㈠ 如何在自己的電腦上搭建sql伺服器
要在電腦上安裝SQL server 的 database server就可以了，
安裝方法： 點擊安裝包里的setup。exe，選擇的時候選擇安裝客戶端和伺服器就可以了。
sql server的默認服務埠是1433，所以為了能夠遠程訪問資料庫伺服器，需要把1433埠添加在防火牆的例外中。為了能夠服務穩定，需要給伺服器配置一個靜態IP地址
㈡ 如何搭建SQL server 2005伺服器
安裝MSSQL2005,開啟資料庫網路連接所需要的服務，並允許遠程用戶連接，一般默認的就是可以連接的，注意：如果你用的是開發版的SQL的話
會有並發連接的限制所以有可能連接數過多可能導致掉線的。然後就讓你朋友修改他們的資料庫連接配置文件，伺服器指向你的IP或者計算機名和資料庫的用戶名和密碼連接就可以了
㈢ 如何用sql server搭建伺服器資料庫伺服器
只能連接，不能搭建。如下參考：
1.打開SQLserver配置管理器，找到其中的SQLserver網路配置，然後從實例中命名協議(我的實例名是SQLEXPRESS)。如下圖所示:
㈣ 如何搭建學習SQL語言的環境
access完全可以了
打開access->文件->新建->點右方的空資料庫新建一個資料庫(如果你沒有現成的數據表的話必須自己先建表,相信這個你肯定會)
有可資料庫和數據表後,打開資料庫,窗口左方有個查詢,選折在設計視圖中進入創建查詢,再添加你要用的那幾個表,關閉"顯示表"窗口,現在你看到的這個窗口就是創建查詢的窗口了,隨便亂點一通,再單擊窗口上方紅色的"!"號運行; 自己試試吧
SQL語句:在查詢窗口中選擇"視圖"->SQL視圖;在這里你可以自己寫SQL語句再單擊上方紅"!"號運行 ;這里也可以看到你用向導生成的查詢語句..
推薦電子書:Access高級查詢http://www.mindows.org/books/book1/book107/6930.html
㈤ 京東數據分析師，教你手把手搭建電商可視化看板
1 內容總概
不管是數據分析還是數據運營，少不了做分析報告，通常一份簡潔的分析報告總是令人眼前一亮，但是，大部分同學拿到一組數據時，不能很好的應用，沒有思路、想法和頭緒，這里作者結合自身在做數據運營時的一些方法，提出一些通用的數據分析方法，以電商銷售數據為例，做一個完整的案例分析，簡述交叉分析、佔比分析 、趨勢分析、對比分析，最終呈現的結果如下所示。
2 銷售額總概
拿到一組數據後，首先對整體數據情況做一個概覽，選擇數據，插入數據透視表，將銷售額拖入值區域兩次，右鍵銷售額，在值顯示方式中選擇差異百分比，用於顯示與上一年銷售額的同比值。
3 交叉分析
要分析各年度以及各平台的銷售額情況，可以使用交叉分析，選擇數據，插入數據透視表，將銷售平台拖入到行，年拖入到列，銷售額拖入到值。
選擇數據，插入一個簇狀柱形圖，就可以得到不同的電商平台在不同的年份的銷售額情況。
4 佔比分析
要分析不同省份的銷售額佔比情況，這里使用佔比分析，使用圖表展示銷售額在區域上的分布，選取數據，插入數據透視表，將客戶地址-省拖入到行，銷售額拖入到值。
然後先選擇X和Y的數據，按住Ctrl鍵再選擇銷售額數據，插入一個氣泡圖。
單擊垂直坐標軸，將最小值設置為0，最大值設置為701，同時，在單位裡面，設置大為100，小為20。
同理設置水平坐標軸，最小值設置為0，最大值設置為848，在單位裡面，設置大為200，小為40。
單擊空白區域，設置圖表樣式，選擇圖片或紋理填充，填充事先准備好的地圖層。
設置氣泡的大小，選擇圖像中的圓點，大小表示為氣泡寬度，縮放氣泡大小為40。
設置數據標簽，在設置數據標簽格式里勾選單元格中的值，選擇數據標簽區域，勾選氣泡大小，標簽位置選擇居中。
5 趨勢分析
要分析每月銷售額的變化情況使用趨勢分析，選擇數據，插入數據透視表，將月拖入到行，銷售額拖入到值。
選取數據，插入一個折線圖，設置數據系列格式，勾選平滑線，將線條做平滑處理。
6 對比分析
要分析各個產品在不同客戶類別的銷售額情況使用對比分析，選擇數據，插入數據透視表，將子類別拖入到行，客戶類別拖入到列，銷售額拖入到列。
將數據按照總計降序排列，選取數據，插入一個堆積條形圖，點擊垂直坐標軸，勾選逆序類別，讓數據按照降序排列。
同時，設置間隙寬度，讓柱形更寬。
7 圖表美化
圖表完成後，需要對整個圖表做美化，消除多餘的圖表元素，包括去除網格線、隱藏欄位按鈕等，單擊欄位按鈕，在數據透視圖分析中，設置欄位按鈕為全部隱藏，可以消除數據透視圖表的欄位按鈕。
統一數據單位，將數據單位格式統一設置為萬，選擇數據，右鍵單元格，設置單元格格式，在自定義里輸入 0!.0,"萬" ，可以將數值統一設置為萬的單位。
設置一個靛藍的圖層(#242541)，設置圖表區格式填充為無填充，邊框為無線條，同時為了顯示字體，可以將字體的顏色設置為白色，同理，設置其餘的圖表樣式。
將線條設置為發光的線條，可以在設置數據系列格式中將顏色設置為(#1464F4)，大小設置為5磅，透明度設置為60%。
最後添加圖表標題，設計一個富有 科技 感的圖表邊框，數據文件里包含該圖表邊框，設置圖表位置和圖像大小，必要做一些文字描述，即可得到結果。
㈥ 如何用SQL分析電商用戶行為數據（案例）
本文以「淘寶用戶行為數據集」的分析全過程為例，展示數據分析的全過程
——使用工具：MySQL，Excel，Navicat，PowerBI
——分析類型：描述分析，診斷分析
——分析方法：漏斗分析，用戶路徑分析，RFM用戶價值分析，活躍/存留分析，帕累托分析，假設驗證分析。
（考慮到閱讀體驗文章中只放了SQL截圖，如需PDF版本，再公眾號後台回復「用戶行為分析」領取）
（目錄如下）
1.分析流程和方法
當沒有清晰的數據看板時我們需要先清洗雜亂的數據，基於分析模型做可視化，搭建描述性的數據看板。
然後基於描述性的數據挖掘問題，提出假設做優化，或者基於用戶特徵數據進行預測分析找規律，基於規律設計策略。簡單來說：
——描述性分析就是：「畫地圖」
——診斷性分析就是：「找問題」
——預測性分析就是 ：「找規律」
在數據分析中有兩個典型的場景：
一種是有數據，沒有問題：需要先整體分析數據，然後再根據初步的描述分析，挖掘問題做診斷性分析，提出假設，設計策略解決問題。
另一種是已經發現了問題，或者已經有了假設，這種做數據分析更偏向於驗證假設。
2.淘寶用戶行為分析
本次是對「淘寶用戶行為數據集」進行分析，在分析之前我們並不知道有什麼問題，所以需要先進行描述性分析，分析數據挖掘問題。
我們首先來看下這個數據集的元數據：
根據以上數據欄位我們可以拿用戶行為為主軸從縱深方向提出一些問題，然後再從數據中找答案
縱向：
——這個數據集中用戶的日活躍和周活躍時間有什麼規律嗎？
——在當日活躍的用戶次日，三日，四日……還有多少活躍？
深向：
——用戶從瀏覽到購買的整體轉化率怎麼樣？
——用戶從瀏覽到購買的路徑是怎麼樣子的？
——平台主要會給用戶推送什麼商品？
——用戶喜歡什麼類目？喜歡什麼商品？
——怎麼判斷哪些是高價值用戶 ？
下面是叮當整理的常用分析方法：
我們可以給前面的問題匹配一下分析方法，便於後面的分析：
為了便於後面的數據分析，在分析之前我們需要先對做一下清洗
看元數據（欄位解釋，數據來源，數據類型，數據量……）初步發現問題為之後的處理做准備。
確定缺失值范圍，去除不需要欄位，填充缺失內容
根據元數據格式和後續分析需要的格式對數據進行處理
去除重復值，異常值
——去除重復值：並把用戶ID,商品ID，時間戳設置為主鍵
——異常值處理：查詢並刪除2017年11月25日至2017年12月3日之外的數據
查詢並刪除小於2017-11-25的
——驗證數據：
——分析思路：
——SQL提數：
——Excel可視化：
活躍曲線整體為上升狀態，同為周六日，12月2號，3號相比11月25日，26日活躍度更高。
用戶在周六周日相比其他時間更活躍（周六周日為休息日，用戶有更多時間）
一天內用戶活躍的最高峰期為21點（用戶在這個時間段空閑較多）
——分析思路：
——SQL提數：
列出每用戶每天及當天後面又活躍的日期，並創建「活躍時間間隔表」用於後面求次日存留，三日存留……
對「活躍時間間隔表視圖」引用進行分組統計，計算每日存留人數並創建視圖
對存留人數表進行計算，統計活躍用戶留存率
——Excel可視化：
——分析思路：
——SQL提數：
-把各種用戶行為分離出來並創建視圖方便後續查詢用戶行為數據
查詢整體數據漏斗
——Excel可視化：
用戶從瀏覽到購買整體轉化率2.3%，具體主要在哪個環節流失還需要再細分用戶路徑分析
——分析思路：
——SQL提數：
——PowerBI可視化：
用戶從瀏覽到購買的路徑主要有4條，路徑越長轉化率越底
路徑1：瀏覽→購買：轉化率1.45%
路徑2：瀏覽→加購物車→購買：轉化率0.33
路徑3：瀏覽→收藏→購買：轉化率0.11%
路徑4：瀏覽→收藏→加購物車→購買：轉化率0.03%
——分析思路：
——SQL提數：
——Excel可視化：
——描述性分析：
瀏覽量top100的商品瀏覽量呈階梯分布，越靠前的階梯之間的落差相對越大在這個階梯中的商品越少，越靠後商品瀏覽量階梯之間的落差相對越小，同階梯內的商品越多。
瀏覽量TOP100的商品所屬類目中，4756105，3607361，4357323三個類目瀏覽量遠超其他類目。
——分析思路：
——SQL提數：
查詢計算商品轉化率，升序排列，取前100個
——Excel可視化：
——描述性分析：
從商品看：有17款商品轉化率超過了1。
從類目看：這些商品所屬類目分布均勻，除965809，4801426，2735466，2640118，5063620，4789432，2945933這7個類目之外，其他類目都只有一個商品在轉化率TOP100的商品中。
——分析思路：
用戶價值分析常用的分析方式是RFM模型
本次分析中的R,F,M具體定義（僅用於演示分析方法，無實際業務參考價值）：
——SQL取數與分析：
1）建立打分標准：先計算R,F的值，並排序，根據R,F值最大值和最小值得區間設計本次得打分標准
-查詢並計算R，F值創建視圖
-引用RF數值表，分別查詢R,F的最大值和最小值
-結合人工瀏覽的建立打分標准
2）給R，F按價值打分
3）計算價值的平均值
4）用平均值和用戶分類規則表比較得出用戶分類
——Excel可視化
通過描述性分析得到可視化的數據後我們一般會先看一下是否符合業務常識
如果符合常識接下來我們會通過與行業平均數據和本產品的同比環比對比看是否正常，如果不正常就要找原因，設計解決方案，如果正常那就看是否有可以優化的地方。
我們首先來看一下這些描述性分析是否符合業務常識和指標是否正常：
1.活躍曲線整體為上升狀態，同為周六日，12月2號，3號相比11月25日，26日活躍度更高。
2.用戶在周六周日相比其他時間更活躍
3.一天內用戶活躍的最高峰期為21點
4.從2017年11月15日致2017年12月3日，活躍用戶新增38%
5.從2017年11月15日致2017年12月3日，活躍用戶次日留存增長18.67%，當日的活躍用戶留存也在快速增長，第七日留存比次日留存高18.56%。
6.用戶從瀏覽到購買整體轉化率2.3%
7.用戶從瀏覽到購買的路徑主要有4條，路徑越長轉化率越低。
8.瀏覽量top100的商品瀏覽量呈階梯分布，越靠前的階梯之間的落差相對越大在這個階梯中的商品越少，越靠後商品瀏覽量階梯之間的落差相對越小，同階梯內的商品越多。
9.瀏覽量TOP100的商品所屬類目中，4756105，3607361，4357323三個類目瀏覽量遠超其他類目。
10.從商品看：有17款商品轉化率超過了1。
11.從類目看：這些商品所屬類目分布均勻，除965809，4801426，2735466，2640118，5063620，4789432，2945933這7個類目之外，其他類目都只有一個商品在轉化率TOP100的商品中。
根據以上診斷分析我們梳理出了以下假設，做假設驗證。
假設1：這些商品中有高轉化率的爆款商品
對比瀏覽量TOP5的商品，發現這些商品轉化率在同一類目下並不高，假設不成立
假設2：4756105，3607361，4357323三個類目屬於高頻剛需類目
-創建類目購買頻次表
-計算類目購買頻次平均值
-查詢4756105，3607361，4357323三個類目的購買頻次
4756105，3607361，4357323三個類目的用戶購買頻次明顯高於平均值，假設成立
假設3：有部分用戶是未點擊商詳直接從收藏和購物車購買的。
用戶不是直接從收藏和購物車購買的，只是後續復購未點擊商詳，假設不成立
假設4：淘寶推薦的商品主要是「同一類目下的高轉化商品」
用Excel對瀏覽量TOP100的商品ID和轉化率TOP100的商品ID進行去重，結果無重復值，假設不成立
3.結論：
1）用戶活躍：用戶活躍曲線整體呈上升趨勢，在一周中周六，周日活躍度比平時更高，在一天中用戶活躍曲線從凌晨4點開始往上升，在中午12點和下午5~6點有兩個小低谷（吃飯），到晚上9點時活躍度達到頂峰。
2）用戶留存：從2017年11月15日致2017年12月3日的用戶留存數據來看，淘寶的用戶留存數據較好，活躍用戶次日留存增長18.67%，當日的活躍用戶留存也在快速增長，第七日留存比次日留存高18.56%。
3）用戶轉化：整體轉化2.3%，用戶從瀏覽到購買的路徑主要有4條，路徑越長轉化率越低。
4）平台推薦與用戶偏好：從數據集中的數據來看，排除用戶興趣偏好標簽，淘寶給用戶用戶推送的商品主要是高頻剛需的類目，促使用戶復購，流量迴流平台。
以上結論受數據量和數據類型的影響，並不一定準確，僅用來練習數據分析方法。
（考慮到閱讀體驗文章中只放了SQL截圖，如需PDF版本，再公眾號後台回復「用戶行為分析」領取）
㈦ 如何用sql server搭建伺服器資料庫伺服器
1、打開Microsoft sql server2008軟體
5、輸入資料庫名稱即可建立成功
㈧ 如何用sql server 建庫
sql server 建庫的語法與步驟：
1、use master 使用資料庫默認的資料庫
2、go 批處理
3、if exists(select * from sysdatabases where name='DB')判斷資料庫「DB」是否存在
4、 drop database DB 刪除「DB」資料庫
5、go 批處理
6、create database DB 創建資料庫「DB」
7、use DB 使用「DB」資料庫
以上是sql server建庫的步驟與語法，接下來創建表就行了。