數(shù)據(jù)倉庫和商業(yè)智能至少自1970年就具有相似的形式，并且持續(xù)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(shù)據(jù)倉庫已經(jīng)結束了，這個浪潮已經(jīng)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(shù)據(jù)倉庫和商業(yè)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(yè)上的成熟。成熟市場的一個標志就是單源提供者的出現(xiàn)——對不愿冒風險的公司來說這是一種安全的選擇。數(shù)據(jù)倉庫技術涵蓋了從深奧源系統(tǒng)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(shù)據(jù)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(jīng)感覺到Microsoft要以一個誘人的價格強行將一個可行的、單源數(shù)據(jù)倉庫系統(tǒng)提供者的概念加入到現(xiàn)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(chǎn)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(yè)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(fā)的開始，SQL Server 2005開發(fā)團隊增長到200人，Microsoft對于將商業(yè)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(fā)團隊中SQL Server BI Best Practices組的經(jīng)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(shù)據(jù)倉庫生命周期，因而可以給數(shù)據(jù)倉庫團隊的每個成員提供有用的指導，從項目經(jīng)理到業(yè)務分析師、數(shù)據(jù)建模者、ETL開發(fā)者、DBA，分析型應用開發(fā)人員甚至業(yè)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(shù)據(jù)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(tǒng)的經(jīng)驗，但假定您對Microsoft世界有一個基本的認識：操作系統(tǒng)、基礎設施組件以及資源。我們也假定您對關系數(shù)據(jù)庫（表、列和簡單SQL）有一個基本認識，并且對SQL Server 2000關系數(shù)據(jù)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(jīng)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(jīng)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(jié)，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(xiàn)有的數(shù)據(jù)倉庫的建議，但在理想情況下，您不會對任何已有的數(shù)據(jù)倉庫或數(shù)據(jù)集市滿意，至少在新系統(tǒng)部署后對仍然留在原處的系統(tǒng)不會滿意。
鄂公網(wǎng)安備 42010302001612號 