㈠ 沒有任何基礎的人怎麼學sql
如果是初學sql的話，推薦自己安裝單機安裝一個資料庫（比如經典的mysql），然後找一本書（當當網找搜索mysql，然後找排名靠前的，對自己胃口的……當然，如果英語不錯的話，官方文檔是你最好的選擇），就著書實際操作下資料庫，這樣學習起來應該比較快。對了，個人比較建議先找本講資料庫基礎、原理的書來看一遍，理論實踐結合的方式我認為是最好的sql可以認為是一種編程語言，學習相對比較容易，難得是如何解決實際問題，在各種情況下通過協調滿足一定的指標。比如如何設計表、索引等使得的查詢速度達到最快，允許犧牲一定的寫性能。比如如何設計可以達到實時寫的能力，允許舍棄一定的讀性能。最終，還是要結合具體的資料庫、業務場景，在某方面達到最低保證的情況下，使得另一方面發揮到極致，這才是最重要的也是最難的。
㈡ 數據分析行業中的數據運營是怎麼一回事
現在由於物聯網和大數據的蓬勃發展，使得數據分析行業異常火爆，現在市場上的數據分析行業的崗位是非常多的，比如說包括數據工程師、數據運維、數據分析師、數據運營、產品數據方向等，一般工程師都是搞開發的，都是需要理工科的專業背景，但是對於文科生，如果想進入數據分析行業，只能建議大家去搞數據運營方面，做了數據運營也能夠學會很多的知識。那麼大家知道不知道數據分析行業中的數據運營是怎麼一回事。
首先給大家說說數據運營的日常工作內容吧，一般來說，數據運營能夠建立運營核心數據指標體系，形成口徑規范表；開展競品調研工作，對競品的運營策略進行分析，並提出相應措施；包括建立數據體系、建立數據統計平台、日常監測、專項分析、用戶模型。如果公司已經有數據統計平台了，則要進行平台的迭代和優化。根據運營核心數據指標體系，建立日報、周報、月報等報表；建立數據平台, 進行數據監測, 發現異常、分析原因、提出建議；建立用戶畫像，對用戶進行分級，從而進行精準營銷；監測營銷活動效果，發現問題調整策略，對活動進行迭代；
數據運營對於技能的要求是什麼呢？首先來說，數據分析的崗位要求是熟練使用Excel、sql、spss等數據分析軟體，如果會使用Python更佳，當然還需要學習其他的邏輯知識，以及培養數據敏感等素質。就平時的工作來說，用到最多的就是excel、SQL，如果在金融公司會比較常用spss。所以如果想從事數據運營，excel要精通，sql要熟練，Python是加分項。大家在學習的時候一定要多多的注意上面知識的學習，這樣才能夠勝任這份工作。
一般來說，數據運營是和業務緊密結合的職位，因此核心工作是，通過業務數據，給運營和產品提出優化建議。無論是日常監測、用戶分析，還是其他潛在規律的挖掘，都是圍繞著運營指標來做的。
通過上面的內容，我們不難發現數據分析行業中的數據運營工作和其他的崗位想必簡直不要太簡單，所以說，文科生也是可以學數據分析知識的，在數據分析中，上面提到的內容都是很基礎很好學的，大家在學習的時候多用心，這樣才能夠做好數據運營。
㈢ SQL SERVER 在日常工作中是如何運行的
一般都是有一個外部軟體，這個軟體可以是Exe的也可以是網頁形式的。
用戶的操作（比如在網頁上添加一個員工信息）通過這樣的軟體保存到資料庫中
從資料庫裡面讀寫數據用的是sql語句。這個開發人員使用就行了，對於用戶只需要會軟體的界面操作就ok了
㈣ 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。