是分类：比如现在有一堆西瓜的数据，我们知道了西瓜的颜色，大小等等属性数据，人工的做好了分类，现在用机器学习建立数据模型，再来一个新的西瓜，可以用机器进行分类。什么是聚类：比如现在有一堆西瓜，和他们的颜色，大小等等的数据，没有分类，现在用机器学习的聚类模型，自动的将他们聚成2类，然后我们再看看怎么给每一类命名。
所有的机器学习算法都是对数据，属性的预测，发掘。模型和算法的好坏主要跟场景有关。我们刚开始不可能自己创造模型，能利用好现有的模型就不错。
Python：sklearn模块参考资料：《吴恩达机器学习》
6. 数据分析思维
数据分析的基本步骤为：提出问题->理解数据->数据清洗->构建模型->数据分析->数据可视化。这些步骤的基础都是数据分析思维。数据分析是解决具体的问题的，比如在公司里：一个老板问，咱们这个月的销售量怎么下降了？这个问题没有办法用人直接回答的时候，就可以用数据分析来分析和解答，这也是数据分析的主要价值。
分类思维：比如我们刚开始把数据分析学习路径分成几个方向，然后逐个方向去分析理解，这就属于分类的思维。
树形思维：比如，针对销售量下降的问题，我们从线上，线下两个方向去分析，线上又从京东，淘宝等各个电商去分析，或者从销售员的角度细分下去，这样最终就能找到原因
对比思维：比如，我们拿这个月销售额和去年此时比较，或者拿它和其他相同的公司比较，通过比较来确认问题，这就是对比思维
参考资料：《精益数据分析》文章：https://www.jianshu.com/p/a4d184e89
PS：总的时间大概花了6-8个月左右，所以能坚持下来还是挺难的。
