Снятся ли базам данных аналитики

И на каком языке они говорят друг с другом (спойлер: SQL)

Привет, на связи Анатолий Карпов и karpov.courses!

Базы данных нужны не только аналитикам, но и разработчикам, бизнесменам, DevOps-инженерам и всем остальным, кто работает с большим количеством одинаковой или похожей информации.

Если вам интересно, как устроена эта система и как ей управлять, — читайте дальше или приходите учиться на нашем бесплатном курсе «Симулятор SQL c нуля». Что за SQL — рассказываем дальше.

Что будет в статье:

Когда у вас есть бизнес, все операции нужно где-то записывать. Если это разовые сделки, можно всё держать в голове, блокноте, Excel. Но при работе с большим количеством клиентов или продуктов помнить всё невозможно, а записывать самому и не ошибаться — долго и сложно.

К тому же данные могут постоянно меняться, например, при работе с онлайн-заказами по доставке еды. Утром у вас одно количество товара, денег и заказов, а вечером другое. За всем сразу не уследишь.

А ещё большое количество данных нужно аналитикам для работы: выявлять тенденции, прогнозировать спрос, тестировать бизнес-гипотезы. Это уже настоящая Big Data, которая не поместится ни в один блокнот:

В 1981 году Эдгар Кодд разработал первую реляционную базу данных, в которой информация хранилась в разных таблицах. Это было похоже на Excel, но больше, удобнее и немного сложнее.

Вот про такие базы данных мы сегодня поговорим и покажем в картинках, как это выглядит.

Если вы уже интересовались устройством баз данных, то могли видеть, что почти всегда их иконки выглядят похоже: как нефтяная бочка, стопка блинов или сложенные друг на друге шайбы.

Это упрощённое изображение старых жёстких дисков, которые выглядели как стопка круглых пластин большого диаметра.

В нашей статье мы используем эти иконки вольным образом для объяснения работы современных баз данных.

Будем считать, что каждая «шайба» — это отдельный список, где хранится только один тип данных. Это может быть номер клиента, номер заказа, номер курьера, время создания заказа, возраст, пол.

Одна база данных может состоять из нескольких типов данных, каждый из которых — отдельная «шайба».

Иногда в базах данных есть одинаковые разделы информации. Например, номер заказа связывает между собой доставку, курьеров и сами заказы.

Получается схема из нескольких баз. Классически их изображают такими таблицами:

Это удобно, потому что получается одна согласованная система. Ещё удобнее то, что все записи ведутся автоматически — после любого действия пользователя, каждой покупки и передачи заказа в доставку.

Хранить и находить информацию нужно не только разработчикам или аналитикам. Это может быть любой интересующийся миром IT человек, который хочет усовершенствовать часть рутинных дел. Например, юрист, который оптимизирует работу своей команды и хочет сохранить порядок в делах. Или владелец кафе, бизнесмен, разработчик игр.

В крупных компаниях накопленная информация может понадобиться и маркетологам, и менеджерам, и другим сотрудникам. Поэтому иногда в таких организациях устраивают небольшие обучающие интенсивы на несколько дней. Ещё компания может отправить сотрудников в онлайн-школы для повышения квалификации.

Писать запросы в базы данных проще, чем разбираться в нюансах программирования, но это тоже важный навык для IT-профессий. Если интересуетесь современными компьютерными технологиями и хотите с ними работать, это умение вам точно понадобится.

База данных выглядит как набор таблиц с разной информацией. Например, так могла бы выглядеть одна из таблиц компании, которая продаёт товары на международном рынке.

Допустим, аналитик решил выяснить, какие заказы у них чаще всего делают мужчины, а потом запустить рекламу на женскую аудиторию и предложить им купить подарки мужчинам к 23 февраля.

Для этого аналитику нужно получить из таблицы все номера заказов и соответствующие им товары от пользователей мужского пола.

На человеческом языке запрос про номера заказов будет выглядеть так: «Выбери из таблицы Users все номера заказов от пользователей-мужчин».

Чтобы получить реальный ответ от базы данных, запрос нужно переписать на языке SQL. Если попробовать его прочесть, становится видно, что он почти не отличается от человеческого.

Всё потому, что основные слова в запросах — просто английский язык. Вот примеры того, что ещё используется:

Если говорить точнее, то по запросу из примера выше аналитик получит только номера заказов. Чтобы узнать, какие именно товары купили, нужно написать запрос посложнее: для этого понадобится запросить пересекающуюся и отфильтрованную информацию в двух базах сразу. Но в этой статье мы остановимся на простых примерах.

Вот другой вариант запроса. Если нам понадобится узнать возрасты пользователей из Саратова, мы напишем так:

В нашей таблице для примера только один человек на каждый город, поэтому мы получим только один возраст. Но если бы их было больше, мы смогли бы выделить самую большую возрастную группу и придумать специальную рекламную акцию для Саратовского филиала для этой группы.

Основная сложность в работе аналитика не в освоении новых технологий, а в понимании вопросов «Какие данные нужны, чтобы помочь бизнесу?», «На какой вопрос ответить?», «Что искать в данных?»

Если вы хотите узнать больше о работе с базами данных и научиться общаться с ними на одном языке, приходите на бесплатный курс «Симулятор SQL c нуля».

На курсе мы объясним подробнее устройство языка запросов SQL, дадим вам тренажёр и много практических заданий, чтобы вы освоили эту технологию и смогли добавить полезный навык в резюме.

Для тех, кто хочет заниматься с обратной связью от экспертов, преподавателей и кураторов, есть отдельная программа.

Select SQL!