数据库可以做什么

问题一：数据库可以做什么工作 数据库就是一个库，里面有很多很多的数据

数据库既不是系统也不是软件，就是很多的数据按照某种方式放在一起而已。

你应该用过excel，看过excel表吧，所谓数据库就是很多张那样存数据的表，并把数据存在这些表里。（当然还要包括表里面数据的索引，表和表的关系等等一些比较复杂的东西，在这里就不说了)。

而使用数据库的原因就是数据实在太多，而使用数据库可以方便快速地从很多数据里搜索、修改数据信息。你可以假想一个大超市，里面有几千种货品，几十万条货品纪录，而你需要从多个接入点（超市的多个收银台）纪录并修改这些货品进货、售出信息的时候，数据库就发挥出它的威力来了。

另外数据库都是需要软件支持的，常用的有sql server/oracle/pb等等数据库。至于所谓“做数据库”，应该就是用某种数据库软件进行建立数据库的 *** 作了，这个……真的是太复杂啦，如果你有兴趣可以找一些相关方面内容学习一下。

问题二：SQL数据库是什么 主要干什么用的 你还是Google下吧

问题三：数据库可以干什么 (1)物理数据层。它是数据库的最内层，是物理存贮设备上实际存储的数据的 。这些数据是原始数据，是用户加工的对象，由内部模式描述的指令 *** 作处理的位串、字符和字组成。

(2)概念数据层。它是数据库的中间一层，是数据库的整体逻辑表示。指出了每个数据的逻辑定义及数据间的逻辑联系，是存贮记录的 。它所涉及的是数据库所有对象的逻辑关系，而不是它们的物理情况，是数据库管理员概念下的数据库。

(3)逻辑数据层。它是用户所看到和使用的数据库，表示了一个或一些特定用户使用的数据 ，即逻辑记录的 。

数据库不同层次之间的联系是通过映射进行转换的。数据库具有特点：

(1)实现数据共享。数据共享包含所有用户可同时存取数据库中的数据，也包括用户可以用各种方式通过接口使用数据库，数据共享。

(2)减少数据的冗余度。同文件系统相比，由于数据库实现了数据共享，从而避免了用户各自建立应用文件。减少了大量重复数据，减少了数据冗余，维护了数据的一致性。

(3)数据的独立性包括数据库中数据库的逻辑结构和应用程序相互独立，也包括数据物理结构的变化不影响数据的逻辑结构。

(4)数据实现集中控制

问题四：SQL数据库是什么 主要干什么用的 美国Microsoft公司推出的一种关系型数据库系统。SQLServer是一个可扩展的、高性能的、为分布式客户机/服务器计算所设计的数据库管理系统，实现了与WindowsNT的有机结合，提供了基于事务的企业级信息管理系统方案。

其主要特点如下：

（1）高性能设计，可充分利用WindowsNT的优势。

（2）系统管理先进，支持Windows图形化管理工具，支持本地和远程的系统管理和配置。

（3）强壮的事务处理功能，采用各种方法保证数据的完整性。

（4）支持对称多处理器结构、存储过程、ODBC，并具有自主的SQL语言。 SQLServer以其内置的数据复制功能、强大的管理工具、与Internet的紧密集成和开放的系统结构为广大的用户、开发人员和系统集成商提供了一个出众的数据库平台

问题五：拥有200万人的数据库可以做什么？ 看是什么数据了，卖给需要的人也许有用，不然真没什么用，用户信息除外

问题六：数据库开发是做什么东西的 和软件开发类似，两者都要互相用到，彼此交叉。比如银行的自动取款机系统，就是数据库开发的典型例子。你会觉得这个应该是软件开发的写代码啊，但是事实上写代码只是取款机系统实现的一步而已。数据库开发分六步：需求分析、概念结构设计、逻辑结构设计、数据库的物理设计、数据库的实施、数据库的运行和维护。写代码只是数据库实施中的一部分，这样讲应该能明白吧。还有像超市的收银系统，学校的教务系统都是数据库的例子，光会写代码是编不出来的。我目前已经考了数据库系统工程师，这学期准备常个软件设计师。两者的区别是数据库的语言主要是SQL，软件设计师则是写代码，C、C++ 、Java等

问题七：懂得各数据库软件以后 能做什么工作？ 还要会一门语言 比如c++ c# 或者java

这样就可以做软件开发工作了

小的是程序员 系统分析师

大点就是 架构师 鼎 项目经路

在大 自己开公司就可以了

问题八：学数据库以后可以做什么？ BI工程师、数据库工程师、数据库管理员、数据仓库工程师、ETL工程师、数据分析师等

问题九：请问SQL数据库能干什么？有补充 几乎能做你想做的任何事情，sql是功能非常强的关系数据库，现代生活中那么多智能化应用甚至可以说几乎所有有关数据的管理都离不开数据库管理，大到比如财务、工厂自动化控制、银行、飞机空中管理等；小到办公管理、水电费电视费煤气费管理等，比如今年过年的订票系统出现问题，主要原因就是后台数据库设计有问题，而用好sql数据库，，一是提高数据管理应用效率，而是可以保障零错误，你会发觉生活工作学习很轻松。

另耿所有复杂的系统几乎都是使用数据库作为后台数据支撑，甚至你所使用的现在最新的 *** 作系统，核心层都是数据库构成。

问题十：用数据库可以做哪些有趣的事情 数据库本身意义非凡，可以说是一切有趣事物诞生的基础。

在数据库没有诞生之前，我们只是吧数据写入文件。但这是很多程序员的噩梦。写入数据到文件远比想象的复杂。这主要是因为计算机系统一直是不可靠的系统，如果涉及到关键数据，程序员不得不设计复杂的错误处理流程来保证数据的一致性，而这些设计并不总是有效的。

有了数据库后，程序员只需要增删查改数据，也就是CRUD，大大降低了数据存储的复杂性。数据库诞生后的几十年时应用程序快速爆发的几十年，可以说是计算机发展史上的革命。

所以，不要以为会写SQL语句和存储过程就算懂数据库了，水很深。

随着移动互联网、云计算、物联网和社交网络的广泛应用，人类社会已经迈入一个全新的“大数据”信息化时代。而银行信贷的未来，也离不开大数据。

国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行xyk中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。从发展趋势来看，银行大数据应用总的可以分为四大方面：

第一方面：客户画像应用。

客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于自身拥有的数据有时难以得出理想的结果甚至可能得出错误的结论。

比如，如果某位xyk客户月均刷卡8次，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，真实情况是：工资卡和xyk不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：

（1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理；

（2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可；

（3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；

（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。

第二方面：精准营销

在客户画像的基础上银行可以有效的开展精准营销，包括：

（1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户采用xyk采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会；

（2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；

（3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广；

（4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。

第三方面：风险管控

包括中小企业贷款风险评估和欺诈交易识别等手段。

（1）中小企业贷款风险评估。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。

（2）实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪**客户账号或侵入自动柜员机(ATM)系统的罪犯。

第四方面：运营优化。

（1）市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。

（2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。

（3）舆情分析：银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。

银行是经营信用的企业，数据的力量尤为关键和重要。在“大数据”时代，以互联网为代表的现代信息科技，特别是门户网站、社区论坛、微博、微信等新型传播方式的蓬勃发展，移动支付、搜索引擎和云计算的广泛应用，构建起了全新的虚拟客户信息体系，并将改变现代金融运营模式。

大数据海量化、多样化、传输快速化和价值化等特征，将给商业银行市场竞争带来全新的挑战和机遇。数据时代，智者生存，未来的银行信贷，是从数据中赢得未来，是从风控中获得安稳。

目前，数据仓库一词尚没有一个统一的定义，著名的数据仓库专家WHInmon在其著作《Building the Data Warehouse》一书中给予如下描述：数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。对于数据仓库的概念我们可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的 *** 作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。

根据数据仓库概念的含义，数据仓库拥有以下四个特点：

1、面向主题。 *** 作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织。主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点方面，一个主题通常与多个 *** 作型信息系统相关。

2、集成的。面向事务处理的 *** 作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是异构的。而数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。

3、相对稳定的。 *** 作型数据库中的数据通常实时更新，数据根据需要及时发生变化。数据仓库的数据主要供企业决策分析之用，所涉及的数据 *** 作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询 *** 作，但修改和删除 *** 作很少，通常只需要定期的加载、刷新。

4、反映历史变化。 *** 作型数据库主要关心当前某一个时间段内的数据，而数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

企业数据仓库的建设，是以现有企业业务系统和大量业务数据的积累为基础。数据仓库不是静态的概念，只有把信息及时交给需要这些信息的使用者，供他们做出改善其业务经营的决策，信息才能发挥作用，信息才有意义。而把信息加以整理归纳和重组，并及时提供给相应的管理决策人员，是数据仓库的根本任务。因此，从产业界的角度看，数据仓库建设是一个工程，是一个过程。

整个数据仓库系统是一个包含四个层次的体系结构，具体由下图表示。

数据仓库系统体系结构

·数据源：是数据仓库系统的基础，是整个系统的数据源泉。通常包括企业内部信息和外部信息。内部信息包括存放于RDBMS中的各种业务处理数据和各类文档数据。外部信息包括各类法律法规、市场信息和竞争对手的信息等等；

·数据的存储与管理：是整个数据仓库系统的核心。数据仓库的真正关键是数据的存储和管理。数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。要决定采用什么产品和技术来建立数据仓库的核心，则需要从数据仓库的技术特点着手分析。针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织。数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为数据集市）。

·OLAP服务器：对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度、多层次的分析，并发现趋势。其具体实现可以分为：ROLAP、MOLAP和HOLAP。ROLAP基本数据和聚合数据均存放在RDBMS之中；MOLAP基本数据和聚合数据均存放于多维数据库中；HOLAP基本数据存放于RDBMS之中，聚合数据存放于多维数据库中。

·前端工具：主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对OLAP服务器，报表工具、数据挖掘工具主要针对数据仓库。

数据库，也叫数据仓库。从这个词上来看，你应该能看出一个解释来，数据库就是用来存放数据的仓库。

现实生活中的仓库用来存放货物，数据库则是用来存放数据的。当然现在数据库的产品很多，主流也就是微软系列sql server、access。还有一个就是你也提到的甲骨文的Oralcle 。理论上这些个数据库都不是免费的，但是在中国你能用盗版的，相当于免费。

你所说的用来管理你一些鸡毛蒜皮的小事这个是当然可以了，相当于就是把你日常的一些收入和支出的一些数据存在数据库里，数据库的存在就是为了解决你所谓的这些小事数据的存储问题的，没有什么会不会吐血的问题。但是你如果要用数据库，你得设计出有一系列有实际功能的应用软件来处理这些数据吧，不然光用数据库有何意义，那还不如去用execl。就好比你光有仓库，你没有店面，你怎么展示你的产品(也就是你的数据)给顾客或是使用者去使用。数据库里的数据只有经过软件处理成有用的信息以后才会有使用意义。就比如说有下列一些数据“90元、200元、100元、3500元、人民币、工资、吃饭、车费、水电气费用、3月份”。数据库里就存着这样形式的数据，别人进去一看都是一些零散的数据，也不知这些代表什么。如果经过软件处理成有用的信息别人就可以看懂了，这些数据才有意义。又比如把上面的数据经过软件处理成以下信息“3月份水电气费用200元人民币、3月份车费90元人民币、3月份工资3500元人民币”，经过软件处理后的数据就变成了有意义的信息才能供用户使用。

现在你大概明白数据库的意义以及与之对应的应用软件的意义了吧。

如果要想真的说明以上这系列的问题，不是在这里能说清的，如果楼主对这方面很有兴趣可以去多了解下这方面的知识。希望我的回答对你一定的帮助！谢谢！

数据库工程师工作不太累。

数据库工程师的就业范围非常广，一般的大型或者跨国的企业都建立自己的数据库，他们都需要数据库工程师对他们的数据库进行管理。一些国际知名企业、政府、学校等都是数据库工程师很好的去处。

银行储蓄系统数据库应用程序是活期储蓄系统。银行储蓄系统数据库应用程序有基本元素为构成银行储蓄及相关行为所必须的各种部分，需求分析应用包括提炼，分析和仔细审查已收集到的需求，以确保所有的风险承扣者都明其含义并找出其中的错误，遗憾或其它不足的地方。

银行的数据仓库，ODS，历史库的区别和联系

关系数据库：是建立在关系模型基础上的数据库。借助于集合代数等概念和方法来处理数据库中的数据。 数据仓库：是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合。 区别：数据库是面向事务的设计，数据仓库是面向主题

以上就是关于数据库可以做什么全部的内容，包括:数据库可以做什么、大数据能为银行做什么、数据仓库是做什么的等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！