㈠ 如何在自己的电脑上搭建sql服务器
要在电脑上安装SQL server 的 database server就可以了，
安装方法： 点击安装包里的setup。exe，选择的时候选择安装客户端和服务器就可以了。
sql server的默认服务端口是1433，所以为了能够远程访问数据库服务器，需要把1433端口添加在防火墙的例外中。为了能够服务稳定，需要给服务器配置一个静态IP地址
㈡ 如何搭建SQL server 2005服务器
安装MSSQL2005,开启数据库网络连接所需要的服务，并允许远程用户连接，一般默认的就是可以连接的，注意：如果你用的是开发版的SQL的话
会有并发连接的限制所以有可能连接数过多可能导致掉线的。然后就让你朋友修改他们的数据库连接配置文件，服务器指向你的IP或者计算机名和数据库的用户名和密码连接就可以了
㈢ 如何用sql server搭建服务器数据库服务器
只能连接，不能搭建。如下参考：
1.打开SQLserver配置管理器，找到其中的SQLserver网络配置，然后从实例中命名协议(我的实例名是SQLEXPRESS)。如下图所示:
㈣ 如何搭建学习SQL语言的环境
access完全可以了
打开access->文件->新建->点右方的空数据库新建一个数据库(如果你没有现成的数据表的话必须自己先建表,相信这个你肯定会)
有可数据库和数据表后,打开数据库,窗口左方有个查询,选折在设计视图中进入创建查询,再添加你要用的那几个表,关闭"显示表"窗口,现在你看到的这个窗口就是创建查询的窗口了,随便乱点一通,再单击窗口上方红色的"!"号运行; 自己试试吧
SQL语句:在查询窗口中选择"视图"->SQL视图;在这里你可以自己写SQL语句再单击上方红"!"号运行 ;这里也可以看到你用向导生成的查询语句..
推荐电子书:Access高级查询http://www.mindows.org/books/book1/book107/6930.html
㈤ 京东数据分析师，教你手把手搭建电商可视化看板
1 内容总概
不管是数据分析还是数据运营，少不了做分析报告，通常一份简洁的分析报告总是令人眼前一亮，但是，大部分同学拿到一组数据时，不能很好的应用，没有思路、想法和头绪，这里作者结合自身在做数据运营时的一些方法，提出一些通用的数据分析方法，以电商销售数据为例，做一个完整的案例分析，简述交叉分析、占比分析 、趋势分析、对比分析，最终呈现的结果如下所示。
2 销售额总概
拿到一组数据后，首先对整体数据情况做一个概览，选择数据，插入数据透视表，将销售额拖入值区域两次，右键销售额，在值显示方式中选择差异百分比，用于显示与上一年销售额的同比值。
3 交叉分析
要分析各年度以及各平台的销售额情况，可以使用交叉分析，选择数据，插入数据透视表，将销售平台拖入到行，年拖入到列，销售额拖入到值。
选择数据，插入一个簇状柱形图，就可以得到不同的电商平台在不同的年份的销售额情况。
4 占比分析
要分析不同省份的销售额占比情况，这里使用占比分析，使用图表展示销售额在区域上的分布，选取数据，插入数据透视表，将客户地址-省拖入到行，销售额拖入到值。
然后先选择X和Y的数据，按住Ctrl键再选择销售额数据，插入一个气泡图。
单击垂直坐标轴，将最小值设置为0，最大值设置为701，同时，在单位里面，设置大为100，小为20。
同理设置水平坐标轴，最小值设置为0，最大值设置为848，在单位里面，设置大为200，小为40。
单击空白区域，设置图表样式，选择图片或纹理填充，填充事先准备好的地图层。
设置气泡的大小，选择图像中的圆点，大小表示为气泡宽度，缩放气泡大小为40。
设置数据标签，在设置数据标签格式里勾选单元格中的值，选择数据标签区域，勾选气泡大小，标签位置选择居中。
5 趋势分析
要分析每月销售额的变化情况使用趋势分析，选择数据，插入数据透视表，将月拖入到行，销售额拖入到值。
选取数据，插入一个折线图，设置数据系列格式，勾选平滑线，将线条做平滑处理。
6 对比分析
要分析各个产品在不同客户类别的销售额情况使用对比分析，选择数据，插入数据透视表，将子类别拖入到行，客户类别拖入到列，销售额拖入到列。
将数据按照总计降序排列，选取数据，插入一个堆积条形图，点击垂直坐标轴，勾选逆序类别，让数据按照降序排列。
同时，设置间隙宽度，让柱形更宽。
7 图表美化
图表完成后，需要对整个图表做美化，消除多余的图表元素，包括去除网格线、隐藏字段按钮等，单击字段按钮，在数据透视图分析中，设置字段按钮为全部隐藏，可以消除数据透视图表的字段按钮。
统一数据单位，将数据单位格式统一设置为万，选择数据，右键单元格，设置单元格格式，在自定义里输入 0!.0,"万" ，可以将数值统一设置为万的单位。
设置一个靛蓝的图层(#242541)，设置图表区格式填充为无填充，边框为无线条，同时为了显示字体，可以将字体的颜色设置为白色，同理，设置其余的图表样式。
将线条设置为发光的线条，可以在设置数据系列格式中将颜色设置为(#1464F4)，大小设置为5磅，透明度设置为60%。
最后添加图表标题，设计一个富有 科技 感的图表边框，数据文件里包含该图表边框，设置图表位置和图像大小，必要做一些文字描述，即可得到结果。
㈥ 如何用SQL分析电商用户行为数据（案例）
本文以“淘宝用户行为数据集”的分析全过程为例，展示数据分析的全过程
——使用工具：MySQL，Excel，Navicat，PowerBI
——分析类型：描述分析，诊断分析
——分析方法：漏斗分析，用户路径分析，RFM用户价值分析，活跃/存留分析，帕累托分析，假设验证分析。
（考虑到阅读体验文章中只放了SQL截图，如需PDF版本，再公众号后台回复“用户行为分析”领取）
（目录如下）
1.分析流程和方法
当没有清晰的数据看板时我们需要先清洗杂乱的数据，基于分析模型做可视化，搭建描述性的数据看板。
然后基于描述性的数据挖掘问题，提出假设做优化，或者基于用户特征数据进行预测分析找规律，基于规律设计策略。简单来说：
——描述性分析就是：“画地图”
——诊断性分析就是：“找问题”
——预测性分析就是 ：“找规律”
在数据分析中有两个典型的场景：
一种是有数据，没有问题：需要先整体分析数据，然后再根据初步的描述分析，挖掘问题做诊断性分析，提出假设，设计策略解决问题。
另一种是已经发现了问题，或者已经有了假设，这种做数据分析更偏向于验证假设。
2.淘宝用户行为分析
本次是对“淘宝用户行为数据集”进行分析，在分析之前我们并不知道有什么问题，所以需要先进行描述性分析，分析数据挖掘问题。
我们首先来看下这个数据集的元数据：
根据以上数据字段我们可以拿用户行为为主轴从纵深方向提出一些问题，然后再从数据中找答案
纵向：
——这个数据集中用户的日活跃和周活跃时间有什么规律吗？
——在当日活跃的用户次日，三日，四日……还有多少活跃？
深向：
——用户从浏览到购买的整体转化率怎么样？
——用户从浏览到购买的路径是怎么样子的？
——平台主要会给用户推送什么商品？
——用户喜欢什么类目？喜欢什么商品？
——怎么判断哪些是高价值用户 ？
下面是叮当整理的常用分析方法：
我们可以给前面的问题匹配一下分析方法，便于后面的分析：
为了便于后面的数据分析，在分析之前我们需要先对做一下清洗
看元数据（字段解释，数据来源，数据类型，数据量……）初步发现问题为之后的处理做准备。
确定缺失值范围，去除不需要字段，填充缺失内容
根据元数据格式和后续分析需要的格式对数据进行处理
去除重复值，异常值
——去除重复值：并把用户ID,商品ID，时间戳设置为主键
——异常值处理：查询并删除2017年11月25日至2017年12月3日之外的数据
查询并删除小于2017-11-25的
——验证数据：
——分析思路：
——SQL提数：
——Excel可视化：
活跃曲线整体为上升状态，同为周六日，12月2号，3号相比11月25日，26日活跃度更高。
用户在周六周日相比其他时间更活跃（周六周日为休息日，用户有更多时间）
一天内用户活跃的最高峰期为21点（用户在这个时间段空闲较多）
——分析思路：
——SQL提数：
列出每用户每天及当天后面又活跃的日期，并创建“活跃时间间隔表”用于后面求次日存留，三日存留……
对“活跃时间间隔表视图”引用进行分组统计，计算每日存留人数并创建视图
对存留人数表进行计算，统计活跃用户留存率
——Excel可视化：
——分析思路：
——SQL提数：
-把各种用户行为分离出来并创建视图方便后续查询用户行为数据
查询整体数据漏斗
——Excel可视化：
用户从浏览到购买整体转化率2.3%，具体主要在哪个环节流失还需要再细分用户路径分析
——分析思路：
——SQL提数：
——PowerBI可视化：
用户从浏览到购买的路径主要有4条，路径越长转化率越底
路径1：浏览→购买：转化率1.45%
路径2：浏览→加购物车→购买：转化率0.33
路径3：浏览→收藏→购买：转化率0.11%
路径4：浏览→收藏→加购物车→购买：转化率0.03%
——分析思路：
——SQL提数：
——Excel可视化：
——描述性分析：
浏览量top100的商品浏览量呈阶梯分布，越靠前的阶梯之间的落差相对越大在这个阶梯中的商品越少，越靠后商品浏览量阶梯之间的落差相对越小，同阶梯内的商品越多。
浏览量TOP100的商品所属类目中，4756105，3607361，4357323三个类目浏览量远超其他类目。
——分析思路：
——SQL提数：
查询计算商品转化率，升序排列，取前100个
——Excel可视化：
——描述性分析：
从商品看：有17款商品转化率超过了1。
从类目看：这些商品所属类目分布均匀，除965809，4801426，2735466，2640118，5063620，4789432，2945933这7个类目之外，其他类目都只有一个商品在转化率TOP100的商品中。
——分析思路：
用户价值分析常用的分析方式是RFM模型
本次分析中的R,F,M具体定义（仅用于演示分析方法，无实际业务参考价值）：
——SQL取数与分析：
1）建立打分标准：先计算R,F的值，并排序，根据R,F值最大值和最小值得区间设计本次得打分标准
-查询并计算R，F值创建视图
-引用RF数值表，分别查询R,F的最大值和最小值
-结合人工浏览的建立打分标准
2）给R，F按价值打分
3）计算价值的平均值
4）用平均值和用户分类规则表比较得出用户分类
——Excel可视化
通过描述性分析得到可视化的数据后我们一般会先看一下是否符合业务常识
如果符合常识接下来我们会通过与行业平均数据和本产品的同比环比对比看是否正常，如果不正常就要找原因，设计解决方案，如果正常那就看是否有可以优化的地方。
我们首先来看一下这些描述性分析是否符合业务常识和指标是否正常：
1.活跃曲线整体为上升状态，同为周六日，12月2号，3号相比11月25日，26日活跃度更高。
2.用户在周六周日相比其他时间更活跃
3.一天内用户活跃的最高峰期为21点
4.从2017年11月15日致2017年12月3日，活跃用户新增38%
5.从2017年11月15日致2017年12月3日，活跃用户次日留存增长18.67%，当日的活跃用户留存也在快速增长，第七日留存比次日留存高18.56%。
6.用户从浏览到购买整体转化率2.3%
7.用户从浏览到购买的路径主要有4条，路径越长转化率越低。
8.浏览量top100的商品浏览量呈阶梯分布，越靠前的阶梯之间的落差相对越大在这个阶梯中的商品越少，越靠后商品浏览量阶梯之间的落差相对越小，同阶梯内的商品越多。
9.浏览量TOP100的商品所属类目中，4756105，3607361，4357323三个类目浏览量远超其他类目。
10.从商品看：有17款商品转化率超过了1。
11.从类目看：这些商品所属类目分布均匀，除965809，4801426，2735466，2640118，5063620，4789432，2945933这7个类目之外，其他类目都只有一个商品在转化率TOP100的商品中。
根据以上诊断分析我们梳理出了以下假设，做假设验证。
假设1：这些商品中有高转化率的爆款商品
对比浏览量TOP5的商品，发现这些商品转化率在同一类目下并不高，假设不成立
假设2：4756105，3607361，4357323三个类目属于高频刚需类目
-创建类目购买频次表
-计算类目购买频次平均值
-查询4756105，3607361，4357323三个类目的购买频次
4756105，3607361，4357323三个类目的用户购买频次明显高于平均值，假设成立
假设3：有部分用户是未点击商详直接从收藏和购物车购买的。
用户不是直接从收藏和购物车购买的，只是后续复购未点击商详，假设不成立
假设4：淘宝推荐的商品主要是“同一类目下的高转化商品”
用Excel对浏览量TOP100的商品ID和转化率TOP100的商品ID进行去重，结果无重复值，假设不成立
3.结论：
1）用户活跃：用户活跃曲线整体呈上升趋势，在一周中周六，周日活跃度比平时更高，在一天中用户活跃曲线从凌晨4点开始往上升，在中午12点和下午5~6点有两个小低谷（吃饭），到晚上9点时活跃度达到顶峰。
2）用户留存：从2017年11月15日致2017年12月3日的用户留存数据来看，淘宝的用户留存数据较好，活跃用户次日留存增长18.67%，当日的活跃用户留存也在快速增长，第七日留存比次日留存高18.56%。
3）用户转化：整体转化2.3%，用户从浏览到购买的路径主要有4条，路径越长转化率越低。
4）平台推荐与用户偏好：从数据集中的数据来看，排除用户兴趣偏好标签，淘宝给用户用户推送的商品主要是高频刚需的类目，促使用户复购，流量回流平台。
以上结论受数据量和数据类型的影响，并不一定准确，仅用来练习数据分析方法。
（考虑到阅读体验文章中只放了SQL截图，如需PDF版本，再公众号后台回复“用户行为分析”领取）
㈦ 如何用sql server搭建服务器数据库服务器
1、打开Microsoft sql server2008软件
5、输入数据库名称即可建立成功
㈧ 如何用sql server 建库
sql server 建库的语法与步骤：
1、use master 使用数据库默认的数据库
2、go 批处理
3、if exists(select * from sysdatabases where name='DB')判断数据库“DB”是否存在
4、 drop database DB 删除“DB”数据库
5、go 批处理
6、create database DB 创建数据库“DB”
7、use DB 使用“DB”数据库
以上是sql server建库的步骤与语法，接下来创建表就行了。