1、商业智能 (Business Intelligence,BI) 通过数据分析 获取知识和见解
2、分析和报告是 BI 系统中针对数据进行的两种主要业务活动
3、在 BI 系统中组织数据的方法称为联机分析处理(Online Analytical Processing,OLAP)
4、Microsoft SQL Server Analysis Services 具有丰富的功能，可帮助实现传统BI系统的各种要求，基于此，它已经成长为行业领先的OLAP服务器
5、数据仓库 面向主题 由记录构成的系统(一个BI收集系统)，主要用于从公司的操作型数据库以及其他数据源获取数据，然后将获取的数据转换为一种有利于进行业务分析的结构。
6、预测分析(也称为数据挖掘)是使用数学模型完成的，用于根据现有的业务数据来预测将来的发展趋势
7、数据市场 可以理解为小型的数据仓库，最常用的情况是充当大型数据仓库的组成部分
8、可以根据最终用户可以在数据仓库中查看以及针对数据仓库进行查询的访问级别为其提供相应的访问级别？？？
9、数据仓库主要是由两种表构成 事实表和维度表
10、事实表包含一些业务事实数据，例如销售金额、销售量、客户数量以及指向维度表的外键
11、维度表包含与事实表中特定特性相关的详细信息，例如产品的详细信息、客户特性、存储信息等
维度表 product表中 保存了Product SKU 和 Product Name 等特性(SKU 指的是商品唯一编号)
12、维度 维度是由若干个层次结构组成,每个层次结构可能会包含一个或多个级别 (层次结构又分为均衡层次结构、非均衡层次结构、不规则层次结构)
维度/层次结构/成员/成员属性，
13、多维数据集
13-1 基于事实数据和维度构建的
13-2 一个多维数据集可能包含一个或多个事实表中数据，还会包含少量的维度
13-3 任何给定的数据集都有一个关联的主要分析主题
14、星型架构 雪花型架构 后者是在前者基础上经过大量的变形得到的 主要区别于架构的复杂程度
14-1 星型架构 看到的许多维度表连接到一个中心事实表(即星型的主体) 优点：易于理解各个业务实体之间的关系，此外在对事实表中的度量值处理上速度较快
14-2 雪花型架构 一个或多个级别将从某个维度表中分离出来，通过一个或多个事实表将他们分隔开来( 暂时还不能理解雪花型架构的好处，先一边呆着)
15、商业智能语义模型
数据模型
构建：通过 SQL Server Data Tools 来构建
支持：百万兆字节(TB)级别的数据量
表格模式数据模型
构建：可以使用 PowerPivot for Excel 或 SQL Server Data Tools 创建
支持：在Analysis Services 2012 中实现海量数据支持
------------------------------------------------------
再次比较：相比于多维数据模型 ，表格数据模型更易于理解，构建速度也更快
16、第19页的数据访问技术后来记得再看下
2015-10-11 16:08 北京 路过随笔