產品經理如何學習資料庫以便進行數據分析？
剛在家寫完sql提交公司內網查詢平台，坐等回傳結果刷知乎看到這問題感同身受，來答一記。
平時在工作中也經常會需要自己寫sql提取數據，無他，除了一方面自己是負責推薦系統的產品經理，做推薦系統經常需要提取流水數據進行分析，評估演算法優劣，另一方面確實是人手不足。
其實產品經理在人手充裕時還是更多的需要去梳理分析思路而不是動手實踐，畢竟術業有專攻。但假設你身處創業公司或者一個需要和開發配合快速迭代的團隊，懂點sql提取數據自行分析是一個不錯的技能。畢竟開發gg被你騷擾多幾次就煩了，關鍵時候留一手，不要影響整體進度還是很有必要。（像我們這種白天開會pk需求，晚上寫需求體驗產品然後同時提數據的產品狗你感受下= =）那麼要學到怎樣的程度呢？我建議是能夠建立分析用的臨時表，加些簡單條件進行數據提取即可。
而這些，僅僅需要你懂creat table，select，count，group by ,order by以及簡單的join和條件篩選就可以勝任了。
在資料庫分析操作其實是不如excel靈活方便的，但之所以有知友說有些東西不能靠excel，是指在數據量特別大的時候（excel限制最大行1024*1024），比如像QQ音樂一天動輒幾十億的聽歌流水，區區百萬行肯定放不下，還不算你的機器內存能否吃的動簡單的excel篩選。這樣的excel分析你自己嘗試一下就知道捉襟見肘了。於是，對於數據分析我建議是不同工具合理搭配:
1.對於百萬量級以下的，可以從資料庫提取後放到excel或者spss，幾個選項勾選就可以獲得分布情況等統計結果何樂而不為？2.對於百萬量級以上的，看實際需要，可以在資料庫直接用包含group by，count等語句統計想要的結果，或者是通過隨機抽樣壓縮成一個樣本導入excel或spss進行分析。而對於資料庫的學習，題主說的「sql必知必會」其實已經足夠，更多的在實踐，可以自己在電腦建個本地資料庫，從網上找些開源數據自己搗鼓。更新：
資料庫查詢技能可能是所有技能裡面性價比最高的，簡單易學，不需要花太多時間，但卻能帶來非常多的方便。強烈推薦學下！！！產品經理確實應該懂一些資料庫的知識。
一方面，有助於與技術的溝通及產品的實現；另一方面，特別是在創業型公司，查詢後台不完善甚至壓根沒有，很多時候需要出數據（如了解交易量、轉化率等），如果自己不會的話就得麻煩開發大哥了。但是，都很忙的。一次兩次還好，次數多了早晚要被嫌棄。有人說提需求開發數據平台，在人力緊張需求優先順序低的情況下誰給你開發？資料庫到底需要學習哪些知識及掌握程度？
1、需要了解各種資料庫其優缺點，比如關係型資料庫和非關係型資料庫，哪些屬於關係型資料庫，哪些屬於非關係型資料庫；2、資料庫操作中的查、增、改、刪4項基本技能中著重學習查詢操作，因為你要的是數據，其他的可以交給開發。我們以MySQL語句為例：最簡單的你要會通過簡單的幾個條件進行查詢，比如SELECT * FROM 表 WHERE 條件 ；然後你要會使用JOIN語句進行跨表查詢，比如SELECT * FROM 表1 JOIN 表2 ON ** WHERE 條件；3、還需要使用UNION語句進行聯合表4、format函數，可用於江時間格式化為日期，如資料庫中存儲的是具體到秒的時間，但是需要安日或者進行統計。5、group by 語句，如以用戶為分組統計所有用戶其累計交易筆數。
學習基本語法後，關鍵是要多練習練習多練習多練習多練習學習網站推薦，不懂的地方可以多問問開發 SQL ?ì3ì查詢軟體我建議使用Navcate，不會寫SQL語句也能進行單表多條件查詢，寫SQL語句時還能自動聯想，非常高效。 Navicat GUI | 支持 MySQL、MariaDB、SQL Server、SQLite、Oracle 和 PostgreSQL 的資料庫管理
會了查詢技能後，最關鍵還是要對資料庫中每個欄位，其內容代表的含義要非常熟悉與理解，查出來的數據是否準確就靠它了。
當我會了mysql語句以後，我基本上就拋棄了excel上的處理。
這裡贊成 @Radon 的觀點，Mysql與excel各有所長，這裡的意思是一些操作不需要導出數據後在進行處理，比如找出2個表某列的差異。題主說導出excel進行操作，上百萬條數據做個求和，難道你也導出來求和？效率也太低了吧！這個來的多簡單幹脆。SELECT SUM(列) FROM 表 WHERE 條件 ；如果有想了解支付結算產品及系統設計的童靴，請移步本人專欄，支付結算雜談 - 知乎專欄
==================================會關注和點贊的同學是個好同學
==================================學會使用Excel中的數據連接功能，你會發現有一扇新世界的大門打開了。使用ODBC連接Mysql資料庫，加上查詢語句，高級一點再加上一點簡單的VBA操作，其實是可以在Excel中實現一個自己可定製的簡易BI平台的。我自己有大量的工作都是通過掛調度腳本，扔到Hadoop集群中計算好，結果導到Mysql資料庫中再通過Excel數據刷新展示，極易方便。
我一般也就在從庫查查單條數據，複雜的數據分析需求都調人肉介面，人肉介面有時候調的太頻繁比較麻煩，這類就固定為功能了。
做這些事情，我大概也有快十六年了吧……關係型資料庫做數據分析么，當然有它專業的方面，人家原本設計就有這個方向，特別是商業的MSSQL/Oracle這些，OLAP都是有專門的工具支持。但是這套體系比較尷尬的是有用沒用總得掛著哪些Service，而且單就數據分析的編程來說，其實並不會比 Pandas 或者 R 這類東西更方便更好管理。特別是在單機作為桌面工具使用，不是很經濟。現在不是2000年前後那十年了。可以選擇的很多。小規模的桌面使用，Pandas 之類的工具就很好。辦公室級別的，或者企業高實時性項目需求，關係型資料庫是經典的解決方案。再大型的，新一代的分散式數據分析工具更有針對性。你這種情況，我推薦學一下Python，用Python的工具集（Pandas＋Jupyter什麼的）去做數據分析。『寫SQL跑數據』和『做數據分析』是兩碼事兒。
『寫SQL跑數據』算是單純的技術活兒，是一種招式。
產品經理是應該懂技術的，這樣在產品設計階段，就知道了哪些頁面可能大量執行資料庫操作，通過對欄位，參數等資料庫結構的了解來避免瞎幾把設計頁面，跟開發亂幾把提需求。『做數據分析』則是一種可貴的、能夠發現問題並解決問題的『能力』。
這是對既有數據的挖掘和解讀，但數據不是重點，數據背後隱藏的用戶行為傾向和市場刺激點才是關鍵。挖掘出的潛在需求和隱晦反饋，可以指導產品迭代的方向和優化細節。如果兩種能力排列優先順序，毫無疑問，數據分析能力對產品經理而言更重要。
畢竟會寫SQL乃至做資料庫開發的人一大把，增刪改查又不難學。
但是，如果產品經理一點數據分析的能力都沒有，對數據毫不敏感，就等於對用戶和市場視而不見。一旦產品的方向搞錯了，跟數據背後的用戶需求搞反了，那對團隊而言，是真日了狗了。
所以，沒必要為了數據分析而學資料庫，但學了絕對不白學，別捨本逐末就好。數據分析能力也不是一朝一夕能練成，而是通過長期反覆對數據進行咀嚼，對用戶進行調研和行為預測，這是通過大量的試錯和摸索才能得到的能力。
老婆PM，我DBA，不是我不教，是她太懶....另外，從一個DBA的角度講，測試環境還好，生產環境讓一個PM直接去查，哪怕沒有任何寫許可權，哪天一個select寫得太爛影響了現網服務腫么辦，太不放心了.....個人感覺數據分析這個崗位的主要知識可以分為三個方面：方法論，工具，使用環境，對應統計和數學知識，R或者Python或者會點滑鼠用SAS，能用SQL提取自己想要的數據，自己寫個API這樣這樣，以及對商業環境本身的知識，有直覺知道變數之間的關係以及什麼樣的問題是有意義的。
個人感覺現在工具種類已經有點繁多了，但本質上都是在用不同的語言說同樣的話，語言的本質就是數學和統計方法，如果繁複的公式確實能看懂了，那遇到問題自己也能做一些對症下藥的處理，如果對自己使用的方法練數學意義上都不能澄清，很容易遇到一點問題就抓瞎。
數據分析本身這件事就比較玄乎，每個模型演算法都有自己的假設與前提，我們更像是拿著這些數學理論去形容去描述事實，而不是怎樣從數據里找到不可泄露的天機。90%的數據分析都在用使工具之前發生，提出問題，獲得數據，做清洗，建立模型，最後fit這個模型可能只要一行代碼，但之前瞻前顧後做各種transformation的步驟反而是需要各種推敲試錯的。
看了書發現裡面的東西不知道要怎麼用，我也有過這樣，我覺得可能的原因有二：1是可能對數據挖掘大體流程步驟本身不了解，對數據挖掘整個行為整個過程沒有一個宏觀了解導致的，當時我只知道數據裡面有規律，但是並不知道這種規律一般是怎樣體現的，又一般可以用那些方式提取出來。2則是對數學本質把握的不透徹，終究數據挖掘都是在用數學去描述數據，如果數學上一些關係摸不清，到頭來也是「我知道大概能這樣但是具體怎樣我也不知道」這種。
像是SQL這種工具，是整個體系中的一部分。當然SQL運用非常廣，近乎涵蓋了這個體系的每個步驟，所有的ETL都可以用SQL非常高效的完成。如果對ETL的目的本身，對數據挖掘的整個步驟不了解，則自然而然什麼時候要用SQL不知道，想像不到類似的情景，「日銷售額aggregate周銷售額」這種例子。至於數學把握透徹與否，在實際的數據分析的時候會經常遇到這種，為什麼要做這個transformation，這個分布的性質是什麼樣的，這個回歸可以在哪個情形下使用，沒有足夠的數學知識，很可能就會像我一樣瞎貓去碰死耗子，很費力氣，很傷神，也傷智力自信。
我也是一個小白，我覺得對於一個小白來講這樣的知識體系是非常必要的：數學-工具-商務 三樣一樣不能少。不能看到知乎上碼農都好厲害就覺得我C++JAVA PYTHON都要學，也沒必要看到別人高管覺得嗨編程有什麼厲害的，做數據分析，三個方面相輔相成。
工具的選擇一般都是SQL+一個運算工具，我個人覺得R還是做分析的不二之選。R本身像是一個巨大的統計操場，在這個操場上你能幹你想乾的任何事情，只要能找到代碼，敲進去，電腦幫你算，算得飛快。R因為本身是開源的，所以包非常多，涵蓋近乎任何場合任何需要，而且R本身的編程性質，也是非常不錯的腦力鍛煉，一個做數據的人還是需要一定的編程思維的，用R敲自己想乾的事，相比於用SAS或者EXCEL點自己想乾的事，肯定還是要鍛煉人一些的。腦子裡這些東西越清楚，遇到奇怪的問題就越有可能解決。Python雖然也是一個非常好的工具，但是我不熟，感覺R還是更友好一些，用R用的我非常心滿意足。
數學學習沒有什麼捷徑，無需費思量，只顧向上攀——高等數學真的是現代文明之母，千萬別以為這玩意沒用，那些高深的數學概念的運用真的是非常讓人嘆為觀止，我就是數學學的不夠深，很菜，理解一些模型看一些論文有些覺得吃力，還在費力彌補。至於商務知識，產品經理對市場的了解肯定是老本行，這就不贅言了。我是個小實習，這方面一般輪不到我說話，主要還是干苦力用數學解釋現象。
數據分析是一個大的系統和流程，有資料庫的管理，有數據的移動，有數據的分析，有結果的包裝，只看SQL語句肯定是沒什麼概念的。學習的話我推薦兩本書，因為你說做數據分析我就假設我們要學R，《R in action》 《R for data science》窮的話盜版的應該都可以下到，後者這有免費網頁版：http://r4ds.had.co.nz/index.html，儘管不推薦盜版，但R因為是開源，很多包里有自帶的資料庫供你玩，全都不要錢。開源精神感人啊。
SQL這種屬於基本功，也沒多難，就不說書了。啥時候要幹啥查語句，多寫寫也就熟悉了。至於為啥用SQL不用excel，原因很簡單，數量級上去之後，excel就要麼很傻要麼很慢了，這時候SQL就真的是非常感人了，為啥可以這麼簡潔，這麼快？？？？SQL真是酷啊！
產品經理只用會取數就好啦，具體分析用其他工具
你要學的：1.sql基礎查詢語句，select...from...where...group by....order by..left join...right join再會一些average，sum，min，max當然更好啦2.了解你公司內網資料庫每個表具體都有哪些內容，哪個表常用作主表，表中的各個欄位含義是什麼，表與表之間的聯繫3.會使用navicat到網上下個綠色免費版即可，會基本的連接，導出...
以上。
強烈推薦《21天學通sql》。這書就是給非it但經常操作excel的人準備的。注意不是21天學通sql server。
別學，請調用人肉介面
我覺得題主一個問了兩個完全不同的問題。
- 如何用sql提取自己要的數據。
- 如何進行數據分析。
下面我就結合自己的實戰經驗來逐一簡單的回答一下，
問題1，比較好回答。無論是哪種類型的資料庫，都可以依靠自己買本書，然後多多練習來搞定相對簡單的數據查詢（非關係型資料庫略複雜）。重點是下面，對於海量數據，一般的查詢語句就不行了，因為數據量太大容易導致各種超時。這個時候就要看公司了，有些公司提供了專門的工具來提供數據支持，比如BAT這種都有自己研發的數據提取的工具產品，甚至有自己一套的SQL語句，如淘寶的TQL。如果沒有專門工具的話，那麼這個時候一般就需要藉助於人肉查詢了即請求專門的數據團隊來拉數據。親們，拼人脈，拼關係，拼人品的時候到了。運氣不好，一個數據等個2，3天是常事（做過BI的同學都知道，需求是永遠做不完滴，大老闆的需求永遠是第一優先順序滴）。關係好，分分鐘給你搞定。 再說下問題2，如何進行數據分析。這問題就很大了。因為數據分析這東西，實在太高深。大到密碼破解也是一種數據分析，小到去在哪個網站買同樣的東西也是一種數據分析。我這裡結合自己的工作經歷說說一般互聯網公司的數據分析如何進行。 我把數據分析分為2類，一類是研究型數據分析，另一類是產品運營型數據分析。 研究型數據分析一般都是由專門的數據團隊來負責的。比如，商品的品牌如何分級？用戶如何分級？怎麼樣的店鋪是有潛力的店鋪等。一般都是開放性的問題，這類問題對於數據分析團隊的專業性要求比高，成熟的方法論也很多，比如聚類分析／邏輯樹（森林）分析等。作為產品經理，就直接坐等結果好了。 另外一類，就是產品運營型數據分析了。這個一般針對某一個非常具體的問題來進行的。比如，在什麼時段微信推送是效果最好的？沒上新功能怎麼日活下跌了？新功能的使用情況如何，應該怎麼優化等。這類分析一般都是自己提取數據導出到Excel中進行分析。這種分析到方法也不想多說，因為各種產品到角度都不一樣。總之一句話就是盡量多維度的去看問題，不要被預設場景所束縛住，有很多實際情況產品經理根本就想不到。最後，我在說一個數據分析上忌諱的東西，盡量不要用數據去證明自己的預判。也就是說不要先有一個預判（因為A所以B），再想要從數據上去證明這個事情。這樣做會嚴重被數據誤導。比較好的方法是，這個事情應該和ABCD等10個維度有關，再去看這10個維度的數據，再得出結論。等著看獨立日2時怒答此問題！真的是怒答！
22個答案裡面只有那麼一兩個答得靠譜！
先自我簡介：
05-12年做研發和數據工作，12年至今從事各種需求和產品工作。除了代碼方面已經遺忘和生疏的差不多了，唯獨SQL卻越用越熟練。我的建議和具體方式：
1. 必須要學SQL！但要學的是SQL的語法，因為SQL本身是業務語言，不僅可以普適到很多具體的資料庫產品，同時對於用excel進行統計分析的也十分有指導意義。2. 必須要懂得常用的查詢，統計，匯總等。3. 不必糾纏於具體資料庫產品的使用，這個可以請研發同事提供協助。4. 盡量脫離依託excel的數據分析和統計。因為excel完全屏蔽了數據分析的過程，不利於了解數據分析背後的業務需求，而且，SQL的查詢性能再渣渣也是宇宙飛船級別的，excel的再強也是自行車級別的。我的最佳實踐：
通常產品經理需要用到數據知識並不複雜，無外乎各種統計查詢，出個報表而已。所以對於產品經理，能夠通過SQL來完成常用的統計、匯總、計算、分組等數據聚合的查詢即可；略深一點可以寫複雜一點的SQL來完成更高級的數據處理；再深一點自己建幾個常用業務的視圖，每次用直接就能出所須的報表了；繼續深入可以向研發同事請教一下NoSQL的知識，MongoDB估計在不久的將來你就會用到了。最佳實踐1：隨時展示各種奇葩和火急火燎的報表
是的，業務部門總會有各種各樣的數據需求，完全不用每次提過來一個報表需求就走個需求分析流程再交給研發用HighChart做個報表出來，累不累！況且，很多時候業務部門的數據需求很著急，而且很臨時，用Excel畫一個圖就滿足要求了，完全不需要研發同事做一個像模像樣的報表出來。最佳實踐2：產品經理可以隨時看到數據分析情況
是的，業務部門和產品部門提出的或者需要的數據分析需求只是各種數據報表的冰山一角，遠遠無法完整的反應產品的運行情況。如果產品經理能夠懂得一些數據分析知識，就可以隨時隨地的看到自己關心的，但是相對非常具體的產品數據分析結果，對於產品的改進有著非常重要的支撐價值。最佳實踐3：產品經理通過數據分析可以過濾掉很多奇葩需求
產品經理都知道需求的來源很多，需求的內容很奇葩，第一要務就是如何有效的過濾奇葩的需求。以前只靠牛逼的產品經驗和嘴炮，現在有了更具說服力的工具：產品的數據分析。具體請看我在人人都是產品經理上發布的小文，裡面有提到如何用數據來支撐需求的過濾和分析。磊叔的產品之路：需求的過濾篩選和排序：二性三度一數據問答時間：
1. 研發擔心數據被產品經理搞亂？現在資料庫的安全級別都極其的豐富，不僅可以限制表的操作，還能限制客戶端，還能限制IP地址。最安全的就是給產品狗開一個只讀賬號！再不放心就只開放個別表或者試圖的只讀！如果這樣產品狗還能搞亂資料庫，一是辭退dba吧，二是讓產品狗當你們的技術總監吧，三是你們的數據安全機制就是屎，四就是下次產品經理再提需求你們研發就別唧唧歪歪了，老老實實做吧，他比你更懂技術。2. 懂數據的知識不僅僅是操作資料庫
「授人與魚不如授人與漁」。操作資料庫是具體的資料庫產品息息相關，懂得數據的分析則是上面所說是普適的。大可以理解為：不要學習騎捷安特，而要學習騎自行車。當然，從一款具體的資料庫入門學習是一個不錯的方法。3. 產品經理關注的到底是什麼數據？
產品經理需要的數據操作多數是或者說全都是業務級別的需要，而且是統計方面的工作，基本上不太可能去看具體的明細表。明細表是什麼？簡單點說就是大概有幾千萬行數據，每行幾百個欄位，什麼玩意都要儲存下來的表。請記住，未經分析的數據毫無價值。產品經理需要數據去支撐他的工作，所以經過分析、匯總和處理過的數據才是產品經理關注的。結論是：
產品經理必須懂得用SQL來進行日常的各種運營和管理數據的查詢，統計和匯總工作！----------2016.07.18補充----------
前面說的都是理論，下面就是我實際的工作場景。我用的是Dbeaver這個資料庫管理工具，企業版支持NoSql，基於Eclipse開發，界面無難度上手。下面簡單說說我是怎麼用的：1）左邊是資料庫導航，可以看到我連接了5個資料庫。先說這幾個MongoDB的，是我們公司的生產庫，我讓研發同事給我開了部分表的只讀許可權，以免我把玩的時候破壞數據；但是NoSQL的查詢語句上手有點難度，所以我自己裝了一個kettle，定時從mongoDB把數據抽到一個postgresql裡面（MAC-etl），用SQL來查詢更順手一些。2）右邊就是工作區來的，寫了三個入門中的入門中的入門sql，大致是根據某個欄位匯總、統計數據3）下方就是統計結果，可以導出為csv進入excel畫畫裝逼的圖表
自己的體驗就是：
面對業務部門各種稀奇古怪的報表需求，如果交給研發做功能，最快也要一天，黃花菜都涼了。自己能夠快速輸出一些統計結果，快速響應業務部門的報表需求，何樂而不為，況且，寫一個不太複雜的sql，大概也就幾分鐘而已。----------有靈感了再補充----------
作為一個開發者，只想說：別瞎jb折騰啊，最怕的不是什麼都不懂的，而是懂了一點皮毛各種叫的---這個位子本來放了一個妹子，但是他們說tm是色情，老子妥協了。------
產品經理不需要學習怎麼去折騰數據。
記住，
你只需要一個玩xls的妹子，告訴她，
你要什麼數據，
就可以了。
然後干好你產品經理該乾的。推薦你看這套書起步
人大經濟論壇針對自身推的CDA（註冊數據分析師）考試出的教材，數據分析入門很不錯https://www.douban.com/doubanapp/dispatch?uri=/book/26798544/
https://www.douban.com/doubanapp/dispatch?uri=/book/26333068/
https://www.douban.com/doubanapp/dispatch?uri=/book/26792425/
題主提到的資料庫都可以導出Excel來進行統計，但是在資料庫較大的情況下便不適合了。目前國內的程序員水平差距很大，雖然面試的時候都會說把需求擺在第一位，但是相信大多數人都對項目結束後的很多莫名其妙的問題而無可奈何。本人是從事數據分析的職業的，雖然水平很低，但是遇到過不少IT同事的奇妙思路。所以後來便自己從新拿起書本用sql。數據質量，對於工作面向是最底層數據的工作者來說，說白了就是更多的類型描述和更大的數據量。這個時候Excel的劣勢就出現了，難以處理較大量的數據，存儲麻煩，大量數據下去重複都是個難題。這是邁不過去的坎，近些年市場上對於SAS和SQL的人才需求量大增也是有這樣的關係，大多數公司就算招到了高級技術人才也不一定會順利建模，但是基礎數據會越來越順。對於一般不涉及開發和建模的人員來說，學會一般的增刪改查更新去重就可以了。另補充一句，其實隨著學習的加深會發現不一樣的東西來促進工作的進步，這個道理可以應用在各個職業技能里。
我覺得。資料庫要懂。要會操作。一個是對數據結構的理解，有利於對產品的設計。第二是你對數據的分析能力，可以幫助你對數據越來越敏感。第3我覺得，和程序員溝通可以更深入。或者你可以不用自己操作，但是需要有數據獲取的思維和敏感度。在允許的時間內，獲取一種有用的知識，何樂而不為？佔個坑，加完班來答（前研發現產品
---其實只要有一個數據集（data set）你就能分析了，接地氣地說，很多時候這個數據集就是從系統里下載下來的數據報表、郵件裡面收到的周報日報等。用到資料庫的場景包括不限於：
- 很不幸，貴司沒有提供一個數據系統，供你導出 csv 在 Excel 裡面開心地分析
- 你的分析需要的數據量大
- 涉及的數據之間存在關聯，用 Excel 類比就是很多張表需要你來 Lookup，非常麻煩
所以某些時候，即便在大廠，產品也需要做一些資料庫查詢，來輔助自己的產品決策和彙報工作。而為了完成這些工作，你需要掌握最基礎的關係資料庫知識，列一個學習提綱：
- 欄位、表、庫，關係的基本概念
- SELECT ... FROM ... WHERE ... ORDER 最基本的單表查詢
- 欄位的類型和相應的查詢條件
- 分組和匯總計算
- JOIN 多張表
以上能夠覆蓋95%以上產品工作中的數據分析。剩下的更為複雜的統計分析甚至需要用到機器學習的一些預測，就交給研發同學或者 BI。
導入 Excel 的好處在於可以用自己熟悉的工具做出更多類型的分析，畫出好看的圖表。不過數據量過大 Excel 跑起來也會很慢。如果只是要做簡單的匯總（加減乘除平均數等），甚至有分片（如不同用戶類型的消費）等計算，還是直接在資料庫查詢中完成吧。學習excel的操作基本就夠了，這是產品經理的職業工具。
然後跟一個資料庫玩的溜的程序員搞好關係就可以了
這是正確的套路，自己學資料庫，性價比實在太低，而且程序員很難相處么
推薦閱讀：
※產品經理的職業發展、崗位晉陞方面怎麼樣，是否很困難？
※一個布滿了各種按鈕，累積了各種功能的軟體，會是好軟體嗎？
※零基礎入行產品經理課程，怎麼樣？
※想參加一些產品經理方面的培訓，大家有什麼好的培訓課程推薦嗎？
※你最希望QQ減少哪些功能？