数据库应用课程设计报告
洛阳理工学院课程设计报告课程名称数据库课程设计设计题目药店管理系统专业计算机科学与技术班级学号姓名完成日期2016.12.30目录1概述11.1本设计的背景和意义11.2采用的数据开发工具及应用开发工具12需求分析12.1功能需求12.2数据需求13概念结构设计24逻辑结构设计24.1建立关系模式34.2关系模式规范化处理35物理结构设计35.1建立数据库35.2数据表创建35.2存储过程创建65.3数据触发器创建116Java对数据库系统的实现126.1登录界面及系统主界面126.2库存管理136.3销售管理146.4信息查询157设计总结17附录181概述1.1本设计的背景和意义了解到部分药店因为规模较小没有专业的药店管理系统，本设计能够适应于规模较小的药店。
通过运用数据库库技术，不仅可以使药店的管理更加方便，并且还能提高数据的正确性。
该药店管理系统以进货、存储、销售为主要业务，分别实现其他具体功能。
1.2采用的数据开发工具及应用开发工具本设计采用的数据开发工具为SQLServer2008，应用开发工具为Eclipse2需求分析2.1功能需求药店管理系统能够实现药品库存、销售信息管理和查询
如何学习数据挖掘
【转自网络】首先，我要说的是我觉得你是一名在校大学生
Data Mining不是你想的那么简单，他不单单和数学有关系，还包括了计算机领域的诸多学科。
还有社会工程学、逻辑学等文科和理科的交叉学科
他是一门庞大的体系。
你要是真想学我只能给你指条比较快的成才之路，后面的东西自己慢慢学都赶趟
慢慢充实自己
大学四年好好利用
学无止境
既然是数据分析那你的必须要过硬，别着急这只是你的其他学科的基础课。
其次是概率与统计，这才是正科，大学那点玩意就是糊弄人的，你要多看这方面的书。
这个一定要学好
线性必须要会要精通。
因为数据划分是数据挖掘里最重要的一个环节。
这个就是线性范畴里的了。
也要精通，学会线性分析你就发现你就学会了很多。
数学有这三个底子就可以了。
数学分析不要看了。
因为那只是高数的延伸
计算机你一定要懂。
数据库你必须得学会。
三大数据库ORACLE.SQL.MYSQL原理基本类似触类旁通
还有就是培养你的思维，尽量缜密敏捷。
这样才可以发现数据中的不同
因为有的数据挖掘是计算机处理的。
有的则是纸面上的。
所以必须学会记录好了，就先这么多了。
你学会了这几个就是你进军下一步的基础，这几个就够你学一阵子的了。
祝你好运哥们
数据挖掘的起点很高——1、统计学2、3、数学——图论，最优化理论等。
WEB上的数据结构更加复杂。
python语言————应该学习抱歉，事情太多，如果不追着就忘了
我认为你作为企业员工对数据挖掘感兴趣，最主要的就是从应用和解决问题开始，所以我想把数据挖掘这个狭义定义的内容改成你应该对数据分析感兴趣，数据挖掘只是数据分析的一个重要工具和解决方法之一
数量统计知识方面：我认为统计思想是数学在实践中最重要的体现，但对于实际工作者最重要的是掌握统计思想，其实统计理论非常复杂，但实际应用往往是比较简单的
比如，很多人都在大学学了假设检验，但实际应用中假设就是看P值是否小于0.05，但是H0是什么
拒绝还是接受的是什么现实问题；要理解
掌握软件问题：从软件角度学，是非常好的思路，我基本上就是这样学的。
我常说编软件的人最懂理论，否则编不出来，编软件的人最知道应用，否则软件买不出去；现在软件越来越友好，把软件自带案例做一遍，你会自觉不自觉的掌握软件解决问题的思路和能解决的问题类型；数据仓库问题：OLAP和数据挖掘是数据仓库建立基础上的两个增值应用，从企业整体角度，数据挖掘应该建立在企业数据仓库完备的基础上。
所以说数据仓库是针对企业级数据挖掘应用提出的，但我们应该记住，企业从来不是为了数据挖掘建立数据仓库，而是因为有了数据仓库后必然会提出数据挖掘的需求
现在随着数据挖掘软件的工具智能化，以及数据仓库和ETL工具的接口友好，对数据库层面的要求越来越少；数学不好可能反应了一个人思考问题的方式或深入理解问题的能力，但数学不是工具是脑具，不断解决问题的过程可以让我们思考问题更数学化
老师建议：不急，一步一步来
先把本职工作中的数据分析问题理解了，干好了
熟练玩好Excel软件工具，这个可以看我写的书，当然有很多Excel论坛和网站，从我的博客就可以连接到。
学习好统计分析方法，我不是单指统计原理，而是统计分析方法，比如回归分析，因子分析等，不断进入统计分析解决问题的思考方式；这个可以看看方面的书和数据案例，通过软件学习解决数据分析的统计问题，这方面的书很多，当然你也可以关注我的博客，不断增加统计分析方法解决数据分析问题的思路，自己对照着完成
在上述问题有了比较好的理解后，也就是你应该算是一个数据分析能手的时候，开始进入数据挖掘领域，你会发现用数据挖掘思想解决问题具有智能化、自动化的优势，接下来，你需要考虑的过程，通过学习Clementine软件或SAS的挖掘工具，不断理解数据挖掘与原来的数据分析工具有什么不同或优势
当前面都是了解并且能够得心应手后，你就要有针对性的掌握你工作所在行业的问题，例如：电信行业的解决方案问题：客户流失、客户价值、客户离网、客户保持、客户响应、客户交叉销售等，同时与数据分析和数据挖掘统一在一起的解决方案
接下来，你应该掌握数据库的一些原理和操作，特别是SQL语言的方式你到了这个阶段，就应该有全面解决问题的能力，比如挖掘出来的知识或商业规则如何推送到营销平台上等等梳理自己的知识结构，不仅会操作，现在你应该成为专家了，要能够宣扬你的知识能力和领导力，当然也要表明你在数据挖掘领域的要经常帮助同事和行业朋友，比如帮助解决数据分析问题，帮助咨询，甚至给大家讲课，这对你的知识梳理和能力的提高非常重要，你的自信心会更强
有兴趣，可以建立一个博客或什么，不断写点东西，经常思考和总结结交广泛的朋友
关于入门的教材：互联网，其实不用买什么书网络基本都有；要有好的搜索能力，当然包括搜各种软件
SPSS和Clementine软件的说明和案例，都做一遍；《数据挖掘——客户关系管理的艺术》
在数据分析，挖掘方面，有哪些好书值得推荐
入门读物：1、 深入浅出数据分析 ：这书挺简单的，基本的内容都涉及了，说得也比较清楚，最后谈到了R是大加分。
难易程度：非常易。
2、啤酒与尿布 ：通过案例来说事情，而且是最经典的例子。
难易程度：非常易。
3、数据之美 ： 一本介绍性的书籍，每章都解决一个具体的问题，甚至还有代码，对理解数据分析的应用领域和做法非常有帮助。
难易程度：易。
4、数据分析： SciPy and NumPy ：这本书可以归类为数据分析书吧，因为numpy和scipy真的是非常强大啊。
5、Python for Data Analysis ： 作者是Pandas这个包的作者，看过他在Scipy会议上的演讲，实例非常强
6、Bad Data Handbook ：很好玩的书，作者的角度很不同。
适合入门的教程： 1、集体智慧编程：学习数据分析、数据挖掘、机器学习人员应该仔细阅读的第一本书。
作者通过实际例子介绍了机器学习和数据挖掘中的算法，浅显易懂，还有可执行的Python代码。
难易程度：中。
2、Machine Learning in Action ： 用人话把复杂难懂的机器学习算法解释清楚了，其中有零星的数学公式，但是是以解释清楚为目的的。
而且有Python代码，大赞
目前中科院的王斌老师已经翻译这本书了 。
3、机器学习实战 ：这本书本身质量就很高，王老师的翻译质量也很高。
难易程度：中。
我带的研究生入门必看数目之一
4、Building Machine Learning Systems with Python ：虽然是英文的，但是由于写得很简单，比较理解，又有 Python 代码跟着，辅助理解。
5、数据挖掘导论 ： 最近几年数据挖掘教材中比较好的一本书，被美国诸多大学的数据挖掘课作为教材，没有推荐Jiawei Han老师的那本书，因为个人觉得那本书对于初学者来说不太容易读懂。
难易程度：中上。
6、Machine Learning for Hackers ：也是通过实例讲解机器学习算法，用R实现的，可以一边学习机器学习一边学习R。
数据挖掘怎么最快入门
书籍或培训都可以。
对于大数据的认识和理解这学期选修了网络工程这门课程，当时是抱着扫盲的态度选的这门课程，给自己定的目标不高，只需要对一些基础的概念和网络结构有些认识就可以，以免以后在人前谈论的时候不至于成为IT文盲，被一些专业性的技术人员所吓倒。
事实证明，态度决定一切，由于自己刚开始设定的目标就比较低，所以注定能够上升到的水平也就不高。
经过这几周的学习，对计算机网络的基础知识和大致结构有了一个粗浅的认识。
由于学生本身这方面的基础不扎实，知识结构在这方面比较薄弱，所以不能在技术方面进行深入的研究，只能对一些理论性的知识做一些了解和认识，建立起大概的知识框架。
在学习过程中，魏忠老师所提及的知识中有一点印象最为深刻，关于大数据BigData方面的提及引起了我很大的兴趣，越是自己私下里做了一些阅读和查询（主要是维克托·迈尔-舍恩伯格的《大数据时代》和网络上查看的一些资料）。
最后提交的这篇课程总结就着重报告一下自己在阅读了他人关于大数据的一些理论后自身的认识。
在这之前，我发现身边很多人都提起过大数据，其中包括老师和同学。
可是对于这些热门的新技术、新趋势人们往往趋之若鹜却又很难说的透彻，如果你问他大数据和你有什么关系
估计很少同学能说出一二三来。
究其原因，一是因为大家对新技术有着相同的原始渴求，至少知其然在聊天时不会显得很“无知”，因为现在人们普遍都有以一种信息焦虑感，别人知道的东西我不知道，就会感到焦虑，无论这些信息
