數據倉庫工具箱：面向SQL Server 2005和Microsoft商業智能工具集（簡體書）

數據倉庫和商業智能至少自1970年就具有相似的形式，并且持續享受著無限的技術生命周期。在1995年，我們的主要作者構建了第一個顧問公司，其中的作者之一認為數據倉庫已經結束了，這個浪潮已經開始回落。幸運的是，我們在找到工作之前獲得了更多的項目。12年后，數據倉庫和商業智能依然很強大，事實上，僅僅在過去幾年我們才看到它們在工業上的成熟。 成熟市場的一個標志就是單源提供者的出現——對不愿冒風險的公司來說這是一種安全的選擇。數據倉庫技術涵蓋了從深奧源系統知識到用戶接口設計以及具有最好實踐的BI應用。盡管許多銷售商在最近幾年都爭著把自己放在端到端的提供者位置上，但對于我們來說，很顯然，數據倉庫銷售商確實是那些可以提供端到端解決方案的人。在2001年，當我們首次討論這本書時，我們已經感覺到Microsoft要以一個誘人的價格強行將一個可行的、單源數據倉庫系統提供者的概念加入到現實世界中。 我們相信向單源提供者的轉變意味著必須將Kimball Method技術擴展到特定的產品級，使其可以直接投放單源提供者市場。我們選擇Microsoft工具集作為測試樣例有兩個原因，首先，SQL Server 2005是一個強大的BI平臺，Microsoft自20世紀90年代中期投資Analysis Services引擎以來，就一直在擴展和增強商業智能方面投資巨大。投資的級別也因此巨大地翻升。隨著SQL Server 2005開發的開始，SQL Server 2005開發團隊增長到200人，Microsoft對于將商業智能引入主流市場很認真。其次，兩位作者都從1997到2002或2004在Microsoft工作，特別地，Joy曾是SQL Server Business Intelligence 開發團隊中SQL Server BI Best Practices組的經理，這可以給予我們一系列很強的工作關系以及訪問關鍵的支持資源。 本書覆蓋了整個數據倉庫生命周期，因而可以給數據倉庫團隊的每個成員提供有用的指導，從項目經理到業務分析師、數據建模者、ETL開發者、DBA，分析型應用開發人員甚至業務用戶都可以從本書中受益。我們相信本書對從事Microsoft SQL Server 2005數據倉庫項目的任何人都非常有價值。 本書的主要讀者是在Microsoft SQL Server平臺上啟動項目的新的DW/BI團隊，我們假定您并沒有構建DW/BI系統的經驗，但假定您對Microsoft世界有一個基本的認識：操作系統、基礎設施組件以及資源。我們也假定您對關系數據庫（表、列和簡單SQL）有一個基本認識，并且對SQL Server 2000關系數據庫有一定認識，盡管這并不是一個必備條件。貫穿全書，我們提供了許多其他書和資源的參考。 第二個讀者群是有Kimball Method DW/BI使用經驗但首次接觸Microsoft SQL Server 2005工具集的讀者，這些讀者可能需要閱讀一些資料以便了解基礎結構，特別是如果您從來沒有使用過Windows Server更需如此。我們將指出對于那些曾經閱讀過我們的Toolkit書籍以及實踐過我們的方法的讀者需要復習哪些部分和章節，不過再次閱讀這些材料并沒有壞處。 不管您的背景如何，如果您從一個新項目開始將從本書受益匪淺。盡管我們確實提供了運轉現有的數據倉庫的建議，但在理想情況下，您不會對任何已有的數據倉庫或數據集市滿意，至少在新系統部署后對仍然留在原處的系統不會滿意。

曼蒂（Joy Mundy），Kimball Group小組的成員，她負責咨詢、編寫和講授商業智能和數據倉庫。作為Microsoft SQL Server產品開發團隊的實現者、顧問和成員，她在商業智能方面具有廣泛的經驗。

第Ⅰ部分 需求、實施和體系結構
　第1章 定義業務需求
1.1 長期成功的最重要的決定因素
1.2 揭示業務價值
1.3 業務需求示例：Adventure Works Cycles
1.4 小結
　第2章 業務過程維度模型設計
2.1 維度建模概念和術語
2.2 其他設計概念和技術
2.3 維度建模過程
2.4 案例研究:創建Adventure Works Cycles訂單維度模型
2.5 小結
　第3章 工具集
3.1 Microsoft DW/BI 工具集
3.2 使用Microsoft工具集的原因
3.3 Microsoft DW/BI系統的體系結構
3.4 Microsoft工具概述
3.5 小結
第Ⅱ部分 開發和填充數據庫
　第4章 設置和物理設計
4.1 系統規模考慮事項
4.2 系統配置考慮
4.3 軟件安裝和配置
4.4 物理數據倉庫數據庫設計
4.5 小結
　第5章 設計ETL系統
5.1 SQL Server Integration Services簡介
5.2 高級計劃
5.3 更新Analysis Services數據庫
5.4 ETL系統物理設計
5.5 開發詳細的規范
5.6 小結
　第6章 開發ETL系統
6.1 起始
6.2 維度處理
6.3 事實處理
6.4 補充介紹
6.5 小結
　第7章 設計Analysis Services OLAP數據庫
7.1 選擇Analysis Services的原因
7.2 設計OLAP結構
7.3 物理設計的考慮因素
7.4 小結
第Ⅲ部分 商業智能應用程序的開發
　第8章 商業智能應用程序
8.1 商業智能的基本概念
8.2 商業智能應用程序的價值
8.3 交付平臺選項
8.4 BI應用程序的開發過程
8.5 小結
　第9章 在Reporting Services中構建BI應用程序
9.1 報表高層次的體系結構
9.2 報表的構建和傳送
9.3 小結
　第10章 數據挖掘的加入
10.1 數據挖掘的定義
10.2 SQL Server數據挖掘體系結構的概述
10.3 Microsoft數據挖掘的算法
10.4 數據挖掘的過程
10.5 數據挖掘的示例
10.6 小結
第Ⅳ部分 DW/BI系統的部署和管理
　第11章 使用現有的數據倉庫進行工作
11.1 事情的現狀
11.2 從SQL Server 2000轉換到SQL Server 2005
11.3 與非SQL Server 2005組件的集成
11.4 小結
　第12章 安全
12.1 確定安全管理員
12.2 保護硬件
12.3 保護操作系統
12.4 保護開發環境
12.5 保護數據
12.6 使用情況的監控
12.7 保護隱私
12.8 小結
　第13章 元數據規劃
13.1 元數據的基礎
13.2 元數據標準
13.3 SQL Server 2005元數據
13.4 實用的元數據方法
13.4 小結
　第14章 部署
14.1 系統部署
14.2 數據倉庫和BI文檔
14.3 用戶的培訓
14.4 用戶支持
14.5 臺式計算機的準備和配置
14.6 小結
　第15章 運行與維護
15.1 提供用戶支持
15.2 系統管理
15.3 小結
第Ⅴ部分 DW/BI系統的擴充
　第16章 成長的管理
16.1 生命周期的迭代：成長的DW/BI系統
16.2 銷售和期望的管理
16.3 系統互連
16.4 小結
　第17章 實時商業智能
17.1 為（和不為）實時數據創建事例
17.2 實時地執行報表
17.3 實時地加載DW/BI系統
17.4 使用Analysis Services來傳送實時數據
17.5 小結
　第18章 目前的需要以及未來的展望
18.1 DW/BI項目中的很大風險
18.2 Microsoft BI工具集中受歡迎的部分
18.3 未來的方向：改進的空間
18.4 小結