说明:本文节选自《商务智能实战(最大化使用SQL Server 2008中的BI工具)》第2章第1节:商务智能能为你做什么。 |
在第1章中,我们知道了该如何使用商务智能来支持有效决策。它能够提供基础信息,并在此基础之上形成了决策。商务智能还能给我们提供一些反馈信息,以此来评价一个决策。商务智能提供基础信息和反馈信息的方式有很多种。
2.1.1 当我们知道自己要寻找什么时
在某些情况下,我们知道想要什么信息,我们有一组具体问题想要得到答案。现在我们组织在每个地区提供的销售或者服务的总金额是多少?谁是我们最好的销售人员?在这种情况下,我们在设计商务智能的解决方案时,不仅知道自己要找什么,而且也清楚从哪里能找到这些信息。1. 布局导向型发现
当我们知道自己想要获得哪些问题的答案并且清楚地知道到哪里去寻找答案时,我们能够使用打印出来的纸质报表来传递我们的商务智能。这是商务智能最常见的形式,也是我们都很熟悉的一种形式。在很多情况下,这种形式非常有效。例如,当我们想要知道每个地区所提供的销售或者服务的总金额时,我们知道到哪里可以找到该信息。我们可以设计一张报表来获取这些信息,而且这个报表会不断地向我们传递所需要的信息。这种报表就起到了有效商务智能工具的作用。
这就是布局导向型发现(layout-led discovery)的例子。使用布局导向型发现,我们只能得到那些在报表设计者第一次设计报表时已考虑到并已放到报表布局中的信息。如果在设计报表时没有包含某些信息,那么在我们阅读报表时就没有办法获取这些信息。
假定我们的报告显示,某一地区的销售总额异常地偏低。如果该报告的设计者没有将一些支持性的细节信息包含进来,那么我们没有办法深入这个区域内部确定导致这些异常的原因。原因也许是一个顶级的销售员调动到了另一个地区,也许是我们失去了一个关键客户。但这些设计好的报告不能给我们提供这些信息,因此我们很快就走入了分析的死胡同。
2. 数据导向型发现
在某些情况下,我们虽然知道问题所在,但我们并不能确切地知道在哪里才能找到答案。当我们最初得到的信息使问题略微发生了改变时,常常发生这种情况。像上一节中的例子一样,信息中的异常可能会使我们想用一种略微不同的方式来查看这些数据。如果某个地区提供的销售或者服务的总金额异常偏低,那么就会促使我们想要得到这个地区更详细的数字。在另外一些情况下,我们知道到哪里去查找这些信息,但是将所有细节信息全部搜索一遍是不切实际的。相反地,我们想要从一个较高的层级开始,从中找到一些看起来值得注意的数字,然后对这些数据进行下钻,获取其更多的细节信息。我们沿着这些能吸引我们注意的数据一直查看下去,看看它能引导我们找到何种信息。
这是数据导向型发现:我们所发现的信息决定了我们下一步要查找的信息。这种类型的解决方案的开发者无法事先知道报表的使用者想要进一步查找何种信息。相反,开发者必须提供一个交互的环境,使用户可以根据自己的需要浏览各种信息。
为了实行数据导向型发现,我们需要提供一些下钻(drilldown)的机制。只要我们发现某些感兴趣的数据,就能够通过点击该项来访问到更为详细的数据。当然,这无法在纸上完成,数据导向型发现必须以联机的方式完成。
2.1.2 发现新问题并找到答案
在某些情况下,我们的数据所能回答的可能是一些我们还未想问的问题。数据可能在某种细节层次上包含着一些趋势、相关性和依赖关系,而在这一细节层次上,无论是使用布局导向型发现还是数据导向型发现,人都无法注意到这些关系。只有通过计算机利用数据挖掘技术才能发现这些关系。定义
数据挖掘(data mining)是使用一组复杂的数学算法,对细节数据进行筛选,从而识别出存在于这些数据中的模式、关联和聚类的技术。
布局导向型发现和数据导向型发现通常从汇总后的数据开始,而数据挖掘则要处理那些最细节的数据。数据挖掘要对数据使用一些非常复杂的数学算法,从而发现诸多特征及事件之间的相关性。数据挖掘能够发现一些很有价值的事实,比如如果一位顾客购买了某种产品,那么他较为可能同时购买另外一种产品(我们希望后者是一个利润率很高的产品)。或者,某一的客户在接受某种服务之后,在三个月内可能还会需要你们提供另外一种服务。
在为未来规划营销活动、设计跨产品的促销活动或者进行产能规划时,这类相关性信息有着极大的帮助作用。这类信息还能帮助我们确定“附加上哪些资源和工作能够产生最有效的结果”。
![bb](http://img.blog.itpub.net/blog/attachments/2011/10/16502878_201110111633041.jpg?x-oss-process=style/bb)
《商务智能实战(最大化使用SQL Server 2008中的BI工具)》目录:
译者序
作者简介
技术编辑简介
致谢
关于本书辅助材料
第一部分 商务智能
第1章 使组织能够做出有效决策 2
1.1 制定有效决策 2
1.1.1 决策制定者 2
1.1.2 有效决策 3
1.2 制定有效决策的要素 3
1.2.1 我们要去哪里—具体的目标 4
1.2.2 别把地图拿倒了—确切的度量 5
1.2.3 惊恐的窃窃私语、望塔以及无线电台—适时的反馈信息 5
1.3 商务智能定义 7
第2章 让现有资源发挥最大效能—使用商务智能 8
2.1 商务智能能为你做什么 8
2.1.1 当我们知道自己要寻找什么时 8
2.1.2 发现新问题并找到答案 9
2.2 不同管理层面的商务智能 10
2.2.1 高层管理者—金字塔塔尖 10
2.2.2 中层管理者—塔身 11
2.2.3 基层管理者—塔基 11
2.3 Maximum Miniatures公司 12
2.3.1 业务需求 12
2.3.2 现有的系统 13
2.4 搭建基础 14
第3章 寻找数据源—商务智能的来源 15
3.1 寻找数据源 15
3.1.1 事务数据 15
3.1.2 在商务智能中使用事务数据的难点 16
3.2 数据集市 17
3.2.1 数据集市的特征 18
3.2.2 数据集市的结构 19
3.3 雪花型、星型与Analysis Services 25
第4章 一站购齐—统一维度模型 26
4.1 联机分析处理 26
4.1.1 通过多维数据集创建OLAP 27
4.1.2 OLAP系统的特性 29
4.1.3 OLAP的存储体系结构 30
4.1.4 缺点 31
4.1.5 只读 32
4.2 统一维度模型 32
4.2.1 结构 32
4.2.2 优点 37
4.3 专业工具 37
第5章 起步—开始开发商务智能 38
5.1 Business Intelligence Development Studio 38
5.1.1 Visual Studio 38
5.1.2 Business Intelligence Development Studio导航 39
5.1.3 Business Intelligence Development Studio的选项 49
5.2 SQL Server Management Studio 51
5.3 戴上安全帽 55
第二部分 定义商务智能结构
第6章 打好基础—创建数据集市 58
6.1 数据集市 58
6.2 设计数据集市 60
6.2.1 决策者的需求 60
6.2.2 可用数据 61
6.2.3 数据集市结构 61
6.2.4 使用SQL Server Management Studio创建数据集市 69
6.2.5 使用Bussiness Intelligence Develop-ment Studio创建数据集市 75
6.3 表压缩 84
6.4 集成的好处 86
第7章 转换器—Integration Services结构和组件 87
7.1 Integration Services 87
7.2 包项 96
7.2.1 控制流 96
7.2.2 数据流 116
7.3 装配管道 143
第8章 把油箱加满—使用Integration Services填充数据集市 144
8.1 包开发特性 144
8.1.1 初试锋芒 144
8.1.2 Integration Services包编程 149
8.1.3 包开发工具 155
8.1.4 从SQL Server 2000 DTS包迁移 162
8.2 把Integration Services包投入生成环境 163
8.3 捕获变更数据 165
8.3.1 变更数据捕获的架构 166
8.3.2 从变更数据捕获的变更表加载数据到数据集市表中 169
8.4 加载事实表 171
8.5 回到UDM 182
第三部分 分析多维数据集的内容
第9章 立体主义—度量和维度 184
9.1 构建Analysis Services项目 184
9.2 度量 189
9.2.1 度量组 189
9.2.2 制造出的事实—计算度量 190
9.2.3 不可累加—求和之外的度量聚合 193
9.3 维度 197
9.3.1 管理维度 197
9.3.2 将维度关联到度量组 201
9.3.3 维度类型 202
9.3.4 渐变维度 204
9.4 专用特性 207
第10章 诱人的附件—OLAP多维数据集的专用特性 208
10.1 多维数据集的新天地 208
10.1.1 部署和处理 209
10.1.2 在Business Intelligence Develop-ment Studio中部署项目 209
10.1.3 用“Analysis Services部署向导”进行部署 215
10.2 多维数据集的附属特性 220
10.2.1 链接对象 220
10.2.2 商务智能向导 222
10.2.3 关键绩效指标 223
10.2.4 操作 227
10.2.5 分区 229
10.2.6 聚合设计 239
10.2.7 视角 241
10.2.8 翻译 242
10.3 更复杂的脚本 242
第11章 编写新脚本—MDX脚本 243
11.1 术语和概念 243
11.1.1 我们身在何处 243
11.1.2 由此及彼 257
11.2 应用MDX脚本 262
11.2.1 多维数据集的安全性 262
11.2.2 今年与去年比较和年初至今汇总 269
11.3 从多维数据集中提取数据 272
第12章 提取信息构筑智能—MDX查询 273
12.1 MDX SELECT语句 273
12.1.1 基本MDX SELECT语句 274
12.1.2 其他查询工具 283
12.1.3 其他维度 290
12.2 其他MDX语法 292
12.2.1 运算符 292
12.2.2 函数 293
12.3 你会挖掘吗 296
第四部分 挖掘
第13章 沙里淘金—数据挖掘引论 298
13.1 数据挖掘 298
13.1.1 从混乱中寻找规律 298
13.1.2 数据挖掘所完成的任务 301
13.1.3 数据挖掘的步骤 305
13.2 数据挖掘算法 307
13.2.1 Microsoft决策树 307
13.2.2 Microsoft线性回归 308
13.2.3 Microsoft朴素贝叶斯 309
13.2.4 Microsoft聚类 310
13.2.5 Microsoft关联规则 310
13.2.6 Microsoft序列聚类 312
13.2.7 Microsoft时间序列 312
13.2.8 Microsoft神经网络 314
13.2.9 Microsoft逻辑回归算法 314
13.3 开始挖掘 315
第14章 建设矿山—使用数据挖掘模型 316
14.1 数据挖掘结构 316
14.1.1 数据列 316
14.1.2 数据挖掘模型 317
14.1.3 训练数据集 317
14.2 挖掘模型查看器 326
14.2.1 Microsoft决策树 326
14.2.2 Microsoft朴素贝叶斯 329
14.2.3 Microsoft聚类分析 332
14.2.4 Microsoft神经网络 335
14.2.5 Microsoft关联规则 335
14.2.6 Microsoft序列聚类 337
14.2.7 Microsoft时间序列 337
14.3 观茶占卜 338
第15章 深入井下—使用数据挖掘进行探查 339
15.1 挖掘准确性图表 339
15.1.1 列映射 340
15.1.2 提升图 341
15.1.3 利润图 344
15.1.4 分类矩阵 345
15.1.5 交叉验证 346
15.2 挖掘模型预测 347
15.2.1 单独查询 347
15.2.2 预测连接查询 350
15.3 DMX查询 354
15.3.1 预测查询的语法 354
15.3.2 预测查询的类型 355
15.4 限时送达 360
第五部分 交付
第16章 报表—使用Reporting Services交付商务智能 362
16.1 报表服务 362
16.1.1 报表结构 363
16.1.2 报表交付 364
16.2 Report服务架构 365
16.2.1 报表服务器 365
16.2.2 组成部分 366
16.2.3 报表服务的安装注意事项 368
16.3 使用Tablix数据区域创建报表 370
16.3.1 使用表格模板创建Tablix数据区域 371
16.3.2 使用矩阵模板创建Tablix数据区域 381
16.3.3 使用列表模板创建Tablix数据区域 392
16.3.4 图表数据区域 400
16.3.5 仪表数据区域 410
16.4 把报表交给经理 417
第17章 各就各位—管理Reporting Services报表 418
17.1 报表管理器 418
17.1.1 文件夹 418
17.1.2 报表管理器 419
17.1.3 使用报表设计器部署报表 419
17.1.4 使用报表管理器上载报表 421
17.1.5 从报表管理器中打印报表 425
17.2 管理报表服务器中的报表 426
17.2.1 安全性管理 426
17.2.2 链接报表 431
17.2.3 报表缓存 432
17.2.4 执行快照 434
17.2.5 报表历史记录 434
17.2.6 标准订阅 435
17.2.7 数据驱动订阅 435
17.3 即席报表 436
17.3.1 报表模型 437
17.3.2 报表生成器基础知识 442
17.4 集成到应用中去 445
第18章 1+1>2—将OLAP集成到应用程序中 446
18.1 ADOMD.NET 446
18.1.1 ADOMD.NET结构 446
18.1.2 ADOMD.NET示例 448
18.2 不借助报表管理器使用Reporting Services的方式 453
18.2.1 URL访问 453
18.2.2 Web服务访问 466
18.2.3 Report Viewer控件 470
18.3 预制的解决方案 474
第19章 新视点—Excel数据透视表和数据透视图 475
19.1 Excel 475
19.1.1 创建透视表和透视图 475
19.1.2 数据透视表 476
19.1.3 数据透视图 482
19.2 强大的能力,重大的机会 484
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/16502878/viewspace-708974/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/16502878/viewspace-708974/