-
什么是统一维度模型
-
层次结构、级别、成员和度量值
-
什么是MDX
-
MDX与SQL的区别
-
什么是数据仓库
-
什么是OLAP数据分析引擎
-
BI企业级解决方案
什么是统一维度模型
维度（dimension）是描述事实数据表中的数据级别的有组织的层次结构
统一维度模型(UDM) 的作用是在用户和数据源之间搭建一座桥梁。UDM 通过一个或多个物理数据源构造而成，最终用户可以使用多种客户端工具之一（如Microsoft Excel）来对UDM 发出查询。
层次结构、级别、成员和度量值
关系数据库以二维平面表的形式组织数据。这些表有一个列维度和一个行维度。在每个行和列的交点处只有一个数据元素。
而多维数据库则不同，它是基于称为“多维数据集”的结构，如下图所示。多维数据集按“层次结构”组织数据，而不是以表的形式组织数据。
这是一个比较经典的图了。。。
什么是MDX
MDXMDX ——MultiDimentionaleXpressions是一种多方位的、基于描述的脚本语言，用于定义、管理和查询SQL SERVER 2005 ANALYSIS SERVICES（SSAS）多维对象和数据的语法。
MDX与SQL的区别
SQL是由微软等厂商提出的，它不仅是一种查询语言，也是一套查询标准，提供对关系型数据库进行的操作和查询
MDX在扩展SQL语法规则的基础之上，还提供了数据定义功能，即表达的功能。
SQL和MDX查询语法异同
SELECT { [Measures].[Sales Amount], [Measures].[Tax Amount] } ON COLUMNS, { [Date].[Fiscal Time].[Fiscal Year].&[2012], [Date].[Fiscal Time].[Fiscal Year].&[2013] } ON ROWS FROM [Adventure Works] WHERE ( [Sales Territory].[Southwest] )
在此示例中，查询定义了以下单元集信息：SELECT 子句将查询轴设置为Measures 维度的Sales Amount 和Tax Amount 成员，以及Date 维度的2012 和2013 成员。FROM 子句指明数据源为Adventure Works 多维数据集。WHERE 子句将切片器轴定义为Sales Territory 维度的Southwest 成员。
MDX与SQL的区别
什么是数据仓库
如果您公司的数据像大多数公司一样位于很多地方，如多个数据库和操作系统。那么数据仓库就是一个容器，它将数据收集到一起，帮助您更加轻松方便地获得关键信息。
Microsoft 商业智能(BI) 的数据仓库组件提供了一个集中的场所，用于存储数据以及维护所有重要的历史业务信息和当前业务信息。借助数据仓库，您可以轻松创建报表以及分析信息，而不会影响操作系统的性能。数据仓库还提供数据的集成视图，该视图非常干净并且已进行了转换和标准化，因此您可以信任收到信息的质量。
什么是OLAP数据分析引擎
OLAP（即Online Analytical Processing，联机分析处理）以便于理解的格式展示和存储数据、提供测量数据的计算方法，并允许您通过调查感兴趣或关注的信息点提出问题。
更具体地说，OLAP 引擎从一个或多个数据源中提取数据并将其重新识别为多维结构，从而使导航和分析数据更加直观、更加快捷。Microsoft SQL Server 2005 Analysis Services 是业界领先的OLAP 引擎，不仅仅可以组合数据以便轻松进行分析，而且还可以集中存储机构业务逻辑和关键绩效指标(KPI)，即组织用来度量绩效的公式和计算方法。此外，您还可以使用分析工具访问数据以分析或“与数据对话”。
BI企业级解决方案
关键性能指KPI
在业务术语中，关键性能指标(KPI) 是一个用于测定业务绩效的可计量度量值。经常会在一段时间内评估KPI。
例如，一个单位的销售部门可以使用每月的毛利润作为关键性能指标，但同一单位的人力资源部门可以使用每季度流失的雇员作为关键性能指标。这两个都是KPI 的示例。
DataMining数据挖掘
简单来说DataMining就是在庞大的数据库中寻找出有价值的隐藏事件，籍由统计及人工智能的科学技术，将资料做深入分析，找出其中的知识，并根据企业的问题建立不同的模型，以提供企业进行决策时的参考依据。举例来说，银行和信用卡公司可籍由DataMining的技术将庞大的顾客资料做筛选、分析、推演及预测，找出哪些是最有贡献的顾客，哪些是高流失率族群，或是预测一个新的产品或促销活动可能带来的响应率，能够在适当的时间提供适当适合的产品及服务。也就是说，透过DataMining企业可以了解它的顾客，掌握他们的喜好，满足他们的需要。
近年来，DataMining已成为企业热门的话题。愈来愈多的企业想导入DataMining的技术，一般DataMining较长被应用的领域包括金融业、保险业、零售业、直效行销业、通讯业、制造业以及医疗服务业等。
DataMining数据挖掘算法
小结：这一切都是可视化编辑，跟配置一样非常简单。。。只要业务考虑清楚不是写代码的人都能上手。
实施BI后的效果
⊙提高了OLTP系统的执行性能
⊙增强了ERP系统的分析统计能力
⊙简化报表，提高效率，决策支持