SQL Server数据挖掘与商业智能基础及案例实战 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

谢邦昌 著

图书标签:

• SQL Server
• 数据挖掘
• 商业智能
• 数据分析
• 机器学习
• 案例实战
• 数据库
• BI
• 数据仓库
• SQL Server 2019

出版社： 中国水利水电出版社

ISBN：9787517035411

版次：1

商品编码：11768245

包装：平装

开本：16开

出版时间：2015-08-01

用纸：胶版纸

页数：364

字数：515

内容简介

　　

本书全面介绍了数据挖掘与商业智能的基本概念与原理，包括经典理论与趋势发展，并深入叙述了各种数据挖掘的技术与典型应用。通过本书的学习，读者可以对数据挖掘与商业智能的整体结构、概念、原理、技术和发展有深入的了解和认识。本书以Microsoft SQL Server 2014（适用于2012）的数据挖掘模块进行介绍，让读者可以很快地通过书中的说明与范例，在极短的时间内就能上手。本书分为四个部分：第一部分介绍数据仓库、数据挖掘与商业智能之间的关系。第二部分对Microsoft SQL Server的整体架构进行了介绍，并详细阐述了直接与数据挖掘相关的两个服务：分析服务和报表服务。第三部分逐一阐述了Microsoft SQL Server中包含的九种数据挖掘模型。第四部分提供了四个数据挖掘的案例以及数据挖掘模型的评估，通过模仿练习，读者可获得实际的数据挖掘经验，稍加修改就能在自己所处的领域中加以应用。

目录

PART I 数据仓库、数据挖掘与商业智能Chapter 1 绪论 2
1-1 商业智能 3
1-2 数据挖掘 7
Chapter 2 数据仓库 9
2-1 数据仓库定义 10
2-2 数据仓库特性 10
2-3 数据仓库架构 11
2-4 创建数据仓库的目的 12
2-5 数据仓库的运用 14
2-6 数据仓库的管理 14
Chapter 3 数据挖掘简介 16
3-1 数据挖掘的定义 17
3-2 数据挖掘的重要性 17
3-3 数据挖掘的功能 17
3-4 数据挖掘的步骤 18
3-5 数据挖掘建模的标准CRISP-DM 19
3-6 数据挖掘的应用 21
3-7 数据挖掘软件介绍 22
Chapter 4 数据挖掘的主要方法 24
4-1 回归分析 25
4-2 关联规则 27
4-3 聚类分析 27
4-4 判别分析 29
4-5 神经网络 29
4-6 决策树 31
4-7 其他分析方法 32
Chapter 5 数据挖掘与相关领域的关系 34
5-1 数据挖掘与统计分析 35
5-2 数据挖掘与数据仓库 35
5-3 数据挖掘与KDD 36
5-4 数据挖掘与OLAP 37
5-5 数据挖掘与机器学习 37
5-6 数据挖掘与Web数据挖掘 38PART II Microsoft SQL Server概述Chapter 6 Microsoft SQL Server中的商业智能 40
6-1 Microsoft SQL Server入门 41
6-2 关系数据仓库 41
6-3 SQL Server 2008 R2概述 42
6-4 SQL Server 2008 R2技术 43
6-5 SQL Server 2008 R2新增功能 45
Chapter 7 Microsoft SQL Server中的数据挖掘功能 46
7-1 创建商业智能应用程序 47
7-2 Microsoft SQL Server数据挖掘功能的优势 48
7-3 Microsoft SQL Server数据挖掘算法 50
7-4 Microsoft SQL Server可扩展性 51
7-5 Microsoft SQL Server是数据挖掘与商业智能的结合 51
7-6 使用数据挖掘可以解决的问题 52
Chapter 8 Microsoft SQL Server的分析服务（Analysis Services） 56
8-1 创建多维数据集的结构 57
8-2 建立和部署多维数据集 58
8-3 从模板创建自定义的数据库 58
8-4 统一维度模型 59
8-5 基于属性的维度 59
8-6 维度类型 60
8-7 量度组和数据视图 61
8-8 计算效率 62
8-9 MDX脚本 62
8-10 存储过程 63
8-11 关键绩效指标（KPI） 64
8-12 实时商业智能 64
Chapter 9 Microsoft SQL Server的报表服务（Reporting Services） 66
9-1 为何使用报表服务 67
9-2 报表服务的功能 67
Chapter 10 Microsoft SQL Server的整合服务 71
10-1 SSIS介绍 72
10-2 操作示例 79
Chapter 11 Microsoft SQL Server的DMX语言 100
11-1 DMX语言介绍 101
11-2 DMX函数 102
11-3 DMX语法 107
11-4 DMX操作实例 115PART III Microsoft SQL Server中的数据挖掘模型Chapter 12 决策树模型 122
12-1 基本概念 123
12-2 决策树与判别函数 123
12-3 计算方法 124
12-4 操作范例 126
Chapter 13 贝叶斯分类器 134
13-1 基本概念 135
13-2 操作范例 137
Chapter 14 关联规则 147
14-1 基本概念 148
14-2 关联规则的种类 149
14-3 关联规则的算法：Apriori算法 149
14-4 操作范例 150
Chapter 15 聚类分析 160
15-1 基本概念 161
15-2 层级聚类法与动态聚类法 161
15-3 操作范例 166
Chapter 16 时序聚类 176
16-1 基本概念 177
16-2 主要算法 177
16-3 操作示例 179
Chapter 17 线性回归模型 187
17-1 基本概念 188
17-2 一元回归模型 189
17-3 多元回归模型 192
17-4 操作范例 195
Chapter 18 逻辑回归模型 203
18-1 基本概念 204
18-2 logit变换与logistic分布 204
18-3 逻辑回归模型 206
18-4 操作范例 207
Chapter 19 人工神经网络模型 215
19-1 基本概念 216
19-2 神经网络模型的特点 217
19-3 神经网络模型的优劣比较 218
19-4 操作范例 220
Chapter 20 时序模型 228
20-1 基本概念 229
20-2 时序的构成 231
20-3 简单时序的预测 237
20-4 包含趋势与季节成份的时序预测 238
20-5 参数化的时序预测模型 240
20-6 操作范例 243PART IV Microsoft SQL Server数据挖掘应用实例Chapter 21 决策树模型实例 253
Chapter 22 逻辑回归模型实例 260
22-1 回归模型实例一 261
22-2 回归模型实例二 266
22-3 回归模型实例三 270
Chapter 23 神经网络模型实例 275
23-1 神经网络模型实例一 276
23-2 神经网络模型实例二 281
Chapter 24 时序模型实例 292
24-1 时序模型实例一 293
24-2 时序模型实例二 297
Chapter 25 如何评估数据挖掘模型 303
25-1 评估图节点介绍 Evaluation Chart Node 304
25-2 在SQL Server中如何评估模型 307
25-3 规则度量：支持度与可信度 311

精彩书摘

　　《SQL Server数据挖掘与商业智能基础及案例实战》：
　　开发数据挖掘模型的最佳人选是同时具备业务和技术技巧的人员。模型的开发人员将会从其统计背景中获益、了解企业面临的关键业务问题、对数据和关系产生极大的好奇心，同时还能够利用MicrosoftSQLServer工具处理和存储数据。现有数据仓库小组中的成员最有可能遇到这些标准。
　　作为数据挖掘的初学者，应在构建原型模型的同时，计划花费数周时间来研究数据、工具以及可供选择的算法。使用一台具备数据库管理权限的开发服务器。构建模型的最初阶段是探索阶段：用户可能会希望以不同的方法来重新构建数据和实验。当然，用户肯定希望从少量数据子集开始，并在开发愈加清晰的模型设计时扩展数据集。在原型阶段，不要为如何构建一个“可供生产使用”的应用程序而担心。使用DTS或执行任何所需数据处理最为舒适的工具。保存一份记录有必要转换的高级日志，但不要期望所做的一切都能成为永久应用程序的一部分。
　　用户应当准备两套数据：一套用于开发模型，另一套用于测试模型的精确度，从中选择适合业务问题的最佳模型。在考虑如何划分数据子集时，要确保没有引入任何偏差。例如，从十个客户中选择一个客户，或根据姓氏的第一个字符区分，或根据其他任意属性区分。
　　……

前言/序言

数据库管理与优化实操指南 本书旨在为数据库管理员、开发人员以及对数据库性能优化有需求的专业人士提供一套系统、实用的指导。内容涵盖数据库的设计、部署、日常管理、性能调优以及安全加固等关键环节，通过理论讲解与大量实操案例相结合的方式，帮助读者深入理解数据库的内在机制，并掌握解决实际问题的技巧。 第一部分：数据库设计与建模 本部分将从数据库设计的基石——概念模型、逻辑模型和物理模型出发，循序渐进地引导读者完成高质量的数据库设计。 数据建模基础： 需求分析与实体识别： 讲解如何从业务需求出发，准确识别出关键实体（Entity）及其属性（Attribute）。我们将通过具体业务场景，例如电商平台的商品管理、订单处理，来演示如何提取核心信息，并将其转化为初步的实体-属性列表。 关系定义与约束： 详细阐述实体之间的一对一、一对多、多对多关系，以及如何通过外键（Foreign Key）、主键（Primary Key）等约束来保证数据的一致性和完整性。案例分析将聚焦于用户与角色、文章与评论等常见关系的处理。 范式理论与反范式实践： 深入讲解数据库范式（1NF, 2NF, 3NF, BCNF）的设计原则，分析其在减少数据冗余、避免异常更新方面的优势。同时，本书也将探讨在特定场景下（如数据仓库、读密集型应用）反范式设计的可行性与实施策略，帮助读者在理论与实践之间找到平衡。 ER图绘制与工具应用： 介绍如何使用标准化的实体-关系图（ER Diagram）来可视化数据库结构。我们将演示多种主流的ER图绘制工具（如PowerDesigner, MySQL Workbench, draw.io），并提供绘制规范和常见图例的解读。 数据库设计实战： 案例一：社交媒体信息库设计： 以一个小型社交媒体平台为例，设计用户、帖子、评论、点赞、关注等核心模块的数据库结构。我们将详细展示从需求梳理到最终物理模型设计的全过程，包括表结构的定义、字段类型选择、索引策略初步考虑等。 案例二：在线图书销售系统数据库建模： 针对一个在线图书销售平台的业务需求，设计商品（图书）、用户信息、订单、支付、物流等关键数据模型。本案例将侧重于处理复杂的业务逻辑，如订单状态流转、库存管理、促销规则映射等，并讲解如何通过合理的模型设计来支持高效的查询与事务处理。 第二部分：数据库部署与管理 掌握数据库的正确部署与日常管理是保障系统稳定运行的基础。本部分将深入讲解数据库的安装、配置、备份与恢复等关键操作。 数据库安装与初始化： 多平台安装指南： 提供主流数据库系统（如MySQL, PostgreSQL, Oracle, SQL Server）在不同操作系统（Windows, Linux, macOS）上的详细安装步骤。 关键配置参数详解： 讲解数据库实例的初始化过程，以及内存分配（buffer pool, shared memory）、日志文件（redo log, undo log）大小、字符集设置等核心配置参数的作用及其优化建议。 服务管理与启动优化： 介绍如何注册数据库服务、设置自启动，以及在启动过程中可能遇到的问题与排查方法。 数据库日常运维： 用户与权限管理： 讲解如何创建、修改、删除数据库用户，并为用户分配细粒度的权限（SELECT, INSERT, UPDATE, DELETE, CREATE, DROP等），以保障数据的安全性。我们将演示如何基于角色（Role）进行权限集中管理。 数据库对象管理： 介绍表的创建、修改、删除，索引的创建与管理，视图的定义与应用，存储过程、函数、触发器的编写与调试。 数据导入导出： 演示使用数据库自带工具（如mysqldump, pg_dump, sqlcmd）以及第三方工具，进行数据批量导入和导出，并讲解不同格式（CSV, SQL, JSON）的应用场景。 备份与恢复策略： 备份类型解析： 详细讲解完全备份、增量备份、差异备份等不同备份类型的原理、适用场景及优缺点。 备份工具与自动化： 介绍数据库自带的备份工具，并指导读者如何结合Shell脚本、SQL Agent等任务调度工具，实现数据库备份的自动化。 恢复场景模拟与演练： 针对数据丢失、文件损坏、误操作等常见故障场景，详细演示完整恢复、时间点恢复、部分表恢复等操作，并通过模拟演练来检验恢复计划的有效性。 容灾与高可用性初步探讨： 简要介绍数据库复制（Replication）、集群（Clustering）、日志传输（Log Shipping）等高可用性解决方案的基本概念，为读者构建更可靠的数据库系统打下基础。 第三部分：数据库性能优化 性能是数据库系统的生命线。本部分将聚焦于数据库性能瓶颈的识别、分析与优化方法，帮助读者打造高效的数据库应用。 性能瓶颈识别与诊断： 系统资源监控： 讲解如何利用操作系统工具（如top, vmstat, iostat, perf）和数据库自带的性能视图（如information_schema, pg_stat_activity, sys.dm_exec_requests）来监控CPU、内存、磁盘I/O、网络等系统资源的利用率。 慢查询分析： 深入讲解如何开启数据库的慢查询日志（slow query log），分析慢查询日志中的语句，找出执行效率低下的SQL。 执行计划解读： 详细阐述SQL语句的执行计划（Execution Plan）是如何生成的，以及如何分析执行计划中的扫描方式（全表扫描、索引扫描）、连接方式（Nested Loop, Hash Join, Merge Join）、排序、过滤等关键信息，从而定位SQL的性能问题。 锁与死锁检测： 介绍数据库的锁机制，分析可能出现的锁等待与死锁现象，并指导读者如何使用相应的工具或命令来检测和解除死锁。 SQL优化技术： 索引设计与优化： 深入讲解不同类型的索引（B-tree, Hash, Full-text）及其适用场景。重点阐述如何创建有效的索引，避免冗余索引、失效索引。讲解复合索引（Composite Index）的设计原则，以及覆盖索引（Covering Index）的应用。 SQL语句重写与优化： 指导读者如何通过调整SQL语句的写法来提升性能，例如避免在WHERE子句中使用函数、使用UNION ALL代替UNION、优化JOIN顺序、合理使用子查询与临时表等。 参数化查询与预编译： 讲解参数化查询（Parameterized Queries）如何有效防止SQL注入，并提高SQL语句的执行效率。 批量操作优化： 针对大量数据的插入、更新、删除操作，介绍批量提交（Batching）、事务控制（Transaction Control）等优化技巧。 数据库架构与配置优化： 内存参数调优： 针对数据库的关键内存参数（如`innodb_buffer_pool_size`, `shared_buffers`, `work_mem`, `max_rows_per_page`）进行详细解释，并提供基于实际负载的调优建议。 I/O优化： 讲解如何通过选择合适的存储设备（SSD, NVMe）、优化文件系统配置、调整数据库的I/O相关参数来提升磁盘访问性能。 并发控制与事务隔离级别： 解释不同的事务隔离级别（Read Uncommitted, Read Committed, Repeatable Read, Serializable）及其对数据一致性和并发性能的影响，并指导读者如何根据应用场景选择合适的隔离级别。 连接池配置： 介绍数据库连接池（Connection Pool）的工作原理，以及如何配置连接池参数（最大连接数、最小连接数、超时时间）来优化应用程序与数据库的交互。 性能优化案例分析： 案例一：电商搜索查询性能提升： 分析一个电商平台中商品搜索查询缓慢的问题，通过分析慢查询日志和执行计划，定位到索引缺失和SQL语句设计不当是主要原因。演示如何创建合适的全文索引或B-tree索引，并重写SQL语句，实现搜索响应时间的显著提升。 案例二：数据报表生成效率优化： 针对一个数据分析系统中报表生成时间过长的问题，深入分析复杂的聚合查询和JOIN操作。讲解如何通过优化JOIN顺序、添加合适的索引、利用物化视图（Materialized Views）或预计算表，以及调整SQL语句的聚合方式，来大幅缩短报表生成时间。 案例三：高并发写入场景下的数据库调优： 模拟一个高并发写入的场景，如实时日志收集系统。分析锁竞争、日志写入瓶颈等问题，并提出优化方案，包括调整事务隔离级别、优化批量插入策略、选择合适的存储引擎、调整WAL（Write-Ahead Logging）参数等。 第四部分：数据库安全加固 数据安全是企业生命线的重要组成部分。本部分将系统讲解数据库安全的关键方面，帮助读者构建坚固的数据防护体系。 访问控制与身份验证： 最小权限原则： 详细阐述实施最小权限原则的重要性，并指导如何根据用户角色和职责，为用户分配最少必要的操作权限。 强密码策略： 讲解如何制定和执行强密码策略，并介绍密码加密、定期更换密码等安全措施。 安全连接（SSL/TLS）： 指导如何配置数据库服务器和客户端，启用SSL/TLS加密，保障数据在传输过程中的安全。 数据加密与脱敏： 静态数据加密（TDE）： 介绍透明数据加密（Transparent Data Encryption）的工作原理，以及如何在数据库层面实现对存储数据的加密，防止物理介质被窃取时数据泄露。 敏感信息脱敏： 讲解如何对数据库中的敏感信息（如身份证号、手机号、银行卡号）进行脱敏处理，例如使用部分替换、哈希、模糊化等技术，以满足合规性要求。 数据审计： 介绍数据库审计功能，讲解如何记录和分析数据库的访问活动，如登录成功/失败、数据修改、DDL操作等，以便追踪异常行为和进行事后分析。 漏洞防护与安全审计： SQL注入防护： 再次强调参数化查询和预编译的重要性，并介绍其他防范SQL注入的技术，如输入验证、输出编码。 安全补丁管理： 指导读者如何及时关注数据库厂商发布的安全公告，并按时更新数据库系统的安全补丁，修复已知漏洞。 网络安全隔离： 讲解如何通过防火墙、安全组等网络安全设备，对数据库服务器进行网络隔离，限制不必要的外部访问。 安全审计报告与分析： 演示如何生成数据库审计报告，并分析报告中的关键信息，及时发现潜在的安全风险。 安全事件响应与应急预案： 安全事件分类与响应流程： 介绍常见的数据库安全事件类型（如数据泄露、非法访问、勒索软件攻击），并制定相应的应急响应流程。 数据恢复与取证： 在发生安全事件后，如何进行数据恢复，以及如何进行数字取证，收集证据以供调查。 安全加固措施的持续改进： 强调数据库安全并非一劳永逸，需要根据不断变化的威胁形势，持续改进安全策略和技术。 本书特色： 实操性强： 全书围绕大量真实案例展开，提供详细的操作步骤和代码示例，读者可以边学边练。 体系化构建： 从数据库设计到性能优化再到安全加固，形成完整的知识体系，帮助读者构建全面的数据库技术栈。 语言通俗易懂： 避免使用过于晦涩的专业术语，力求将复杂的概念讲解清晰，适合不同层次的读者。 工具涵盖广泛： 介绍多种主流数据库系统和辅助工具，拓宽读者的技术视野。 无论您是初入数据库领域的新手，还是经验丰富的DBA，本书都将是您提升数据库管理与优化能力的宝贵参考。

评分☆☆☆☆☆

第二段评价： 不得不说，这本书的厚度让我一开始有些望而却步，但当我翻开第一页，就被作者严谨的逻辑和清晰的思路吸引住了。它不像一些浮光掠影的书籍，仅仅介绍一些概念，而是真正地深入到SQL Server的每一个核心功能。从数据准备阶段的数据质量评估，到构建多维数据集的OLAP技术，再到报表设计的各种技巧，作者都娓娓道来，循序渐进。我尤其喜欢书中关于报表设计的章节，以往我总是被各种报表工具的繁琐操作弄得头疼，而这本书却从用户需求出发，讲解了如何设计出既美观又实用的报表，并且是如何通过SQL Server的报表服务（SSRS）来实现的。书中还涉及了一些数据可视化的高级技巧，这对于我来说是全新的领域，但作者的讲解却异常生动，让我能够理解其中的原理，并尝试着去实现。书中提供的代码示例也是非常宝贵的资源，让我可以在自己的环境中进行验证和学习。我发现，即使是那些我以为已经很熟悉的功能，在书中也找到了新的理解角度和应用方法。这本书就像一位经验丰富的老前辈，耐心地指导着我这个初学者，让我少走了很多弯路。

评分☆☆☆☆☆

第三段评价： 老实说，我是在朋友的推荐下购买了这本书，抱着试一试的心态。没想到，这本书的内容真的给了我很多惊喜。它不仅仅是关于SQL Server本身的介绍，更重要的是，它强调了“商业智能”这个概念是如何在SQL Server的平台上实现的。书中对商业智能的整个生命周期进行了详尽的剖析，从数据采集、存储，到数据分析、决策支持，每一个环节都进行了深入的探讨。我特别欣赏作者在讲解数据挖掘算法时，并没有仅仅停留在理论层面，而是结合SQL Server的实际应用，讲解了如何通过T-SQL语句来实现这些算法。这对于我这种偏重实操的开发者来说，简直是福音。书中的案例也十分丰富，覆盖了金融、零售、医疗等多个行业，让我能够看到不同行业是如何利用SQL Server进行数据挖掘和商业智能建设的。我通过书中的案例，学会了如何构建一个简单的数据仓库，如何进行用户行为分析，如何通过关联规则发现潜在的销售机会。这些知识对我日常工作提供了非常大的帮助。总而言之，这本书是一本非常实用的工具书，它能够帮助读者快速掌握SQL Server在商业智能领域的应用，并提升解决实际业务问题的能力。

评分☆☆☆☆☆

第五段评价： 这本书是一本非常好的SQL Server数据挖掘和商业智能入门教材。作者的讲解深入浅出，语言通俗易懂，即使是没有太多数据挖掘背景的读者也能够轻松理解。我特别喜欢书中关于数据仓库和数据集市设计的章节，作者详细讲解了如何根据业务需求来设计数据模型，如何进行维度建模，以及如何使用SQL Server的工具来实现这些设计。书中的案例也非常精彩，让我能够看到数据挖掘和商业智能在实际业务中的应用。我通过书中的案例，学会了如何进行销售数据分析，如何进行客户画像，以及如何进行风险评估。我发现，这本书不仅能够帮助我掌握SQL Server的数据挖掘和商业智能功能，更重要的是，它能够帮助我培养数据分析的思维方式。我觉得这本书的优点在于，它不仅提供了理论知识，更重要的是，它提供了大量的实践指导，让我能够学以致用。总而言之，这本书是一本非常值得推荐的SQL Server数据挖掘和商业智能入门教材。

评分☆☆☆☆☆

第一段评价： 这本书，嗯，怎么说呢，它真的为我打开了一个全新的视角。我之前一直觉得数据分析就是Excel加一些基础的统计方法，顶多用Python写点脚本。但读完这本书，我才意识到，原来SQL Server这个强大的数据库管理系统，竟然还能承载如此丰富的商业智能功能。作者的讲解非常细致，从最基础的安装配置，到各种数据仓库、数据集市的搭建思路，再到数据清洗、转换的流程，都描述得井井有条。尤其令我印象深刻的是，书中花了大量篇幅讲解如何利用SQL Server内置的数据挖掘算法，比如聚类、分类、关联规则等，来发现隐藏在海量数据中的商业价值。我一直困惑于如何从一堆零散的数据中提炼出有意义的洞察，这本书提供了非常实用的方法和工具。书中的案例也非常贴近实际业务场景，比如销售预测、客户细分、欺诈检测等，让我能够亲手实践，将理论知识转化为技能。虽然有些案例的代码需要我花点时间去理解和调试，但这正是学习的乐趣所在。总的来说，这本书对于想要深入了解SQL Server在商业智能领域应用，并希望提升数据分析能力的读者来说，绝对是值得入手的一本好书。它不仅提供了技术上的指导，更重要的是，它教会了我如何思考数据，如何用数据驱动决策。

评分☆☆☆☆☆

第四段评价： 这本书的内容非常扎实，作者在数据挖掘和商业智能领域的造诣可见一斑。我一直对如何从海量数据中挖掘出有价值的信息感到困惑，而这本书为我提供了一个系统性的解决方案。它从数据的收集、清洗、转换，到建模、分析、展现，每一个环节都进行了详细的阐述。我尤其喜欢书中关于数据预处理的章节，作者详细讲解了如何处理缺失值、异常值，如何进行数据标准化和归一化，这些都是进行有效数据挖掘的基础。在数据建模方面，作者介绍了多种常用的数据挖掘算法，比如决策树、神经网络、回归分析等，并且讲解了如何在SQL Server中实现这些算法。最让我印象深刻的是，书中提供的案例非常具有代表性，能够让我清晰地看到数据挖掘和商业智能在实际业务中的应用。我通过书中的案例，学会了如何进行客户流失预测，如何进行营销活动效果评估，以及如何构建一个简单的推荐系统。这本书的优点在于，它不仅提供了理论知识，更重要的是，它提供了大量的实践指导，让我能够学以致用。

评分☆☆☆☆☆

了解一下sql server 更多的功能，哈哈

评分☆☆☆☆☆

学习中

评分☆☆☆☆☆

还行吧。没看呢。但是为什么没有塑料包装。

评分☆☆☆☆☆

搞活动买的，性价比很好，非常不错！

评分☆☆☆☆☆

买来想学习微软BIDS以进行数据挖掘好写论文的，结果没有达到我想要的目的……

评分☆☆☆☆☆

收到了，很不错，以后慢慢看

评分☆☆☆☆☆

学习

评分☆☆☆☆☆

哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈

评分☆☆☆☆☆

努力学习中。