《BI技术方案.doc》由会员分享，可在线阅读，更多相关《BI技术方案.doc（35页珍藏版）》请在三一办公上搜索。
1、BI技术方案变更说明日期版本变更位置变更说明作者目 录1前言11.1目的11.2读者对象11.3定义、缩略语11.4参考资料12方案概述12.1架构设计12.2软件列表32.3域控服务32.4邮件服务32.5协同办公平台33数据仓库设计43.1设计原则43.2设计规范53.3设计阶段划分63.4可伸缩性73.5数据集市84ETL过程管理84.1开发94.2运行134.3预警135OLAP设计135.1最佳实践145.2向下兼容175.3权限管理185.4接口196数据挖掘模型的开发及应用196.1过程及方法196.2挖掘分析示例226.3接口257分析结果展现257.1多维透视分析257.2报
2、表277.3挖掘分析结果展现298门户平台309软硬件配置319.1硬件环境319.2软件环境311 前言1.1 目的1.2 读者对象1.3 定义、缩略语1.4 参考资料2 方案概述2.1 架构设计系统整体架构采用以微软SQL Server 2008为中心的技术架构，集成ETL技术、OLAP技术、报表技术、数据挖掘技术和门户技术，有效地保障了数据的时效性、准确性和易用性。逻辑架构图如下： 系统架构图产品架构图2.2 软件列表1.数据仓库及ODS数据库：SQL Server 2008关系型数据库2.OLAP服务：SQL Server 2008的分析服务（Analysis Service）3.ET
3、L工具：SQL Server 2008的SSIS（SQL Server Integration Service）4.前端报表展现工具：SQL Server 2008的RS（Reporting Service）、OWC和Office2003。5.数据挖掘：SQL Server 2008的分析服务（Analysis Service）6.门户：SharePoint Server 20102.3 域控服务采用AD（域控，下同）为HIS BI系统以及医院未来进一步信息建设提供强大的帐户以及权限统一管理的基础框架服务。 HIS BI系统采用AD的帐户集成存储管理的模式为报表权限，数据访问权限提供统一的管理
4、模式。大大简化了帐户及权限的管理设置。为程序的扩展提供良好的基础。结合AD, 为MOSS平台提供文档管理权限控制。MOSS平台可通过AD的帐户统一的管理权限，每个用户都可以自行控制其所属文件的访问权限。2.4 邮件服务采用开源免费的邮箱系统，该邮箱系统可结合AD服务提供完善统一的邮箱帐户信息。并且支持多种协议访问，可使用Foxmail,Outlook等免费或者收费软件访问邮箱系统。该邮箱服务产品是开源的，意味着可以通过院信息化平台开发人员自行拓展邮箱功能，也为邮箱的安全性提供进一步的支持。该邮箱产品支持多种后台数据库产品，例如SQL Server, DB2, Oracle, MySQL.此项为
5、数据库产品的选型提供更加灵活的方式。2.5 协同办公平台基于上述域控管理和邮件服务功能，安普莱软件的BI系统可以和海军总医院现有办公平台无缝集成，我们也可以帮助海军总医院搭建企业级的协同办公平台，为海军总医院提供完善的办公平台服务，简化办公流程复杂度，提高办公协同的工作效率。3 数据仓库设计SQL Server 2008 基于 SQL Server 2008 的强大功能之上，提供了一个完整的数据管理和分析解决方案，它将会给不同规模的组织带来帮助：1.构建、部署和管理企业应用程序，使其更加安全、伸缩性更强和更可靠。2.降低开发和支持数据库应用程序的复杂性，实现了 IT 生产力的最大化。3.能够在
6、多个平台、应用程序和设备之间共享数据，更易于连接内部和外部系统。4.在不牺牲性能、可用性、可伸缩性或安全性的前提下有效控制成本。数据仓库将依据于数据仓库的标准规则创建，以确保其具有良好的可扩展性。数据仓库在项目中起到了呈上启下的作用，对其它部分的影响很大，所以数据仓库设计非常重要。3.1 设计原则1. 第三范式第三范式的基本特征是非主键属性只依赖于主键属性。基于第三范式的数据库表设计具有很多优点：1)消除了冗余数据，节省了磁盘存储空间；2)有良好的数据完整性限制，即基于主外键的参照完整限制和基于主键的实体完整性限制，这使得数据容易维护，也容易移植和更新；3)数据的可逆性好，在做连接（Join）
7、查询或者合并表时不遗漏、也不重复；4)因为消除了冗余数据（冗余列），在查询（Select）时每个数据页存的数据行就多，这样就有效地减少了逻辑I/O，每个Cash存的页面就多，也减少物理I/O；5)对大多数事务(Transaction)而言，运行性能好；6)物理设计(Physical Design)的机动性较大，能满足日益增长的用户需求。第三范式也存在一定的缺点，在缺乏足够的技术力量和数据仓库建设经验的情况下，按照这种模型设计的系统建设过程长，周期长，难度大，风险大，容易失败。由于采用了第三范式，数据存储冗余度低、数据组织结构性好、反映的业务主题能力强以及具有较好的业务扩展性等，但同时会存在大量
8、的数据表，表之间的联系比较多，也比较复杂，跨表操作多，查询效率较低，对数据仓库系统的硬件性能要求高等问题。另一方面，数据模式复杂，不容易理解，对于一般计算机用户来说，增加了理解数据表的困难。 2. 多维模型多维模型在一定程度上降低了范式化，以分析主题为基本框架来组织数据。以维模型开发分析主题，这样能够快速实施，迅速获得投资回报，在取得实际效果的基础上，再逐渐增加应用主题，循序渐进，积累经验，逐步建成企业级数据仓库。这也可以说是采用总线型结构先建立数据集市，使所有的数据集市具有统一的维定义和一致的业务事实，这种方法融合了自下而上和自上而下两种设计方法的思想。这种模型的优点是查询速度快，做报表也快
9、;缺点是由于存在大量的预处理，其建模过程相对来说就比较慢。当业务问题发生变化，原来的维不能满足要求时，需要增加新的维。由于事实表的主码由所有维表的主码组成，所以这种维的变动将是非常复杂、非常耗时的。而且信息不够全面、系统欠灵活、数据冗余多。 综述，在我们的数据仓库设计中，将结合两种设计思想，取长补短。数据仓库的整体设计将主要依据于第三范式，以确保系统的伸缩性和可扩展性，同时在设计时也会参考多维模型的思想，使数据仓库更利于数据分析。在数据集市中，我们将主要依据多维模型原则进行建设，从而确保数据集市更易于理解以及更利于与OLAP系统集成。3.2 设计规范1. 维度表设计规范维度表包含内容： 1)主
10、键：整型，不可重复，唯一标识每一条记录，不包含任何商业信息2)代理键：传统意义的主键，包含相应的商业信息，如员工编号。3)名称：数据分析时显示的内容，如员工名称等；4)排序键：自定义序列5)自定义汇总：利用自定义表达式进行特定的数据运算；6)父键：父子维度中用来标识主键的上级；7)一元运算符：在父子维度中用来定义上下级的汇总关系；8)属性：属性包含有关维度的信息。例如，Customer 维度可以包含 Name、Phone Number、Gender、City、State 等属性。属性通过属性层次结构显示出来。维度中的属性层次结构同时包含可选的 (All) 级别和该属性的非重复成员。例如，Cus
11、tomer 维度可以包含具有两个级别的 Name 属性层次结构：(All) 级别以及为每个姓名包含一个成员的级别。父子层次结构的处理方式有所不同。属性不一定要具有属性层次结构。如果未创建属性层次结构，多维数据集的空间将与属性无关。例如，通常不会为 Phone Number 属性创建属性层次结构，因为通常不会按电话号码导航维度。如果没有为属性创建属性层次结构，则该属性可用作成员属性，但不能用作用户层次结构中的级别。属性可以通过前端展示软件进行展现。9)属性层次结构：属性层次结构完全定义多维数据集的空间。多维数据集是由多维数据集的属性层次结构的交集产生的多维空间。10) 用户层次结构：用户层次结构
12、由多个属性层次结构构成，用于实现特的上下级关系，用户层次结构不会影响多维数据集的空间。2. 事实表设计规范事实表包含内容：1)外键：外键将与各维度表的主键相关联，从而确保数据的完整性和正确性。2)量度：量度是可以进行聚合的，一般为数值型字段。所有的量度都需要对应唯一的聚合函数（除Count和Distinct Count）。3)其他钻透用字段：此类字段不参与聚合，只有特定的查询和钻透才会涉及此类字段。3. 映射表设计规范映射表包含内容：1)主键：主键唯一标识记录；2)外键：与其他表进行关联。3.3 设计阶段划分 数据仓库模型设计主要分三个阶段： 1、概念设计 2、逻辑设计 3、详细设计 并分别产
13、生三类设计模型 1、主题域模型 2、业务数据模型 3、物理模型数据仓库模型设计采用迭代式开发，这一点也符合数据仓库系统迭代开发的特点。它具有较好的灵活性和易变性，适应于主题不明确或不确定的需求。1.概念设计数据仓库是面向主题来组织数据，一个数据仓库有若干个主题，而每个主题又有一个数据集合体做支撑，这个数据集合称为主题域。 概念设计的中心工作是在需求分析基础上设计的主题域模型。主体域模型是客观到主观之间的桥梁，是与硬件环境、软件选择无关的数据抽象模型，是为下一步建立业务数据模型、物理模型服务的概念性工具。 主题域具有两个特性： 1)独立性，即主题域具有明确的边界与独立的内涵，虽然主题间可以有交叉
14、，但不影响其独立性。 2)完备性，即每个主题的分析要求所需的数据均应能在主题域中得到。采用概念数据模型设计就是要设计主题域的数据结构。 2.逻辑设计逻辑设计的中心工作是设计业务数据模型，业务数据模型是用具体的软件结构来实现概念数据模型。 目前数据仓库一般是建立在关系数据库基础上，因此数据仓库的设计中采用的业务数据模型就是关系模型。 逻辑设计设计到的知识点包括： 1)业务数据模型设计的建模对象应包含实体、属性、关键字和联系。 2)业务数据模型设计应该遵守规范化准则：即第三范式设计准则。 3)业务数据模型的ER图表示法。3.详细设计物理模型是从业务数据模型创建而来的，建立物理模型通过扩展业务数据模
15、型，使模型中包含关键字和物理特性。 物理模型设计包括： 1)设计存储结构构建表格 2)设计索引策略选择粒度 3)设计存储策略建立分区 3.4 可伸缩性数据仓库的可伸缩性是衡量数据仓库设计优劣的重要指标。在数据仓库设计中主要依托于第三范式的设计原则，对所有实体进行最小化细分，通过主、外键关系将各个实体连接在一起。在这种设计中，将业务环境发生变化时，往往只需进行以下调整：1.对主、外键关系进行调整；2.增加新的实体；3.增加已有实体的新的属性。由于实体已经进行最小化细分，所以不需对实体进行重构，从而避免了对其他应用的影响。元数据管理也是提高数据仓库可伸缩性的重要方法。3.5 数据集市数据集市（Da
16、ta marts）是为满足已定义的用户组或业务领域对于特定业务信息的需求而创建的。它们比数据仓库更小且更关注在数据中构建复杂的业务规则来支持功能强大的分析。 数据仓库应该一次增加一个主题，并且当需要容易地访问多个主题时，应该创建以数据仓库为来源的数据集市。 多维数据集市的数据模型主要包括：1)星形模型： 星型的中心是一个大的事实表，发散出来的是维度表，每一个维度表用一个PK-FK连接到事实表，维度表之间彼此并不关联。一个事实表又包括一些度量值和维度。 2)雪花模型：雪花模型通过规范维度表来减少冗余度，也就是说，维度表数据已经被分组成一个表而不是使用一个大表。 4 ETL过程管理数据集成是数据仓
17、库中的关键过程。ETL（数据的提取、转换和加载）过程的设计和实现是数据仓库解决方案中极其重要的一部分。ETL 过程用于从多个数据源提取业务数据，清理数据，然后集成这些数据，并将它们装入数据仓库中，为数据分析做准备。 Microsoft SQL Server 2008 Integration Services (SSIS) 是生成高性能数据集成解决方案（包括数据仓库的提取、转换和加载 (ETL) 包）的平台。Integration Services 包括用于生成和调试包的图形工具和向导；用于执行工作流函数（如 FTP 操作）、执行 SQL 语句或发送电子邮件的任务；用于提取和加载数据的数据源和目
18、标；用于清理、聚合、合并和复制数据的转换；用于管理 Integration Services 的管理服务 Integration Services 服务；以及用于对 Integration Services 对象模型编程的应用程序编程接口 (API)。SQL Server 2008 Integration Services (SSIS) 提供一系列支持业务应用程序开发的内置任务、容器、转换和数据适配器。您无需编写一行代码，就可以创建 SSIS 解决方案来使用 ETL 和商业智能解决复杂的业务问题，管理 SQL Server 数据库以及在 SQL Server 实例之间复制 SQL Server
19、 对象。 4.1 开发在上图ETL过程设计的最佳实践中，数据转换操作大致可以分为 6 步：数据抽取、数据验证、数据清洗、数据集成、数据聚集和数据装载。 1.数据抽取过程设计数据抽取是捕获源数据的过程。有两种捕获数据的主要方法：（1）完全刷新： 对移入中间数据库的数据进行完全复制。该复制可能替换数据仓库中的内容，及时在新的时间点上添加完整的新副本，或者与目标数据进行比较，以便在目标中生成一条修改记录。（2）增量更新： 只捕获源数据中修改的数据，如何捕获数据修改与数据源本身是密切相关的，实际上是逐个实现的问题。增量更新主要包括以下几种方法：决策支持系统中，在ETL过程结束之后，和数据进入数据仓库之
20、前，推荐加入了ODS层，来规避源数据经ETL过程直接进入数据仓库给数据仓库带来的数据风险，并有效进行数据装载。 来自于数据源的数据，经过ETL过程，首先加载进入ODS，而后ODS中的数据再加载进入数据仓库。 2.数据验证过程设计在项目的业务数据分析阶段，您产生了一组数据质量假设。这些假设将指定客户和解决方案提供者双方在数据质量问题上的职责。解决方案提供者通常关心数据清理和增强问题。客户至少要关注仅仅可以在数据源本身中解决的问题，以及与解释数据含义相关的数据质量问题。例如： （1）丢失的数据恢复。 （2）模糊的数据转换。 （3）业务操作应用程序相关的数据问题 只能从应用程序本身解决的数据质量问题
21、。 如果没有用正确的方法及时解决业务数据的质量问题，它可能严重影响项目时间表。数据质量假设可能是与客户进行时间表协商的一个好基础。数据验证包括： （1）属性的有效值（域检查）。 （2）属性在剩余行的环境中是有效的。 （3）属性在该表或其他表中相关行的环境中是有效的。 （4）关系在该表和其他表中的行间是有效的（如外键检查等）。 3.数据清洗过程设计数据清洗是清理有效数据，使之更精确更有意义的过程。数据清洗主要包括下列任务： （1）数据合并。 （2） 数据类型和格式的转换。 （3）用于不同目标表的数据分离。 4.数据集成过程设计数据集成是将多个数据源联合成一个统一数据接口来进行数据分析的过程。 数
22、据集成是仓库数据转换过程中最重要的步骤，也是数据仓库设计中的关键概念。 数据集成可能极其复杂。在该模块中，可以应用数据集成业务规则以及数据转换逻辑和算法。集成过程的源数据可以来自两个或更多数据源；它通常包含不同的连接操作。源数据还可能来自单个数据源；该类型的数据集成通常包含域值的合并和转换。 集成结果通常生成新的数据实体或属性，易于终端用户进行访问和理解。5.数据聚集过程设计数据聚集是收集并以总结形式表达信息的过程。 数据聚集通常是数据仓库需求的一部分，它通常是以业务报表的形式出现的。在多维模型中，数据聚集路径是维度表设计中的重要部分。在数据存储库或数据仓库中，数据聚集的级别是逐个（case-
23、by-case）确定的。 因为数据仓库几乎仍然都是关系数据模型类型的，所以最好是建议您的客户从数据集市构建业务报表。 6.数据装载过程设计将数据移至中心数据仓库中的目标表通常是 ETL 过程的最后步骤。装入数据的最佳方法取决于所执行操作的类型以及需要装入多少数据。您可以通过两种基本方法在数据库表中插入和修改数据： （1）SQL insert/update/delete （2）成批 load 实用程序 大多数应用程序使用 SQL IUD 操作，因为它们进行了日志记录并且是可恢复的。但是，成批加载操作易于使用，并且在装入大量数据时速度极快。使用哪种数据装入方法取决于业务环境。4.2 运行 ETL流
24、程可以通过SQL Server 2008 Agent进行调用，Agent可以预先定义调用的时间（如每天24点）、周期及执行的命令，并且所有调用过程都将在SQL Server系统数据库中记录日志。4.3 预警当ETL运行过程中出现异常时，Integration Services的事件管理系统将自动触发异常事件，并运行异常事件流程。异常事件流程是预先定义的一种特殊的ETL流程，此流程可以捕获引发系统异常的数据或事件，并利用邮件或短信通知相应的联系人。5 OLAP设计OLAP专门设计用于支持复杂的分析操作，侧重对分析人员和高层管理人员的决策支持，可以应分析人员的要求快速、灵活地进行人数据量的复杂查询
25、处理，并且以一种直观易懂的形式将查询结果提供给决策制定者，以便他们准确掌握企业(公司)的经营状况。了解市场需求，制定止确方案，以增加效益。Microsoft SQL Server 2008 Analysis Services (SSAS) 为商业智能应用程序提供联机分析处理 (OLAP) 和数据挖掘功能。Analysis Services 允许您设计、创建和管理包含从其他数据源（如关系数据库）聚合的数据的多维结构，以实现对 OLAP 的支持。对于数据挖掘应用程序，Analysis Services 允许您设计、创建和可视化处理那些通过使用各种行业标准数据挖掘算法，并根据其他数据源构造出来的数据
26、挖掘模型。OLAP构建流程图如下：5.1 最佳实践OLAP模型一般构建在根据分析需求从数据仓库中抽象出的数据集市上的。一般情况下，每个分析主题都需要构建一个OLAP。 1)ROLAP架构ROLAP架构：细节数据、聚合后的数据都保存在关系型的数据库中。 2)MOLAP架构 MOLAP架构：将细节数据和聚合后的数据均保存在OLAP中。 3)HOLAP架构HOLAP架构:细节数据保留在关系型数据库的事实表中，但是聚合后的数据保存在OLAP中。 5.2 向下兼容SQL Server 2008 Analysis Services具备很好的向下兼容性，利用SQL Server 2008 Analysis
27、Services或SQL Server 2000 Analysis Services开发的数据库都可以平滑地迁移至SQL Server 2008 Analysis Services。数据库迁移主要包括两种方法：1)在安装过程中通过升级 Analysis Services 的现有实例来迁移现有 Analysis Services 数据库；2)在安装之后通过运行迁移向导进行迁移。推荐通过使用迁移向导来迁移现有的 Analysis Services 数据库，步骤如下： 1)从 SQL Server Management Studio 的对象浏览器中的 Analysis Services 服务器节点启
28、动迁移向导。也可以通过在命令提示符处运行程序 MigrationWizard.exe 来启动该向导。2)向导启动并显示“欢迎使用 Analysis Services 迁移向导”页。阅读介绍性消息，然后单击“下一步”继续。3)在“指定源和目标”页上，标识源 SQL Server 2000 Analysis Services 服务器和实例名，然后标识目标 SQL Server 2008 Analysis Services 服务器和实例名。如果不指定目标服务器，还可以选择将数据库架构保存到一个脚本文件中，并在以后完成迁移。可以使用 SQL Server 2008 Integration Servic
29、es (SSIS) 包中的 Analysis Services 执行 DDL 任务完成此操作。4)在“选择要迁移的数据库”页上，选中要迁移的数据库旁边的复选框。如果愿意，可为目标数据库指定与源数据库不同的名称。5)在“验证数据库”页上，向导分析要迁移的数据库并报告所发现的任何问题。6)在“迁移数据库”页上，向导在执行数据库迁移时报告执行的进度。7)在“完成向导”页上，向导报告迁移的结果。单击“完成”即可完成向导。8)迁移数据库之后，必须从原始数据源处理数据库，然后才能查询数据库。9)迁移之后，您可能需要查看迁移注意事项（Analysis Services - 多维数据），以了解 Analysi
30、s Services 数据库不同版本间的差异。5.3 权限管理系统为数据级的权限管理赋予了更强的生命力。SQL Server 2008 Analysis Services (SSAS)已经具备了数据级权限管理的能力，但用户界面及权限定制存在很多限制。我们的系统SQL Server 2008 Analysis Services (SSAS)基础上提供了更好的权限管理、定义、扩展和集成的能力，主要功能如下：1)基于Web的用户、角色及权限定义2)基于数据库的用户、角色及权限存储3)与Windows用户、SharePoint用户及其他系统用户的集成4)权限的下发（即地区经理的权限可以由大区经理设定）
31、5)支持所有的前端展现软件5.4 接口OLAP模型提供标准的接口，任何类型的客户端（包括Web和Win Form）都可以轻松的通过接口获取数据模型中的数据。接口驱动：1)OLE DB for Analysis Services 10.02)ADOMD.NET3)AMO4)XML/A接口查询语言：MDX6 数据挖掘模型的开发及应用数据挖掘（Data Mining），又称信息挖掘（Knowledge Discovery），是建立在机器学习、概率论和数据库上的交叉技术，它是用自动或半自动化的方法在数据中找到潜在的、有价值的信息和规则。 6.1 过程及方法一个数据挖掘项目的过程包括六步： 1)业务理解
32、 2)数据理解 3)数据准备 4)建模 5)评估 6)部署 这六个阶段的顺序是不固定的，我们经常需要前后调整这些阶段。这依赖每个阶段或是阶段中特定任务的产出物是否是下一个阶段必须的输入。如图中箭头指出了最重要的和依赖度高的阶段关系。 如图的外圈象征数据挖掘自身的循环本质，即在一个解决方案发布之后一个数据挖掘的过程才可以继续。在这个过程中得到的知识可以触发新的，经常是更聚焦的商业问题。后续的过程可以从前一个过程得到益处。数据挖掘数据流：训练与评估数据流：数据挖掘算法选择：根据算法来定义的任务列表：6.2 挖掘分析示例 1.商品相关性分析在众多商品中如何找出商品之间的关系，以及相互之间是如何影响的
33、，对于数据分析是非常重要的。关联规则模型可以依据于消费者的行为，通过算法找出商品的相关性，如图：2.客户群体分析如何对已有客户进行群体划分，聚类算法可以更好的解决这个问题。依据客户的属性和行为，以优质的算法对客户进行分类，如下图：客户群体分析还可以实现：1) 从多个角度进行会员细分；2) 针对沉睡和半沉睡会员的分析及预警；3) 根据特定顾客群体寻找合适的商品。3.目标客户分析什么样的人会成为我们的客户？ 对于准客户的出现，如何判定是否会成为真正的客户，决策树、贝叶斯和神经网络都可以从不同的角度来解决这个问题。决策树示例如下：目标客户分析还可以实现：1) 定位中高端会员特性，提高其重购行为；2)
34、 根据特定商品能找到有需求的顾客群体；3) 针对会员进行营销和行销。4.趋势预测根据历史销售记录，找出商品销售趋势，从而预测未来的商品销售。趋势预测主要可以实现商品销售业绩预测及区域市场销售业绩预测。6.3 接口 数据挖掘模型提供标准的接口，任何类型的客户端（包括Web和Win Form）都可以轻松的通过接口获取数据挖掘模型中的数据。接口驱动：5)OLE DB for Analysis Services 10.06)ADOMD.NET7)AMO8)XML/A接口查询语言：DMX7 分析结果展现7.1 多维透视分析通过Web形式实现对OLAP数据的分析；OWC支持近50 种图表类型，包括曲线图、
35、折线图、柱状图、面积图、雷达图等，并可指定显示的图表是否带数据点。可以灵活设置图表的各个元素，包括设置图表标题、左标注、下标注、图例及输出图片的大小等；并可对所有显示的文字指定字体、字号、颜色和字形。同一张图表中可以显示2条以上的曲线，轻松实现数据对比显示。轻松实现WEB页面上的拖拽操作,用户可以随意生成所希望得到的图表进行分析。并可将生成的数据表导出成Excel文件进行使用。7.2 报表Microsoft SQL Server 2008 Reporting Services (SSRS) 提供企业级的支持 Web 的报表功能，可以日常报表系统的展现及决策支持的结果展现，包括仪表盘、仪表板和到
36、县市级的地图功能。Microsoft SQL Server 2008 Reporting Services 是一种基于服务器的解决方案，用于生成从多种关系数据源和多维数据源提取内容的企业报表，发布能以各种格式查看的报表，以及集中管理安全性和订阅。您创建的报表可以通过基于 Web 的连接进行查看，也可以作为 Microsoft Windows 应用程序的一部分或 SharePoint 门户进行查看。Reporting Services 包含用于创建和发布报表及报表模型的图形工具和向导；用于管理 Reporting Services 的报表服务器管理工具；以及用于对 Reporting Servi
37、ces 对象模型进行编程和扩展的应用程序编程接口 (API)。Microsoft SQL Server 2008 Reporting Services集成Dundas控件，可以非常好地实现各种数据类型的展现，包括多种类型的图表、仪表盘、地图以及日历。1.报表定制Report Builder 2.0 是一种全新的报表创作环境，适用于喜欢在熟悉的 Microsoft Office 环境下工作的业务用户。可以使用 Report Builder 2.0 来处理数据、定义布局、预览报表，以及将报表发布到报表服务器或 SharePoint 站点。Report Builder 2.0 包括查询生成器和表达式
38、编辑器。它还支持 SQL Server 2008 Reporting Services 中提供的高级报表功能。您可以使用 Report Builder 2.0 创建具有多个数据区域（如表和图表）的报表，还可以将来自多个数据源的数据放入一个报表中。Report Builder 2.0 还支持直接对关系数据源和多维数据源运行查询，还可以通过已发布的报表模型进行用户友好的数据访问。使用报表生成器，您可以自定义和更新在报表设计器或 Report Builder 1.0 中创建的报表。Report Builder 2.0 提供了易于使用的向导，该向导将引导您完成创建简单表报表、矩阵报表或图表报表的步骤。
39、1)一个全新的用户界面，符合Office 2007的外观和感觉。2)本地客户端安装，而不是从报表管理中下载和安装的一次点击的应用程序。3)支持本地或者在服务器上运行报表。4)报表模式是不需要的;你可以使用一个查询设计来创建自己的查询，从现有报表中导入查询，或者在你的查询中手动输入。5)一个Tablix报表类型，融合了矩阵和表格的报表。2.报表导出及分发 系统可以定时将Reporting Services报表生成指定类型的文件，并存放在指定的位置，主要功能如下：1)支持PDF、Excel、JPG和HTML格式2)支持将多个报表导出为单一文件3)支持报表参数系统可以定时将文件进行分发，支持Mali
40、分发、SharePoint文档库分发、网络共享路径分发及FTP分发，同时支持对分发内容的定制。7.3 挖掘分析结果展现1.Microsoft SQL Server Data Mining Add-Ins for Office 2007Microsoft SQL Server Data Mining Add-Ins for Office 2007 是一组易于使用的数据挖掘功能，使用户能够通过 Office 2007 访问数据挖掘功能，这样就能在每台台式机上进行预测分析。由于能够在熟悉的 Office 环境中利用 Microsoft SQL Server 2008 Analysis Service
41、s 极为复杂的数据挖掘算法，因此商业用户只需单击几次鼠标，即可轻松地获得对复杂数据集的宝贵洞察力。由于在设计时已考虑到终端用户，因此 Data Mining Add-Ins for Office 2007 使终端用户能够直接在 Microsoft Excel 和 Microsoft Visio 中执行高级分析。 包含三个独立的组件：1.Data Mining Client for Excel 使用户能够在 Excel 2007 中创建及管理整个 Analysis Services 数据挖掘项目。2.Table Analysis Tools for Excel 使用户能够利用强大的 Analys
42、is Services 数据挖掘功能分析Excel 电子表格中存储的数据。 3.Data Mining Templates for Visio 使用户能够在 Visio 图表中呈现决策树、回归树、分类关系图和依赖关系网络。界面如下图：2.Reporting ServicesReporting Service支持对数据挖掘模型的查询，可以将数据挖掘结果以报表的形式进行展现，同时也支持各种参数的查询。8 门户平台SharePoint可以提供强大的门户功能，实现内网办公平台的建设。在SharePoint Portal Server中可以实现对文档、列表、图片、调查以及工作流的实现与管理，同时可以通过
43、多种方式对其他应用系统进行集成。SharePoint完全基于.NET framework 3.0搭建，可以使用Microsoft Office SharePoint Designer 进行开发和设计，通过图形化的界面减少系统的开发量和维护量。SharePoint同时可以实现一定的表单管理功能，包括表单的录入、修改、删除和查询，同时可以和Reporting Services 相结合，实现对表单数据的更深层次的分析。9 软硬件配置9.1 硬件环境1.基本配置： 数据库服务和应用服务分别布署在两台服务器上运行。2.每台计算机： CPU：2个（将来可扩展至4个） 内存：8G（将来可扩展至16G） 硬盘：300G3.扩展： 根据数据量及用户数量的增加，可以对基本配置进行扩展，例如将数据库服务和应用服务通过构建群集来提高系统的性能。 4.拓扑图 9.2 软件环境1.服务器：1)Windows Server 20032)IIS 6或以上3)SQL Server 2008企业版4)IE 6.05)Windows SharePoint Server20102.客户端：1)Windows XP、Vista、Windows 72)Office 2003、Office 20073)IE 6.0、IE 7.0
