A. 自學sql server資料庫的書籍材料等比較好的，有推薦的么
你好！
sqlserver資料庫吧，資料也沒那麼多
好的書也就express出的那幾本，基本上網上msdn 上學學就可以了！
你要是學習oracle的話，可能會發現，這個比sqlserver 要好玩的多！
祝你好運
B. SQL中EXISTS怎麼用
EXISTS在SQL中的作用是：檢驗查詢是否返回數據。
select a.* from tb a where exists(select 1 from tb where name =a.name)返回真假，當 where 後面的條件成立，則列出數據，否則為空。
exists強調的是是否返回結果集，不要求知道返回什麼。比如：select name from student where sex = 'm' and mark exists(select 1 from grade where ...)
只要exists引導的子句有結果集返回，那麼exists這個條件就算成立了,大家注意返回的欄位始終為1
如果改成「select 2 from grade where ...」，那麼返回的欄位就是2，這個數字沒有意義。所以exists子句不在乎返回什麼，而是在乎是不是有結果集返回。
(2)b站用sql數據分析擴展閱讀：
Exists 方法描述如果在 Dictionary對象中指定的關鍵字存在，返回True，若不存在，返回False。
語法object.Exists(key)Exists 方法語法有如下幾部分：部分描述Object必需的。始終是一個 Dictionary對象的名字。Key必需的，在 Dictionary對象中搜索的Key值。
exist相當於存在量詞：表示集合存在,也就是集合不為空只作用一個集合.
例如 exist P表示P不空時為真; not exist P表示p為空時為真in表示一個標量和一元關系的關系。
例如：s in P表示當s與P中的某個值相等時為真; s not in P 表示s與P中的每一個值都不相等時為真。
exits與not exits
exists(sql 返回結果集為真)
not exists(sql 不返回結果集為真)
如果not exists子查詢只有自己本身的查詢條件，這樣只要子查詢中有數據返回，就證明是false，結果在整體執行就無返回值；一旦跟外面的查詢關聯上，就能准確查出數據。
C. b站應聘需要什麼條件
一、運維項目管理
工作職責：
1、負責IT資源項目的管理工作，確保項目團隊協同工作；
2、負責IT資產管理和定期資產盤點工作；
3、跟蹤IT資源的使用，並對數據進行分析，完成日常報表；
4、協助IT成本管理工作，預算制定、供應商溝通等。
職位要求：
1、具備數據敏感性和探知欲、分析和解決問題的能力、良好的數據呈現能力；
2、工作認真、負責、嚴謹，有良好的團隊合作精神；
3、有良好溝通能力和技巧；
4、有外語溝通能力、海外背景優先。
二、數據開發工程師
工作職責：
1、負責直播業務的數據調研，數倉模型設計，ETL開發，任務監控和優化等；
2、負責數據倉庫多場景的應用產品建設，如快報，告警推送等；
3、負責基於數據倉庫之上的數據探索，如特徵工程，標簽挖掘等;
4、負責數據管理相關的開發和實施。
任職要求:
1、計算機、數學相關專業全日制本科及以上學歷；
2、熟練使用SQL,了解數倉ETL開發；
3、熟悉R、Python、Shell等腳本的至少一種語言，有實戰經驗的優先；
4、有Java/Golang開發經驗優先；
5、業務理解能力強，技術學習能力強，工作積極主動，有良好的團隊合作能力。
三、前端開發工程師
工作職責：
1、參與嗶哩嗶哩各產品線web前端研發工作；
2、優化產品交互邏輯，提升產品易用性；
3、參與前瞻性技術的研究，為持續性的產品創新做准備。
職位要求：
1、精通HTML、CSS及JavaScript等Web前端技術；
2、具備跨瀏覽器、跨終端的前端開發經驗；
3、了解至少一種Server端語言（Node.JS/PHP/Python/Java等；
4、熟悉一種使用較廣泛的前端框架；
5、具備扎實的計算機基礎，對數據結構和演算法設計較為深刻的理解；
6、學習能力強，具有良好的溝通能力和良好的團隊合作精神。
四、測試工程師
工作職責：
1、負責嗶哩嗶哩客戶端和服務端測試工作；
2、參與制定測試方案，設計並執行測試案例，整理對應項目測試文檔；
3、跟蹤線上反饋問題，協助開發定位和推進解決問題；
4、參與對項目流程和工具進行優化，提升整個項目的交付效率。
職位要求：
1、計算機相關專業，本科以上學歷；
2、熟悉軟體工程、軟體測試理論和方法，熟悉相關的測試流程和軟體工程原理；
3、對二次元互聯網產品感興趣，善於學習接受新事物，具備良好的做中文檔編寫習慣和能力，良好的團隊協作能力，有較強的邏輯思維及自我學習能力；
4、熟悉一門或者多門編程語言者（Python,Java,Golang等）優先。
五、游戲測試
工作職責：
1、能夠根據游戲功能設計文檔，以及根據游戲實際內容表現編寫測試用例；
2、根據測試用例對游戲進行功能測試，能及時發現產品缺陷，對測試中發現的問題進行及時的記錄、跟蹤、反饋、分析；
3、負責撰寫測試報告；
4、負責bug生命周期的跟蹤反饋，能協調相關人員定位bug，協助研發人員修復bug；
5、對iOS，Android雙端進行兼容性測試。
任罩歲職要求：
1、本科及以上學歷；
2、熱愛游戲，對自己玩過的游戲在特定的領域有自己獨到的見解；
3、嚴密的邏輯性，能客觀分析問題並通過圖文工具表述；
4、有積極上進心和強大的自驅力，抗壓能力強；
5、有良好的團隊合作精神，優秀的溝通技巧，以及高度的職業素養；
6、平時有追番的習慣。
(3)b站用sql數據分析擴展閱讀：
B站主要業務：
1、直播
嗶哩嗶哩（bilibili）直播是B站推出的國內首家關注ACG直播的互動平台，內容有趣、活動豐富、玩法多樣，並向電競、生活、娛樂領域不斷延伸。
「電競+游戲」都是B站直播的重要品類。目前B站已經覆蓋了包括《英雄聯盟》LPL職業聯賽、《DOTA2》TI國際邀請賽、《王者榮耀》KPL職業聯賽等在內的各大賽事；在泛娛樂直播方面，B站則以音樂、舞蹈、繪畫、美食、萌寵、明星訪談為主。
此外，B站也在開拓學習直播、虛擬主播等新興直播品類。2019年一季度內，共有超6000位虛擬主播在B站開播，觀看人數近純悶山600萬。
2019年12月6日，B站宣布獲得《英雄聯盟》全球總決賽S10至S12連續三年（2020年至2022年）的國內獨家直播版權。
2019年12月19日，嗶哩嗶哩直播宣布簽約馮提莫。
2、游戲
B站是國內重要的二次元游戲分發渠道，代理了超 500 款聯運手游，13 款獨家代理游戲，及1 款自研手游。
從2014年開始，bilibili開啟游戲聯運和代理發行業務，成功推出《夢100》《FGO》《碧藍航線》《幻想戰姬》《Fate/Grand Order》《明日方舟》等多款業內知名游戲，並幫助《陰陽師》《崩壞3》等產品獲得成功，是當前國內一家二次元游戲發行平台。
2019年，與騰訊全球聯合發行的聽覺探案游戲《Unheard-疑案追聲》在Steam上線後升至國區熱銷榜第二位，一周之內售出15萬份。
2019年7月，B站首次舉辦獨立游戲發布會，發布包括《一起開火車！》、《妄想破綻》在內的5款獨立游戲。
3、廣告
B站廣告業務主要分為效果廣告和品牌廣告。2018年，B站舉辦了對廣告主的廣告推介會AD TALK，首次開放自製內容的招商。
在2019年的AD TALK上，B站明確了自己的商業化進程，宣布2020年將向所有品牌合作夥伴開放生態。B站確定開放的生態資源包括14部國產動畫、15部紀錄片、6部綜藝、30餘位UP主、11項大事件以及電競、虛擬偶像等。
4、電商
B站擁有自己的電商平台「會員購」，於2017年上線，以漫展演唱會票務、手辦、模型、潮玩、周邊的銷售為主， 在不到兩年的時間已經佔領了二次元票務域最大的市場份額。
2019年10月底，B站今年的電商業務GMV已經突破10億元。
D. 求大神指導，有沒有前端學習視頻，自己找了好多，感覺有點亂，覺得學的路線會錯
1.首先零基礎學習前端先要有一個計劃，了解前端要學習哪些技術。
2.做好自己的時間規劃，如何快速入門前端那肯定是需要不斷的提高自己的學習效率，學習過程中盡量把手機調至靜音給自己一個安靜的學習環境和氛圍。
3.快速入門顧名思義肯定是少走彎路，在學習過程中看下自己身邊有沒有前端這方面的大神盡量多問，多交流，如果是沒有的話，可以多去找一些前端的交流群，學習肯定是不能閉門造車。
學習是一個循序漸進的過程，前端的學習也是如此。
不論前端開發還是後端開發的學習都要求我們多動手，既要反復的看書，也把學習到的知識點第一時間去實踐。前端的學習入門快要三個月，慢的要 5-6 個月左右，看個人的理解速度來評估，只要入門了不論理解能力，還是學習的速度都會有明顯的提升。
在學習前端的過程中，除了要把學到的知識點第一時間去實踐，也要在學習的每個階段自己創建課題，用所學到的知識去實現課題的內容。這樣可以更好有助於理解和累計一定的項目經驗。
前端的學習從來不是孤軍奮戰，需要一個前輩的領路，也需要一個平台不斷交流和思維碰撞。這樣可以快速入門和少走彎路，也能讓自己發現問題的根本所在。
階段一
在學習前端之前呢，你需要一個編輯器，在網上你可以看到很多編輯器用來編寫前端，甚至 Windows 系統默認的文本文檔也可以作為前端代碼的編輯器。俗話說，沒有金剛鑽怎麼攬瓷器活，所以一個好的編輯器很重要，我在這里推薦給大家的編輯器是VSCode。
思維導圖
E. 大數據怎麼學
一、數據分析師有哪些要求？
1、理論要求及對數字的敏感性，包括統計知識、市場研究、模型原理等。
2、工具使用，包括挖掘工具、資料庫、常用辦公軟體（excel、PPT、word、腦圖）等。
3、業務理解能力和對商業的敏感性。對商業及產品要有深刻的理解，因為數據分析的出發點就是要解決商業的問題，只有理解了商業問題，才能轉換成數據分析的問題，從而滿足部門的要求。
4、匯報和圖表展現能力。這是臨門一腳，做得再好的分析模型，如果不能很好地展示給領導和客戶，成效就大打折扣，也會影響到數據分析師的職業晉升。
二、請把數據分析作為一種能力來培養
從廣義來說，現在大多數的工作都需要用到分析能力，特別是數據化運營理念深入的今天，像BAT這樣的公司強調全員參與數據化運營，所以，把它作為一種能力培訓，將會讓你終生受益。
三、從數據分析的四個步驟來看清數據分析師需具備的能力和知識：
數據分析的四個步驟（這有別於數據挖掘流程：商業理解、數據理解、數據准備、模型搭建、模型評估、模型部署），是從更宏觀地展示數據分析的過程：獲取數據、處理數據、分析數據、呈現數據。
（一） 獲取數據
獲取數據的前提是對商業問題的理解，把商業問題轉化成數據問題，要通過現象發現本質，確定從哪些緯度來分析問題，界定問題後，進行數據的採集。此環節，需要數據分析師具備結構化的思維和對商業問題的理解能力。
推薦書籍：《金字塔原理》、麥肯錫三部曲：《麥肯錫意識》、《麥肯錫工具》、《麥肯錫方法》
工具：思維導圖、mindmanager軟體
（二） 處理數據
一個數據分析項目，通常數據處理時間佔70%以上，使用先進的工具有利於提升效率，所以盡量學習最新最有效的處理工具，以下介紹的是最傳統的，但卻很有效率的工具：
Excel：日常在做通報、報告和抽樣分析中經常用到，其圖表功能很強大，處理10萬級別的數據很輕松。
UltraEdit：文本工具，比TXT工具好用，打開和運行速度都比較快。
ACCESS：桌面資料庫，主要是用於日常的抽樣分析（做全量統計分析，消耗資源和時間較多，通常分析師會隨機抽取部分數據進行分析），使用SQL語言，處理100萬級別的數據還是很快捷。
Orcle、SQL sever：處理千萬級別的數據需要用到這兩類資料庫。
當然，在自己能力和時間允許的情況下，學習新流行的分布式資料庫及提升自身的編程能力，對未來的職業發展也有很大幫助。
分析軟體主要推薦：
SPSS系列：老牌的統計分析軟體，SPSS Statistics（偏統計功能、市場研究）、SPSS Modeler（偏數據挖掘），不用編程，易學。
SAS：老牌經典挖掘軟體，需要編程。
R：開源軟體，新流行，對非結構化數據處理效率上更高，需編程。
隨著文本挖掘技術進一步發展，對非結構化數據的分析需求也越來越大，需要進一步關注文本挖掘工具的使用。
（三） 分析數據
分析數據，需要用到各類的模型，包括關聯規則、聚類、分類、預測模型等，其中一個最重要的思想是對比，任何的數據需要在參照系下進行對比，結論才有意義。
推薦的書籍：
1、《數據挖掘與數據化運營實戰，思路、方法、技巧與應用》，盧輝著，機械出版社。這本書是近年國內寫得最好的，務必把它當作聖經一樣來讀。
2、《誰說菜鳥不會數據分析（入門篇）》和《誰說菜鳥不會數據分析（工具篇）》，張文霖等編著。屬於入門級的書，適合初學者。
3、《統計學》第五版，賈俊平等編著，中國人民大學出版社。比較好的一本統計學的書。
4、《數據挖掘導論》完整版，[美]Pang-Ning Tan等著，范明等翻譯，人民郵電出版社。
5、《數據挖掘概念與技術》，Jiawei Han等著，范明等翻譯，機械工業出版社。這本書相對難一些。
6、《市場研究定量分析方法與應用》，簡明等編著，中國人民大學出版社。
7、《問卷統計分析實務—SPSS操作與應用》，吳明隆著，重慶大學出版社。在市場調查領域比較出名的一本書，對問卷調查數據分析講解比較詳細。
（四） 呈現數據
該部分需要把數據結果進行有效的呈現和演講匯報，需要用到金字塔原理、圖表及PPT、word的呈現，培養良好的演講能力。
F. 新手怎麼學習數據分析
第一方面是數學基礎，第二方面是統計學基礎，第三方面是計算機基礎。要想在數據分析的道路上走得更遠，一定要注重數學和統計學的學習。數據分析說到底就是尋找數據背後的規律，而尋找規律就需要具備演算法的設計能力，所以數學和統計學對於數據分析是非常重要的。
而想要快速成為數據分析師，則可以從計算機知識開始學起，具體點就是從數據分析工具開始學起，然後在學習工具使用過程中，輔助演算法以及行業致死的學習。學習數據分析工具往往從Excel工具開始學起，Excel是目前職場人比較常用的數據分析工具，通常在面對10萬條以內的結構化數據時，Excel還是能夠勝任的。對於大部分職場人來說，掌握Excel的數據分析功能能夠應付大部分常見的數據分析場景。
在掌握Excel之後，接下來就應該進一步學習資料庫的相關知識了，可以從關系型資料庫開始學起，重點在於Sql語言。掌握資料庫之後，數據分析能力會有一個較大幅度的提升，能夠分析的數據量也會有明顯的提升。如果採用資料庫和BI工具進行結合，那麼數據分析的結果會更加豐富，同時也會有一個比較直觀的呈現界面。
數據分析的最後一步就需要學習編程語言了，目前學習Python語言是個不錯的選擇，Python語言在大數據分析領域有比較廣泛的使用，而且Python語言自身比較簡單易學，即使沒有編程基礎的人也能夠學得會。通過Python來採用機器學習的方式實現數據分析是當前比較流行的數據分析方式。
對大數據分析有興趣的小夥伴們，不妨先從看看大數據分析書籍開始入門！B站上有很多的大數據教學視頻，從基礎到高級的都有，還挺不錯的，知識點講的很細致，還有完整版的學習路線圖。也可以自己去看看，下載學習試試。
G. 財務人員真的有必要學習 SQL 語言和 Power BI 嗎
先說結論吧，有必要學，但是不要學的太深。
題主說的那是財務分析師，這是一個新興職業，目前的需求不多，只有在大公司里才有，而且這種不屬於傳統類型，更多的是屬於戰略部門。
你隨便拉個大廠的財務出來，你問問她們會不會SQL，會不會BI工具，90%的回答肯定都是不會，因為這種財務做的事情大多數都偏傳統，涉及到的工具還是Excel，能把Excel玩的很厲害的也是極少數。
Excel需要熟練的技能有：基礎函數、進階函數、數據透視表、數據清洗。
記住，什麼是熟練，是不需要任何幫助文檔就能把東西給做出來，把上面這些操作搞定之後才有學SQL和BI工具的必要。
先說SQL，你不需要變成一個取數機器，你只需要學會查詢、連接等基本操作就行，select from和各個財務報表之間的關系搞清楚就行了，還有一個就是要學會連接資料庫，BI工具用的到。
H. 抖音/小紅書/視頻號數據分析軟體有哪些
這類軟體主要用於更專業的數據分析挖掘工作，尤其是在銀行、金融、保險業。
SPSS、SAS都是用於統計分析，圍繞統計學知識的一些基本應用，包括描述統計，方差分析，因子分析，主成分分析，基本的回歸，分布的檢驗等等。SPSS用於市場研究較多，SAS銀行金融和醫學統計較多，有一些難度。
R語言像是綜合性較強的一類數據分析工具，集統計分析、數據挖掘，數據可視化。
展開來，講講數據分析~
這些數據分析工具的使用還是看需求，每個企業應用的選擇和方式都不同。數據分析的概念很廣，站在IT的角度，實際應用中可以把數據分析工具分成兩個維度：
第一維度：數據存儲層——數據報表層——數據分析層——數據展現層
第二維度：用戶級——部門級——企業級——BI級
1、數據存儲層
數據存儲設計到資料庫的概念和資料庫語言，這方面不一定要深鑽研，但至少要理解數據的存儲方式，數據的基本結構和數據類型。SQL查詢語言必不可少，精通最好。可從常用的selece查詢，update修改，delete刪除，insert插入的基本結構和讀取入手。
Access2003、Access07等，這是最基本的個人資料庫，經常用於個人或部分基本的數據存儲；MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力；
SQL Server2005或更高版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了；
DB2，Oracle資料庫都是大型資料庫，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台；
BI級別，實際上這個不是資料庫，而是建立在前面資料庫基礎上的，企業級應用的數據倉庫。Data Warehouse，建立在DW機上的數據存儲基本上都是商業智能平台，整合了各種數據分析，報表、分析和展現，BI級別的數據倉庫結合BI產品也是近幾年的大趨勢。
2、報表/BI層
企業存儲了數據需要讀取，需要展現，報表工具是最普遍應用的工具，尤其是在國內。過去傳統報表大多解決的是展現問題，如今像帆軟報表FineReport也會和其他應用交叉，做數據分析報表，通過介面開放功能、填報、決策報表功能，能夠做到打通數據的進出，涵蓋了早期商業智能的功能。
3、數據分析層
這個層其實有很多分析工具，當然我們最常用的就是Excel。
Excel軟體，首先版本越高越好用這是肯定的；當然對excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作！但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體；
SPSS軟體：當前版本是18，名字也改成了PASW Statistics；我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體；
SAS軟體：SAS相對SPSS其實功能更強大，SAS是平台化的，EM挖掘模塊平台整合，相對來講，SAS比較難學些，但如果掌握了SAS會更有價值，比如離散選擇模型，抽樣問題，正交實驗設計等還是SAS比較好用，另外，SAS的學習材料比較多，也公開，會有收獲的！
JMP分析：SAS的一個分析分支
XLstat：Excel的插件，可以完成大部分SPSS統計分析功能
4、表現層
表現層也叫數據可視化，以上每種工具都幾乎提供了一點展現功能。FineBI和Tableau的可視化功能上文有提過。其實，近年來Excel的可視化越來越棒，配上一些插件，使用感更佳。
PPT：辦公常用，用來寫數據分析報告；
Xmind&網路腦圖：梳理流程，幫助思考分析，展現數據分析的層次；
Xcelsius軟體：Dashboard製作和數據可視化報表工具，可以直接讀取資料庫，在Excel里建模，互聯網展現，最大特色還是可以在PPT中實現動態報表。
最後，需要說明的是，這樣的分類並不是區分軟體，只是想說明軟體的應用。有時候我們把資料庫就用來進行報表分析，有時候報表就是分析，有時候分析就是展現；當然有時候展現就是分析，分析也是報表，報表就是數據存儲了！