sqlserver下钻,SQLSERVER存储过程

国内运用商务智能的劳动密集型企业有哪些,国外有哪些劳动密集型企业运用商务智能,

商业智能已有的应用解决方案及产品现状

创新互联公司是一家专业提供江油企业网站建设,专注与成都网站设计、网站制作、成都h5网站建设、小程序制作等业务。10年已为江油众多企业、政府机构等服务。创新互联专业网站设计公司优惠进行中。

从听到关于沃尔玛超市的“啤酒”与“尿布”的故事，我们知道了商业智能的应用可以如此神奇地分析出两种看似毫不相干的东西之间原来还有着千丝万缕的联系，如今以数据仓库为核心的BI应用正在成为国内很多用户实施的热点。据最新调查结果显示，商业智能将成为2007年各企业IT高管的最大开支项目，企业投资的重点将继续放在收集和分析与企业运营有关的各种数据上。市场调查公司Saugatuck Technology和BusinessWeek Research Services称，在2005年和2006年，商业智能分别在当年的重点开支项目中排第5位和第3位l”。易观国际研究表明，中国商业智能市场2007年第一季度总体市场规模达到2．38亿人民币，与去年同期相比增长，增长保持良好势头。

NCR等厂商处于领先位置，占据了绝大部分市场。厂商格局方面有较大的变化，NcR宣布分离数据仓库事业部门Teradata：甲骨文宣布并购商业智能和企业绩效厂商Hyperion；Business Objects公司(简称B0)收购Crystal Decisions．诞生了一个年营业额达7．36亿美元的全球最大的BI厂商。从厂商格局变化来看，商业智能以及相关的其他应用，已经越来越成为软件厂商的主要关注方向嘲。传统的数据仓库和挖掘厂商在未来商业智能发展中表现出强大的竞争能力，它们立足于提供全面的行业解决方案并完善强大的数据库产品，支持更多的分析挖掘功能；IBM建立了专门从事BI方案设计的研究中心，ORACLE等公司纷纷推出了支持BI开发和应用的软件系统，有的直接进入了BI的开发领域：Sybase已经将其业务全面转向为商业智能服务的数据仓库业务；微软也在其新一代产品SQLServer2005中加强了商业智能的支持，并结合O伍ce2007提供从后端到前端的整体商业智能解决方案。国内知名的BI独立软件开发商数量较少，规模仍然较小，但是发展迅速，基本都处于良性循环。例如：广州尚南、润乾软件、奥威智动等都是国内知名的BI独立软件开发商。据市场分析员介绍，BI已经成了企业信息技术最为重要并且极具潜力的领域。

1．2．3 商业智能在劳动密集型企业中的应用现状

商业智能产品正日益得到企业的认可。美国Palo Alt0管理集团公司对欧洲、北美和日本375家大中型企业的商务智能技术的采用情况进行了调查。结果显示，在金融领域，商务智能技术的应用水平己经达到或接近70％，在营销领域也达到5004，预测在未来的3年中，各个应用领域对该技术的采纳水平都将提高约5004。现在，许多企业都把数据看成宝贵的财富，纷纷利用商务智能发现其中隐藏的信息，借此获得巨额的回报。

目前，国外已经有了很多实施商业智能的成功案例，而关于商业智能在劳动密集型企业的应用的文献比较少，应用比较零星，技术也很不成熟，远远无法与电信、银行、证券、保险、航空、邮政、大型零售业等行业产生的价值和成熟度相提并论。在国内更是少之又少，这与我国信息技术起步较晚，缺乏有效的规划和管理，相关人才匮乏以及数据积累相对较少等多方面因素有着直接或间接的关系。BI在劳动密集型企业的应用主要体现在销售／营销方面采取更主动的行动以吸引客户，预测需求，及时订货和补货，实时了解供应商和代理商的情况，实现低库存水平等方面发挥BI应有的作用。

随着信息化建设的逐步完善和企业对商业智能应用意识的提高，企业逐步认识到商业智能发展、应用的总体趋势，意识到BI会为企业发展带来的巨大经济效益。劳动密集型企业可借鉴这些成熟行业的解决方案，再结合本行业的特点。

1．3 本文主要的工作

在劳动密集型企业中，随着管理信息系统的发展，企业积累了大量的基础数据，这些数据记录了企业的运作情况，是企业最宝贵的数据资源，但却没有充分发挥其作用，无法使决策者更好地利用数据做出迅速、正确而又及时的决策。本文的研究工作主要是运用商业智能技术的理论和方法，根据义乌市新光饰品有限公司管理信息系统的应用现状和需求，提出了一套产品营销商业智能系统的解决方案。利用企业的现有数据建立数据仓库，并在数据仓库的基础上对销售数据、客户信息及饰品流行趋势进行分析、预测，为企业管理提供决策支持，降低企业的经营成本，提高企业公众形象，从而增强企业竞争力。本课题研究主要完成以下几方面的工作：

(1)在深入企业调研的基础上，充分了解了企业对商业智能的需求，以及企业的业务特点，分析了义乌市新光饰品有限公司业务数据在产品营销决策支持方面的不足，利用商业智能技术研究并提出了一套切合实际的劳动密集型企业产品营销商业智能系统的解决方案。

(2)以企业内部的ERP系统、OA(Office Automation)系统和BOM系统为数据源，进行BI系统的总体规划设计，确定数据仓库的各个主题域；选择数据仓库产品，进行数据仓库的建模。

(3)本文从实际需求出发，运用SQL Server2005 Analysis Services实现了在数据仓库的基础上进行OLAP分析，诸如上卷、下钻、切片、切块和旋转查询等操作，并用Reporting Services开发基于Web的前端数据展现和Pivot Table开发基于客户端的数据分析，实现及时准确的产品营销分析、客户，市场分析等等，为企业的管理、决策提供及时可靠的参考信息依据。

(4)建立了基于数据仓库的客户分群预测和销售预测分析模型。利用SQLServcr 2005 Analysis Services的数据挖掘算法实现了企业数据挖掘的目标。

数据库sqlserver 2008与 sqlserver 2005区别？

如果你要用进行简单学习的话这两个是没什么区别的两个都可以用不过搞开发的时候建议还是使用2005 毕竟版本低稳定一点

总的来说 SQL Server2008有十大新特性

　1.Report Builder 3.0

Report Builder是一个工具集，通过它可以开发出发布到Web上的报表，通过Report Builder可以创建包含图像，图表，表格和打印控件的报表，此外，Report Builder也支持下钻和排序，如果你熟悉第三方报表工具，图Crystal Reports(水晶报表)，那么你一定会使用Report Builder。

SQL Server 2008 R2/Report Builder 3.0中的新特性包括：○1地图图层，它可以容纳空间和分析数据，可以和微软的虚拟地球(Microsoft Virtual Earth)无缝集成;○2指示器，用于显示一个值的状态;○3报表部件，这个对象可以重复使用或在多个报表之间共享;○4聚合计算(Aggregate Calculating)，允许你计算其它聚合计算结果的汇总值。

2.SQL Server 2008 R2 Datacenter

SQL Server 2008 R2的数据中心版的目标是企业版用户，他们要求更好的性能，新版本支持256颗逻辑处理器，更多的实例数和更多的内存。

3.SQL Server 2008 R2 Parallel Data Warehouse

SQL Server 2008 R2的另一个新版本是并行数据仓库版，正式代号是“Madison”，它主要目标是处理非常大的数据量，它使用大规模并行处理功能将大表分散到多个SQL节点，这些节点通过微软的专利技术Ultra Shared Nothing进行控制，它可以将查询任务分配到各个计算节点上，然后从各个节点收集计算结果。

4.StreamInsight

SQL Server 2008 R2中出现了一个新组件，叫做StreamInsight，这个有趣的组件允许在运行中分析流数据，也就是直接从源数据流进行处理，然后再保存到数据表中。如果你的系统是一个实时系统，这个功能就非常非常的有用，因为实时系统需要分析数据，但又不能引起数据写入时的延迟，一些常见的例子如股票交易数据流，Web点击分析流和工业处理控制，可以同时监控多个输入数据流。

5.主数据服务

主数据服务(Master Data Services，MDS)既是一个概念又是一个产品，主数据服务的概念是对核心业务数据有一个集中的数据入口看守人，数据项如客户账单地址，雇员/客户姓名，以及产品名称应该集中管理，以便让所有消费应用系统都具有相同的信息。微软提供了一个示例，在customer表中记录了一个顾客地址，但在mailing表中记录了一个不同的地址。主数据服务应用程序可以保证所有表只有一个正确的地址，而一个MDS可以是一个本地应用程序，SQL Server 2008 R2包括一个应用程序和一个接口管理核心数据。

6.PowerPivot for SharePoint

PowerPivot是一个终端用户工具，它与SharePoint，SQL Server 2008 R2和Excel 2010联合使用，可以在几秒内处理大量数据，PowerPivot的作用有点像Excel中的数据透视表，提供了分析功能。

7.数据层应用

数据层应用(Data-Tier Application，缩写为DAC，不知道C代表什么含义，不要与Windows数据访问组件混淆了，因为它的缩写也是DAC)是一个对象，它可以为一个工程存储所有需要的数据库信息，如登录，表和Visual Studio可以使用的存储过程。通过创建一个数据层应用，SQL Server包版本和每个Visual Studio编译版本一起保存，也就是可以将应用程序和数据库构建成一个统一的版本，方便后期维护和管理。

8.Unicode压缩

SQL Server 2008 R2使用一个新的算法，为Unicode存储提供了一个简单的压缩方案，通过Unicode压缩，可以减少Unicode字符对空间的占用，它由SQL Server引擎自动管理，因此不需要修改现有应用程序，DBA也无须做任何干涉。

9.SQL Server Utility

新的SQL Server Utility是一个集中控制多个SQL Server实例的仓库对象，性能数据和配置策略可以存储在一个单一的Utility中，Utility也包括一个资源管理器工具，可以创建多个服务器仪表板。

10.多服务器仪表板

虽然SQL Server Management Studio也可以连接到多个服务器，但不能在一个集中的视图上查看所有的数据库，每个数据库服务器需要独立管理，在SQL Server 2008 R2中，可以创建同时显示多个服务器的仪表板。

如何设计、创建一个面向CRM的数据仓库？

1 CRM系统

1.1 CRM简介

一个完整的CRM主要可分成3个部分：操作型CRM、协作型CRM和分析型CRM。操作型CRM是CRM中最基本的功能系统，它提供整个CRM的流程管理功能，主要是提供以客户为中心的市场、销售，服务与支持等业务流程的自动化。协作型CRM是以客户服务中心为主要表现形式，以计算机电话集成技术为核心，使客户可以通过电话、传真、E-mail、Web站点等方式更快捷、更有效地与企业进行交互。

分析型CRM是通过对操作型CRM、协作型CRM、其它企业应用系统和外部数据源中保存的与客户相关的数据的集成，建立以客户为中心的数据仓库，获得企业范围内客户数据的一致视图，并以集成后的客户数据为基础，通过查询与报表分析、OLAP分析和数据挖掘等手段获取关于客户的知识，为客户提供个性化的产品和服务，提高客户的满意度和忠诚度，实现客户终身价值的最大化。本文主要针对的是分析型CRM。

1.2在CRM中应用数据仓库的必然性

数据仓库是CRM的中心环节甚至是CRM的灵魂所在，它存储了企业内部和外部的各种数据，并将这些源数据整理成一致的、随时间变化的以及最大限度优化分析的客户信息库，通过OLAF分析和数据挖掘来发现大量客户信息中所隐藏的规律，为企业进行经营决策提供支持。另一方面，它将CRM的业务平台与分析平台进行了有效地分离，使得业务型数据库可以专注于事务处理，既提高了事务处理的效率又优化了分析处理的能力。

传统的企业事务处理系统部是各个部门根据自身事务处理的需要保留部分数据，而且各个模块之间的联系并不紧密，虽然客户的部分信息也能从这些系统中获取，但远远不能满足需要。例如，对于一个典型的以客户行为为目标的分析，通常需要更多的日常积累的、反映历史变化的数据才有可能进行有效地分析，然而在这一点上传统的教据库系统是很难做到的(不论是从数据的存储量还是从数据的整合来考虑)。因此，数据仓库的引入是必然的。

1.3分析型CRM的体系结构

将数据仓库技术引入到对客户信息的管理与组织上来，即建立一个面向CRM应用系统的客户信息数掘仓库，它实现了来自企业内部及外部的多种分割应用的客户信息的集成和统一，这正是分析型CRM的基本任务。如图1所示为分析型CRM的体系结构。其中，客户信息数据仓库是分析型CRM的核心，它的任务主要是从OLTP系统中抽取数据、把抽取出的数据进行统一的格式转换，将数据加载到数据仓库环境中(以上3步称为ETL，即extract，transform，load，抽取，转换，装载)，管理和维护数据仓库中的数据。最后，通过对这些数据的OLAP分析和数据挖掘，企业管理者可以得到许多有价值的信息，从而更好地为客户服务。

建立数据仓库时，这里采用的是一种可扩展的数据仓库体系结构，即中间层包括两种类型的数据库：一种是基本的包含多个主题的数据仓库；另一种足从属的针对某一主题的数据集市。如图1所示，这里根据数据仓库中的4个主题分别设计了4千数据集市。采用可扩展的体系结构，可以缩短数据仓库的建设周期，降低费用支出，并且避免了直接建立数据集市而不建立数据仓库所存在的扩展性较差、多个教据集市间难以保持同步的铗点。

2客户信息数据仓库的设计

设计客户信息数据仓库的第一步就是要确立主题。主题是一个抽象的概念，是在较高层次上将企业信息系统中的数据综合、归类并进行分析利用的对象。设计数据仓库首先要从操作型环境中的数据入手，结合决策支持的实际需要，确定数据仓库的主题。根据所涉及的分析型CRM的功能，该客户信息数据仓库包含了客户发展、客户购买、产品和市场营销4个主题。其中，客户购买主题主要是从不同的角度对客户的购买行为进行分析，如客户的购买行为同客户的背景信息之间的关联，其中背景信息主要包括客户的教育程度、收入水平、年龄、性别、是否已婚等。在客户信息数据仓库模型中，分3步来进行设计，分剧是概念模型、逻辑模型和物理模型设计。本文针对某网上书店，以客户购买主题为例，给出该客户信息数据仓库模型的完整的设计方案。

2.1概念模型设计

数据仓库设计中概念模型设计的目的是确定面向主题的信息包围。信息包图作为一种公共的、一致的和紧凑的概念模型设计工具，能够明确反映用户的需求以及实现该需求所需的各种要素及其之间的关系。信息包图由名称、维度、类别和度量组成，其中类别表述的是维的层次性。

该网上书店的客户信息数据仓库中客户购买主题信息包图如图2所示。其中，对于图书有3种分类方法，前两种较常见，还有一种是按图书存在形式分类，可分为普通图书、Vbook和Ebook。普通图书即传统纸制图书，Ebook指以计算机和网络为载体的电子图书，Vbook是一种新的多媒体演示、培训、商业交流的载体，具备音频和视频的功能，如各领域专家的讲座，教学考试类培训课程等。随着计算机的普及和网络的发展，Ebook和Vbook越来越受到读者的青睐。

2.2逻辑模型设计

数据仓库的逻辑模型一般有星型模型和雪花模型两种。星型模型是基于关系型数据库的、面向OLAP的一种多维数据模型的数据组织形式，它由事实表和多个维度表组成，通过使用一个包括主题的事实表和多个包含事实的非正规化描述的维度表来执行决策支持查询，从而获得比高度规范化设计结构更高的查询性能。

雪花模型虽然较星型模型更符合规范化的设计结构，但它增加了查询的复杂度，降低了查询的性能，因此，这里采用星型模型。

星型模型的建立要以概念模型中的信息包圈为基础，将信息包图转换为星型模型，具体方法为：将信息包图中的度量实体放入星型模型的中心位置上，信息包图中的维度实体放入度量实体的周边。该客户信息数据仓库中客户购买主题的逻辑模型。

2.3物理模型设计

物理模型是指教据在数据仓库中的存放形式和组织形式。设计物理模型，要在星型模型或雪花模型的基础上，确定事实表和维表的结构；明确二者的数据字段、数据类型、关联字段、索引结构；确定数据仓库中多维数据集的存储结构，如物理存取方式、数据存储结构、数据存放位置以厦存储分配是否分区等。进行物理模型设计时，应重点考虑的因素有I／O存取时间、空间利用率和维护代价。

目前大多数数据仓库都是建立在关系型数据库的基础上，基终数据的存储是由数据库系统进行管理的。在该数据仓库的设计中，选用MSSQLServer2000及其组件分析服务器来作为数据库和数据仓库的管理系统。数据仓库在逻辑上是多维的，但在物理存储上其多维数据集的存储方式可以有关系型联机分析处理(relationalonlineanalyticalprocessing，ROLAP)，多维联机分析处理(multidimensionalonlineanalyticalprocessing，MOLAP)和混台联机分析处理(hybridonlineanalyticalprocessing，HOLAP)3种方式。

在该数据仓库中，多维数据集的存储选择HOLAP方式，即基本数据保留在原有的关系数据库中，而聚合体则存储在分析服务器上的多维结构中，这样不仅可以避免数据重复，还能够提高查询性能(因为聚合体存储在多维数据集中)，仅在频繁访问详细数据时对性能影响较大。

3 实现

针对该网上书店，此数据仓库的实施是以MSSQLServer2000平台为基础。通过SQLServer中的DTS服务，并辅以VBScript来实现将源数据导入数据仓库的ETL过程；通过AnalysisServices来建立多维数据集，实现OLAP操作，支持多维查询袁达式(multidimensionalexpression，MDX)查询，并通过自动构造MDX语句，实现上卷、下钻、切片、切块、旋转等OLAP运算。

该客户信息数据仓库共包含了客户发展、客户购买、产品和市场营销4个主题，对客户购买主题的OLAP分析示例。其中，用户可以从客户所在地区、年龄层、性别、婚姻状况，职业、年收入层、会员星级、图书一按内容分类、图书按出版社分类、图书一按存在形式分类及时间共11个维度，来分析客户购买数量、金额、成本、利润及平均单价这5个度量。

此外，利用AnalysisServices所提供的数据透视表服务，用户可以用VB或其它语言开发自己想要的前端数据展现程序，也可以直接利用现有工具，如MSOffice套件中的Excel、Access，来实现对多维数据集的数据展现功能，从而可以方便地得到各种统计报表和分析图形。利用Excel展现了对2005年不同年龄层的客户对不同种类图书的购买情况的利润分析。

有分析数字规律的软件吗

MATLAB（矩阵实验室）是MATrix LABoratory的缩写，是一款由美国The MathWorks公司出品的商业数学软件。

MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。除了矩阵运算、绘制函数/数据图像等常用功能外，MATLAB还可以用来创建用户界面及与调用其它语言（包括C、C++、Java、Python和FORTRAN）编写的程序。

扩展资料

尽管MATLAB主要用于数值运算，但利用为数众多的附加工具箱（Toolbox）它也适合不同领域的应用，例如控制系统设计与分析、图像处理、信号处理与通讯、金融建模和分析等。另外还有一个配套软件包Simulink，提供一个可视化开发环境，常用于系统模拟、动态/嵌入式系统开发等方面。

主要功能

MATLAB的主要为工程应用提供以下功能：

可用于技术计算的高级语言。

可对代码、文件和数据进行管理的开发环境。

可以按迭代的方式探查、设计及求解问题的交互式工具。

可用于线性代数、统计、傅立叶分析、筛选、优化以及数值积分等的数学函数。

可用于可视化数据的二维和三维图形函数。

可用于构建自定义的图形用户界面的各种工具。

可将基于MATLAB的算法与外部应用程序和语言（如C、C++、Fortran、Java、COM以及Microsoft Excel）集成的各种函数。

浅析商务智能系统的组成

在当前的全球化竞争日益激烈的经济环境下，企业的生存发展，关键在于它是否能够对各种不同的用户需求做出快速的反应及正确的决策并提供优质的产品和服务。商业智能（Business Intelligence, BI）系统是指运用数据仓库，联机分析和数据挖掘技术来处理和分析商业数据，针对不同的领域提供不同的应用解决方案，协助用户解决商务活动中的复杂问题，从而帮助决策者面对商务环境的快速变化而做出敏捷反应和合理商业决策的管理系统。

商业智能的实质是从数据中有效地提取信息，从信息中及时地发现，为人类的思维决策和企业战略发展服务。传统的信息系统是处理离散事务的。这些系统不是设计为让用户去从不同聚集层去抽取数据，并使用高级的方法来分析企业数据的，而是适应用于服务于单一目的的商务过程或程序，如会计过程等，所以系统使用者很难通过传统离散的事务处理系统对商务环境进行整体了解。

由于商务智能系统不是针对处理离散事务的系统，所以它的组成与其他的信息系统与一定的区别。IBM商业智能专家Michael L. Gonzales在《IBM数据仓库及IBM商业智能工具》中给出商业智能组成为数据仓库、数据源、数据目标。

数据仓库的典型工作是对集成、清洗、聚集、预计算和查询服务所需的大量数据进行批处理。数据源可以是操作型数据库、历史数据、外部数据或是己有数据仓库中的数据信息，也可以是相关数据库或是其他任何支持商务应用的数据结构。数据源可以存在于多种不同的平台，并且包括结构化信息，如电子表格，无结构信息，普通文本，图片等等。

一般来说，数据预处理、建立数据仓库、数据分析、指标展示是商业智能的数据流程。数据预处理是整合企业原始数据的第一步，包括数据抽取、转换和装载三个过程。源数据采集、筛选、整理及转换基本上是从前台作业系统、业务部门及企业外部的各种类型的数据库（如：ORACLE, SYBASE, SQLSERVER, FOXPRO, ACCESS,工NFORMIX等）中获取数据的，这些数据必须依用户所需，按照数据仓库的要求，以统一定义的格式从各个系统抽取出来，经过数据筛选、整合、转换纳入数据仓库。

建立数据仓库

建立数据仓库是处理海量数据的基础。商业智能系统的核心构架是数据仓库，其主要功能既包括传统的联机事务处理（OLAP）及统计查询，又包括决策支持和联机分析处理（OLAP），数据仓库包括数据提取模块、数据清洗模块、数据转换模块，实现数据的提取、净化、过滤及数据标准化。[page] 数据分析

数据分析是体现系统智能的关键，一般采用联机分析处理和数据挖掘技术。联机分析处理不仅进行数据汇总、聚集，同时还提供切片、切块、下钻、上卷和旋转等数据分析功能，用户可以方便地对海量数据进行多维分析。数据挖掘的目标则是挖掘数据背后隐藏的知识，通过关联分析、聚类和分类等方法建立分析模型，预测企业未来发展趋势和面临的问题。

指标展现

通过数据分析，系统得出结论，并提交给决策者。指标展现的主要方式有以下几种方式：

1. 查询。定义查询、动态查询、OLAP查询与决策支持智能查询；

2. 报表。产生关系数据表格、复杂表格、OLAP表格、报告以及各种综合报表；

3. 可视化。用易于理解的点线图、直方图、饼图、网状图、交互式可视化、动态模拟、计算机动画技术表现复杂数据及其相互关系；

4. 统计。进行平均值、最大值、最小值、期望、方差、汇总、排序等各种统计分析；

5. 挖掘。利用数据挖掘等方法，从数据中得到关于数据关系和模式的知识。

可见，商业智能涉及一个很宽的领域，集收集、合并、分析、提供信息存取功能于一体，包括抽取、转换、装载软件工具、数据仓库、数据查询和报告、联机数据分析、数据挖掘和可视化等工具。