• 这时会在BI Studio环境中打开用于设计SSIS的 各种工具和窗口，数据提取、转换和加载的操作 都在这个界面下进行。 • （2）选择【项目】→【SSIS导入和导出向导】 命令，这时会弹出SSIS导入和导出向导的欢迎界 面，单击【下一步】按钮。 • （3）在“选择数据源”窗口中的“数据源”下拉 列表框中选择Access数据源选项，如图2-4所示。 然后在路径选择中选择此项目文件夹中的 foodmart 2000.mdb文件。
建立foodmartsaleAS项目
• 打开“解决方案资源管理器”，可以看到 数据源、数据源视图、多维数据集、维度 和挖掘结构等8个文件夹对象，建立和管理 数据立方也是主要针对这8个对象进行的。 下面介绍创建数据立方的步骤
2.3.1 定义数据源
• 这是创建数据立方的第1步。在“解决方案 资源管理器”中的“数据源”文件夹上单 击鼠标右键，在弹出的快捷菜单中选择 【新建数据源】命令，如图2-11所示。
设置名称匹配
• 这时进入“选择表和视图”窗口，如图214所示。可以从选定的数据源提供的对象 列表中选择表和视图。这里主要的商务需 求是对销售数据进行分析，所以可以把相 关的数据表都选入数据源视图，对数据源 中与分析需求关联不大的要素也可以不选 入此分析视图，例如此处的region表可以 不用选入数据源视图。
• FoodMart数据库涉及到公司经营的各个 方面，包括产品、库存、人事、客户和销 售等。一个真正的商业智能应用应该对这 些业务需求进行全面地考虑。本章截取这 些需求中的销售部分构建商业智能
• 打开配套文件中附带的foodmart.mdf文件， 可以看到如图2-1所示的表
• 人事管理中的员工信息存储在employee表中 • 员工所属部门信息存储在department表中 • 职务信息则存储在position表中 • 库存管理业务中的仓库类型存储在 warehouse_class表中 • 具体的仓库存储在warehouse中。
基于FoodMart数据库的福马特 商业智能系统
构建基于FoodMart数据库的福马特商业智能系统。按 照学习理论，“大处着眼，小处着手”是快速学习的好方法， 它既能把握全局，又能掌握细节 内容安排上属于实践中的“务实”，理论上的“务虚”， 只着眼于操作过程而忽略其中的深奥理论，目的在于明确一 个商业智能应用的全貌
• 在图2-7的界面中，还可以对数据导入的目 标进行定制，可以对映射方式进行编辑， 甚至可以自己写“CREATE TABLE”语句作 为复制的目标表。这些改变都可以体现在 数据仓库的物理结构中。
• 这里不对映射及其目标进行变更，保持默认的状 态，使生成的数据仓库的物理模型完全符合前面 对数据仓库的逻辑模型的设计。 • （7）以上操作完成后，单击【下一步】按钮，系 统将会把前面的操作列表并要求用户确认，并提 示将会把包以“Package1.dtsx”作为文件名保存 在项目文件夹下面，而且不会立即执行。确认无 误后单击【完成】按钮。 • （8）在“解决方案资源管理器”中展开“SSIS 包”文件夹，在Package1.dtsx上单击鼠标右键， 在弹出的快捷菜单中选择【设为启动对象】命令， 如图2-8所示。
2.3 创建OLAP数据立方
• 设计好了结构良好的数据仓库，并且将需要分 析的业务数据装载到了数据仓库中之后，就为满 足商务决策的全方位需求打下了根基，以后的操 作都是基于这些拥有数据的数据仓库进行的。但 是，对数据的多维分析却并不是主要针对数据仓 库，而是针对从数据仓库中提取的子集，如数据 集市和多维数据集（也称为数据立方）。因此通 常还需要在具体分析数据之前创建数据立方。
• 以上操作完成后，单击【下一步】按钮， 为此数据源视图命名为Vfoodmartsale， 再单击【完成】按钮结束此向导
选择表和视图
• 同样也是由于数据源中的表没有设置主键的原因， 现在打开的数据源视图上的表都是独立的，相互 之间没有关系，还需要我们设置各个表的主键及 其关系才能成为可用的视图。 • 一般来说，事实表是没有主键的，而维度表都有 主键，且每一个维度表的主键都是事实表的外键， 因而，需要为每一个维度表设置主键，如图2-15 所示，在维度表中选择应该为主键的字段，然后 单击鼠标右键，在弹出的快捷菜单中选择【设置 逻辑主键】命令，即可设置维度表的主键。
• （9）单击工具条上的 运行按钮运行这个工 程，可以发现在SSIS设计界面的“控制流” 和“数据流”等选项卡内都有对象在活动， 这是系统正在把数据从foodmart 2000.mdb数据库中按照前面所确定的规 则装载入foodmartsaleDW数据仓库中。
• 新建的数据仓库中的表需要设置必要的主 键及外键，否则无法建立多维数据集 • SSIS的进一步使用请参照朱德利书第四章 • 案例见4.3
• 这里希望用雪花形结构来构建福马特商店 的销售数据仓库，逻辑结构设计图如图2-2 所示
销售数据仓库雪花形结构设计图
• 在数据仓库的逻辑结构中，数据表可以划 分为两类：一类是事实数据表（简称为 “事实表”），用来存储数据仓库中的实 际数据，如这里存储1998年销售数据的 sales_fact_1998表即为事实表； • 另一类是维度数据表（简称为“维度 表”），用来存储数据仓库中的维度数据， 如这里的关于时间、促销手段和产品等分 析要素的表均为维度表。
新建数据源
• 在弹出的“选择如何定义连接”窗口中选 择“基于现有连接或新连接创建数据源” 单选按钮，在“数据连接”列表框中选择 foodmartsaleDW数据源，如果没有此连 接，可以单击【新建】按钮，定义指向 foodmartsaleDW 数据仓库的连接。设置 完成后的页面如图2-12所示。由于向导下 面的操作是没有必要的，所以这里可以直 接单击【完成】按钮结束数据源向导。
2.1.2 设计数据仓库逻辑模型
• 福马特市场部的商务需求是要对1998年 进行的所有销售业务数据进行多角度分析， 以便市场分析人员能在查询数据库时获取 快速的响应，高层管理人员也能从总体上 把握影响本年度销售的因素。这需要利用 存储在公司业务数据库中的数据，建立数 据仓库，进而创建可用于分析的多维数据 结构。
2-7
• 这时会让用户选择源表和源视图，如图2-7 所示。按照前面对数据仓库的设计，这里 选择原始表中的time_by_day、 promotion、product、product_class、 customer、store和sales_fact_1998表 作为需要输入的表。
• 这里对原始表中需要导入到数据仓库的数据有很 强的可定制性，对这些已经选择的表中的字段还 可以进行筛选和改变，对不需要的字段进行去除 操作，这就是所谓的数据清洗。当然也可以选择 其他的表一起导入数据仓库中。可以看到，不一 定所有的业务数据库中的数据都必须体现在数据 仓库中，数据仓库中的数据也有可能是经过业务 数据库中的数据运算而得到的，这都取决于具体 商务活动的需求。
2.1.3 创建 foodmartsaleDW数据仓库
• 数据仓库也是一种数据库，其管理同样是 通过数据库管理系统（DBMS）来进行的。 因此数据仓库可以像普通数据库一样进行 创建、修改和删除。当数据仓库的逻辑结 构设计完后，就可以创建物理数据仓库了
• 这时可以在SQL Server Management •。 Studio中按照一般的建立数据库的方法建 立一个名为“foodmartsaleDW”的数据库， 然后把这里设计的表创建好，数据类型依 据原始数据库中的各个表和字段的数据类 型设置 • 但由于这里数据仓库的表结构与原始数据 库中的表结构基本一致，因此，创建 foodmartsaleDW数据仓库的物理结构过 程也可以在ETL阶段完成
定义数据连接
2.3.2 定义数据源视图
• 数据源提供与数据库的简单连接，但更 多高级功能，如缓存元数据、添加关系、 创建计算和设置逻辑键等还需要使用数据 源视图来完成。为了对多维数据集进行这 些高级操作，这一步定义数据源视图。
• 可以在“数据源视图”文件夹对象上单击鼠标右 键，在弹出的快捷菜单中选择【新建数据源视图】 命令，然后在弹出的“数据源视图向导”窗口中 选择foodmartsaleDW选项作为关系数据源，单 击【下一步】按钮。这时会弹出如图2-13所示的 “名称匹配”窗口，其原因是在前面SSIS的数据 装载操作中没有为数据仓库中的表设置主键及其 关系，SSAS试图在匹配的列上创建逻辑关系， 可以选择“与主键同名”单选按钮，单击【下一 步】按钮继续
•
FoodMart数据库是SQL Server以前版本所带 的示例数据库，它模拟了一家大型的食品连锁店 的经营业务所产生的数据。 • 其商业数据保存在一个数据库中，其中包括了 客户管理数据、销售数据、分销数据和库存数据 等。随着业务量的增加经营状况，而传统的报 表形式和数据处理方式已经不能满足这一要求， 因此在保留历史数据的基础上构建商业智能应用 已经迫在眉睫。下面就描述满足这一商务需求的 技术实现过程。
• 注意，在本例中设计的维度表和事实表与原始数 据中的表名及结构都一致，这主要是由原始数据 的特点和本章作为入门章节的定位决定的。在实 际设计的时候，通常需要根据需求情况重新建立 与原始数据不同的表结构。这主要是由于传统业 务的数据库是用来进行事务处理的（即OLTP）， 而数据仓库则是用来进行分析处理的（即OLAP）， 用途的不同决定了其结构的不同。这一点在以后 复杂的数据仓库设计中会通过示例体现出来。
•
如前所述，这里只着眼于销售方面的数据，因 而把与销售相关的表提炼出来进行分析。在 foodmart数据库中，销售业务的数据和时间、促 销手段、产品和店铺等都有关系，它们的关系体 现在表与表之间的逻辑关系上。 • 要从业务数据出发设计数据仓库的结构，必 须明确业务数据本身的结构，而业务数据的关系 一般是基于关系数据库设计的范式。数据仓库中 表的关系不受关系数据库设计范式的约束，但也 要遵循一定的结构规范，如星形结构和雪花形结 构即是这种类型的规范。同时这也是数据仓库逻 辑结构的两种类型。。