Ⅰ 大数据BI需要重视sql语句吗
现在不论什么公司，数据基本都会存放在数据库中（MySQL，SQLserver、Oracle等等），数据分析难免会从数据库中提取数据，还是比较重要的。
Ⅱ oracle数据库开发和做BI这两个是一回事吗
不是一回事。
Oracle Database 12c 是一个集成平台，它支持 SQL、XML 和过程化语言（例如，PL/SQL、Java 和 C/C++），不但使用简单，而且还具有很高的性能和可扩展性。下面介绍了 Oracle 数据库简化应用开发的众多特性，包括语言、开发工具、连接和相关技术。
BI工程师需要有一定的数据库经验，掌握SQL查询优化方法，精通Oracle、SQL Server、MySQL等主流数据库的应用设计、性能调优及存储过程的开发。掌握BI相关工具，如ETL工具（如SSIS）、OLAP工具（如SSAS）和前端展示工具。熟悉ETL逻辑、OLAP设计和数据挖掘相关算法。
Ⅲ SAP中的BI模块 与 SQL Server中的BI有什么区别呢
finebi很不错，你上网络搜商业智能软件就看到了。首先我试用体会最大的就是界面风格简单明了，逻辑清晰，数据字段自动转义关联，甚至还可以从已经绑定字段的excel里面选字段。另外数据展现的很快，不用等，我这种没耐心的最怕看到“加载中”……orz。
Ⅳ bi工程师,数据仓库工程师,etl工程师有什么区别
BI工程师、数据仓库工程师、ETL工程师都属于大数据工程技术人员，三种的主要区别如下：
一、工作内容不同
1、BI工程师：主要是报表开发，负责开发工作。
2、数据库工程师：主要负责业务数据库从设计、测试到部署交付的全生命周期管理。
3、ETL工程师：从事系统编程、数据库编程与设计。
二、要求不同
1、BI工程师：要有一定的数据库经验，掌握SQL查询优化方法，精通Oracle、SQLServer、MySQL等主流数据库的应用设计、性能调优及存储过程的开发。
2、数据库工程师：理解数据备份/恢复与灾难恢复；工具集的使用。
3、ETL工程师：要掌握各百种常用的编程语言。
三、特点不同
1、BI工程师：熟悉ETL逻辑、OLAP设计和数据挖掘相关算法。
2、数据库工程师：凡是关系到数据库质量、效率、成本、安全等方面的工作，及涉及到的技术、组件，都在数据库工程师的技术范畴里。
3、ETL工程师：海量数据的ETL开发，抽取成各种数据需求。
Ⅳ oracle数据库开发和做BI 这两个是一回事吗
数据库开发是指从事针对数据库方面的开发工作，主要是存储过程等的开发，也有部分是混杂部分简单程序的。但主要任务都是通过sql来实现的，高端点，会包括一些数据模型设计等工作。
bi是指数据分析，其实是数据库开发的一类，但从深度上会更深入一些，技术上要额外考虑大数据处理，要对数据库优化有一定理解，如果不懂sql优化的话，基本上很难完成大数据分析的任务的。
另外除数据库技术以外，做BI还有有相关的业务理念，比如说通过这些数据，能获得哪些信息？这是需要经验和想法的事情。
总的来说，bi属于数据库开发中的一类，但有很高的专业性。
Ⅵ 本人对BI比较感兴趣，目前也只是初步研究了SQL Server 2005中的分析服务，其他还都没有学习，想问问各位大
做BI的，目前主要的数据库有Oracle、DB2、MySQL。这3种用的比较多，相对而言，我推荐学习Oralce。
BI开发语音主要java多一些，做数据页面展示用，可以结合网络电子商务开发。
Ⅶ 财务人员真的有必要学习 SQL 语言和 Power BI 吗
先说结论吧，有必要学，但是不要学的太深。
题主说的那是财务分析师，这是一个新兴职业，目前的需求不多，只有在大公司里才有，而且这种不属于传统类型，更多的是属于战略部门。
你随便拉个大厂的财务出来，你问问她们会不会SQL，会不会BI工具，90%的回答肯定都是不会，因为这种财务做的事情大多数都偏传统，涉及到的工具还是Excel，能把Excel玩的很厉害的也是极少数。
Excel需要熟练的技能有：基础函数、进阶函数、数据透视表、数据清洗。
记住，什么是熟练，是不需要任何帮助文档就能把东西给做出来，把上面这些操作搞定之后才有学SQL和BI工具的必要。
先说SQL，你不需要变成一个取数机器，你只需要学会查询、连接等基本操作就行，select from和各个财务报表之间的关系搞清楚就行了，还有一个就是要学会连接数据库，BI工具用的到。
Ⅷ 数据仓库与SQL数据库有什么区别
首先，定义三个概念：数据库软件、数据库、数据仓库。
数据库软件：是一种软件，可以看得见，可以操作。用来实现数据库逻辑功能。属于物理层。
数据库：是一种逻辑概念，用来存放数据的仓库。通过数据库软件来实现。数据库由很多表组成，表是二维的，一张表里可以有很多字段。字段一字排开，对应的数据就一行一行写入表中。数据库的美，在于能够用二维表现多维关系。目前市面上流行的数据库都是二维数据库。如：Oracle、DB2、MySQL、Sybase、MS SQL Server等。
数据仓库：是数据库概念的升级。从逻辑上理解，数据库和数据仓库没有区别，都是通过数据库软件实现的存放数据的地方，只不过从数据量来说，数据仓库要比数据库更庞大得多。数据仓库主要用于数据挖掘和数据分析。
接下来，就是详细说明了。在IT的架构体系中，数据库是必须存在的。必须要有地方存放数据。比如现在的网购，淘宝，京东等等。物品的存货数量，货品的价格，用户的账户余额之类的。这些数据都是存放在后台数据库中。或者最简单理解，我们现在微博，QQ等账户的用户名和密码。在后台数据库必然有一张user表，字段起码有两个，即用户名和密码，然后我们的数据就一行一行的存在表上面。当我们登录的时候，我们填写了用户名和密码，这些数据就会被传回到后台去，去跟表上面的数据匹配，匹配成功了，你就能登录了。匹配不成功就会报错说密码错误或者没有此用户名等。这个就是数据库，数据库在生产环境就是用来干活的。凡是跟业务应用挂钩的，我们都使用数据库。
而数据仓库则是BI下的其中一种技术。由于数据库是跟业务应用挂钩的，所以一个数据库不可能装下一家公司的所有数据。数据库的表设计往往是针对某一个应用进行设计的。比如刚才那个登录的功能，这张user表上就只有这两个字段，没有别的字段了。但是这张表符合应用，没有问题。但是这张表不符合分析。比如我想知道在哪个时间段，用户登录的量最多？哪个用户一年购物最多？诸如此类的指标。那就要重新设计数据库的表结构了。对于数据分析和数据挖掘，我们引入数据仓库概念。数据仓库的表结构是依照分析需求，分析维度，分析指标进行设计的。数据仓库的数据来源于那些后台持续不停运作的数据库表。数据的搬运就牵涉到另一个技术叫ETL。这个过程就是数据从一个数据库到了数据仓库
Ⅸ 为什么大数据不等于BI
第一、从数据来源角度
大数据应用的数据来源，不仅仅包括非结构化的数据，还有各种系统数据，数据库数据。其中非结构化数据主要是集中在互联网以及一些社交网站上的数据以及一些机器设备的数据，这些都构成了大数据应用的数据来源。对于大数据的分析工具来说，现阶段也是对于非结构化的数据分析的比较多。
BI系统则是在数据集成方面的技术越来越成熟，对于数据的提取，一个各种数据挖掘的要求来说，数据集成平台会帮助企业实现数据的流通和交互使用，在企业内部实施BI应用就是为了可以更好的对数据进行分享和使用。
第二、从思维方式角度
大数据对于传统BI，既有继承，也有发展，从”道”的角度讲，BI与大数据区别在于前者更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。
第三、从发展方向角度
BI的发展要从传统的商务智能模式开始转换，对于企业来说，BI不仅仅是一个IT项目，更是一种管理和思维的方式，从技术的部署到业务的流程规划，BI迎来新的发展。对于大数据来说，现阶段更多的大数据关注在非结构化数据，不同的数据分析工具的出现和行内的应用范围不断的加大，对于大数据应用来说，怎么与应用的行业进行一个深层次的结合才是最重要的。
第四、从工具的角度
传统BI使用的是ETL、数据仓库、OLAP、可视化报表技术，属于应用和展示层技术，目前都处于淘汰的边缘，因为它解决不了海量数据(包括结构化与非结构化)的处理问题。而大数据应用的是一个完整的技术体系，包括用Hadoop、流处理等技术解决海量的结构化、非结构化数据的ETL问题，用Hadoop、MPP等技术计算海量数据的计算问题，用redis、HBASE等方式解决高效读的问题，用Impala等技术实现在线分析等问题。因此是个全新的行业。
第五、从人员的角度
传统BI只要掌握核心的SQL技术就可以从事BI的工作，而大数据的数据处理，涉及太多新的技术，不同的应用场景需要不同的大数据处理方法了，而且不再有人机交互那么好的客户端了，至少要懂流处理、HADOOP、列式或分布式键值数据库吧，还需要能在SPARK上开发算法程序，对于用户画像、产品标签化、推荐系统、排序算法都应有所理解。
因此，大数据相对于传统BI，不是简单的PLUS的关系，它涉及了思想、工具和人员深层次的变革，BI工作人员应该尽快顺应大势，更新自己，奋起直追，重装上阵。
Ⅹ 大数据工程师告诉你大数据和BI的区别
【导读】在进行大数据分析的时候，分析师需要从海量的收集数据中，通过不同的算法直接分析不同渠道、格式的数据，从中找到相关数据，然后再做进一步分析，得出较为准确的结论。近年来大数据行业颇受欢迎，报考人数也是越来越多，所以我们更需要全面了解，今天我们就来了解一下大数据和BI的区别。
1、从思维方式角度
大数据对于传统BI，既有继承，也有发展，从”道”的角度讲，BI与大数据区别在于前者更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。
2、从工具的角度
传统BI使用的是ETL、数据仓库、OLAP、可视化报表技术，属于应用和展示层技术，目前都处于淘汰的边缘，因为它解决不了海量数据(包括结构化与非结构化)的处理问题。而大数据应用的是一个完整的技术体系，包括用Hadoop、流处理等技术解决海量的结构化、非结构化数据的ETL问题，用Hadoop、MPP等技术计算海量数据的计算问题，用redis、HBASE等方式解决高效读的问题，用Impala等技术实现在线分析等问题。因此是个全新的行业。
3、从数据来源角度
大数据应用的数据来源，不仅仅包括非结构化的数据，还有各种系统数据，数据库数据。其中非结构化数据主要是集中在互联网以及一些社交网站上的数据以及一些机器设备的数据，这些都构成了大数据应用的数据来源。对于大数据的分析工具来说，现阶段也是对于非结构化的数据分析的比较多。
BI系统则是在数据集成方面的技术越来越成熟，对于数据的提取，一个各种数据挖掘的要求来说，数据集成平台会帮助企业实现数据的流通和交互使用，在企业内部实施BI应用就是为了可以更好的对数据进行分享和使用。
4、从发展方向角度
BI的发展要从传统的商务智能模式开始转换，对于企业来说，BI不仅仅是一个IT项目，更是一种管理和思维的方式，从技术的部署到业务的流程规划，BI迎来新的发展。对于大数据来说，现阶段更多的大数据关注在非结构化数据，不同的数据分析工具的出现和行内的应用范围不断的加大，对于大数据应用来说，怎么与应用的行业进行一个深层次的结合才是最重要的。
关于大数据和BI的区别，就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助，想要了解更多的大数据工程师技能、方法、课程等等，欢迎大家前来了解咨询。