⑴ 誰知道怎麼查詢軟體里某一個數據在sql資料庫哪個表裡面無法跟蹤。
不知道你什麼資料庫下面是假設你是SQLServer的情況。--首先在SQLServer伺服器級別，創建登陸帳戶（createlogin）1>CREATELOGINtest_user2>WITHPASSWORD='test',3>DEFAULT_DATABASE=[這里填寫你的默認資料庫的名字],
⑵ 數據分析師日常工作是什麼
(1)寫SQL 腳本：俗稱「跑數據」。leader要一組 季度數據/月數據/周數據 ，寫一段或者N段SQL把數據跑出來。一般是臨時性需求，不過當發現默默地演變成一個常規性需求時，最好直接封裝SP（存儲過程）了……每次跑一下方便省事。這項工作內容需要的技能點有：資料庫，SQL
(2)數據分析項目前中期：這個是耗時很長很麻煩的部分。前期是基礎數據的處理清洗，基礎匯總聚合，然後設計監測指標，指標的設計不僅僅是數學分析，更多需要跑業務需求方那邊了解，畢竟最終目的是要讓別人用，提升效率，不是為了凸顯模型高大上。所有需要的數據都有了之後，開始建立業務模型(數學模型)，整個建模的過程也是反復探索數據的過程，在一定數據量的情況下，初期的建模應用起來一定會這種問題那種問題balabala煩死人……以後邊應用邊調整優化。技能點：資料庫，SQL，excel，R語言，數理統計，數據挖掘，業務知識。
(3)兼職產品經理：業務模型完了後，就有了指標結果。把數據落地到資料庫中。然後接下來需要找開發幫你做可視化站點。作為數據分析師我是最了解這個項目 邏輯流程、核心演算法、業務應用的。找開發幫你做可視化站點：曲線圖啊 柱狀圖啊 餅圖啊 balabala 讓別人一眼就能看到指標的整體狀況。技能點：邏輯思維，流程規劃，數據可視化，一定的開發知識（方便和開發溝通），表達能力力和表情。
(4)模型和指標正式應用起來自後：收集業務部的反饋，不停的跟他們溝通郵件，不停地優化模型，數據表。以及給業務部一些特定需求的分析評估報告（臨時性需求）。技能點：邏輯思維，表達能力
(5)個人學習：有時候會遇到等待別人工作進度的情況，比如別人的上一批數據沒出來，你完全沒法工作。那就上網或者看書 學習知識。數理統計和數據挖掘博大精深，如何能應用得好，產生最高性價比更是一門學問啦。多了解些總是沒壞處的。
(6)大數據部分：涉及到」大數據「已經不是我個人工作內容部分了，而是整組的工作內容。具體需要有專門比較懂hadoop和spark的人負責在上面跑數據，寫最終實現代碼。我們組里的分工大概就是：數據分析師，數據工程師，（半個產品經理），有人身兼三種，有人只愛專精。技能點：無特定加點法則，團隊加點。
⑶ 寫經濟類的論文所需要的數據從哪個資料庫查詢比較方便
可以去圖書館找，也可以去一些資料庫找
⑷ 作為數據分析師的你都有哪些常用工具
大數據分析六大工具盤點：
一、Apache Hadoop
Hadoop 是一個能夠對大量數據進行分布式處理的軟體框架。Hadoop 是可靠的，因為它假設計算元素和存儲會失敗，因此它維護多個工作數據副本，確保能夠針對失敗的節點重新分布處理。Hadoop 是高效的，因為它以並行的方式工作，通過並行處理加快處理速度。Hadoop 還是可伸縮的，能夠處理 PB 級數據。此外，Hadoop 依賴於社區伺服器，因此它的成本比較低，任何人都可以使用。
Hadoop帶有用 Java 語言編寫的框架，因此運行在 Linux 生產平台上是非常理想的。Hadoop 上的應用程序也可以使用其他語言編寫，比如 C++。
二、HPCC
HPCC，High Performance Computing and Communications(高性能計算與通信)的縮寫。1993年，由美國科學、工程、技術聯邦協調理事會向國會提交了「重大挑戰項目：高性能計算與 通信」的報告，也就是被稱為HPCC計劃的報告，即美國總統科學戰略項目，其目的是通過加強研究與開發解決一批重要的科學與技術挑戰問題。HPCC是美國 實施信息高速公路而上實施的計劃，該計劃的實施將耗資百億美元，其主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆 比特網路技術，擴展研究和教育機構及網路連接能力。
該項目主要由五部分組成：
1、高性能計算機系統(HPCS)，內容包括今後幾代計算機系統的研究、系統設計工具、先進的典型系統及原有系統的評價等;
2、先進軟體技術與演算法(ASTA)，內容有巨大挑戰問題的軟體支撐、新演算法設計、軟體分支與工具、計算計算及高性能計算研究中心等;
3、國家科研與教育網格(NREN)，內容有中接站及10億位級傳輸的研究與開發;
4、基本研究與人類資源(BRHR)，內容有基礎研究、培訓、教育及課程教材，被設計通過獎勵調查者-開始的，長期 的調查在可升級的高性能計算中來增加創新意識流，通過提高教育和高性能的計算訓練和通信來加大熟練的和訓練有素的人員的聯營，和來提供必需的基礎架構來支 持這些調查和研究活動;
5、信息基礎結構技術和應用(IITA )，目的在於保證美國在先進信息技術開發方面的領先地位。
三、Storm
Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。 Storm很簡單，支持許多種編程語言，使用起來非常有趣。Storm由Twitter開源而來，其它知名的應用企業包括Groupon、淘寶、支付寶、阿里巴巴、樂元素、Admaster等等。
Storm有許多應用領域：實時分析、在線機器學習、不停頓的計算、分布式RPC(遠過程調用協議，一種通過網路從遠程計算機程序上請求服務)、 ETL(Extraction-Transformation-Loading的縮寫，即數據抽取、轉換和載入)等等。Storm的處理速度驚人：經測 試，每個節點每秒鍾可以處理100萬個數據元組。Storm是可擴展、容錯，很容易設置和操作。
四、Apache Drill
為了幫助企業用戶尋找更為有效、加快Hadoop數據查詢的方法，Apache軟體基金會近日發起了一項名為「Drill」的開源項目。Apache Drill 實現了 Google's Dremel.
該項目將會創建出開源版本的谷歌Dremel Hadoop工具(谷歌使用該工具來為Hadoop數據分析工具的互聯網應用提速)。而「Drill」將有助於Hadoop用戶實現更快查詢海量數據集的目的。
「Drill」項目其實也是從谷歌的Dremel項目中獲得靈感：該項目幫助谷歌實現海量數據集的分析處理，包括分析抓取Web文檔、跟蹤安裝在Android Market上的應用程序數據、分析垃圾郵件、分析谷歌分布式構建系統上的測試結果等等。
通過開發「Drill」Apache開源項目，組織機構將有望建立Drill所屬的API介面和靈活強大的體系架構，從而幫助支持廣泛的數據源、數據格式和查詢語言。
五、RapidMiner
RapidMiner是世界領先的數據挖掘解決方案，在一個非常大的程度上有著先進技術。它數據挖掘任務涉及范圍廣泛，包括各種數據藝術，能簡化數據挖掘過程的設計和評價。
功能和特點
免費提供數據挖掘技術和庫
100%用Java代碼(可運行在操作系統)
數據挖掘過程簡單，強大和直觀
內部XML保證了標准化的格式來表示交換數據挖掘過程
可以用簡單腳本語言自動進行大規模進程
多層次的數據視圖，確保有效和透明的數據
圖形用戶界面的互動原型
命令行(批處理模式)自動大規模應用
Java API(應用編程介面)
簡單的插件和推廣機制
強大的可視化引擎，許多尖端的高維數據的可視化建模
400多個數據挖掘運營商支持
耶魯大學已成功地應用在許多不同的應用領域，包括文本挖掘，多媒體挖掘，功能設計，數據流挖掘，集成開發的方法和分布式數據挖掘。
六、Pentaho BI
Pentaho BI 平台不同於傳統的BI 產品，它是一個以流程為中心的，面向解決方案(Solution)的框架。其目的在於將一系列企業級BI產品、開源軟體、API等等組件集成起來，方便商務智能應用的開發。它的出現，使得一系列的面向商務智能的獨立產品如Jfree、Quartz等等，能夠集成在一起，構成一項項復雜的、完整的商務智能解決方案。
Pentaho SDK共包含五個部分：Pentaho平台、Pentaho示例資料庫、可獨立運行的Pentaho平台、Pentaho解決方案示例和一個預先配製好的 Pentaho網路伺服器。其中Pentaho平台是Pentaho平台最主要的部分，囊括了Pentaho平台源代碼的主體;Pentaho資料庫為 Pentaho平台的正常運行提供的數據服務，包括配置信息、Solution相關的信息等等，對於Pentaho平台來說它不是必須的，通過配置是可以用其它資料庫服務取代的;可獨立運行的Pentaho平台是Pentaho平台的獨立運行模式的示例，它演示了如何使Pentaho平台在沒有應用伺服器支持的情況下獨立運行;Pentaho解決方案示例是一個Eclipse工程，用來演示如何為Pentaho平台開發相關的商業智能解決方案。
Pentaho BI 平台構建於伺服器，引擎和組件的基礎之上。這些提供了系統的J2EE 伺服器，安全，portal，工作流，規則引擎，圖表，協作，內容管理，數據集成，分析和建模功能。這些組件的大部分是基於標準的，可使用其他產品替換之。
本文轉載自加米穀大大數據-技術分享專欄，轉載請註明出處。
⑸ 數據分析師獲取數據的方式有哪些
1、外部購買數據
有很多公司或者平台是專門做數據收集和分析的，企業會直接從那裡購買數據或者相關服務給數據分析師，這是一種常見的獲取數據的方式之一。
2、網路爬取數據
除了購買數據以外，數據分析師還可以通過網路爬蟲從網路上爬取數據。比如大家可以利用網路爬蟲爬取一些需要的數據，再將數據存儲稱為表格的形式。當你在瀏覽網頁時，瀏覽器就相當於客戶端，會去連接我們要訪問的網站獲取數據，然後通過瀏覽器解析之後展示給我們看，而網路爬蟲可以通過代碼模擬人類在瀏覽器上訪問網站，獲取相應的數據，然後經過處理後保存成文件或存儲到資料庫中供我使用。此外，網路爬蟲還可以爬取一些手機APP客戶端上的數據。
3、免費開源數據
外部購買數據要花費一定的資金，網路爬取對技術又有一定的要求，有沒有什麼辦法能又省力又省錢的採集數據呢?當然有，互聯網上有一些“開放數據”來源，如政府機構、非營利組織和企業會免費提供一些數據，根據需求你可以免費下載。
4、企業內部數據
了解了企業外部數據的來源，其實企業內部本身就會產生很多數據提供給我們分析，我們一起來了解一下吧。前面說了，內部數據通常包含銷售數據、考勤數據、財務數據等。比如銷售數據是大部分公司的核心數據之一，它反應了企業發展狀況，是數據分析的重點對象。
關於數據分析師獲取數據的方式有哪些，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。
⑹ 數據分析師日常都分析哪些數據
數據分析有：分類分析，矩陣分析，漏斗分析，相關分析，邏輯樹分析，趨勢分析，行為軌跡分析，等等。 我用HR的工作來舉例，說明上面這些分析要怎麼做，才能得出洞見。
01） 分類分析
比如分成不同部門、不同崗位層級、不同年齡段，來分析人才流失率。比如發現某個部門流失率特別高，那麼就可以去分析。
02） 矩陣分析
比如公司有價值觀和能力的考核，那麼可以把考核結果做出矩陣圖，能力強價值匹配的員工、能力強價值不匹配的員工、能力弱價值匹配的員工、能力弱價值不匹配的員工各佔多少比例，從而發現公司的人才健康度。
03） 漏斗分析
比如記錄招聘數據，投遞簡歷、通過初篩、通過一面、通過二面、通過終面、接下Offer、成功入職、通過試用期，這就是一個完整的招聘漏斗，從數據中，可以看到哪個環節還可以優化。
04） 相關分析
比如公司各個分店的人才流失率差異較大，那麼可以把各個分店的員工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、員工年齡、管理人員年齡等）要素進行相關性分析，找到最能夠挽留員工的關鍵因素。
05） 邏輯樹分析
比如近期發現員工的滿意度有所降低，那麼就進行拆解，滿意度跟薪酬、福利、職業發展、工作氛圍有關，然後薪酬分為基本薪資和獎金，這樣層層拆解，找出滿意度各個影響因素裡面的變化因素，從而得出洞見。
06） 趨勢分析
比如人才流失率過去12個月的變化趨勢。
07）行為軌跡分析
比如跟蹤一個銷售人員的行為軌跡，從入職、到開始產生業績、到業績快速增長、到疲憊期、到逐漸穩定。
⑺ 最適合數據分析師的資料庫為什麼不是MySQL
首先，Benn Stancil認為查詢錯誤是否容易解決是衡量資料庫的一個最基本指標。資料庫提供的錯誤信息(通常是語法錯誤、函數名錯誤、逗號錯位等)最能表明該系統是否會對數據分析師造成極大的挫敗感。通過對8種資料庫查詢錯誤頻率的比較，Benn Stancil發現Vertica和SQL Server錯誤率最高，MySQL和Impala最低，如圖所示：
但是，對於該結果Benn Stancil認為可能有點不嚴謹，因為Impala、MySQL和Hive是開源的免費產品，而Vertica、SQL Server和BigQuery不是，後三者的用戶通常是有充足分析預算的大型企業，其較高的錯誤率很有可能是由於使用更深入而不是語言「更難用」。
⑻ 一般數據分析師常用的工具有哪些
①數據處理工具：Excel
在Excel，需要重點了解數據處理的重要技巧及函數的應用，特別是數據清理技術的應用。這項運用能對數據去偽存真，掌握數據主動權，全面掌控數據;Excel數據透視表的應用重在挖掘隱藏的數據價值，輕松整合海量數據：各種圖表類型的製作技巧及Power Query、Power Pivot的應用可展現數據可視化效果，讓數據說話。
②資料庫：MySQL
Excel如果能夠玩的很轉，能勝任一部分數據量不是很大的公司。但是基於Excel處理數據能力有限，如果想勝任中型的互聯網公司中數據分析崗位還是比較困難。因此需要學會資料庫技術，一般Mysql。你需要了解MySQL管理工具的使用以及資料庫的基本操作;數據表的基本操作、MySQL的數據類型和運算符、MySQL函數、查詢語句、存儲過程與函數、觸發程序以及視圖等。比較高階的需要學習MySQL的備份和恢復;熟悉完整的MySQL數據系統開發流程。
③數據可視化：Tableau & Echarts
目前比較流行的商業數據可視化工具是Tableau & Echarts。Echarts是開源的，代碼可以自己改，種類也非常豐富。
④大數據分析：SPSS & Python& HiveSQL 等
如果說Excel是“輕數據處理工具”，Mysql是“中型數據處理工具”那麼，大數據分析，涉及的面就非常廣泛，技術點涉及的也比較多。
⑼ 數據分析師每天做什麼
數據分析是干什麼的？
在企業里收集數據、計算數據、提供數據給其他部門使用的。
數據分析有什麼用?
從工作流程的角度看，至少有5類分析經常做：
工作開始前策劃型分析：要分析一下哪些事情值得的做
工作開始前預測型分析：預測一下目前走勢，預計效果
工作中的監控型分析：監控指標走勢，發現問題
工作中的原因型分析：分析問題原因，找到對策
工作後的復盤型分析：積累經驗，總結教訓