产品经理的十大基本技能(1)彻底阅读SQL

原标题:产品经理的十大基本技能(1):通读SQL

本文总结并分享了什么是SQL，它的应用场景，如何学习和掌握它，以及如何具体操作它。

这篇文章的灵感来自《经济学人》最近发表的一篇文章。预计2020年将是人工智能技术全面成为主流的一年。首先，写一个热门的数据产品经理职位。在数据产品经理的岗位上，有产品经理必须了解的技术有SQL、层次分析法、序列分析、印刷电路板主成分分析等。首先，提到了SQL。

在本文中首先介绍SQL是什么，然后重点介绍怎么学SQL，同时又将学SQL分成一方面：学SQL的基础理论方面，另外一方面：学SQL的基础操作方面。

在讲解产品经理具体操作方面，讲解了基本SELECT语句操作，基本索引操作和数据建模操作等详实案例，以飨读者！

1。什么是SQL？

SQL是一种专用编程语言，用于管理关系数据库管理系统或处理关系流数据管理系统中的流。

SQL基于关系代数和元组关系演算，包括数据定义语言和数据操作语言。

SQL的范围包括数据插入、查询、更新和删除、数据库模式创建和修改以及数据访问控制。

2。SQL应用程序场景？

例如，当您的股东或老板想要检查以下问题时，您可以使用SQL来呈现相应的产品:

有些学生说这些EXCEL也可以做到，是的，是的，但是现在市场数据量EXCEL无法加载，EXCEL很容易崩溃。

此外，SQL还可以在更大规模的数据库和数据仓库之间查询和分析数据。

一些学生说产品经理不需要理解数据仓库，更不用说SQL了。

在作者林莲(LineLian)的实战工作中，市场对制造自己公司的数据仓库产品和自己公司的数据分析产品作为产品本体的需求持续爆炸。因此，作为市场需求旺盛的10项基本技能之一，产品经理应该了解SQL。

3。如何学习SQL？3.1学习SQL

不同月份下订单数量统计三月份重复购买率和回购率统计男女用户消费频率是否有差异统计多次消费的用户数量， 不同年龄组的首次和最后一次消费统计之间的间隔有多长，用户的消费数量是否有差异

3.2.1 学会操作一些基本的select的操作

Operation的基本理论方面例如，下图显示了下表中列出的所有建筑以及每个建筑(包括空建筑)中不同员工角色的表格:

SELECT distinct role。building _ name

from buildings

left join employees

on buildings . building _ name=employees . building

3.2.2 了解索引，知道如何建立索引，应用索引

例如，创建索引的标准语法是CREATE INDEX INDEX name on table name(列名)

3.2.3 了解数据类型，知道如何给各个数据建立对应的模型

（1）了解数据类型

data具有结构化数据类型，这在我们的数据表中的数据中常见。也有半结构化数据类型，例如，我们百度查询一个页面的结果大多显示半结构化数据；还有非结构化数据类型，如图片、声音、视频等。

（2）产品经理需要会如下的数据建模全流程

数据建模分析线路一：

数据准备从数据嵌入点、数据收集和数据清理开始，然后对数据进行直观的描述分析和洞察，然后给出数据表示，最后编写数据分析报告。

例如，下表是一些学生在语文、数学、外语和科学方面的成绩统计表:

首先，假设这些科目的成绩不相关，即一个科目的成绩与其他科目无关。一眼就可以看出，数学、外语和科学的结果构成了这组数据的主要成分(显然，数学是第一个主要成分，因为数学分数最高)。为什么你一眼就能看到它？因为斧子是对的！

但是当数据量足够大的时候，通过洞察力看数据的特征就不那么容易了。

数据建模分析线路二：例如下面闲鱼APP分析用户行为的例子

数据建模方法分析用户行为的流程如下:

首先分析用户行为，分析业务需求:

通常，用户行为被定义为一系列行为事件。这个定义在不同的“粒度”中有不同的解释。例如，就粗粒度而言，“搜索商品”-“聊天”-“下单”是用户行为，“搜索商品”是行为事件。

但是，从细粒度的角度来看，“搜索商品”包括几个较小的事件，例如“单击搜索框-输入文本-单击搜索按钮-查看搜索结果”。从细粒度的角度来看，这些事件也可以定义为行为事件。此时，“搜索商品”成为用户行为。

因此，要分析用户的行为需求，首先必须看要分析哪个维度。

在这种情况下，行为事件被定义为“页面跳转”和“按钮点击”，而用户行为是按时间顺序连接的“多个行为事件”的序列。

对应于数据表单，每个“页面跳转”对应于一个隐藏点，每个“按钮点击”也对应于一个隐藏点。

因此，用户行为数据的建模和分析实际上变成了:隐点序列数据的建模和分析。

埋点序列数据建模图如下：

从上图中可见先通过聚类算法例如K-mean对埋点的人群进行分类，得到不同的人群，然后再对不同人群运用序列挖掘模型挖掘得到不同的行为，最后得出异常或者正常的行为判断结果。

如果通过数据建模发现未知的黑人群体，则通过上述方法分析空闲鱼类用户的埋藏点，发现在聚集的群体中，有一群人的行为顺序是:

“产品搜索结果页面-打开产品-点击聊天-发送文件-返回到产品搜索结果页面-打开产品-点击聊天-发送文件”

查看该群人发送的文件 发现它们都是广告视频，也就是说，这些是不断向其他用户发送广告视频的黑色制作账户，这些黑色制作行为以前是“未知的”(我们不需要事先知道这些行为的存在)。

说明传统的黑色生产模式主要基于层次分析法，即通过行业专家的漏洞填补和打分来实现风的控制和安全。

没有经验预设，可以快速从数据中发现新型的黑产行为模式，而不必等到大面积用户反馈以后做补漏。

数据建模算法抽象出来的行为模式相比人工“总结”会更加准确。（原来的防控大多数是根据用户反馈，然后人工观察这些人的行为，并用规则去识别匹配这些行为）

010-59000

当然，数据建模等数据需要进一步挖掘以获得实际可用的信息。对于不同的业务和问题，也有不同的使用方法。这只是一个案例思考，我希望能够从这个新的数据角度挖掘出对产品业务有用的信息。

summary

在奖金充裕的时代，选择和学习什么比擅长做什么更重要！

在市场运作方面，人们期望用户的增长和客户的爆发。从技术上讲，Python、React(网络)、Angular、Machine Learning和Docker也将成为市场上最具活力的需求。

在产品经理的职位上，一方面要密切关注市场运作的业务需求，通过迭代产品的合作实现用户的增长。另一方面，我们必须密切关注技术发展。毕竟，科学技术是第一生产力，所以产品经理不仅应该是画原型的经理，而且应该继续学习。在数据产品、数据平台产品、数据智能产品和纯人工智能产品持续繁荣的时代。

悲观主义者通常是对的，乐观主义者通常是成功的！

最后，作者建议在人工智能时代，产品技术操作的首要任务是为未来的新工作方式做准备。未来已经到来，未来需要数据驱动的增长，未来需要智能数据，未来需要产品经理拥有的技能，以便我们能够继续一起阅读它们。

#专栏作家#

恋仕莲人。每个人都是产品经理专栏作家，《产品进化论：AI+时代产品经理的思维方法》的作者，前阿里产品专家，希望能与企业家更多的交流。Unsplash的主题地图，基于CC0协议