『壹』 產品運營需要學sql嗎
首先先說觀點, 產品和運營都有學SQL的必要.
無論公司里是不是有BI 亦或者有很成熟的數據報告體系,多掌握一門SQL語言還是有一定必要的.
公司的數據報表都是以全局緯度數據作為體現的. 想要一個個體緯度數據, 就需要到資料庫里去提取.
這時候SQL的作用就能體現了. 學會了SQL可以自己去拿數據.工作效率更高.
再不濟,了解一定的SQL知識,至少不會被技術,BI 忽悠.
對開展工作有非常大的好處
『貳』 SQL是做什麼的
是一門對數據操作的語言，就是上面說的結構化查詢語言，不但能查詢修改而且它能夠定義數據~
『叄』 數據運營是什麼的
數據運營是指數據的所有者通過對於數據的分析挖掘，把隱藏在海量數據中的信息作為商品，以合規化的形式發布出去，供數據的消費者使用 崗位職責： 1、通過數據監控、數據報表、數據分析等方法，幫助管理內容運營鏈條的各類關鍵數據，驅動業務優化迭代，完成目標。 2、能夠理解內容、產品、用戶和場景，通過數據分析洞察業務關聯。 3、根據各類數據結果，並根據業務需求，提出運營或產品解決方案，推動業務落地。 4、完成內容運營數據獲取、數據報表、數據分析、數據建模等各類數據產品。 5、完成領導安排的其他工作。 任職要求： 1、對數據敏感並有很強的洞察能力，快速從繁雜數據中發現問題。 2、極強的業務學習能力，能夠把數據和業務緊密聯系. 3、優秀的協調和溝通能力，能夠推動數據和運營方案實施。 4、2年以上數據運營或數據分析經驗，掌握Hive或SQL，熟悉tableau，精通Excel。 5、有互聯網從業、參與過內容運營項目的經驗優先。
『肆』 IT行業大數據運營好學嗎 都需要掌握什麼知識
大數據分析一直是過去這十年的一個重要技術趨勢，也是IT市場中最具活力和創新力的領域之一。但是如今的大數據分析市場與幾年前截然不同，未來幾年肯定也會有很大的變化。
大數據需要掌握的知識：
一、Java編程
Java語言是基礎，可以編寫Web應用、桌面應用、分布式系統、嵌入式系統應用等。Java語言有很多優點，它的跨平台能力贏得了很多工程師的喜愛。
二、linux基礎操作命令
大數據開發一般在Linux環境下進行。
大數據工程師使用的命令主要在三方面：查看進程，包括CPU、內存;排查故障，定位問題;排除系統慢的原因等。
三、hadoop
Hadoop中使用最多的是HDFS集群和MapRece框架。
HDFS存儲數據，並優化存取過程。
MapRece方便了工程師編寫應用程序。
四、HBase
HBase可以隨機、實時讀寫大數據，更適合於非結構化數據存儲，核心是分布式的、面向列的Apache HBase資料庫。
HBase作為Hadoop的數據看，它的應用、架構和高級用法對大數據開發來說非常重要。
五、Hive
Hive作為Hadoop的一個數據倉庫工具，方便了數據匯總和統計分析。
六、ZooKeeper
ZooKeeper是Hadoop和Hbase的重要組件，可以協調為分布式應用程序。
ZooKeeper的的功能主要有：配置維護、域名服務、分布式同步、組件服務。
七、phoenix
phoenix是一種開源的sql引擎，是用Java語言編寫的。
八、Avro與Protobuf
Avro、Protobuf是適合做數據存儲的數據序列化系統，有較豐富的數據結構類型，可以在多種不同的語言間進行通信。
九、Cassandra
Apache Cassandra是運行在伺服器或者雲基礎設施上的可以為數據提供完美平台的資料庫，具有高性能、可擴展性、高線性。
Cassandra支持數據中心間互相復制，低延遲、不受斷電影響。它的數據模型有列索引、高性能視圖和內置緩存。
十、Kafka
Kafka可以通過集群來提供實時的消息的分布式發布訂閱消息系統，具有很高的吞吐量，主要是利用Hadoop的並行載入來統一線上、離線的消息處理。
十一、Chukwa
Chukwa是一個分布式的數據採集監視系統，具有可伸縮性和健壯性。
Chukwa的工具包可以對結果進行顯示、監測、分析，充分使用收集到的數據。
十二、Flume
Flume是海量日誌處理系統，具有高可用、高可靠、分布式的特點，可以對日誌進行採集、聚合和傳輸。
Flume可以定製數據發送方來收集數據，也可以對數據簡單處理後寫到數據接收方。
以上我的回答希望對你有所幫助
『伍』 sql server 工程師以後的工作方向
資料庫方向上的十種職業 這幾天泡在「三十而立」那個板塊，看到很多朋友（從20歲以下到35歲以上，呵呵）都有很多感觸或者迷惑。 所謂「人無遠慮，必有近憂」，如果等到了30歲還不知道自己想干什麼，能幹什麼，那也許是一種遺憾或者悲哀。 在MSSQL這個板塊也偶爾看到一些朋友問關於發展方向和重點等方面的問題。 我不敢說自己的資料庫專業知識有多強，畢竟這個世界很大，牛人極多。 只是想把自己在資料庫這個方向上親身做過的，遇到和看得到一些職位大致總結一下， 這些職位都是實實在在的貼在招聘各種網站上的，我也有機會和一些職位上的朋友或同事工作過。 希望對大家確定自己的職業方向和重點有一點幫助。 如果總結得不準確或者有誤，請各位高手指正。只有通過討論和交流才能共同提高。 ----------------------------------------------------------------------- 資料庫方向上的十種職業 （除去那些資料庫研發等太過專業的方向） 前面五種的重點是設計和應用，側重於軟體和數據邏輯層面。 後面五種的重點是運營和維護，側重與硬體和數據物理層面。 不過這些職位不是孤立，反而是互相交叉的，只是側重點不同。 說實在的，這些職位沒有好與不好之分，每個方向都可以做得很好， 全憑個人的興趣和目標，但是因為有些職位需求相對少，有機會接觸的人不多， 結果就物以稀罕為貴，市場需求決定價值。 前面五種： 重點是設計和應用，側重於軟體和數據邏輯層面。 資料庫應用開發 (application development) 除了基本的SQL方面的知識，還要對開發流程，軟體工程，各種框架和開發工具等等 資料庫應用開發這個方向上的機會最多，職位最多 數據建模專家 (data modeler) 除了基本的SQL方面的知識，非常熟悉資料庫原理，數據建模 負責將用戶對數據的需求轉化為資料庫物理設計和物理設計 這個方向上在大公司（金融，保險，研究，軟體開發商等）有專門職位， 在中小公司則可能由程序員承擔。 商業智能專家 (business intelligence - BI) 主要從商業應用，最終用戶的角度去從數據中獲得有用的信息， 涉及OLAP (online analytical processing) 需要使用SSRS, cognos, crystal report等報表工具，或者其他一些數據挖掘，統計方面的軟體工具 （這個方面我不熟悉，不敢亂說：） ETL開發 (ETL Developer) 使用ETL工具或者自己編寫程序在不同的數據源之間對數據進行導入，導出，轉換， 所接觸的資料庫一般數據量非常大，要求進行的數據轉換也比較復雜。 和數據倉庫和商業智能的關系比較密切。 在一些資料庫應用規模很大的公司裡面有專門的職位， 中小公司裡面則可能由程序員或者DBA負責這方面的工作。 數據構架師 (Data Architect) 主要從全局上制定和控制關於資料庫在邏輯這一層的大方向， 也包括數據可用性，擴展性等長期性戰略， 協調資料庫的應用開發，建模，DBA之間的工作。 這個方向上在大公司（金融，保險，研究，軟體開發商等）有專門職位， 在中小公司或者沒有這個職位，或者由開發人員，DBA負責。 後面五種： 重點是運營和維護，側重與硬體和數據物理層面。 資料庫管理員 (database administrator - DBA) 資料庫的安裝，配置，調優，備份/恢復，監控，自動化等， 協助應用開發（有些職位還要求優化SQL，寫存儲過程和函數等） 這個方向上的職位相對少一些，但一般有點規模的公司還是會有這樣的職位 數據倉庫專家 (data warehouse - DW) 應付超大規模的數據，歷史數據的存儲，管理和使用， 和商業智能關系密切，很多時候BI和DW是放在一個大類裡面的， 但是我覺得DW更側重於硬體和物理層上的管理和優化。 存儲工程師 (storage engineer) 專門負責提供數據存儲方案，使用各種存儲技術滿足數據訪問和存儲需求， 和DBA的工作關系比較密切。 對高可用性有嚴格要求（比如通信，金融，數據中心等）的公司通常有這種職位， 這種職位也非常少。 性能優化工程師 (performance engineer) 專長資料庫的性能調試和優化，為用戶提供解決性能瓶頸方面的問題。 我知道至少IBM, 微軟和Oracle都有專門的資料庫性能實驗室(database performance lab）, 也有專門的性能優化工程師，負責為其資料庫產品和關鍵應用提供這方面的技術支持。 對資料庫性能有嚴格要求的公司（比如金融行業）可能會有這種職位。 因為針對性很強，甚至要求對多種資料庫非常熟悉，所以職位極少。 高級資料庫管理員 (senior DBA) 在DBA的基礎上，還涉及上面3種職位的部分工作，具體包括下面這些： 對應用系統的數據（布局，訪問模式，增長模式，存儲要求等）比較熟悉。 對性能優化非常熟悉，可以發現並優化從SQL到硬體I/O，網路等各個層面上的瓶頸 對於存儲技術相對熟悉，可能代替存儲工程師的一些工作， 對資料庫的高可用性技術非常熟悉（比如MSSQL的集群，ORACLE RAC/FailSafe, IBM的DPF, HADR等） 對大規模資料庫有效進行物理擴展（比如表分區）或者邏輯擴展（比如資料庫分區，聯合資料庫等） 熟悉各種數據復制技術，比如單向，雙向，點對點復制技術，以滿足應用要求。 災難數據恢復過程的建立，測試和執行 這種職位一般只在對資料庫要求非常高並且規模非常大（比如金融，電信，數據中心等）的公司需要， 而且這種公司一般有一個專門獨立負責資料庫的部門或組。 這種職位非常少。
『陸』 運營學sql還是python
如果走技術路線的運營，學這兩個，為一個運營，學這兩個，相對一個運營來說相對辛苦，學得不精，對運營來說沒什麼用，如果學精了，那可以去搞開發了，python對於運營來說多用於爬數據，存sql，分析，但是，運營大多是以銷售為住，技術只是輔助，聯系還是先把運營做精，看自己的瓶頸在那裡。再考慮學什麼。
『柒』 店鋪運營管理系統（SQL）會員資料都是以什麼形式保存的文件對於這個文件怎樣打開並修改裡面數據呢
保存在資料庫中的。
具體文件格式看是什麼資料庫。
可以用對應的資料庫軟體去看，去改。
比如MySQL,SQLServer,Oracle
『捌』 什麼的大數據運營
這兩年大數據行業新提出了一個概念，叫大數據運營，所謂的BigData Operation，目前在各個行業中均處在蓬勃發展的階段，就筆者來看，BDO代表了一種大數據的未來方向，以筆者所從事的網路游戲行業來看，具有比較大的發展空間，下面科多大數據來給大家做個簡單介紹。
1、前世今生從大數據進入游戲行業以來，大概經歷了幾個階段
其中基礎支撐和可視化監控，是常見的基本大數據應用，
運營活動支撐，包含了常規的活動效果分析和反饋、資料庫營銷，還有活動的策劃建議（從運營的角度和數據的驗證上看活動該如何做，目前的活動都是需要大數據分析師一起討論同意後才上線）；
游戲設計支撐，包含了常規的版本和功能的效果分析、反饋（大數據分析師指出問題所在，並給出改進建議），而且在游戲的研發和持續更新階段，對於功能的策劃和數值的配平等，均依據大數據分析師給出的數據參考。
從這里看出，大數據運營（BDO）不僅包含傳統的數據收集和可視化、資料庫營銷等，而且逐漸的脫離了最初的數據驅動原則，而是以企業整體目標（比如游戲KPI的完成）為導向，以運營為驅動，涵蓋運營的各個方面，以大數據為重要依據，以大數據分析結果為評判標准，構建企業的「數據運營」的文化。
供參考。
『玖』 為什麼要學SQL
作為一名數據分析師，每天最基本的工作不是分析數據，而是提取數據。比如在互聯網公司最常見的場景，是產品經理對著數據分析師喊，「這周發版本了，快點幫我提取一下這個新功能的點擊率和留存率」，「昨天有一場運營活動，幫我看一下這個banner圖的點擊率和下載轉化率」，「要發月報了，快幫我導一下這個月的活躍用戶數、下載人數、付費轉化率」。這時數據分析師就坐在電腦前啪啪啪地敲鍵盤，一會產品經理要的數據就導到Excel表格里了。他敲的東西，就是SQL語言。
寫SQL提取數據的工作，佔了數據分析師至少40%的時間，所以你說SQL重不重要？那為什麼是SQL，不是其他的語言，這個就需要談到資料庫語言的發展歷史了。