‘壹’ 产品运营需要学sql吗
首先先说观点, 产品和运营都有学SQL的必要.
无论公司里是不是有BI 亦或者有很成熟的数据报告体系,多掌握一门SQL语言还是有一定必要的.
公司的数据报表都是以全局纬度数据作为体现的. 想要一个个体纬度数据, 就需要到数据库里去提取.
这时候SQL的作用就能体现了. 学会了SQL可以自己去拿数据.工作效率更高.
再不济,了解一定的SQL知识,至少不会被技术,BI 忽悠.
对开展工作有非常大的好处
‘贰’ SQL是做什么的
是一门对数据操作的语言，就是上面说的结构化查询语言，不但能查询修改而且它能够定义数据~
‘叁’ 数据运营是什么的
数据运营是指数据的所有者通过对于数据的分析挖掘，把隐藏在海量数据中的信息作为商品，以合规化的形式发布出去，供数据的消费者使用 岗位职责： 1、通过数据监控、数据报表、数据分析等方法，帮助管理内容运营链条的各类关键数据，驱动业务优化迭代，完成目标。 2、能够理解内容、产品、用户和场景，通过数据分析洞察业务关联。 3、根据各类数据结果，并根据业务需求，提出运营或产品解决方案，推动业务落地。 4、完成内容运营数据获取、数据报表、数据分析、数据建模等各类数据产品。 5、完成领导安排的其他工作。 任职要求： 1、对数据敏感并有很强的洞察能力，快速从繁杂数据中发现问题。 2、极强的业务学习能力，能够把数据和业务紧密联系. 3、优秀的协调和沟通能力，能够推动数据和运营方案实施。 4、2年以上数据运营或数据分析经验，掌握Hive或SQL，熟悉tableau，精通Excel。 5、有互联网从业、参与过内容运营项目的经验优先。
‘肆’ IT行业大数据运营好学吗 都需要掌握什么知识
大数据分析一直是过去这十年的一个重要技术趋势，也是IT市场中最具活力和创新力的领域之一。但是如今的大数据分析市场与几年前截然不同，未来几年肯定也会有很大的变化。
大数据需要掌握的知识：
一、Java编程
Java语言是基础，可以编写Web应用、桌面应用、分布式系统、嵌入式系统应用等。Java语言有很多优点，它的跨平台能力赢得了很多工程师的喜爱。
二、linux基础操作命令
大数据开发一般在Linux环境下进行。
大数据工程师使用的命令主要在三方面：查看进程，包括CPU、内存;排查故障，定位问题;排除系统慢的原因等。
三、hadoop
Hadoop中使用最多的是HDFS集群和MapRece框架。
HDFS存储数据，并优化存取过程。
MapRece方便了工程师编写应用程序。
四、HBase
HBase可以随机、实时读写大数据，更适合于非结构化数据存储，核心是分布式的、面向列的Apache HBase数据库。
HBase作为Hadoop的数据看，它的应用、架构和高级用法对大数据开发来说非常重要。
五、Hive
Hive作为Hadoop的一个数据仓库工具，方便了数据汇总和统计分析。
六、ZooKeeper
ZooKeeper是Hadoop和Hbase的重要组件，可以协调为分布式应用程序。
ZooKeeper的的功能主要有：配置维护、域名服务、分布式同步、组件服务。
七、phoenix
phoenix是一种开源的sql引擎，是用Java语言编写的。
八、Avro与Protobuf
Avro、Protobuf是适合做数据存储的数据序列化系统，有较丰富的数据结构类型，可以在多种不同的语言间进行通信。
九、Cassandra
Apache Cassandra是运行在服务器或者云基础设施上的可以为数据提供完美平台的数据库，具有高性能、可扩展性、高线性。
Cassandra支持数据中心间互相复制，低延迟、不受断电影响。它的数据模型有列索引、高性能视图和内置缓存。
十、Kafka
Kafka可以通过集群来提供实时的消息的分布式发布订阅消息系统，具有很高的吞吐量，主要是利用Hadoop的并行加载来统一线上、离线的消息处理。
十一、Chukwa
Chukwa是一个分布式的数据采集监视系统，具有可伸缩性和健壮性。
Chukwa的工具包可以对结果进行显示、监测、分析，充分使用收集到的数据。
十二、Flume
Flume是海量日志处理系统，具有高可用、高可靠、分布式的特点，可以对日志进行采集、聚合和传输。
Flume可以定制数据发送方来收集数据，也可以对数据简单处理后写到数据接收方。
以上我的回答希望对你有所帮助
‘伍’ sql server 工程师以后的工作方向
数据库方向上的十种职业 这几天泡在“三十而立”那个板块，看到很多朋友（从20岁以下到35岁以上，呵呵）都有很多感触或者迷惑。 所谓“人无远虑，必有近忧”，如果等到了30岁还不知道自己想干什么，能干什么，那也许是一种遗憾或者悲哀。 在MSSQL这个板块也偶尔看到一些朋友问关于发展方向和重点等方面的问题。 我不敢说自己的数据库专业知识有多强，毕竟这个世界很大，牛人极多。 只是想把自己在数据库这个方向上亲身做过的，遇到和看得到一些职位大致总结一下， 这些职位都是实实在在的贴在招聘各种网站上的，我也有机会和一些职位上的朋友或同事工作过。 希望对大家确定自己的职业方向和重点有一点帮助。 如果总结得不准确或者有误，请各位高手指正。只有通过讨论和交流才能共同提高。 ----------------------------------------------------------------------- 数据库方向上的十种职业 （除去那些数据库研发等太过专业的方向） 前面五种的重点是设计和应用，侧重于软件和数据逻辑层面。 后面五种的重点是运营和维护，侧重与硬件和数据物理层面。 不过这些职位不是孤立，反而是互相交叉的，只是侧重点不同。 说实在的，这些职位没有好与不好之分，每个方向都可以做得很好， 全凭个人的兴趣和目标，但是因为有些职位需求相对少，有机会接触的人不多， 结果就物以稀罕为贵，市场需求决定价值。 前面五种： 重点是设计和应用，侧重于软件和数据逻辑层面。 数据库应用开发 (application development) 除了基本的SQL方面的知识，还要对开发流程，软件工程，各种框架和开发工具等等 数据库应用开发这个方向上的机会最多，职位最多 数据建模专家 (data modeler) 除了基本的SQL方面的知识，非常熟悉数据库原理，数据建模 负责将用户对数据的需求转化为数据库物理设计和物理设计 这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位， 在中小公司则可能由程序员承担。 商业智能专家 (business intelligence - BI) 主要从商业应用，最终用户的角度去从数据中获得有用的信息， 涉及OLAP (online analytical processing) 需要使用SSRS, cognos, crystal report等报表工具，或者其他一些数据挖掘，统计方面的软件工具 （这个方面我不熟悉，不敢乱说：） ETL开发 (ETL Developer) 使用ETL工具或者自己编写程序在不同的数据源之间对数据进行导入，导出，转换， 所接触的数据库一般数据量非常大，要求进行的数据转换也比较复杂。 和数据仓库和商业智能的关系比较密切。 在一些数据库应用规模很大的公司里面有专门的职位， 中小公司里面则可能由程序员或者DBA负责这方面的工作。 数据构架师 (Data Architect) 主要从全局上制定和控制关于数据库在逻辑这一层的大方向， 也包括数据可用性，扩展性等长期性战略， 协调数据库的应用开发，建模，DBA之间的工作。 这个方向上在大公司（金融，保险，研究，软件开发商等）有专门职位， 在中小公司或者没有这个职位，或者由开发人员，DBA负责。 后面五种： 重点是运营和维护，侧重与硬件和数据物理层面。 数据库管理员 (database administrator - DBA) 数据库的安装，配置，调优，备份/恢复，监控，自动化等， 协助应用开发（有些职位还要求优化SQL，写存储过程和函数等） 这个方向上的职位相对少一些，但一般有点规模的公司还是会有这样的职位 数据仓库专家 (data warehouse - DW) 应付超大规模的数据，历史数据的存储，管理和使用， 和商业智能关系密切，很多时候BI和DW是放在一个大类里面的， 但是我觉得DW更侧重于硬件和物理层上的管理和优化。 存储工程师 (storage engineer) 专门负责提供数据存储方案，使用各种存储技术满足数据访问和存储需求， 和DBA的工作关系比较密切。 对高可用性有严格要求（比如通信，金融，数据中心等）的公司通常有这种职位， 这种职位也非常少。 性能优化工程师 (performance engineer) 专长数据库的性能调试和优化，为用户提供解决性能瓶颈方面的问题。 我知道至少IBM, 微软和Oracle都有专门的数据库性能实验室(database performance lab）, 也有专门的性能优化工程师，负责为其数据库产品和关键应用提供这方面的技术支持。 对数据库性能有严格要求的公司（比如金融行业）可能会有这种职位。 因为针对性很强，甚至要求对多种数据库非常熟悉，所以职位极少。 高级数据库管理员 (senior DBA) 在DBA的基础上，还涉及上面3种职位的部分工作，具体包括下面这些： 对应用系统的数据（布局，访问模式，增长模式，存储要求等）比较熟悉。 对性能优化非常熟悉，可以发现并优化从SQL到硬件I/O，网络等各个层面上的瓶颈 对于存储技术相对熟悉，可能代替存储工程师的一些工作， 对数据库的高可用性技术非常熟悉（比如MSSQL的集群，ORACLE RAC/FailSafe, IBM的DPF, HADR等） 对大规模数据库有效进行物理扩展（比如表分区）或者逻辑扩展（比如数据库分区，联合数据库等） 熟悉各种数据复制技术，比如单向，双向，点对点复制技术，以满足应用要求。 灾难数据恢复过程的建立，测试和执行 这种职位一般只在对数据库要求非常高并且规模非常大（比如金融，电信，数据中心等）的公司需要， 而且这种公司一般有一个专门独立负责数据库的部门或组。 这种职位非常少。
‘陆’ 运营学sql还是python
如果走技术路线的运营，学这两个，为一个运营，学这两个，相对一个运营来说相对辛苦，学得不精，对运营来说没什么用，如果学精了，那可以去搞开发了，python对于运营来说多用于爬数据，存sql，分析，但是，运营大多是以销售为住，技术只是辅助，联系还是先把运营做精，看自己的瓶颈在那里。再考虑学什么。
‘柒’ 店铺运营管理系统（SQL）会员资料都是以什么形式保存的文件对于这个文件怎样打开并修改里面数据呢
保存在数据库中的。
具体文件格式看是什么数据库。
可以用对应的数据库软件去看，去改。
比如MySQL,SQLServer,Oracle
‘捌’ 什么的大数据运营
这两年大数据行业新提出了一个概念，叫大数据运营，所谓的BigData Operation，目前在各个行业中均处在蓬勃发展的阶段，就笔者来看，BDO代表了一种大数据的未来方向，以笔者所从事的网络游戏行业来看，具有比较大的发展空间，下面科多大数据来给大家做个简单介绍。
1、前世今生从大数据进入游戏行业以来，大概经历了几个阶段
其中基础支撑和可视化监控，是常见的基本大数据应用，
运营活动支撑，包含了常规的活动效果分析和反馈、数据库营销，还有活动的策划建议（从运营的角度和数据的验证上看活动该如何做，目前的活动都是需要大数据分析师一起讨论同意后才上线）；
游戏设计支撑，包含了常规的版本和功能的效果分析、反馈（大数据分析师指出问题所在，并给出改进建议），而且在游戏的研发和持续更新阶段，对于功能的策划和数值的配平等，均依据大数据分析师给出的数据参考。
从这里看出，大数据运营（BDO）不仅包含传统的数据收集和可视化、数据库营销等，而且逐渐的脱离了最初的数据驱动原则，而是以企业整体目标（比如游戏KPI的完成）为导向，以运营为驱动，涵盖运营的各个方面，以大数据为重要依据，以大数据分析结果为评判标准，构建企业的“数据运营”的文化。
供参考。
‘玖’ 为什么要学SQL
作为一名数据分析师，每天最基本的工作不是分析数据，而是提取数据。比如在互联网公司最常见的场景，是产品经理对着数据分析师喊，“这周发版本了，快点帮我提取一下这个新功能的点击率和留存率”，“昨天有一场运营活动，帮我看一下这个banner图的点击率和下载转化率”，“要发月报了，快帮我导一下这个月的活跃用户数、下载人数、付费转化率”。这时数据分析师就坐在电脑前啪啪啪地敲键盘，一会产品经理要的数据就导到Excel表格里了。他敲的东西，就是SQL语言。
写SQL提取数据的工作，占了数据分析师至少40%的时间，所以你说SQL重不重要？那为什么是SQL，不是其他的语言，这个就需要谈到数据库语言的发展历史了。