目标确定
数据分类
数据库：不同的数据库数据源不同，如MySQL、Orcale、SQL Server等
数据场景：不同业务场景具有不同的数据指标，如字段类型、约束条件等
清洗后的数据：脏乱差的原始数据经过加工清洗之后的数据
数据抽取方法
时间戳方式：基于快照变化的数据捕获方式，再源表上增加时间戳列
日志表方式：通过分析数据库自身的在线日志判断变化数据
全表比对方式：全表比对方式要事先为抽取的表建立结构类似的临时表
触发器方式：在源数据表上建立insert、update和delete等触发器
数据清洗类型
脏数据（缺失数据、错误数据）的排除
重复数据检索
无效数据（空值）检索
不一致数据（数据源内部和数据源）的 检测
数据存放来源
纸质数据：最原始的数据存储方式，保密性强，不好存储、不好查取、不好删改
Excel:一般在非常小型的创业公司里，没有OA、ERP系统，也没有数据库
爬虫：从网络上直接获取的数据一般价值不大，而且安全性很差
软件系统：将原始数据存储于数据库里，再通过ERP由数据岗位导出分析
数据库：又称关系型数据库，比如MySQL、Orcale、SQL Server等
SQL 与sqlserver 的关系
数据库是存放数据的库
SQL是结构化查询语言，是一种数据库查询和程序涉及语言，用于存取数据及查询、更新和管理关系数据库系统
DBMS是数据库关系系统，包括MySQL、Oracle、SqlServer、Hadoop等，用来创建和操纵数据库
数据库的分类
关系型数据库模型：把复杂的数据结构归结为简单的二元关系，MySQL和Oracle数据库，而互联网场景最常用的是MySQL数据，它通过SQL结构化查询语言来存取、管理关系型数据库的数据
非关系型数据库：NOSQL数据库为了灵活及高性能、高并发而生，忽略影响高性能、高并发的功能，最典型产品为Redis(持续化缓存)、Mongodb、Memcached（纯内存）等，NOSQL数据库没有标准的查询语言（SQL），通常使用REST式的数据接口或者查询API
