SQL不難啊，為什麼不容易精通？自學與實務的4個落差

數據分析工作，我認為SQL才是首先要掌握的語言，但可能它是一個已經很久的語言，也比較樸實不搶眼，所以常常被忽略了。

一直到這幾年，隨著許多前輩的分享，及越來越多學校開設了商業分析學程，大家對資料分析整個流程有更深的認識，也越來越多人會學習SQL。

我是經濟背景，剛踏入數據分析師，其實也完全沒碰過資料庫，都是自學的，如果你想了解我當初學習的過程，或是還不太清楚SQL對數據分析的重要，可以參考<入門數據分析的第一個大門檻：SQL/Hive取數-從自身經歷聊聊學習SQL的體驗以及三個自學SQL網站分享>

總之，自學的過程中我覺得：不難啊，滿簡單的。

但真實工作開展中，我還是會在“取數”的過程卡住很久，而現在帶新人時，面試時我也都考過他們基本能力，但到實際工作中，還是….有點慘不忍睹…

奇怪，明明看似不難啊，為什麼到工作中就沒法快速上手？

經過一陣子的思考，我發現SQL精通的過程，很依賴大量的實務練習，造成實務跟自學的落差，有以下原因：

傳統的學習方式，一個單元就講解一個語句，基礎知識都是一步一步拆解完，這種學習方法不容易達到靈活運用的程度。因為工作中，數據的前處理，可能就包含聚合函數、join、子查詢、各種函數等的組合，考靠驗綜合運用的能力，如何組裝每一步操作才是難點，但這部分知識目前市面上內容幾乎都沒講。

講解的案例，常見的有學生成績、電影排行數據，我可能學會了篩選數據可以用WHERE子句，但在工作中，什麼場景要用到這個語句呢？我為什麼需要篩選？分析過程中用的遍地開花的CASE WHEN也只被簡單帶過。

分析開展前，通常會先對數據進行了解，例如數據是什麼格式，有沒有異常數據，數據分佈的情況，這些依賴我們的“數據敏感度”。

但平台所提供的案例頂多幾百筆，我肉眼喵兩下就看出來了。工作中，幾十萬、幾千萬、幾億筆的數據量比比皆是，也只有在這種大量數據的情況下，數據敏感度才有機會獲得一定程度的鍛鍊。

親自動手永遠是練習寫程式最快的方法

大多資源沒有線上環境可以實操，而可實操操的網站(SQLbolt)，提供的也多是小數據集、缺乏商業場景的數據，這又回到了上述提到的問題。

這邊想再延伸聊一下"分析平台"，不論csv、關係數據庫，都是數據儲存的一個載體，但他們並不是為大數據而生的，隨著網路產業的發展，越來越多公司開始探索大數據應用，數據挖掘、數據分析與數據探索等關注度越來越高，也越來越多企業開始導入hadoop這套最主流的大數據架構。

這幾年常聽到的數據中台、乃至數據湖的概念，都是以hadoop為基礎的延伸。可以說，要成為優秀的數據工作者，Hadoop是逃不開的知識，尤其是其中的數據倉庫工具Hive更是重要。

Hive是hadoop生態系統非常重要的一個工具，它提供了一種類SQL的語言，可以查詢存儲在Hadoop分布式文件系統(HDFS)中的數據，也可以查詢Hadoop數據庫(Hbase)中的數據

有能力的公司會自建hadoop UI平台，有的公司會用開源的HUE，不論哪個，其背後的計算引擎、調度機制、集群管理都與傳統的關係數據庫有不小的差異，然而hadoop的部屬比較複雜，所以很難有機會練習到。

『Rock Data』粉絲頁跟IG(@andyrockdata)圍繞"數據"這一話題(數據分析、數據治理、數據應用等)，也分享互聯網、職場中的思考以及一些有趣的人事物。立即追蹤不錯過任何數據大小事(https://www.facebook.com/andyrockdata)

【入門數據分析，掌握Hive SQL取數能力】在hahow募資啦！募資期間三人同行一個人只要1,680元(原價2,680的63 折！)把握機會阿！ | 課程連結：http://hahow.in/cr/andyrockhive