㈠ 用友记账宝提示请使用系统维护工具修复数据库K:\记账宝\ZWSET.MDB！怎么解决，我现在进不去记账宝了
首先确认“记账宝”侧面是否有开关，要将开关拨到钥匙端，如果排查了开关这点，就是系统库“ZWSET.MDB”损坏了，需要重建系统库“ZWSET.MDB”。具体步骤如下：
1、将记账宝可移动磁盘中所有“ZT开头的文件夹”及“ZWSET.MDB”文件剪切放到本地磁盘（请保留“ZT999文件夹”不要剪切）；
2、将记账宝可移动磁盘“sys”文件夹中的“ZWSET.MDB”文件复制粘贴到记账宝文件夹根目录；
3、将本地磁盘C盘的“记账宝”文件夹删除，并从可移动磁盘中运行“记账宝”；
4、运行之后重新建立所有的帐套（注：帐套信息一定要与之前的帐套信息保持一致，帐套信息其中有包括帐套名称、行业性质、编码级长、帐套启用日期），建立完成之后可移动磁盘中会自动生成ZT开头的帐套信息库文件夹；
5、若帐套仅只有一个年度的数据，此步骤可以不做。若帐套有多个年度的数据时，需要再建立其他年度的年度账。例：帐套是2010年开始启用，后续还有2011年的账，在建立完此帐套后，请再以2011年重新登录此帐套来建立2011年的年度帐，后续还有其他多个年度的年度帐时也依此类推来建立对应年度的年度帐；
6、将之前剪切出来的所有“ZT开头的文件夹”重新复制粘贴到可移动磁盘记账宝文件夹中；
7、删除本地磁盘C盘中的整个“记账宝”文件夹，重新从可移动磁盘运行即可。
㈡ sql个人记账管理系统 个人记账管理系统数据库的设计与实现 描述：设计一个个人记帐系统。实现下列功能： 1
create database 个人记账
create table 人员
(姓名 char(20) primary key,
地位 char(20),
年龄 smallint,
职业 char(20),
性别 char(2))
create table 项目
(项目编号 char(4) primary key,
项目名称 char(20) unique,
项目类型 char(10));
create table 支出
(姓名 char(20),
项目编号 char(20),
金额 float(2),
次数 int,
时间 smalldatetime,
primary key(姓名,项目编号));
create table 收入
(姓名 char(20),
项目编号 char(20),
金额 float(2),
次数 int,
时间 smalldatetime,
primary key(姓名,项目编号));
select *
from 人员
select *
from 项目
select *
from 支出
select *
from 收入
select 姓名,项目名称,金额
from 项目,收入
where (姓名='施晓明' )and (项目名称='工资' or 项目名称='提成')
create unique index Fna on 人员("姓名" asc);
create unique index Pid on 项目("项目编号" desc);
insert into 人员
values ('费翔','哥哥',26,'会计','男')
insert into 支出(姓名,项目编号,金额)
values ('费翔','006','410')
update 人员
set 年龄=84
where 姓名='施文祥'
delete
from 支出
where 姓名='费翔' --删除数据
create view Sub_N
as select 姓名,地位,职业
from 人员
where 姓名='施展'
create view N_Avg(姓名,Avg)
as select 姓名,Avg(金额)
from 收入
group by 姓名
create procere InsertRecord
(@姓名 char(20),
@地位 char(20),
@年龄 smallint,
@职业 char(20),
@性别 char(2))
as
insert into 人员 values(@姓名,@地位,@年龄,@职业,@性别)
create procere QueryProgram
(@项目编号 char(4),
@项目名称 char(20) output,
@项目类型 char(10) output)
as
select @项目编号=项目编号,@项目名称=项目名称,@项目类型=项目名称
from 项目
where 项目编号=@项目编号
create trigger ChangeDisplay
on 人员
for insert
as
select * from 人员
--创建一个触发器，当向人员表中插入一条记录时，自动显示人员表中的记录
exec InsertRecord @姓名='施圆圆',@地位='妹妹',@年龄=16,@职业='学生',@性别='女'
㈢ 数据库连接失败！怎么解决
你的问题说的太笼统了，
首先你要确定下是什么数据库，比如说oracle、还是mysql、还是sqlserver。不同的数据库连接失败的原因不一样。
其次，你要详细描述下连接失败的具体情况或截图。以ORACLE数据库为例，问题可能存在于客户端或者数据库服务端。
按照我说的方法进行逐一检查吧：
客户端：
①检查tnsname.ora配置是否准确
②ping服务器IP是否通，telnet ip:1521端口是否通
服务端：
①检查数据库是否启动
②lsnrctl status 看监听是否启动
③看数据库防火墙及selinux是否关闭
上面只是简单的判断连接失败的办法，需要具体原因具体分析。
㈣ 怎么用VB连接SQL数据库做一个个人记账系统。急需！！！！！哭求！！！！！摆脱大家帮个忙。
付rmb吗？
㈤ 笨笨家庭记账本 提示“对不起，系统数据源找不到，请重新定位系统数据库”！这是怎么回事啊
别用这个笨笨了。过几天会要收费的。那个财智还好。
㈥ BI主要掌握什么
商业智能也称作BI，是英文单词Business Intelligence的缩写。商业智能的概念最早在1996年提出。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。目前，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。BI 是一个工厂：
>> BI 的原材料是海量的数据；
>> BI 的产品是由数据加工而来的信息和知识；
>> BI 将这些产品推送给企业决策者；
>> 企业决策者利用 BI 工厂的产品做出正确的决策，促进企业的发展；
这就是 Business Intelligence，即商业智能——连接数据与决策者，变数据为价值。
BI 应用的两大类别是信息类应用 和 知识类应用，其特征如下表所示：
信息类 BI 应用:
指由原始数据加工而来的数据查询、报表图表、多维分析、数据可视化等应用，这些应 用的共同特点是：将数据转换为决策者可接受的信息，展现给决策者。
例如将银行交易数据加工为银行财务报表。
仅负责提供信息，而不会主动去分析数据。
例如，银行财务报表工具没有深入分析客户流失和银行利率之间关系的能力，而只能靠决策者结合信息，通过人的思考，得出知识。
知识类 BI 应用:
指通过数据挖掘技术和工具，将数据中隐含的关系发掘出来，利用计算机直接将数据加工为知识，展现给决策者。
会主动去数据中探查数据关联关系，发掘那些决策者人脑无法迅速发掘的隐含知识，并将其以可理解的形式呈现在决策者面前。
(3) BI 初级应用模式概览——数据查询(Querying)
数据查询是最简单的 BI 应用，属于 MIS 系统遗产，虽然出身比较老土，但是目前仍然是决策者获取信息的最直接的方法。
如今，数据查询界面已经彻底摆脱了传统 SQL 命令行，大量的下拉菜单、输入框、列表框等元素甚至是鼠标拖拽界面将后台干苦力的 SQL 语句包装成一个妖艳无比的数据获取系统，而本质仍然没有离开数据查询的几大要素：
>> 查什么
>> 从哪儿查
>> 过滤条件
>> 展示方法
目前国外比较流行的数据查询应用已经完全释放了数据查询的灵活性，如右图所示的是 Cognos ReportNet 的数据查询界面 Query Studio，允许用户通过纯浏览器界面，以鼠标拖拽操作定义数据查询要素，并以报表和图表等多种方式展现数据。
(4) BI 初级应用模式概览——报表(Reporting)
报表是国内最热衷的 BI 应用之一，这与报表在我国企事业单位中的历史地位是分不开的。我国的报表以其格式诡异、数据集中、规则古怪等特征着称于世，曾经让无数国外报表工具和 BI 工具捶胸顿足。
报表的两大要素是数据和格式，如果没有格式，则报表应用几乎等同于数据查询应用。可以说，报表就是将查询出来的数据按照指定的格式展现。
报表应用包含了报表展现和报表制作两大模块。报表展现就是让决策者看到报表，并允许决策者通过条件定义来选择报表数据，例如选择报表年度、部门、机构等等；报表制作面向报表的开发人员，其格式定义灵活性、数据映射灵活性、计算方法的丰富程度等均影响了 BI 报表应用的质量。
需要澄清一下的是，Microsoft Excel 不算是一个 BI 报表工具，因为 Excel 没有连接数据源的能力，充其量是一个 Spread Sheet。但是 Excel 强大的格式功能让报表制作人员竟折腰，乃至到后来，几乎所有 BI 厂商都提供了面向 Microsoft Excel 的插件，通过插件，Excel 可以连接到 BI 的数据源上，摇身一变为 BI 报表工具，丑小鸭变天鹅。
5) BI 高级应用模式概览——在线分析(OnLine Analytical Processing,OLAP)
OLAP ，即联机分析处理，是 BI 带来的一种全新的数据观察方式，是 BI 的核心技术之一。
我们知道，数据在数据库中是以数据表来存储的，比如某商店的销售数据存储在如下所示的一张数据表中：
销售时间
销售地点
产品
销售数量
销售金额
2004-11-1
北京
肥皂
10
342.00
2004-11-6
广州
桔子
30
123.00
2004-12-3
北京
香蕉
20
12.00
2004-12-13
上海
桔子
50
189.00
2005-1-8
北京
肥皂
10
342.00
2005-1-23
上海
牙刷
30
150.00
2005-2-4
广州
牙刷
20
100.00
决策者希望知道的往往是分布、占比、趋势之类的宏观信息，比如下列问题：
>> 北京地区的销售数量虽时间的变化趋势？
>> 哪种产品在 2005 年销售比 2004 年销售增幅最大？
>> 2004 年各产品销售额的比例分布？ ……
面对这种需求，必须用 SQL 语句进行大量的 SUM 操作，每得出一个问题的结果，就需要 SQL SUM。面对上面的 7 条记录，我们可以很容易的得出结果，但是当我们面对百万级甚至亿级的记录条数时，例如移动公司通话数据，每次 SQL SUM 都需要消耗大量的时间来计算，决策者经常是在第一天提出分析需求，等到第二天才能拿到计算结果，这种分析方式是“脱机分析”，效率很低。
为了提高数据分析效率，OLAP 技术彻底打破以记录为单位的数据浏览方式，而将数据分离为“维度(Dimension)”和“度量(Measure)”：
>> 维度是观察数据的角度，例如上面示例中的“销售时间”、“销售地点”、“产品”；
>> 度量是具体考察的数量值，例如上例中的“销售数量”和“销售金额”；
这样一来，我们就可以将上面这张平版的数据列表转换为一个拥有三个维度的数据立方体( Cube )：
而探查数据的过程，就是在这个立方体中确定一个点，然后观察这个点的度量值：
当然，数据立方体并不局限于三个维度，这里采用三个维度来说明问题，只是因为通过图形可以表现出来的极限就是三个维度。
维度可以划分层次，例如时间上可以从日向上汇总为月和年，产品可以向上汇总为食品和日用品，地点可以向上汇总为华北和华南，用户可以沿着维度的层次任意向下钻取(Drill Down)和向上汇总(Roll Up)：
通过这种方式，我们就可以摆脱 SQL SUM 对速度的制约，快速定位符合不同条件的细节数据，更可以迅速得到某一层次的汇总数据。OLAP 技术为决策者提供了多角度、多层次、高效率的数据探查方式，决策者的思维不再被固定的下拉菜单、查询条件所束缚，而是由决策者的思维带领数据的获取，任意组合分析角度和分析目标，这种打破传统的互动性分析和高效率使 OLAP 成为 BI 系统的核心应用。
(*) 第四喷：BI 高级应用模式 —— 数据可视化与数据挖掘
(6) BI 应用模式概览——数据可视化(Visualization)
数据可视化应用致力于将信息以尽可能多的形式展现出来，目的是使决策者通过图形这种直观的表现方式迅速获得信息中蕴藏的知识，如趋势、分布、密度等要素。 值得一提的是，以 MapInfo 公司为代表的 GIS 软件商，目前也正在努力结合 BI 应用。MapInfo 率先提出了 Location Intelligence 概念，依托于地理信息系统，展现各地区的属性值，例如人口密度，工业产值，人均医院数量等等，这种可视化应用部分与 BI 数据可视化应用重合，并形成有力补充，有时可以在一个项目中互相搭配。
上图所示的是 Cognos Visualizer 产品，这家伙用几近哗众取宠的丰富形式展现数据和信息，包含了地图、饼图、瀑布图等近五十种展现图形，并提供了二维和三维两种展现方式。所有的图形元素都是可活动的，例如用户可以通过点击地图上的某一个省，钻取到这个省各个城市的信息，这种可交互性是 BI 与普通图片生成软件的显着差异。
(7) BI 应用模式概览——数据挖掘(Data Mining)
数据挖掘是最高级的 BI 应用，因为它能代替部分人脑功能。
数据挖掘隶属于知识发现(Knowledge Discovery)在结构化数据中的特例。
数据挖掘的目的是通过计算机对大量数据进行分析，找出数据之间潜藏的规律和知识，并以可理解的方式展现给用户。
数据挖掘的三大要素是：
>> 技术和算法：目前常用的数据挖掘技术包括——
自动类别侦测(Auto Cluster Detection)
决策树(Decision Trees)
神经网络(Neural Networks)
>> 数据：由于数据挖掘是一个在已知中挖掘未知的过程，
因此需要大量数据的积累作为数据源，数据积累
量越大，数据挖掘工具就会有更多的参考点。
>> 预测模型：也就是将需要进行数据挖掘的业务逻辑由
计算机模拟出来，这也是数据挖掘的主要任务。
与信息类 BI 应用相比，以数据挖掘为代表的知识类 BI 应用目前还不成熟，但是从另一个角度来看，数据挖掘可发展的空间还很大，是今后 BI 发展的重点方向，SAS，SPSS 等知识类 BI 应用厂商形象逐渐高大，悄悄占据了新的利润增长点。
上图中是着名的 IBM Intelligent Miner 在分析客户的消费行为。它能对大量的客户数据进行分析，然后自动将客户划分为若干群体（自动类别侦测），并将每个群体的消费特征显示出来，这样决策者就能一目了然的针对不同客户的消费习惯，制定促销计划或广告计划。
上述功能如果单靠信息类 BI 应用来实现，则需要决策者根据经验进行大量的 OLAP 分析、数据查询工作，而且还不一定能发现数据中隐藏的规律。例如上述客户分类，对于一个拥有 400 万用户的银行来说，如果没有数据挖掘工具，会把人活活累死的。
(8) BI 底座——数据仓库技术(Data Warehouse)
在开始喷这个主题之前，让我们先看看数据仓库的官方定义：
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。以上是数据仓库的官方定义。
“操作型数据库”如银行里记账系统数据库，每一次业务操作（比如你存了5元钱），都会立刻记录到这个数据库中，长此以往，满肚子积累的都是零碎的数据，这种干脏活累活还不得闲的数据库就叫“操作型数据库”，面向的是业务操作。
“数据仓库”用于决策支持，面向分析型数据处理，不同于操作型数据库；另外，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。
操作型数据库、数据仓库与数据库之间的关系，就像 C:、D: 与硬盘之间的关系一样，数据库是硬盘，操作型数据库是 C:，数据仓库是 D:，操作型数据库与数据仓库都存储在数据库里，只不过表结构的设计模式和用途不同。
那么为什么要在操作型数据库和 BI 之间加这么一层“数据仓库”呢？
一是因为操作型数据库日夜奔忙，以快速响应业务为主要目标，根本没精力伺候 BI 这边的数据需求，而且 BI 这边的数据需求通常是汇总型的，一个 select sum(xx) group by xx 就能让操作型数据库耗费大量资源，业务处理跟不上趟，麻烦就大了，比如你存了 5000 元钱，发现十分钟后钱还没到账，作何感想？一定是该银行的领导在看饼图？
二是因为企业中一般存在有多个应用，对应着多个操作型数据库，比如人力资源库、财务库、销售单据库、库存货品库等等，BI 为了提供全景的数据视图，就必须将这些分散的数据综合起来，例如为了实现一个融合销售和库存信息的 OLAP 分析，BI 工具必须能够高效的取得两个数据库中的数据，这时最高效的方法就是将数据先整合到数据仓库中，而 BI 应用统一从数据仓库里取数。
将分散的操作型数据库中的数据整合到数据仓库中是一门大学问，催生了数据整合软件的市场。这种整合并不是简单的将表叠加在一起，而是必须提取出每个操作型数据库的维度，将共同的维度设定为共用维度，然后将包含具体度量值的数据库表按照主题统一成若干张大表（术语“事实表”，Fact Tables），按照维度-度量模型建立数据仓库表结构，然后进行数据抽取转换。后续的抽取一般是在操作性数据库负载比较小的时候（如凌晨），对新数据进行增量抽取，这样数据仓库中的数据就会形成积累。
大多数 BI 应用并不要求获取实时的数据，比如决策者，只需要在每周一看到上周的周报就可以了，95% 的 BI 应用都不要 求实时性，允许数据有 1 小时至 1 个月不等的滞后，这是决策支持系统的应用特点，这个滞后区间就是数据抽取工具工作的时间。当然，BI 应用中通常还将包含极少的对实时数据的要求，这时仅需针对这些特殊需求，将 BI Querying 软件直接连接在业务数据库上就可以了，但是必须限制负载，禁止做复杂查询。
目前的数据库产品都对数据仓库提供有专门优化，例如在安装 MySQL 的高版本时，安装成序会询问你是想让数据库实例作为 Transaction-Oriented ，还是 Decision Support ，前者就是操作型数据库，后者就是数据仓库（决策支持么，再振臂高呼一遍），针对这两种形式，数据库将提供针对性的优化。
(9) BI 花边
BI 的相关知识大致就是这样了，写一些花边作为结束语吧。
BI 要害：BI 无法处理非结构化数据，只能处理数字信息，但是在企业中，还存在有大量像文本、流媒体、图片等非结构化的数据，这些数据同样蕴藏有大量价值，但是面对这些数据，目前的 BI 工具无能为力。比较靠谱的是 IBM Intelligent Miner for Text，但是它在处理中文方面似乎十分薄弱。
BI 厂商和产品：
首先让我们认识一下国外大人物！数据仓库方面，有 IBM DB2，Oracle，Sybase IQ，NCR Teradata 等等；BI 应用方面，有 Cognos，Business Objects，MicroStrategy，Hyperion，IBM 等等；数据挖掘方面，有 IBM，SAS，SPSS 等等。巨无霸 Microsoft 也在 BI 领域插了一腿，推出了 SQL Server Analysis Server、Reporting Services 等 BI 相关产品抢占山头！
我们往往容量只把眼光放在国外的BI大佬们而忽略国内渐渐突起的BI新军，如今国内比较出名的BI有奥威智动的Power-BI，尚南的BlueQuery 及润乾报表等，特别值得一提的是奥威智动的Power-BI是一款标准化BI，在国内已经具有一定的市场占有率。
中国的 BI 市场发展：
时间段
国内 BI 应用情况
2002 年以前
大量 BI 软件被看作是能从多个数据源中抽取数据的报表工作，满眼全是报表。
一开始，公司的销售在推销产品时都向用户介绍：“我们是 BI 领域最强的……”效果不好；后来那些销售终于找到了窍门，上来就说：“我们什么报表都能做！”然后订单不断。
2002-2003
OLAP 的价值终于被某些慧眼发现，一些竞争压力大的企业为了提高竞争力，迫切需要从历史数据中挖掘价值，迅速发现了 OLAP 的优势，这时销售终于不用再说“我们什么报表都能做”了。但是国家机关、垄断型企业，仍旧是报表，并且以为 BI 就是报表。
2004
随着越来越多成功 BI 项目的实施，OLAP 终于得以见天日，这时国内才形成数据查询+报表展示+OLAP分析的合理 BI 应用结构。一些数据可视化的需求也时常被用户提出，在一些竞争激烈、数据量大的企业，已经出现了数据挖掘应用。
2005
信息提供已经无法满足很多企业的要求，特别是银行、通信、证券等竞争激烈、风险密集的行业，大量涌现对数据挖掘的需求，BI 应用终于形成信息+知识的整体。
BI 工具在中国遇到的难题：
* 复杂表样：中国是世界上报表最复杂的国家。中国的表样设计思想与西方不同，西方报表倾向于仅用一张报表说明一个问题，而中国的报表倾向于将尽可能多的问题集中在一张报表中，这种思路直接导致了中国报表的复杂格式和诡异风格。
* 大数据量：中国是世界上人口最多的国家。以中国移动公司为例，仅我国一个省的用户数量，就相当于欧洲一个中等国家的人口，是真正的海量数据！国外数据库、数据仓库和 BI 应用软件，都在中国经受着大数据量承载能力的考验。对于美国，可能一个客户分析应用两秒钟就能出结果，但是在中国这样的数据量下，可就不是两秒钟的问题了。
* 数据回写：中国是世界上对 BI 系统要求最奇特的国家。本来 BI 系统是以忠实再现源数据为原则，但这个原则在中国遇到了难题，许多领导都提出了数据修改需求，“报表里数字不好看，就要能改啊，而且有时候也需要调整啊，这样上级领导看着就好嘛！ ”一个领导如是说。目前能满足此要求的 BI 产品，仅有 Microsoft 和 MicroStrategy 两家。微软对中国市场算是吃透了。
㈦ 区块链全民记账那数据库保存在哪里为何文件不会越来越大
1.记账的数据记录在每一个使用记账本的人身上2.文件会越来越大！
㈧ win10系统中U+记账软件打开程序提示数据库加载失败怎么办
咨询记录 · 回答于2021-09-29
㈨ 区块链是一种什么式的记账系统
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链本质上是一个去中心化的数据库。
举个例子，假如你是一位女性，你男朋友每次跟你说一句肉麻的话或者承诺给你买东西，你都立刻录下来并且发给你的和他的所有闺蜜、同学、同事，还有各种群和朋友圈，让他再也无法抵赖，这叫区块链。
区块链技术的核心优势是去中心化，能够通过运用数据加密、时间戳、分布式共识和经济激励等手段，在节点无需互相信任的分布式系统中实现基于去中心化信用的点对点交易、协调与协作，从而为解决中心化机构普遍存在的高成本、低效率和数据存储不安全等问题提供了解决方案。
区块链的应用领域有数字货币、通证、金融、防伪溯源、隐私保护、供应链、娱乐等等，区块链、比特币的火爆，不少相关的top域名都被注册，对域名行业产生了比较大的影响。
㈩ A63.0sp03，在总账管理-记账时，提示数据库操作失败，进入凭证管理，点击全部记账时，提示记账成功
经查看发现科目101现金设置为美元，而其下级明细中有设置为人民币的，A6系统不允许这样的币种设置，记账验证不能通过。A6系统中要求是：如果上级科目是外币，其下级科目必须是外币,之前版本中可能未做强制要求，现在5.0中有此限制。解决方法：将有一级科目有外币核算，但有明细科目不为外币核算的一级科目的外币核算取消掉，可在执行工具中执行以下语句：
update gL_account set cCurGUID=null where ccode='101'（101为现金一级科目，账套中有很多这种情况，找到对应一级科目编码后在执行条件中修改为对应的科目编码执行，可取消一级科目的外币核算） "