SQL SERVER查询时间是一年中第几周，使用函数 datepart()。
发展壮大离不开广大客户长期以来的信赖与支持，我们将始终秉承“诚信为本、服务至上”的服务理念，坚持“二合一”的优良服务模式，真诚服务每家企业，认真做好每个细节，不断完善自我，成就企业，实现共赢。行业涉及成都软装设计等，在成都网站建设、网络营销推广、WAP手机网站、VI设计、软件开发等项目上具有丰富的设计经验。
例：查询 ‘2017-1-1’是2017年的第几周,语句如下
select datepart(wk,'2017-1-1')
datepart函数说明
一、函数功能：DATEPART() 函数用于返回日期/时间的单独部分，比如年、月、日、小时、分钟等等。
二、语法：DATEPART(datepart,date)
三、参数说明：date 参数是合法的日期表达式。datepart 参数可以是下列的值：
四、实例演示
假设我们有下面这个 "Orders" 表：
我们使用如下 SELECT 语句：
SELECT DATEPART(yyyy,OrderDate) AS OrderYear,
DATEPART(mm,OrderDate) AS OrderMonth,
DATEPART(dd,OrderDate) AS OrderDay
FROM Orders
WHERE OrderId=1
结果：
数据仓库数据建模的几种思路主要分为一下几种
1. 星型模式
星形模式(Star Schema)是最常用的维度建模方式。星型模式是以事实表为中心，所有的维度表直接连接在事实表上，像星星一样。星形模式的维度建模由一个事实表和一组维表成，且具有以下特点：a. 维表只和事实表关联，维表之间没有关联；b. 每个维表主键为单列，且该主键放置在事实表中，作为两边连接的外键；c. 以事实表为核心，维表围绕核心呈星形分布；
2. 雪花模式
雪花模式(Snowflake Schema)是对星形模式的扩展。雪花模式的维度表可以拥有其他维度表的，虽然这种模型相比星型更规范一些，但是由于这种模型不太容易理解，维护成本比较高，而且性能方面需要关联多层维表，性能也比星型模型要低。所以一般不是很常用
雪花模式
3．星座模式
星座模式是星型模式延伸而来，星型模式是基于一张事实表的，而星座模式是基于多张事实表的，而且共享维度信息。前面介绍的两种维度建模方法都是多维表对应单事实表，但在很多时候维度空间内的事实表不止一个，而一个维表也可能被多个事实表用到。在业务发展后期，绝大部分维度建模都采用的是星座模式。
星座模型
数据仓库还是数据库,数据还是在数据库里放着呢,不过是按照数据仓库的理念去设计架构和开发数据库.BI项目主要运用数据仓库,OLAP,和数据挖掘的技术,细分下来又有主流数据库的开发,如oracle,db2,sqlserver, java,cognos,bo,biee,sas,spss,clementine,weka等等
首先明晰什么是数据仓库，直白的说，数据仓库就是数据集的存储仓库，其构建方式自上而下，自下而上的紧凑步骤就不再赘述了，其数据仓库分为传统经分数据仓库和现在业务运营型数据仓库（有的场景下统称为数据中心），分层按域形成数据的层次化管理和存储，面向不同的应用接口，分层可能是基础层（数据源）、中间层（汇总）、集市层（面向主题、应用）等等，这个按企业业务需求不同划分会有差异；按域可能是客户域、产品域、账单域等等，同上。EDW的意义在于做分析决策，企业业务支撑等等。
对于CRM我想你应该比较了解了（根据你问的问题），里面有客户基本信息、积分信息等等（具体内容不在这里列举），EDW综合这些资料信息，过滤处理，根据分析因子建立分析模型（客户保有、中高端客户细分等等），这些信息都来自类似CRM这样的业务系统。先就说到这里吧
