SQL Server Analysis Services的概念与结构

Microsoft SQL Server Analysis Services（SSAS）为商业智能应用程序提供了联机分析处理（OLAP）和数据挖掘功能。Analysis Services允许设计、创建和管理包含多维结构,使其包含从其他数据源（例如关系数据库）聚合的数据,并通过这种方式来支持OLAP。对于数据挖掘应用程序,Analysis Services允许使用多种行业标准的数据挖掘算法来设计、创建和可视化从其他数据源构造的数据挖掘模型。     

SQL Server Analysis Services的概念与结构

Microsoft SQL Server Analysis Services(SSAS)为商业智能应用程序提供了联机分析处理(OLAP)和数据挖掘功能.Analysis Services允许设计、创建和管理包含多维结构,使其包含从其他数据源(例如关系数据库)聚合的数据,并通过这种方式来支持OLAP.对于数据挖掘应用程序,Analysis Services允许使用多种行业标准的数据挖掘算法来设计、创建和可视化从其他数据源构造的数据挖掘模型.     

电信积分OLAP系统的设计与实现

提出了一种建立在MS Analysis Services上的电信积分OLAP系统的设计与实现方法。它采用Microsoft SQL Server 2000作为后台数据库服务器,使用MicrOsoft SQL Server 2000的Analysis Services作为OLAP服务器,使用ADOMD.NET、OWC及MDX等技术实现多维分析。     

电信积分OLAP系统的设计与实现

提出了一种建立在MS Analysis Services上的电信积分OLAP系统的设计与实现方法.它采用Microsoft SQL Server 2000作为后台数据库服务器,使用MicrOsoft SQL Server 2000的Analysis Services作为OLAP服务器,使用ADOMD.NET、OWC及MDX等技术实现多维分析.     

使用分析服务组件建立面向OLAP的应用程序

Microsoft SQL Server 2000 Analysis Services的二个重要分析服务组件的基本概念,介绍了使用OLE DB对OLAP数据进行访问和使用DSO建立OLAP数据管理程序的方法.     

基于微软SSAS技术的金融数据分析模块的实现

介绍一种利用数据挖掘技术开发金融数据分析模块的设计和实现,使用Microsoft SQL Server Analysis Services服务技术进行分析和预测。该模块的运行可以有效提高金融分析员的工作效率。     

数据挖掘技术在企业培训质量评估中的应用

通过对数据挖掘决策树算法的研究,应用Microsoft SQLServer2000 Analysis Services完成培训质量评估数据的分析,发现了影响培训质量的关键因素,为培训策划及实施管理提供了依据,有利于提高培训质量。     

浅谈SQL Server 2005 OLAP基本对象的管理

讨论了OLAP技术产生与发展的必然性,介绍了Microsoft SQL Server Analysis Services(SSAS)作为一个可靠的OLAP分析工具,它的客户机/服务器的体系结构,具体讲述了在.NETFramework中通过应用程序对多维数据集、维度以及相关对象的管理与控制。     

数据挖掘扩展插件语言：DMX

我们都比较熟悉SQL语言以及各种编程语言。在Microsoft SQL Server2005 Analysis Services（SSAS）中,数据挖掘也有自己独特的语言。即：数据挖掘扩展插件DMX语言。用DMX语言进行数据挖掘的优势在于：数据挖掘功能可以全部用语句来实现，我们可以将这些语句嵌入其它的MIS或ERP系统中,实现有机整合。本文将以某钢铁公司的炼钢抽测数据为例。为DMX语言实现数据挖掘的全过程。[编者按]     

使用Analysis Services对数据进行联机分析

通过对如何使用Analysis Services对数据进行联机分析进行了实际的操作,介绍了使用Analysis Services进行数据联机分析的方法和技巧。     

ECAS数据仓库中数据集成的相关问题

数据仓库越来越广泛地应用于企业决策分析 ,从传统的操作型数据库集成数据是创建数据仓库必不可少的一步。结合宝钢能源部能源分析及成本分析系统 (ECAS)数据仓库 ,介绍了建立数据仓库时从不同的数据源抽取数据、清洗数据的相关问题。     

应用扩展元数据库方式解决数据仓库质量问题

数据仓库中数据的质量如何是直接关系到数据仓库系统成功与否的关键。扩展元数据库方式是解决数据仓库质量问题的有效方法。文章首先介绍了扩展元数据库,质量维度及质量模型,然后讲述了如何提高数据仓库中的数据质量,从而作为系统质量分析和质量驱动设计的基础。     

对于数据仓库和数据挖掘的理解

数据仓库与数据挖掘是当今新的技术热点,数据仓库是一种解决数据使用的高效技术,数据挖掘为之提供更好的决策支持和服务,同时促进数据仓库技术的发展。主要介绍这两者的概念、应用,以及它们之间的关系。     

对于数据仓库和数据挖掘的理解

数据仓库与数据挖掘是当今新的技术热点,数据仓库是一种解决数据使用的高效技术,数据挖掘为之提供更好的决策支持和服务,同时促进数据仓库技术的发展。主要介绍这两者的概念、应用,以及它们之间的关系。     

数据仓库技术与应用

文中详细介绍了数据仓库的概念及其应用,着重说明了OLAP及数据挖掘等关键技术,最后讨论了数据仓库的具体实施方法。     

数据仓库在信息管理中的现实应用

在当今激烈的竞争中,信息对于医院及学校的生存与发展起着至关重要的作用。在信息分析研究中,采用数据仓库技术能大大提高方便性、准确性和及时性,可支持单位的行政管理及主管部门的决策。该文介绍了数据仓库的产生、发展,数据仓库与传统数据库相比所具有的优点以及如何建立数据仓库,在信息管理系统中,数据仓库如何应用及体现。     

基于电信行业的ETL系统的设计与实现

基于电信行业的数据仓库,对其数据抽取、数据转换和数据装载的实现方法进行了探讨,这些方法对其他行业数据仓库的构建具有 借鉴作用。     

数据仓库中ETL技术的研究

作为数据仓库的关键部件,支持数据抽取、清洗、转换和装载的工具集对任何数据仓库工程都是一个必不可少的成功因素。该文简单介绍了ETL技术,包括ETL的相关概念、ETL在数据仓库中的功能和重要地位以及现有的研究成果,然后重点介绍了ETL的具体设计和实现方法。     

数据仓库技术在ERP中的应用

体系化环境的层次反映了数据与应用逻辑的抽象程度,可很好地与企业实际的部门组织结构对应起来,提高企业应用数据仓库的效率。由于数据仓库的数据量大,直接在数据仓库上进行挖掘,会影响挖掘的效率,因此数据的挖掘一般不在数据仓库上直接进行,而是要单独的建立数据挖掘库。     

多维数据管理的数据仓库技术研究

新一代信息系统对多维数据管理提出要求,而目前的数据库系统无法发现数据中存在的关系和规则,数据仓库技术已成为信息决策系统的研究热点。以数据仓库技术思想为核心,研究在关系数据库和现有低资源环境下,设计基于多维数据管理的分布式数据库及信息管理系统。