SQL书籍推荐

《SQL语言与数据库 *** 作技术大全》 本书以应用广泛的SQL Server 2005数据库为依据，按照数据库 *** 作的一般顺序，用16章的篇幅，以基础介绍、数据库及表的创建、数据查询、数据 *** 纵、数据控制、事务控制和数据库管理的顺序，由浅到深地介绍Transact-SQL语言。 《24小时sql 2005 教程》(SQL Server 2005 Express in 24 Hours) 简介：写的清楚，而且实用。本书的作者是一个专家级的人物。他清楚详细的介绍了基本概念。 《SQL Server 2005盛宴系列课程》[ISO] 《零基础学SQL Server 2005 教案PPT/随书光盘》

看你学习oracle用来做什么了 数据库管理方面：Oracle9i数据库管理员指南

sql方面：oracle+SQL语法大全 程序设计相关的：Oracle专家高级编程 这三本书就差不多了 你去oracle网站上有oracle的白皮书，入门够用了

首先我说说这两种方向共同需要的技术面，当然以下只是按照数据分析入门的标准来写：

1 SQL（数据库），我们都知道数据分析师每天都会处理海量的数据，这些数据来源于数据库，那么怎么从数据库取数据？如何建立两表、三表之间的关系？怎么取到自己想要的特定的数据？等等这些数据选择问题就是你首要考虑的问题，而这些问题都是通过SQL解决的，所以SQL是数据分析的最基础的技能，零基础学习SQL可以阅读这里：SQL教程_w3cschool

2 统计学基础，数据分析的前提要对数据有感知，数据如何收集？数据整体分布是怎样的？如果有时间维度的话随着时间的变化是怎样的？数据的平均值是什么？数据的最大值最小值指什么？数据相关与回归、时间序列分析和预测等等，这些在网易公开课上倒是有不错的教程：哈里斯堡社区大学公开课：统计学入门_全24集_网易公开课

3Python或者R的基础，这一点是必备项也是加分项，在数据挖掘方向是必备项，语言相比较工具更加灵活也更加实用。至于学习资料：R语言我不太清楚，Python方向可以在廖雪峰廖老师的博客里看Python教程，面向零基础。

再说说两者有区别的技能树：

1数据挖掘向

我先打个前哨，想要在一两个月内快速成为数据挖掘向的数据分析师基本不可能，做数据挖掘必须要底子深基础牢，编程语言基础、算法、数据结构、统计学知识样样不能少，而这些不是你自习一两个月就能完全掌握的。

所以想做数据挖掘方向的，一定要花时间把软件工程专业学习的计算机基础课程看完，这些课程包括：数据结构、算法，可以在这里一探究竟：如何学习数据结构？

在此之后你可以动手用Python去尝试实现数据挖掘的十八大算法：数据挖掘18大算法实现以及其他相关经典DM算法

2产品经理向

产品经理向需要你对业务感知能力强，对数据十分敏感，掌握常用的一些业务分析模型套路，企业经常招聘的岗位是：商业分析、数据运营、用户研究、策略分析等等。这方面的学习书籍就很多，看得越多掌握的方法越多，我说几本我看过的或者很多人推荐的书籍：《增长黑客》、《网站分析实战》、《精益数据分析》、《深入浅出数据分析》、《啤酒与尿布》、《数据之魅》、《Storytelling with Data》

第一阶段：初识数据分析

这个阶段是你学习数据分析的第一个月。核心的三本书就是：统计学、R IN ACTION、深入浅出数据分析。

第一星期：好好的阅读一下统计学这本教材。按照每天3个小时的时间，一个星期你至少能看完8章。踏踏实实的看完，课后习题不需要做，重点放在理解公式推导以及专业名字定义的理解上。

第二星期：有了统计学基础，R语言学习起来就不会太费劲。《R in action》 是公认的R语言经典教材。跟着书上的代码仔细的敲一笔遍，你不需要全部看完这本书，只需要学会前8章左右就差不多了。 学完后你会对统计学有一个更深的认识～

第三个星期：《深入浅出数据分析》这本书很大头，不是因为它内容多，而是因为它废话和插图多。很有意思的一本入门级别的教材，花一个星期好好的读一下，能学多少是多少。

第四个星期：查漏补缺。经过前三个星期的学习，你一定有不少的疑惑或者遗忘了某些知识。不要着急，这个星期就是用来好好回顾一下你本月所学的东西，不懂的定义再看看，不会的代码再敲敲，不懂的知识再google一下～

对了，再送你一个视频呗。讲的是如何利用EXCEL进行完整的数据分析流程：

初识数据分析-720Pzip_免费高速下载

第二阶段：升级你的技能

第一个月只是让你对数据分析有一个初步的认识，你已经可以秒杀20%左右的人了（我瞎猜的）

这个月就是要升级你的技能，在对已有的知识基础上做一个升华。本月任务较重，小伙伴需要动脑和动手的地方比较多。

第

一个星期：《数据挖掘导论》这本书绝对是一本良心教材。拿到手从第一章开始阅读，在一个星期之内能看多少就看多少。但是要尽量多看点，因为此书你可能要看

一辈子的～～不要做笔记，因为你做的笔记大部分时间都是在抄书，没啥意思的。数据挖掘可不是记忆的东西，是要靠理解的！

第二个星期：来来

来，python大法学起来。正所谓 life is short, I use python 不要问那种烂大街的问题：R和PYTHON哪个好。

等你都学了，你就再也不会问这个问题了。

《利用PYTHON进行数据分析》是你学习PYTHON的不二之选，对着书，着重学习numpy,pandas两个包！

对了，也要学会怎么安装PYTHON这也是技术活！

第三个星期：为毛感觉前两个星期啥也没学到？乱七八糟的！

没事，这是正常的，难道你指望两个星期就能学完数据挖掘吗？

在此，你已经有了一定的Python,统计学，数据挖掘基础知识，那么是不是能够讲它们组合起来用一用呢？ scikit-learn，你值得拥有。

看不懂没关系，先去看看它们的文档以及那些莫名的专业词语。 然后接着学你的数据挖掘和PYTHON。

第四个星期：重复第三个星期的内容。对了，你是不是应该对R再做点事情呢？

第三阶段：准备一个小小的毕业吧

前两个月会过的很痛苦，很累，很烦躁！不用担心，你终于来到了第三个月，这个月与前两个月完全不一样，因为这个月会更加更加的痛苦！！

在

这个月，我们需要开始学习sql的相关知识。SQL绝对是数据分析师的必备技能，没有之一。作为这个星球上一个通用的语言，它的存在使得我们进行数据处理

时大大的提高了效率。既然SQL学了，那也就学学mysql吧，这是一个存储数据的东西，你说它重不重要呢？

这两个并不难学，稍微花点功夫就能入门了。

本月重点是重复第二个月的工作啊，继续研究统计学、数据挖掘、PYTHON还有那可爱的R语言。怎么研究？ 这个还要来问我吗？ 书单都在上面了～ 看着书复习就行。 不要忘了那个神技：scikit-learn

对了，如果你想去互联网公司投份简历，记得要把《网页分析》这本书好好的过一遍，相信我，你只要看一遍，就能打败百分之80 的面试官。因为他们压根看不起GA。

你看，三个月入门数据分析师，并不是不可能嘛～～ 我敢说，你这三个月学到的知识已经可以击败一大半的所谓的数据分析师们了～～ Do not ask why, Just do it !!

-

Oracle的学习主要有两个路线。

一个是Oracle的开发，主要用到Sql语句，一般来说做开发的都要用到其他的开发语言，如PB、VB、VC、Java、Delphi、net等等，这样来配合使用开发C/S和B/s架构的程序。

一个是Oracle的管理，也就是人们常说的DBA，英文Database

Administrator

主要是维护数据库的工作。只用学会SQL语句和Oracle的结构等就可以了。

DBA需要对Oracle有一个很深的认识，否则难成大器。

而Oracle开发的话，相对来说不一定对Oracle有太深

的了解，当然你懂得越多，开发出来的肯定会越好。

可以找一本oracle的书看看

如果有人可以请教当然更好

oracle是数据库中经典的也是最抽象的，呵呵

要有心理准备

不过现在好像出新版的了，应该会改进一些

先学SQL和PL/SQL，这个是基础。如果没学过数据库基本原理的话，一定要先学数据库基本原理。买本《数据库原理》，看表、索引、SQL、锁这些基本知识，范式什么的就先不用看。然后买Oracle的书，我以前学的时候买了那种很厚的详细对其管理器上界面的每个细节做介绍的书，结果发现看得很累，而且看完了根本就没学到任何有实质的东西。因此，我还是推荐你买那种深入浅出介绍数据库管理基本知识的书，它们会使你真正了解Oracle的内涵，刚开始时最好选薄点的书，对其能有个概要的了解。（比如《Oracle

DBA入门》和高职高专教材《Oracle数据库管理教程》），这些书很简单，能帮助你快速上手。接下来你可以买《Oracle

9i/10g

DBA资格认证考试教材》等书来看。从一开始，你就应该下载一个Oracle装上，自己多玩。尽量多用SQL

Plus等命令行方式来管理，对界面大致了解就好了。脚本才是Oracle管理的王道!

一般而言，对于有专业基础(计算机、统计学、数学等相关专业)的同学，入行需要3个月以上的学习与准备时间；而对于非专业背景的转行者来说，入行可能需要更久一点，建议6-12个月的预留时间是合理的。而要成为一个熟练的大数据从业者，2-3年以上的项目和行业经验则是在所难免。

数据分析是一种工具，在金融、互联网、电子商务、公共服务、医疗健康等领域都有着广泛的应用。职位上，偏业务的，有数据分析师、数据产品经理、数据挖掘师等；偏技术的，有大数据工程师、架构师、算法工程师等。晋升通道，是业务主管/数据中心主任、CIO/CDO/CTO、VP、首席数据科学家。可见，数据分析对专业背景和知识素养都有相当的要求，再加之大数据在数学和计算机领域的交叉属性，从事大数据都有一定的门槛限制。

要不要转行？

要不要转行，实际上涉及到职业规划的问题。对此，曾有位哲人发表见解，”最重要的人际关系，是自己与自己的关系，知道自己要什么，不要什么“。这在转行问题上，也是一样。相对于10年以上的职业生涯，拿半年时间用来学习该项技能，还是挺划算的。

读到这儿，可能有人会说了，转行会让之前几年的经验积累统统作废。而实际上，小编认为不必过于担心，因为无论转到哪一行，社会经验和人生理念是都会发挥作用的。而之前的人际关系也类似“山不转水转”的问题，很难界定说哪类人际关系有用，哪类无用——基于这个道理，应全部视作有用。

人生的机会并不多，即使到了30岁，对大多数人来说，这也只是职业生涯的前半部分，完全不必缩头缩脑患得患失。要知道，不怕失去，才有可能收获更多。如果有了明确的发展规划，何不义无反顾地投入到新的开始呢？

如何转行？

明确了要不要转行之后，就又回到如何转行的问题上来了。

如果你尚未毕业，建议先打好基础，学好概率与数理统计、数值分析、多元分析、泛函分析、软件工程等，可以选修软件工程、数据库原理、一到两门编程语言；同时掌握分析工具（如spss/R/matlab）原理；有时间的话，可以参加一些数据建模方面的大赛，对自己能力提升和职业生涯会很有帮助。

如果，你已经是一个从业者。要想跨入数据分析师，也许很多情况下你只能从“工人”做起（这意味着在很大长一段时间内，你的工作内容都可能比较枯燥，做的也都是没有“技术”含量的内容），但当你慢慢成为“熟练工”时，随着行业知识和技能的积累，你也会走上“数据设计师”之路。开始从事“高大上”或更有技术含量的工作。

一、至少花三个月掌握技术 正所谓“磨刀不误砍柴工”，作为一个技术工种，至少花3-6个月的时间学习大数据分析相关基础知识，是不过分的。时间分配如下：

1、花1个月时间，学习数据库、sql知识，推荐《深入浅出SQL(中文版)》；

2、花1-2个月时间，学习基础的统计学知识，搜集统计学学习资料，列个统计学书单；

3、花1个月时间，学习最基础的数据挖掘模型，推荐《数据挖掘导论（PDF中文完整版）》；

4、花1个月时间，掌握一门基础的挖掘软件。 基础夯实之后，还要保持持续的学习能力。坚持学习各类知识，不仅限于技能层面。

二、选择感兴趣的行业

如果，你还没毕业。

可以在结合热门行业的基础上，分析自己的兴趣。选定一个行业后，可以通过互联网，熟悉所行业对应的商业模式。有机会，也可以参加一些同行的沙龙或分享，以了解该岗位的人都在做什么。并对比自己当前的知识储备，有针对性地补充知识。

如果，你已是从业者。

选择本行业或相关行业，会让你的行业经验和业务知识，更好地发挥优势。

三、开始寻找机会

对于跨行业转入的同学，当你做好上述准备的时候。就可以着手找个机会了：

1、内部转岗

2、选择中、小型公司，先入门，再修行。

几点建议

看书和看视频是学不会数据分析的。多参加一些项目，通过校内大赛增加实践机会，入行时候找一份能接触到数据的岗位（任何岗位都可以，市场、运营之类的职位很多）。

工具先从一个容易上手的学起，excel/spss/sql都可以，顺手就行，后续可以再学高级工具如R或者python。

终身学习： 前面已经讲过了，即便用一段时间掌握了大数据分析相关基础知识，也还是要在之后的从业生涯里，保持持续的学习力。

因为，大数据是一个实践性很强的学科，从实际工作中获取的知识和能力是学校里无法获得的，企业最终看重的，也是一个人的实际工作能力。你可以在学习社区通过分享和交流，补充课外知识和get新技能。

以上就是关于SQL书籍推荐全部的内容，包括:SQL书籍推荐、如何快速入门数据分析、如何七周成为数据分析师等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！