(0) exportieren Drucken
Alle erweitern

Data Warehouse-Beispiel für AdventureWorks

Das Data Warehouse-Beispiel von Adventure Works DW wird in der Onlinedokumentation von SQL Server verwendet, um die in SQL Server verfügbaren Business Intelligence-Features zu verdeutlichen. Die Daten im Data Warehouse wurden zur Unterstützung sowohl von Data Mining- als auch von OLAP-Sitzungen (Online Analytical Processing, Analytische Onlineverarbeitung) hochgerechnet.

In den folgenden Abschnitten werden weitere Informationen zum Data Warehouse sowie zu Szenarien bereitgestellt, die vom Data Warehouse unterstützt werden:

Das Data Warehouse

Adventure Works DW enthält eine Teilmenge der Tabellen aus der OLTP-Datenbank und zusätzlich Finanzinformationen, die aus einer anderen Datenquelle abgerufen werden. Die Daten werden mit der OLTP-Datenbank synchron gehalten, um Integration Services-Standardszenarien zu unterstützen, z. B. das Laden und Aktualisieren des Data Warehouse. AWDataWarehouseRefresh Package Sample veranschaulicht das Verwenden eines Integration Services-Pakets, um Daten aus der Adventure Works OLTP in Adventure Works DW zu laden.

Adventure Works DW enthält die zwei Themenbereiche Finanzen und Vertrieb, die in den folgenden Abschnitten beschrieben werden. Außerdem enthält das Data Warehouse Sichten, die zum Unterstützen der Data Mining-Szenarien verwendet werden. Diese werden weiter unten in diesem Thema beschrieben.

Finanzen

Der Themenbereich Finanzen des Data Warehouse ist in zwei Schemas unterteilt, die die folgenden Merkmale aufweisen:

Finance

  • Enthält Finanzdaten für Adventure Works und Filialen.

  • Enthält Daten in der lokalen Währung der Organisation, der es zugeordnet ist.

  • Unterstützt die Analysis Services Finance-Measuregruppe.

Currency Rates

  • Enthält Währungsumrechnungsdaten, einschließlich der täglichen Mittel- und Tagesendkurse im Vergleich zu US-Dollar (USD). .

  • Unterstützt die Analysis Services Currency Rates-Measuregruppe.

Vertrieb

Der Themenbereich Vertrieb ist in vier Schemas unterteilt, die die folgenden Merkmale aufweisen:

Reseller Sales

  • Enthält ausschließlich Vertriebsdaten an Wiederverkäufer.

  • Enthält ausschließlich ausgelieferte Aufträge.

  • Enthält Daten in USD und verfolgt die ursprüngliche Währung nach.

  • Unterstützt die Analysis Services Reseller Sales-Measuregruppe.

Sales Summary

  • Enthält eine Zusammenfassungsansicht der Wiederverkäufer- und Internetvertriebsdaten.

  • Verfügt im Vergleich zu den Wiederverkäufer- und Internetvertriebsschemas nur über reduzierte Dimensionalität.

Internet Sales

  • Enthält individuelle Kunden-, Internetvertriebs- und Detaildaten.

  • Enthält ausschließlich ausgelieferte Aufträge.

  • Enthält Daten in USD und verfolgt die ursprüngliche Währung nach.

  • Unterstützt die Analysis Services Internet Sales-Measuregruppe.

Sales Quota

  • Enthält Sollvorgaben für Vertriebsmitarbeiter.

  • Unterstützt die Analysis Services Sales Quota-Measuregruppe.

Die Internetvertriebstabellen wurden zur Unterstützung von Data Mining-Szenarien hochgerechnet. Die anderen Tabellen wurden zur Unterstützung von OLAP-Szenarien hochgerechnet.

Zurück zum Anfang

Data Mining-Szenarien

Die Hochrechnung in der Adventure Works DW-Datenbank unterstützt die folgenden Data Mining-Szenarien:

Forecasting: Unterstützt das Szenario der Untersuchung von Wachstumsraten bei Fahrradmodellen nach Zeit und Gebiet durch einen Analysten.

Targeted Mailing Campaign: Unterstützt das Szenario der Anwendung verschiedener Data Mining-Algorithmen auf Adventure Works-Kunden- und Internetvertriebsdaten durch einen Analysten zum Bestimmen der demografischen Attribute von Kunden, bei denen der Kauf eines Fahrrads wahrscheinlich ist. Der Analyst kann dann das Data Mining-Modell auf eine Liste potenzieller Kunden anwenden, um zu bestimmen, welche Kunden am ehesten auf eine gezielte Mailingkampagne reagieren, die für Fahrräder von Adventure Works wirbt.

Market Basket Analysis: Unterstützt das Szenario eines Entwicklers, der eine Market Basket-Lösung erstellt, mit der ein Produkt basierend auf anderen im Einkaufswagen des Kunden enthaltenen Produkten vorgeschlagen wird.

Sequence Clustering: Unterstützt das Szenario eines Analysten, der die Reihenfolge untersucht, in der Kunden Produkte in den Einkaufswagen legen.

Diese Szenarien und das Hochrechnen im Data Warehouse werden im Data Mining-Lernprogramm in der SQL Server-Onlinedokumentation und im Adventure Works DW-Beispielprojekt dargestellt.

Weitere Informationen: Lernprogramm zu Data Mining-Grundlagen

Zurück zum Anfang

OLAP-Szenarien

Die Hochrechnung in der Adventure Works DW-Datenbank unterstützt die folgenden Data Mining-Szenarien:

Finanzszenarien

Financial Reporting: Unterstützt das Szenario der Finanzbuchhaltung, einschließlich aller Filialen. Finanzdaten können auch in einer angegebenen lokalen Währung berichtet werden.

Actual versus Budget: Unterstützt das Szenario der Analyse tatsächlich angefallener Kosten im Vergleich zu budgetierten Kosten.

Vertriebsszenarien

Product Profitability Analysis: Unterstützt das Szenario der Analyse von Produktumsatzmargen durch Nachverfolgung von Kosten, Rabatten und Verkaufspreisen.

Sales Force Performance: Unterstützt das Szenario der Nachverfolgung der Varianz zwischen Sollvorgaben und tatsächlich erreichtem Umsatz.

Trend and Growth Analysis: Unterstützt das Szenario der Umsatzanalyse zwischen der aktuellen und vergangenen Vertriebsperioden.

Promotion Effectiveness: Unterstützt das Szenario der Analyse von Verkaufsförderungsaktionen und deren Auswirkungen auf die Umsatzentwicklung.

Diese Szenarien und das Hochrechnen im Data Warehouse werden im Analysis Services-Lernprogramm in der SQL Server-Onlinedokumentation und im Adventure Works DW-Beispielprojekt dargestellt.

Zurück zum Anfang

Fanden Sie dies hilfreich?
(1500 verbleibende Zeichen)
Vielen Dank für Ihr Feedback.

Community-Beiträge

HINZUFÜGEN
Anzeigen:
© 2014 Microsoft