SQLServer BI 学习笔记

MSBI 学习库： https://ask.hellobi.com/blog/biwork

SSAS库部署的几种方式 http://www.cnblogs.com/aspnetx/archive/2010/09/02/1815982.html

如果说商业智能分为三个层次：告诉你发生了什么，为什么会发生，将来会发生什么。那么，数据挖掘绝对算是商业智能中最高的一个层次，告诉你将来会发生什么，也就是预测。而预测的基础就是根据海量的历史数据，结合一定的算法，以概率为基础，告诉你一条新数据某条属性的趋势。

BI的过程可以看成是数据的昨天，今天和明天，数据的昨天，通过报表告诉你的业务之前发生了什么，数据的今天，通过多维分析等工具告诉你这些为什么会发生，那么数据的明天，就是通过数据挖掘算法，对已有的海量历史数据进行挖掘，从而让你知道你的业务未来会是什么样。

SQL：来为多维数据集建立分区，或者在数据挖掘中指定训练数据或者预测数据

MDX：查多维数据集用的

DMX：查挖掘模型用的，它主要面向分析服务中的数据挖掘部分，通过它可以建立挖掘结构和挖掘模型，以及训练数据和做预测查询

ADOMD.NET：就是专门用来访问分析服务用的

事例表：左面的表是在数据仓库经过整合的一批数据，用来训练和验证模型。右面的表是待预测的表，将在模型生成完毕后对这个表里的数据进行预测。

元数据：是描述数据仓库内数据的结构和建立方法的数据。可将其按用途的不同分为两类，技术元数据和商业元数据。

技术元数据是数据仓库的设计和管理人员用于开发和日常管理数据仓库使用的数据。包括：数据源信息；数据转换的描述；数据仓库内对象和数据结构的定义； 数据清理和 数据更新时用的规则；源数据到目的数据的映射；用户访问权限，数据备份历史记录，数据导入历史记录，信息发布历史记录等。

商业元数据从商业业务的角度描述了数据仓库中的数据。包括：业务主题的描述，包含的数据、查询、报表；

元数据为访问数据仓库提供了一个信息目录（informationdirectory），这个目录全面描述了数据仓库中都有什么数据、这些数据怎么得到的、和怎么访问这些数据。是数据仓库运行和维护的中心，数据仓库服务器利用他来存贮和更新数据，用户通过他来了解和访问数据。

 

Business Intelligence(BI) = Data Warehouse(DW) + OLAP + Data Mining(DM)
商业智能=数据仓库+联机分析+数据挖掘

OLAP和数据挖掘：OLAP使用技术比数据挖掘简单，前者也就是涉及到维度、度量、层次、cube等一些概念，技术上真的有些傻瓜。而后者好像真的高深很多，一堆算法，什么关联算法、决策树、神经元等等，怪能吓唬人的。OLAP和数据挖掘都是为决策提供支持，只是侧重点不同，前者提供描述型的模型，告诉你什么样的产品在什么地区的销售额和去年的对比。后者提供探索型的模型，告诉你啤酒和尿布的规律。最后的决策都是人来做。几年的大型BI项目几乎都是这种思路，先建数据仓库，上OLAP和报表应用，数据挖掘在二期考虑。

多维分析：多维分析报表结合商业智能的核心技术——OLAP，可以帮助用户进行多角度、灵活动态的分析。多维分析报表由“维”（影响因素）和 “指标”（衡量因素）组成，能够真正为用户所理解、并真实的反映企业特性信息。多维分析是分析企业数据最有效的方法,是OLAP的灵魂

OLAP的多维分析视图就是冲破了物理的三维概念,采用了旋转、嵌套、切片、钻取和高维可视化技术,在屏幕上展示多维视图的结构,使用户直观地理解、分析数据,进行决策支持。

ROLAP、MOLAP、HOLAP: OLAP系统按照其存储器的数据存储格式可以分为关系OLAP（RelationalOLAP，简称ROLAP）、多维OLAP（MultidimensionalOLAP，简称MOLAP）和混合型OLAP（HybridOLAP，简称HOLAP）三种类型。

ODS（Operational Data Store）是数据仓库体系结构中的一个可选部分，ODS具备数据仓库的部分特征和OLTP系统的部分特征，它是“面向主题的、集成的、当前或接近当前的、不断变化的”数据。

物化视图是包括一个查询结果的数据库对象，它是远程数据的的本地副本，或者用来生成基于数据表求和的汇总表。

大数据、云计算、商业智能：三者之间的关系，个人理解：离用云计算来处理大数据，解决性能问题，然后在大数据的基础上进行数据分析、数据挖掘。

4V:大数据的4V特性，即类型复杂，海量，快速和价值

Hadoop:一个分布式系统基础架构，用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力高速运算和存储。只在你的数据量可能会扩充到TB或甚至PB这样的水平时，才探索像Hadoop这样的大数据方法。

微软官方表示，微软已经放弃了微软与Hortonworks开发实施Windows Server（也就是HDInsight Server for Windows）的计划。相反，微软将会建议那些希望在Windows Server上部署Hadoop的客户选择Hortonworks Data Platform (HDP) for Windows。

去年发布的SQL Server 2012针对大数据做了很多改进，其中最重要的就是全面支持Hadoop。

SQL Server并行数据仓库：并行数据仓库(Parallel Data Warehouse Appliance，简称PDW)是在SQL Server 2008 R2中推出的新产品，目前已经成为微软主要的数据仓库产品，并将于今年发布基于SQL Server 2012的新款并行数据仓库一体机。SQL Server并行数据仓库采取的是大规模并行处理(MPP)架构，与传统的单机版SQL Server存在着根本上的不同，它将多种先进的数据存储与处理技术结合为一体，是微软大数据战略的重要组成部分。

 

云计算包含如下：

IaaS:基础设施即服务

PaaS：平台即服务

SaaS：软件即服务

Informatica：最富盛名的是数据集成平台，“所谓数据集成平台，其前身是ETL（Extraction Transformation Loading，数据提取、转换和加载），是伴随着BI、数据仓库的需求出现的，其主要功能对各种业务平台数据进行抽取和相关转化，以此来满足BI、数据仓库对数据格式和内容挖掘的要求。”但彬说。“不仅BI、数据仓库对数据格式/内容有需求，企业不同应用系统之间也不断交换数据，为此，企业数据集成概念脱颖而出。”

 

BI经典实例全过程，多读几遍：使用SQL Server Analysis Services数据挖掘的关联规则实现商品推荐功能 http://www.cnblogs.com/aspnetx/archive/2013/02/25/2931603.html

使用SQL Server分析服务定位目标用户 http://www.cnblogs.com/aspnetx/archive/2013/04/05/3000448.html

数据挖掘扩展插件语言：DMX  http://winsystem.ctocio.com.cn/443/9390443.shtml  http://www.doc88.com/p-094200441111.html

数据挖掘算法全解释：http://technet.microsoft.com/zh-cn/library/ms175595(v=sql.100).aspx 

博客园SSAS学习资源库：http://zzk.cnblogs.com/s?w=SSAS&amp%3Bt=&amp%3Bsort=Votes 

微软SQLServer官方示例项目部署-数据引擎和分析服务部分 http://www.cnblogs.com/aspnetx/archive/2013/01/30/2883831.html

一起玩转SQL Server 2012 下的分析服务(带图) ：http://www.cnblogs.com/aspnetx/archive/2013/03/24/2978347.html

 多维分析之概念准备篇： http://www.cnblogs.com/jinspire/archive/2011/11/23/2259718.html

OLAP的多维数据分析：http://www.51cto.com/art/200511/11337.htm

多维联机分析处理：http://wiki.mbalib.com/wiki/%E5%A4%9A%E7%BB%B4%E8%81%94%E6%9C%BA%E5%88%86%E6%9E%90%E5%A4%84%E7%90%86

SSIS包的部署、配置、定期执行：http://wenku.baidu.com/view/668d6ceeaeaad1f346933f5b.html

一步一步学习sqlserver BI:http://www.kuqin.com/datawarehouse/20080421/7163.html

专注BI博客：http://www.cnblogs.com/aspnetx/category/67838.html 

 

 

 

转载于:https://www.cnblogs.com/qqflying/p/3367838.html