預防針

1. 本文章集將以Python作為實踐語言。期望以其他語言學習者，可以參考看看就好。
2. 網路上很多影片說得很厲害，只要幾堂課的時間就可以讓你成為資料科學家，我是不太相信啦。不過說實話，如果要求不要太高，純粹要學著如何應用前人的智慧來分析資料，那還是有可能的，至於資料科學家...我們凡人還是聽聽就好。而本文的期許，也大約就是如此。如果你真的有把以下文章集的技術都實作過一遍，你大約已經具備獨立分析資料的能力了。

前言

今天來跟大家說說身為資料分析者，你應該學習那些技能，以及這些技能大約需要花多久時間可以習得。首先，讓我們先來看看，資料的分析流程，從以下流程中，我將逐一介紹，每一個階段你可會需要使用到的技能。

資料來源

要玩轉資料，首先你必須取得資料。誠然，在練習的過程中，你可以很輕易地取得各種各樣的資料，如Kaggle上任一比賽的資料就是很好的練習工具。但是如果很不幸的你想解決的問題，無法輕易地找到資料，那麼你可能需要一些技巧來蒐集資料，如建構網站蒐集使用者資料、網路爬蟲汲取資料或是任何感應裝置接入資料。當然這一切的一切，都取決於你想解決的問題以及你對各種技術的興趣，不過因為時間(反正在這邊的大家對架網站也不會太有興趣喇ㄎㄎ)以及個人能力因素(我完全不懂IOT...囧)，接下來的文章僅針對網路爬蟲做介紹，除了基礎教學之外，也會放一些進階的技巧。

資料庫

資料庫又分為SQL(唸西闊)關聯式資料庫以及NOSQL(Not Only SQL)非關聯式資料庫。關聯式資料庫講求的是資料的管理功能，因為有建立關聯的關係，所以可以透過更改源頭的table自動更新關聯過去的Table，相關的知識可以搜索資料庫正規化，目前關聯式資料庫最大的供應商為Oracle SQL及MS SQL，不過因為其價格並非凡人可以隨意接進，所以目前無產階級最常使用的關聯是資料庫為MySQL(不過也已經被Oracle買下，不知何年何月會開始收錢)。另外，聽說也滿多人在使用PostgreSQL，似乎是因為全文檢索的功能很好用，如果有相關需求也可以可考慮。
非關聯式資料庫則不需經過正規化，直接將所有的資料用一張表儲存起來。如果大家對詳細的關聯式跟非關聯式資料庫的差異有興趣，直接Google即可，會有很多文章滿足你求知的慾望的，鳩咪。至於非關聯式資料庫的種類，iThome有文章寫得很清楚，不過我個人只有使用過MongoDB以及Elasticsearch，MongoDB我覺得就已經滿好用，如果只是要做初步的資料分析，絕對已經足夠，而之所以會關注到Elasticsearch，則是因為其全文檢索功能非常完備，不過因為它網路上的server(Elasticsearch Cloud)比較貴，之後就沒有繼續使用了。
而在接下來的文章中，由於我們分析資料的特性，不太需要使用到資料管理的功能，所以只會使用非關聯式資料庫，並以MongoDB作為示範、mlab作為雲端MongoDB的server，然後透過Python與其互動(新增、刪除以及查詢)。

做上面那圖太累了，明日待續....