前面，我们分析了一下数据分析师的前景要不要找一份数据分析的工作？
这里，我们研究下，数据分析师是否需要掌握SQL。
我们从字面来理解，数据分析师=数据+分析+师
对于数据分析师来说，数据是基础，俗话说，巧妇难为无米之炊，没有数据，做什么可视化，做什么分析，
没有数据支撑的分析报告，一定是异想天开。
数据的来源通常有2中，一种是公司内部数据，一种是公司外部数据。
外部数据，我们可能需要通过第三方渠道购买，或者使用爬虫从网上爬取，通常的竞品分析啊，舆情分析啊，都属于这种；
内部数据，一般是公司业务数据，存储在数据库中，我们可以使用SQL来实现自己的业务需求。
有了数据，我们需要在业务的基础上，通过分析方法、分析思维、模型等来发现问题，验证问题。
这个分析一定要基于业务，脱离业务的分析是没有任何价值的。
前面，我们使用Python将拉勾网的数据爬取了下来，下面，我们就用Tableau做下探索式分析。
我们在Python中只做了简单的清洗和整合，数据保存在MySQL中，数据只抓取了几个热门城市
表结构如下1234567891011121314151617CREATE TABLE `tm_lagou_data` ( `city` varchar(20) DEFAULT NULL COMMENT '城市', `company_short_name` varchar(100) DEFAULT NULL COMMENT '公司简称', `company_full_name` varchar(200) DEFAULT NULL COMMENT '公司全称', `company_industry` varchar(100) DEFAULT NULL COMMENT '所属行业', `company_location` varchar(100) DEFAULT NULL COMMENT '工作地点', `position_advantage` varchar(100) DEFAULT NULL COMMENT '岗位特点', `position_salary` varchar(20) DEFAULT NULL COMMENT '薪资', `position_workyear` varchar(20) DEFAULT NULL COMMENT '工作经验', `position_name` varchar(50) DEFAULT NULL COMMENT '职位名称', `position_first_type` varchar(100) DEFAULT NULL COMMENT '岗位类型-大类', `position_second_type` varchar(100) DEFAULT NULL COMMENT '岗位类型-小类', `position_lables` varchar(100) DEFAULT NULL COMMENT '岗位标签', `position_id` varchar(20) DEFAULT NULL COMMENT '岗位ID', `create_time` datetime DEFAULT NULL COMMENT '发布时间', `job_desc` text comment '岗位描述') ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='拉勾网-数据分析数据';
洗个脸，刷个牙我们要开始分析啦。
作为一名求职者，我想知道哪里的数据分析岗位最多，我以后要去哪个城市上班呢？是不是我喜欢的城市呢？
打开Tableau，连上数据库，我们开始
我们的数据中，有城市信息，也有招聘公司信息，岗位信息，所以这个很简单
我们会发现，北上深杭广招聘数据分析的公司和岗位最多，公司多，招聘的岗位也多嘛，
所以，如果要找数据分析的工作，在这几个城市还是很有机会的，随着北上广深等城市的带动，新一线城市后续应该也会逐渐提高对数据的重视，数据分析岗位应该会越来越多。
这里也发现一个有趣的问题，就是杭州和广州，以前我们说一线城市，可能主要是北上广深，最近几年随着杭州的崛起（我觉得和阿里有很大的关系），广州是不是逐渐的掉队了呢？
MySQL
Workbench使用
简单介绍下Workbench的使用
Workbench是MySQL官方提供的一个可视化管理工具，跨多个平台而且免费的，详情参考官网。
我们从下载地址下载，安装就行了
可以单独下载，也可以使用提供的一个管理工具统一下载管理，管理工具提供了整个MySQL所有相关组件的统一管理维护，也挺方便。
