bi数据库 大数据bi是什么

今天给各位分享bi数据库的知识，其中也会对大数据bi是什么进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

bi数据分析师需要学什么

需要学会使用SQL和R语言。

假如你想学会数据分析的话，先别着急着学编程技术，先学好excel，把excel真正学会了，操作熟练了，会做常用函数公式，数据透视表，筛选，排序，图表绘制再去学SQL，最后再去学R/python。就像有句俗话说的，“还没学会走路，就想学跑步”。

首先Excel是我们最常用的数据分析和处理工具了，从Excel开始学，是先学会走，Excel的功能非常丰富，基本可以涵盖我们在之后在其它软件(SQL,R,Python)中要学到的那些功能了。有的人可能会问了，既然Excel这么强大，为什么还要学习其它的工具呢？

这是因为Excel是通过菜单的形式来进行操作的，很难实现自动化和功能复用，当然你也可以通过VBA来实现，用VBA也就是编程了，不过因为VBA这种语言学会了基本只能在office软件中使用，学习的投入成本和产出收益不成比例，不推荐学习，这是客观原因之一；

另外就是Excel在处理比较大的数据集的时候，性能很差，并且经常崩溃。(虽然Excel2013及以上版本宣称可以容纳100+万条记录，但几万条数据就开始卡顿了)。

当然只会Excel远远不够，SQL是数据分析的基础。

客观原因是绝大部分数据分析岗位招聘都有SQL技能的要求，导致这一现象的原因是公司里面为了保证数据的安全性和管理的方便，数据是统一存放在数据库中的，从数据库中提取和查询数据需要使用SQL语言，而且有的公司就是用SQL语言来做数据分析的。

另外一个原因就是即使你先学了其它的工具，比如R，Python，甚至Spark等大数据框架，你会发现最后你还是得学习SQL。如果你先学习SQL，那么很多概念你都能在学习R，Python，Spark等更加复杂的工具之前弄清楚。对于后面的学习会有帮助。这就好比建房子，都是先打地基，然后一层一层的盖，当然也有大神从上往下修房子，那种房子也不是一般的房子啦，也和我们普通人无关。

当然，如果觉得学习编程太复杂了，想要速成，不需要写编程语言就可以做漂亮的可视化效果，那就试试Smartbi吧，可以免费使用，操作也非常简单人性化。

bi是什么职位呀啊

bi是工程师。bi工程师，主要是做数据分析，数据仓库以及相关报表，对一些数据进行处理，对数据库要有比较深入的了解。

商业智能

通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。

而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力，促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。

商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。

大数据bi是什么

大数据BI是能够处理和分析大数据的BI软件，区别于传统BI唻软件垍头，大条数据BI可以完成对TB级别数据的实时分析。大数据可以概括为4个V，数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值密度低(Veracity)。大数据作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据BI也应运而生。

主要功能

编辑

开源大数据生态圈

1.HadoopHDFS、HadoopMapReduce,HBase、Hive渐次诞生，早期Hadoop生态圈逐步形成。

2.Hypertable是另类。它存在于Hadoop生态圈之外，但也曾经有一些用户。

一体机数据库/数据仓库

IBMPureData(Netezza),OracleExadata,SAPHana等等。

数唻垍头条据仓库

TeradataAsterData,EMCGreenPlum,HPVertica等等。

数据集市

QlikView、Tableau、国内永洪科技YonghongDataMart等等。

YonghongDataMart是基于自有技术研发的一款数据存储、数据处理的软件。针对客户需要处理需求数据的量级不同，IT系统架构的不同和存储系统的不同，提供了两种解决方案供客户选择一种本地模式，一种是MPP模式。当需要处理的数据量级别处于TB级以下，或者采用普通存储结构，或者单机已经足够满足性能需求，建议用户选择本地模式。当面对异构数据库存储系统，需要处理的数量级别在TB级和PB级以上，或者IT系统和存储系统采用分布式，或者需要MPP模式才能满足性能需求，基于分布式架构的并行处理模式更适合客户的需求。

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。

参考资料来源：

百度百科-数据库工程师

百度百科-大数据工程技术人员

好了，本文到此结束，如果可以帮助到大家，还望关注本站哦！