㈠ 没有任何基础的人怎么学sql
如果是初学sql的话，推荐自己安装单机安装一个数据库（比如经典的mysql），然后找一本书（当当网找搜索mysql，然后找排名靠前的，对自己胃口的……当然，如果英语不错的话，官方文档是你最好的选择），就着书实际操作下数据库，这样学习起来应该比较快。对了，个人比较建议先找本讲数据库基础、原理的书来看一遍，理论实践结合的方式我认为是最好的sql可以认为是一种编程语言，学习相对比较容易，难得是如何解决实际问题，在各种情况下通过协调满足一定的指标。比如如何设计表、索引等使得的查询速度达到最快，允许牺牲一定的写性能。比如如何设计可以达到实时写的能力，允许舍弃一定的读性能。最终，还是要结合具体的数据库、业务场景，在某方面达到最低保证的情况下，使得另一方面发挥到极致，这才是最重要的也是最难的。
㈡ 数据分析行业中的数据运营是怎么一回事
现在由于物联网和大数据的蓬勃发展，使得数据分析行业异常火爆，现在市场上的数据分析行业的岗位是非常多的，比如说包括数据工程师、数据运维、数据分析师、数据运营、产品数据方向等，一般工程师都是搞开发的，都是需要理工科的专业背景，但是对于文科生，如果想进入数据分析行业，只能建议大家去搞数据运营方面，做了数据运营也能够学会很多的知识。那么大家知道不知道数据分析行业中的数据运营是怎么一回事。
首先给大家说说数据运营的日常工作内容吧，一般来说，数据运营能够建立运营核心数据指标体系，形成口径规范表；开展竞品调研工作，对竞品的运营策略进行分析，并提出相应措施；包括建立数据体系、建立数据统计平台、日常监测、专项分析、用户模型。如果公司已经有数据统计平台了，则要进行平台的迭代和优化。根据运营核心数据指标体系，建立日报、周报、月报等报表；建立数据平台, 进行数据监测, 发现异常、分析原因、提出建议；建立用户画像，对用户进行分级，从而进行精准营销；监测营销活动效果，发现问题调整策略，对活动进行迭代；
数据运营对于技能的要求是什么呢？首先来说，数据分析的岗位要求是熟练使用Excel、sql、spss等数据分析软件，如果会使用Python更佳，当然还需要学习其他的逻辑知识，以及培养数据敏感等素质。就平时的工作来说，用到最多的就是excel、SQL，如果在金融公司会比较常用spss。所以如果想从事数据运营，excel要精通，sql要熟练，Python是加分项。大家在学习的时候一定要多多的注意上面知识的学习，这样才能够胜任这份工作。
一般来说，数据运营是和业务紧密结合的职位，因此核心工作是，通过业务数据，给运营和产品提出优化建议。无论是日常监测、用户分析，还是其他潜在规律的挖掘，都是围绕着运营指标来做的。
通过上面的内容，我们不难发现数据分析行业中的数据运营工作和其他的岗位想必简直不要太简单，所以说，文科生也是可以学数据分析知识的，在数据分析中，上面提到的内容都是很基础很好学的，大家在学习的时候多用心，这样才能够做好数据运营。
㈢ SQL SERVER 在日常工作中是如何运行的
一般都是有一个外部软件，这个软件可以是Exe的也可以是网页形式的。
用户的操作（比如在网页上添加一个员工信息）通过这样的软件保存到数据库中
从数据库里面读写数据用的是sql语句。这个开发人员使用就行了，对于用户只需要会软件的界面操作就ok了
㈣ 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。