數據透視表英語怎麼說及英文單詞

『壹』 資料庫中常用的英語單詞有哪些

下列是一些資料庫中經常碰到的英文單詞：
Access method（訪問方法）：此步驟包括從文件中存儲和檢索記錄。
Alias（別名）：某屬性的另一個名字。在SQL中，可以用別名替換表名。
Alternate keys（備用鍵，ER/關系模型）：在實體/表中沒有被選為主健的候選鍵。
Anomalies（異常）參見更新異常（update anomalies）
Application design（應用程序設計）：資料庫應用程序生命周期的一個階段，包括設計用戶界面以及使用和處理資料庫的應用程序。
Attribute（屬性）（關系模型）：屬性是關系中命名的列。
Attribute（屬性）（ER模型）：實體或關系中的一個性質。
Attribute inheritance（屬性繼承）：子類成員可以擁有其特有的屬性，並且繼承那些與超類有關的屬性的過程。
Base table（基本表）：一個命名的表，其記錄物理的存儲在資料庫中。
Binary relationship（二元關系）：一個ER術語，用於描述兩個實體間的關系。例如，panch Has Staff。
Bottom-up approach（自底向上方法）：用於資料庫設計，一種設計方法學，他從標識每個設計組建開始，然後將這些組件聚合成一個大的單元。在資料庫設計中，可以從表示屬性開始底層設計，然後
將這些屬性組合在一起構成代表實體和關系的表。
Business rules（業務規則）：由用戶或資料庫的管理者指定的附加規則。
Candidate key（候選鍵，ER關系模型）：僅包含唯一標識實體所必須得最小數量的屬性/列的超鍵。
Cardinality（基數）：描述每個參與實體的可能的關系數目。
Centralized approach（集中化方法,用於資料庫設計）：將每個用戶試圖的需求合並成新資料庫應用程序的一個需求集合
Chasm trap（深坑陷阱）：假設實體間存在一根，但某些實體間不存在通路。
Client（客戶端）：向一個或多個伺服器請求服務的軟體應用程序。
Clustering field（群集欄位）：記錄總的任何用於群集（集合）航記錄的非鍵欄位，這些行在這個欄位上有相同的值。
Clustering index（群集索引）：在文件的群集欄位上定義的索引。一個文件最多有一個主索引或一個群集索引。
Column（列）：參加屬性（attribute）。
Complex relationship（復雜關系）：度數大於2的關系。
Composite attribute（復合屬性）：由多個簡單組件組成的屬性。
Composite key（復合鍵）：包含多個列的主健。
Concurrency control（並發控制）：在多用戶環境下同時執行多個十五並保證數據完整性的一個DBMS服務。
Constraint（約束）：資料庫不允許包含錯誤數據的一致性規則。
Data conversion and loading（數據轉換和載入）：資料庫應用生命周期重的一個階段，包括轉換現有數據到新資料庫中以及醬下耨應用程序轉換到新的資料庫上運行。
Data dictionary（數據字典）：參見系統目錄（system catalog）。
Data independence（數據獨立性）：使用數據的應用程序的數據描述部分。這意味著，如果將新的數據結構添加到資料庫中，或者資料庫中現有的結構被修改了，那麼使用此資料庫的就會受到影響，除
非應用程序不直接依賴於被修改的部分。
Data model（數據模型）：描述數據、數據間關系以及數據的約束的概念的一個集成的集合。
Data rendancy（數據冗餘）：參見冗餘數據（rendant data）。
Data security（數據安全）：包括對資料庫對象（如表和視圖）的訪問和使用以及用戶可以在這些對象上實施的操作。
Database（資料庫）：是邏輯上相關的數據（以及這些數據的描述）的一個共享的集合，用於解決公司對信息的需求。
Database design（資料庫設計）：資料庫應用生命周期中的一個階段，包括創建一個支持公司的操作和目標的資料庫的設計。
Database integrity（資料庫完整性）：指存儲數據的正確定和一致性。完整性通常用約束來表達。
Database Management System，DBMS（資料庫管理系統）：一個能夠讓用戶定義、創建和維護資料庫並控制對資料庫的訪問的軟體系統。
Database planning（資料庫規劃）：能盡可能有效的實現資料庫應用的各階段的管理活動。
Database server（資料庫伺服器）：同伺服器。
DBMS engine（DBMS引擎）：同伺服器。
DBMS selection（DBMS選擇）：資料庫應用生命周期中的一個階段，包括選擇一個合適的DBMS來支持資料庫應用。
Degree of a relationship（關系的度）：一個關系中參與的實體的個數。
Denormalization（反規范化）：形式上，這個術語指的是對基本表結構的修改，這樣新的表比原始的表的規范化程度要低。但也可以用此屬於更寬泛地形容將兩個表和並成一個新表的情形，而這個新表
與原來的表具有相同的範式，但比原表包含更多的空值。
Derived attribute（派生屬性）：表示其值可以從一個相關屬性和屬性集的值派生得到的屬性，這個屬性在實體中不是必須的。
Design methodology（設計方法學）：一種結構化的方法，它使用過程、工具和文檔來支持和簡化設計過程。
Disjoint constraint（無連接約束）：描述子類的成員間的關系，並指明超類某個成員是否有可能成為一個或多個子類的成員。
Domain（域）：一個或多個屬性的取值范圍。
Entity（實體）：具有相同性質的對象的集合，它是由用戶或公司標識並可獨立存在的。
Entity integrity（實體完整性）：在一個基本表中，主健列的值不能為空。
Entity occurrence（實體出現）：實體中的一個唯一可標識的對象。
Entity-Relationship model（實體關系模型）：公司的實體、屬性和關系的詳細邏輯表示。
Fact-finding（事實發現）：使用諸如面談和提問等技術收集關於系統的事實、需求和性能的形式化過程。
Fan trap（扇形陷阱）：但從第三個實體扇出的兩個實體有1:*關系時出現扇形陷阱，但這兩個實體在他們之間應該有直接關系以提供必要的信息
Field（欄位）：同元組（Tuple）。
File（文件）：存儲在副主存儲器中的相關記錄的一個命名集合。
File-based system（基於文件的系統）：一個文件集合，用來管理（創建、插入、刪除、更新和檢索）一個或多個文件中的數據，並產生基於這些文件中的數據的應用（通常是報表）。
File organization（文件組織）：當文件存儲在磁碟上時，對文件中的記錄的安排方式。
First normal form（1NF，第一範式）：表中的每個列的交叉處以及記錄包含切進包含一個值的表。
Foreign key（外健）：一個表中的一個列或者多個列的集合，這些列匹配某些其他（也可能是同一個）表中的候選鍵。
4GL, Fourth-Generation Language（第四代語言）：一種非過程化語言，比如SQL，他只需要用戶定義必須完成什麼操作，4GL負責將所進行的操作翻譯成如何實現這些操作。
Full functional dependency（完全函數依賴）：一個列在功能上依賴於復合主健，但不依賴於主健的任何一個子集的條件。
Functional dependency（函數依賴）：描述表中列之間的關系。
Generalization（泛化）：通過標識實體間的公共特徵使實體間差別最小化的過程。
Generalization hierarchy（泛化層次結構）：同類型層次（type hierarchy）。
Global data model（全局數據模型）：代表整個公司（和被模型化的公司的一部分）的數據模型。
Implementation（實現）：資料庫應用生命周期中的一個階段，包括資料庫和應用程序設計的物理實現。
Index（索引）：一種允許DBMS將特定的記錄更快的放置到文件中，從而加快對用戶查詢的響應的數據結構。
Infomation system（信息系統）：能夠在整個公司范圍內收集、管理、控制和分發數據/信息的資源。
Inheritance（繼承）：參見屬性繼承（attribute inheritance）。
Integrity constaints（完整性約束）：防止出現資料庫中的數據不一致的約束。
IS-A hierarchy（IS－A層次結構）：同類型層次結構（type hierarchy）。
Local logical data model（局部邏輯數據模型）：代表特定用戶視圖或用戶視圖的組合的數據模型。
Logical database design（邏輯資料庫設計）：基於特定的數據模型構建公司的數據的模型的過程，但不依賴於特定的DBMS以及其他的物理條件。
Meta-data（元數據）：關於數據的數據，參見系統目錄（system catalog）。
Mision objective（使命目標）：標識資料庫必須支持的特定任務。
Mission statement（使命語句）：定義資料庫應用程序的主要目標。
Multiplicity（多樣性）：定義與某個相關實體的一次出現有關的實體的出現數目。
Multi-valued attribute（多值屬性）：為一個實體的出現保存多個值的屬性。
Nonkey attribute/column（非鍵屬性/列）：不是鍵的一部分的屬性/列。
Normal forms（範式）：規范化過程的一個階段。前三個範式分別為第一範式（1NF）、第二範式（2NF）、第三範式（3NF）。
Normalization（規范化）：一種產生帶有需要的特性的技術，這種特性能支持用戶和公司的需求。
差不多就是這些了。

『貳』 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,30,40,50,60,70,80,90,的英語咋寫

英語一到100的英語單詞如下。

一到十是One, two, three, four, five, six, seven, eight, nine, ten。

十一到二十是eleven、 Twelve, thirteen, fourteen, fifteen, sixteen, seventeen, eighteen, nineteen, twenty。

二十一到三十的話就是twenty依次接一到十的英文。

三十一到四十的話就是thirty依次接一到十的英文。

四十一到五十的話就是forty依次接一到十的英文。

五十一到六十的話就是fifty依次接一到十的英文。

句法功能

序數詞在句中可作主語、賓語、定語和表語。

The second is what I really need． 第二個是我真正需要的。（作主語）

He chooses the second． 他挑選了第二個。（作賓語）

We are to carry out the first plan． 我們將執行第一個計劃。（作定語）

She is the second in our class．在我們班她是第二名。（作表語）

『叄』 求一個英語單詞的SQLite資料庫，要有英文，音標，讀音，釋義和例句，謝謝！

英文：SQLite
音標：[sek`lait]
讀音：色可來特
釋義：一款輕型的資料庫，是遵守ACID的關聯式資料庫管理系統
例句：SQLite Expert Professional

『肆』 查看數據英語怎麼說

查看數據
英文：iew data
數據
英文：data； record； information ；

『伍』 中文界面的excel做出的數據透視表中如何讓匯總等詞條變成為英文除了手動改。。

用英文版 的office 做

『陸』 excel2007（英文版）中，數據透視表在什麼菜單裡面

左手按住ALT鍵不松，右手依次按一次 N，V，T
菜單：Insert－－ PivotTable

『柒』 Tgt con% 、 YTD Act、sales con%、Ach%、Inc、Inc Con%的英文全拼有其他銷售英文簡寫，縮寫請達人幫忙

1、Tactical Graphics Terminal control rate

2、Year to Date action

3、salescontrol rate

4、achive control rate

5、incorporated

6、incorporatedcontrol rate

(7)數據透視表英語怎麼說及英文單詞擴展閱讀：

銷售報表分析與圖形呈現。

1. 銷售報表分析的四個步驟

2、 銷售數據收集

3、介紹各類市場營銷數據的收集方法和技巧，包括客戶資料數據、銷售明細數據、營銷活動數據等。

4、銷售數據整理

5、對銷售數據進行清理和規整，包括錯誤數據的辨識和修改、空行空列辨識和刪除、數據合並、數據對比（例如銷售預算和決算數據的對比）、重復數據檢測和處理等。

6、 銷售報表製作與分析

7、製作各種常用的銷售報表並進行分析

8、分析結論呈現

9、常用的分析圖形的製作、優化以及呈現

10、銷售數據整理

11、事前整理

12、採用「數據有效性」可以限定數據銷售數據錄入的類型和范圍，從而「防患於未然」，大大提高銷售原始數據的質量。

13、數據錯誤識別與數據轉換

14、 日期型數據的規范整理

15、包括輸入日期型數據的正確方法、非法日期型數據的判斷和修改等。

16、文本型數據和純數字的轉換和處理

17、數據填充

18、表格中的空白單元格經常會影響報表處理，例如在應用數據透視表時，空白單元格會使得匯總方式總是變為「計數」方式，合理的數據填充會使得後續的報表處理變得更加方便。

19、數據表中空行和空列的刪除

20、 重復數據的檢測和處理

21、數據對比與合並

22、數據對比可以快速識別數據表前後的修改變化，數據合並適用於相同或者相似結構的數據表的合並。

23、給你的報表增加亮麗的色彩----條件格式

24、我們都是「好色之徒」，有了條件格式，讓你的EXCEL操作變得趣味十足並且輕松自在！

25、大塊數據的分色表示-快速識別數據的大小分布

26、 選出報表最大的前n項（最小的後n項）

27、快速篩選日期和文本並著色

28、 豐富的圖標集標識同比環比變化

29、強大的自定義規則，可以隨心所欲標示單元格

30、 銷售項目管理中的to-do list標注

31、按照營銷項目計劃節點，例如按照「進行中」、「完成」、「問題項」、「項目中止」等進行自動分色標注。

32、 銷售報表的排序和篩選

33、按照字體和單元格顏色排序

34、符合多數人的工作習慣

35、按照筆劃排序

36、符合國人使用習慣

37、按照自己的想法進行排序

38、自定義排序

39、強大的日期篩選功能

40、分析銷售報表的利器

41、計算篩選

42、用公式進行篩選，例如篩選應收賬款超過6個月的銷售訂單

43、數據透視表

44、 創建表達多種統計信息的綜合統計分析報表

45、統計不同地區、商品的訂單數、平均訂單額、訂單總額、佔比等

46、 創建周報、月報、季報和年報表

47、創建環比、同比分析報表等

48、 銷售報表的多視角分析

49、組合功能

50、讓銷售報表更簡單更直觀，包括文本型、數據等步長、數據不等步長的組合

51、銷售分析的圖形技術

52、 多圖型的用途

53、系統介紹柱狀、折線、餅圖、散點、氣泡圖等各種常用圖形的適用范圍和使用技巧。

54、 繪圖自定義模板以及使用

55、自己辛辛苦苦做出的精美的圖形，作為模板保存後，以後就可以隨時調用，提高工作效率

56、動態圖表技巧

57、採用EXCEL控制項（選項按鈕、下拉框、滾動條等）實現營銷數據動態圖形，大大提高工作效率。

58、 EXCEL圖形復制到PPT的綜合技巧

59、水晶易表簡介及效果圖展示

60、 超炫的圖形展示界面、強大的儀表盤功能，商務制圖能力的進一步提升。

『捌』 Exel的數據透視表是什麼怎麼做

建議你直接看Excel中關於數據透視表的幫助「數據透視表和數據透視圖概述」

文字內容參考如下：
數據透視表和數據透視圖概述
使用數據透視表可以匯總、分析、瀏覽和提供摘要數據。使用數據透視圖可以在數據透視表中可視化此摘要數據，並且可以方便地查看比較、模式和趨勢。數據透視表和數據透視圖都能使您做出有關企業中關鍵數據的決策。以下部分提供了數據透視表和數據透視圖的概述。
關於數據透視表
數據透視表是一種可以快速匯總大量數據的互動式方法。使用數據透視表可以深入析數值數據，並且可以回答一些預計不到的數據問題。數據透視表是針對以下用途特別設計的：
以多種用戶友好方式查詢大量數據。
對數值數據進行分類匯總和聚合，按分類和子分類對數據進行匯總，創建自定義計算和公式。
展開或折疊要關注結果的數據級別，查看感興趣區域摘要數據的明細。
將行移動到列或將列移動到行（或「透視」），以查看源數據的不同匯總。
對最有用和最關注的數據子集進行篩選、排序、分組和有條件地設置格式，使您能夠關注所需的信息。
提供簡明、有吸引力並且帶有批註的聯機報表或列印報表。

如果要分析相關的匯總值，尤其是在要合計較大的數字列表並對每個數字進行多種比較時，通常使用數據透視表。在下面所述的數據透視表中，您可以方便地看到單元格 F3 中第三季度高爾夫銷售額是如何與其他運動或季度的銷售額或總銷售額進行比較的。

在數據透視表中，源數據中的每列或每個欄位都成為匯總多行信息的數據透視表欄位。在上述示例中，「運動」列成為「運動」欄位，高爾夫的每條記錄在單個高爾夫項中進行匯總。

值欄位（如「銷售小計」）提供要匯總的值。上述報表中的單元格 F3 包含的「銷售小計」值來自源數據中「運動」列包含「高爾夫」和「季度」列包含「第三季度」的每一行。默認情況下，值區域中的數據採用以下方式對數據透視圖中的基本源數據進行匯總：數值使用 SUM 函數，文本值使用 COUNT 函數。

若要創建數據透視表，必須定義其源數據，在工作簿中指定位置，設置欄位布局。有關詳細信息，請參閱創建或刪除數據透視表或數據透視圖以及在數據透視表或數據透視圖中創建和更改欄位布局。

處理數據透視表的方法
通過定義數據源、排列「數據透視表欄位列表」中的欄位以及選擇初始布局來創建初始數據透視表後，在處理數據透視表時通常需要執行以下任務：

通過執行下列操作瀏覽數據：

展開和折疊數據，並且顯示值的基本明細。
對欄位和項進行排序、篩選和分組。
更改匯總函數，並且添加自定義計算和公式。

通過執行下列操作更改布局：

更改數據透視表形式：壓縮、大綱或表格。
在其行上方或下方顯示分類匯總。
將列欄位移動到行區域或將行欄位移動到列區域。
更改錯誤和空單元格的顯示方式，並且更改沒有數據的項和標簽的顯示方式。
更改欄位或項的順序以及添加、重新排列和刪除欄位。
刷新時調整列寬。
打開或關閉列和行欄位標題，或者顯示或隱藏空行。

通過執行下列操作更改格式：

對單元格和區域進行手動和有條件格式設置。
更改整個數據透視表的格式樣式。
更改欄位的數字格式，並且包括 OLAP 伺服器格式。

關於數據透視圖
數據透視圖以圖形形式表示數據透視表 （數據透視表：一種交互的、交叉製表的 Excel 報表，用於對多種來源（包括 Excel 的外部數據）的數據（如資料庫記錄）進行匯總和分析。）中的數據。正如在數據透視表中那樣，可以更改數據透視圖的布局和數據。數據透視圖通常有一個使用相應布局的相關聯的數據透視表 （相關聯的數據透視表：為數據透視圖提供源數據的數據透視表。在新建數據透視圖時，將自動創建數據透視表。如果更改其中一個報表的布局，另外一個報表也隨之更改。）。兩個報表中的欄位相互對應。如果更改了某一報表的某個欄位位置，則另一報表中的相應欄位位置也會改變。

除具有標准圖表的系列 （數據系列：在圖表中繪制的相關數據點，這些數據源自數據表的行或列。圖表中的每個數據系列具有唯一的顏色或圖案。可以在圖表中繪制一個或多個數據系列。餅圖只有一個數據系列。）、分類、數據標記 （數據標記：圖表中的條形、面積、圓點、扇面或其他符號，代表源於數據表單元格的單個數據點或值。圖表中的相關數據標記構成了數據系列。）和坐標軸 （坐標軸：界定圖表繪圖區的線條，用作度量的參照框架。y 軸通常為垂直坐標軸並包含數據。x 軸通常為水平軸並包含分類。）以外，數據透視圖還有一些與下圖中所示的數據透視表對應的特殊元素。

報表篩選欄位 用來根據特定項篩選數據的欄位。在本例中，「區域」頁欄位顯示所有區域的數據。若要顯示單個區域的數據，可單擊「(全部)」旁邊的下拉箭頭，然後選擇區域。

使用報表篩選欄位是在不修改系列和分類信息的情況下，匯總並快速集中處理數據子集的捷徑。例如，如果正在進行演示，則可單擊「年」報表篩選欄位中的「(全部)」以顯示所有年份的銷售額，然後通過一次單擊一個年份來集中分析特定年份的數據。對於不同年份，圖表的每個報表篩選頁都有相同分類和系列布局，因此可以很容易地對每一年的數據進行比較。另外，由於只允許您每次檢索大數據集中的一個報表篩選頁，因此，在圖表使用外部源數據時，報表篩選欄位可節省內存。

值欄位 來自基本源數據 （源數據：用於創建數據透視表或數據透視圖的數據清單或表。源數據可以來自 Excel 數據清單或區域、外部資料庫或多維數據集，或者另一張數據透視表。）的欄位，提供進行比較或計算的數據。在本例中，「銷售總額」就是一個值欄位，它用於匯總每項運動在各個地區的季度銷售情況。第一個分類數據標記（第一季度）在坐標軸 (y) 上的值約為 250。該數值是第一季度網球、旅遊、高爾夫球銷售額的總和。根據報表使用的源數據，除了使用匯總函數 （匯總函數：是一種計算類型，用於在數據透視表或合並計算表中合並源數據，或在列表或資料庫中插入自動分類匯總。匯總函數的例子包括 Sum、Count 和 Average。）外，還可使用 Average、Count 和 Proct 等其他計算公式。

系列欄位 數據透視圖中為系列方向指定的欄位。欄位中的項提供單個數據系列。在本例中，「運動」系列欄位包含三個項：網球、旅行和高爾夫球。在圖表中，系列由圖例表示。

項 項代表一個列或行欄位中的唯一條目，且出現在報表篩選欄位、分類欄位和系列欄位的下拉列表中。在本例中，「第一季度」、「第二季度」、「第三季度」和「第四季度」均是「季度」分類欄位中的項，而「網球」、「旅行」和「高爾夫球」則是「運動」系列欄位中的項。分類欄位中的項在圖表的分類軸上顯示為標簽。系列欄位中的項列於圖例中，並提供各個數據系列的名稱。

分類欄位 分配到數據透視圖分類方向上的源數據中的欄位。分類欄位為那些用來繪圖的數據點提供單一分類。在本例中，「季度」就是一個分類欄位。在圖表中，分類通常出現在圖表的 x 軸或水平軸上。

自定義報表 可以更改圖表類型和其他選項，如標題 （圖表標題：圖表標題是說明性的文本，可以自動與坐標軸對齊或在圖表頂部居中。）、圖例 （圖例：圖例是一個方框，用於標識為圖表中的數據系列或分類指定的圖案或顏色。）位置、數據標簽 （數據標簽：為數據標記提供附加信息的標簽，數據標簽代表源於數據表單元格的單個數據點或值。）、圖表位置等。

首次創建數據透視表時，可以自動創建數據透視圖，也可以通過現有的數據透視表創建數據透視圖。有關詳細信息，請參閱創建或刪除數據透視表或數據透視圖以及在數據透視表或數據透視圖中創建和更改欄位布局。

比較數據透視表和數據透視圖
通過數據透視表創建數據透視圖時，數據透視圖的布局（即數據透視圖欄位的位置）最初由數據透視表的布局確定。如果先創建數據透視圖，則可將欄位從「數據透視表欄位列表」中拖到圖表工作表 （圖表工作表：工作簿中只包含圖表的工作表。當希望單獨查看圖表或數據透視圖（獨立於工作表數據或數據透視表）時，圖表工作表非常有用。）上的區域，這樣就可確定圖表的布局。

以下銷售數據的數據透視表和數據透視圖顯示了二者之間的關系。

數據透視圖與圖表的區別
如果您熟悉標准圖表，就會發現數據透視圖中的大多數操作和標准圖表中的一樣。但是二者之間也存在以下差別：

交互 對於標准圖表，您為要查看的每個數據視圖創建一張圖表，但它們不交互。而對於數據透視圖，只要創建單張圖表就可通過更改報表布局或顯示的明細數據以不同的方式交互查看數據。

圖表類型 標准圖表的默認圖表類型為簇狀柱形圖，它按分類比較值。數據透視圖的默認圖表類型為堆積柱形圖，它比較各個值在整個分類總計中所佔的比例。可以將數據透視圖類型更改為除 XY 散點圖、股價圖和氣泡圖之外的其他任何圖表類型。

圖表位置 默認情況下，標准圖表是嵌入 （嵌入圖表：置於工作表中而不是單獨的圖表工作表中的圖表。當要在一個工作表中查看或列印圖表或數據透視圖及其源數據或其他信息時，嵌入圖表非常有用。）在工作表中。而數據透視圖默認情況下是創建在圖表工作表 （圖表工作表：工作簿中只包含圖表的工作表。當希望單獨查看圖表或數據透視圖（獨立於工作表數據或數據透視表）時，圖表工作表非常有用。）上的。數據透視圖創建後，還可將其重新定位到工作表上。

源數據 標准圖表可直接鏈接到工作表單元格中。數據透視圖可以基於相關聯的數據透視表 （相關聯的數據透視表：為數據透視圖提供源數據的數據透視表。在新建數據透視圖時，將自動創建數據透視表。如果更改其中一個報表的布局，另外一個報表也隨之更改。）中的幾種不同數據類型。

圖表元素 數據透視圖除包含與標准圖表相同的元素外，還包括欄位和項，可以添加、旋轉或刪除欄位和項來顯示數據的不同視圖。標准圖表中的分類、系列和數據分別對應於數據透視圖中的分類欄位、系列欄位和值欄位。數據透視圖中還可包含報表篩選。而這些欄位中都包含項，這些項在標准圖表中顯示為圖例 （圖例：圖例是一個方框，用於標識為圖表中的數據系列或分類指定的圖案或顏色。）中的分類標簽或系列名稱。

格式 刷新 （刷新：更新數據透視表或數據透視圖中的內容以反映基本源數據的變化。如果報表基於外部數據，則刷新將運行基本查詢以檢索新的或更改過的數據。）數據透視圖時，會保留大多數格式（包括元素、布局和樣式）。但是，不保留趨勢線 （趨勢線：趨勢線以圖形的方式表示數據系列的趨勢，例如，向上傾斜的線表示幾個月中增加的銷售額。趨勢線用於問題預測研究，又稱為回歸分析。）、數據標簽 （數據標簽：為數據標記提供附加信息的標簽，數據標簽代表源於數據表單元格的單個數據點或值。）、誤差線 （誤差線：通常用在統計或科學記數法數據中，誤差線顯示相對序列中的每個數據數據標記的潛在誤差或不確定度。）及對數據系列的其他更改。標准圖表只要應用了這些格式，就不會將其丟失。

移動或調整項的大小 在數據透視圖中，即使可為圖例選擇一個預設位置並可更改標題的字體大小，但是無法移動或重新調整繪圖區 （繪圖區：在二維圖表中，是指通過軸來界定的區域，包括所有數據系列。在三維圖表中，同樣是通過軸來界定的區域，包括所有數據系列、分類名、刻度線標志和坐標軸標題。）、圖例、圖表標題或坐標軸標題的大小。而在標准圖表中，可移動和重新調整這些元素的大小。

返回頁首

處理數據透視表源數據和數據透視圖源數據
在創建數據透視表 （數據透視表：一種交互的、交叉製表的 Excel 報表，用於對多種來源（包括 Excel 的外部數據）的數據（如資料庫記錄）進行匯總和分析。）或數據透視圖 （數據透視圖：提供互動式數據分析的圖表，與數據透視表類似。可以更改數據的視圖，查看不同級別的明細數據，或通過拖動欄位和顯示或隱藏欄位中的項來重新組織圖表的布局。）時，可使用多種源數據 （源數據：用於創建數據透視表或數據透視圖的數據清單或表。源數據可以來自 Excel 數據清單或區域、外部資料庫或多維數據集，或者另一張數據透視表。）類型。

使用工作表數據
可以將 Microsoft Office Excel 工作表中的數據作為報表的數據來源。數據應為列表 （列表：包含相關數據的一系列行，或使用「創建列表」命令作為數據表指定給函數的一系列行。）格式，第一行包含列標簽，其餘行包含相同列中的類似項，並且數據區域中沒有空白的行或列。Excel 將列標簽作為報表的欄位 （欄位：在數據透視表或數據透視圖中，來源於源數據中欄位的一類數據。數據透視表具有行欄位、列欄位、頁欄位和數據欄位。數據透視圖具有系列欄位、分類欄位、頁欄位和數據欄位。）名稱。

使用命名區域 若要使報表的更新更易於進行，請為源區域命名一個名稱 （名稱：代表單元格、單元格區域、公式或常量值的單詞或字元串。名稱更易於理解，例如，「產品」可以引用難於理解的區域「Sales!C20:C30」。），並在創建報表時使用該名稱。如果命名區域在擴展後包含了更多數據，則可以刷新 （刷新：更新數據透視表或數據透視圖中的內容以反映基本源數據的變化。如果報表基於外部數據，則刷新將運行基本查詢以檢索新的或更改過的數據。）報表來包含新的數據。

Excel 表格 Excel 表格已經採用列表格式，因而是數據透視表源數據很好的候選者。當刷新數據透視表時，Excel 表格中的新的和更新的數據會自動包含在刷新操作中。有關詳細信息，請參閱 Excel 表格概述。

包含匯總 Excel 會在數據透視表中自動創建分類匯總和總計。如果源數據包含用「數據」選項卡上的「大綱」組中的「分類匯總」命令創建的自動分類匯總和總計，則可在創建報表前用該命令將分類匯總和總計刪除。

使用外部數據源
要匯總和分析 Excel 的外部數據（如資料庫中公司的銷售記錄），則可從包括資料庫 （資料庫：與特定主題或用途相關的數據的集合。在資料庫內，關於特定實體的信息（如雇員或訂單）分類歸納到表、記錄和欄位中。）、OLAP 多維數據集和文本文件的外部數據源上檢索數據。

Office 數據連接文件 如果使用 Office 數據連接 (ODC) 文件 (.odc) 檢索報表的外部數據 （外部數據：存儲在 Excel 之外的數據。例如，在 Access、dBASE、SQL Server 或 Web 伺服器上創建的資料庫。），則可直接將數據返回到數據透視表。ODC 文件是檢索報表的外部數據的推薦方法。有關詳細信息，請參閱連接（導入）外部數據、創建、編輯和管理與外部數據的連接以及連接屬性。

OLAP 源數據 如果要檢索 OLAP （OLAP：為查詢和報表（而不是處理事務）而進行了優化的資料庫技術。OLAP 數據是按分級結構組織的，它存儲在多維數據集而不是表中。） 資料庫或多維數據集 （多維數據集：一種 OLAP 數據結構。多維數據集包含維度，如「國家/地區）/省（或市/自治區）/市（或縣）」，還包括數據欄位，如「銷售額」。維度將各種類型的數據組織到帶有明細數據級別的分層結構中，而數據欄位度量數量。）文件中的源數據，則數據只能作為數據透視表或已轉換為工作表函數的數據透視表返回到 Excel。有關詳細信息，請參閱連接到（導入）OLAP 資料庫。

非 OLAP 源數據 這是數據透視表或數據透視圖使用的基本數據，該數據來自 OLAP 資料庫之外的源。這些源包括關系資料庫和文本文件。

使用其他數據透視表
數據透視表緩存 每次在新建數據透視表或數據透視圖時，Excel 均將報表數據的副本存儲在內存中，並將其保存為工作簿文件的一部分。這樣每張新的報表均需要額外的內存和磁碟空間。但是，如果將現有數據透視表作為同一個工作簿中的新報表的源數據，則兩張報表就可以共享同一個數據副本。因為可以重新使用存儲區，所以就會縮小工作簿文件，減少內存中的數據。

位置要求 如果要將某個數據透視表用作其他報表的源數據，則兩個報表必須位於同一工作簿中。如果源數據透視表位於另一工作簿中，則需要將源報表復制到要新建報表的工作簿位置。不同工作簿中的數據透視表和數據透視圖是獨立的，它們在內存和工作簿文件中都有各自的數據副本。

更改會同時影響兩個報表 在刷新 （刷新：更新數據透視表或數據透視圖中的內容以反映基本源數據的變化。如果報表基於外部數據，則刷新將運行基本查詢以檢索新的或更改過的數據。）新報表中的數據時，Excel 也會更新源報表中的數據，反之亦然。如果對某個報表中的項進行分組或取消分組，那麼也將同時影響兩個報表。如果在某個報表中創建了計算欄位 （計算欄位：數據透視表或數據透視圖中的欄位，該欄位使用用戶創建的公式。計算欄位可使用數據透視表或數據透視圖中其他欄位中的內容執行計算。）或計算項 （計算項：數據透視表欄位或數據透視圖欄位中的項，該項使用用戶創建的公式。計算項使用數據透視表或數據透視圖中相同欄位的其他項的內容進行計算。），則也將同時影響兩個報表。

數據透視圖 可根據其他的數據透視表創建新的數據透視表或數據透視圖，但是不能直接根據其他數據透視圖創建報表。不過，在創建數據透視圖時，Excel 會根據同樣的數據創建一個相關聯的數據透視表 （相關聯的數據透視表：為數據透視圖提供源數據的數據透視表。在新建數據透視圖時，將自動創建數據透視表。如果更改其中一個報表的布局，另外一個報表也隨之更改。），因此可根據相關聯的報表創建一個新的報表。對數據透視圖的更改將影響相關聯的數據透視表，反之亦然。

更改現有報表的源數據
更改源數據 （源數據：用於創建數據透視表或數據透視圖的數據清單或表。源數據可以來自 Excel 數據清單或區域、外部資料庫或多維數據集，或者另一張數據透視表。）將導致用於分析的數據也發生變化。例如，您可能希望方便地從測試資料庫切換到生產資料庫。可以通過刷新 （刷新：更新數據透視表或數據透視圖中的內容以反映基本源數據的變化。如果報表基於外部數據，則刷新將運行基本查詢以檢索新的或更改過的數據。）報表，使用與原始數據連接信息類似的新數據來更新數據透視表或數據透視圖。

要包含附加數據或其他數據，可以重新定義報表的源數據。如果這些數據與多數新欄位或附加欄位有很大差異，那麼最好創建一個新的報表。有關詳細信息，請參閱為數據透視表選擇不同的源數據。

通過刷新顯示新數據 刷新報表也會更改可顯示的數據。對於基於工作表列表的報表，Excel 可在源區域或指定的名稱 （名稱：代表單元格、單元格區域、公式或常量值的單詞或字元串。名稱更易於理解，例如，「產品」可以引用難於理解的區域「Sales!C20:C30」。）區域中檢索新欄位。對於基於外部數據的報表，Excel 可檢索符合基本查詢 （查詢：在 Query 或 Access 中，查詢是一種查找記錄的方法，而這些記錄回答了用戶對資料庫中存儲的數據提出的特定問題。）條件的新數據或可在 OLAP 多維數據集 （多維數據集：一種 OLAP 數據結構。多維數據集包含維度，如「國家/地區）/省（或市/自治區）/市（或縣）」，還包括數據欄位，如「銷售額」。維度將各種類型的數據組織到帶有明細數據級別的分層結構中，而數據欄位度量數量。）中使用的數據。可在「欄位列表」中查看任意新欄位並將這些欄位添加到報表中。有關詳細信息，請參閱刷新連接（導入）的數據。

更改創建的 OLAP 多維數據集 基於 OLAP 數據的報表始終可以訪問多維數據集中的所有數據。如果在伺服器多維數據集中創建了一個包含數據子集的離線多維數據集文件 （離線多維數據集文件：創建於硬碟或網路共享位置上的文件，用於存儲數據透視表或數據透視圖的 OLAP 源數據。離線多維數據集文件允許用戶在斷開與 OLAP 伺服器的連接後繼續進行操作。），則可用「離線 OLAP」命令來編輯多維數據集文件，這樣它就會包含伺服器的其他數據。有關詳細信息，請參閱從 OLAP 伺服器資料庫創建離線多維數據集文件。

『玖』 office2010數據透視表源數據日期用的是英文表示，透視表裡體現的也是，但是把日期組合就變成了中文

『拾』 什麼是BI

BI
商業智能也稱作BI是英文單詞Business Intelligence的縮寫。商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。這里所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商等來自企業所處行業和競爭對手的數據以及來自企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的決策。為了將數據轉化為知識，需要利用數據倉庫、聯機分析處理（OLAP）工具和數據挖掘等技術。因此，從技術層面上講，商業智能不是什麼新技術，它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。
商業智能的概念最早在1996年提出。當時將商業智能定義為一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的技術及其應用。目前，商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。這里所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商資料及來自企業所處行業和競爭對手的數據，以及來自企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策既可以是操作層的，也可以是戰術層和戰略層的決策。為了將數據轉化為知識，需要利用數據倉庫、聯機分析處理（OLAP）工具和數據挖掘等技術。因此，從技術層面上講，商業智能不是什麼新技術，它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。
因此，把商業智能看成是一種解決方案應該比較恰當。商業智能的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理，以保證數據的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合並到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理（這時信息變為輔助決策的知識），最後將知識呈現給管理者，為管理者的決策過程提供支持。
目前，商業智能產品及解決方案大致可分為數據倉庫產品、數據抽取產品、OLAP產品、展示產品、和集成以上幾種產品的針對某個應用的整體解決方案等。

一、商業智能應具有的功能
目前，很多廠商活躍在商業智能（下面稱BI）領域。事實上，能夠滿足用戶需要的BI產品和方案必須建立在穩定、整合的平台之上，該平台需要提供用戶管理、安全性控制、連接數據源以及訪問、分析和共享信息的功能。BI平台的標准化也非常重要，因為這關繫到與企業多種應用系統的兼容問題，解決不了兼容問題，BI系統就不能發揮出應有效果。這里我們通過對一個實驗室的BI系統模型（我們將其稱為D系統）進行功能解剖，來介紹BI系統。
D系統是一個面向終端使用者，直接訪問業務數據，能夠使管理者從各個角度出發分析利用商業數據，及時地掌握組織的運營現狀，作出科學的經營決策的系統。D系統可實現從簡單的標准報表瀏覽到高級的數據分析，滿足組織內部人員的需求。D系統涵蓋了常規意義上商業智能

（BI）系統的功能，主要構架包括以下幾個方面。

D系統可讀取多種格式（如Excel、Access、以Tab分割的txt和固定長的txt等）的文件，同時可讀取關系型資料庫 (對應ODBC)中的數據。在讀取文本和數據的基礎上，D系統還可以完成：
連接文本 把2個CSV文件中的共同項目作為鍵（Key），將所需的數據合並到一個文件，這樣可以象操作資料庫一樣方便，但無須用戶編程即可實現。
設置項目類型 作為數據的項目類型，除按鈕(button)（文字項目）、數值項目以外，還可以設置日期表示形式的日期數據項目、多媒體項目和不需要生成按鈕但在列表顯示中能夠瀏覽的參照項目。
期間設置 日期項目數據可以根據年度或季度等組合後生成新的期間項目。同樣，時間項目數據可以根據上午、下午或時間帶等組合後生成新的時間項目。
設置等級 對於數值項目，可以任意設置等級，生成與之相對應的按鈕。例如，可以生成與年齡項目中的20歲年齡段、30歲年齡段的等級相對應的按鈕。

分析功能

關聯/限定 關聯分析主要用於發現不同事件之間的關聯性，即一個事件發生的同時，另一個事件也經常發生。關聯分析的重點在於快速發現那些有實用價值的關聯發生的事件。其主要依據是，事件發生的概率和條件概率應該符合一定的統計意義。D系統把這種關聯的分析設計成按鈕的形式，通過選擇有/無關聯，同時/相反的關聯。對於結構化的數據，以客戶的購買習慣數據為例，利用D系統的關聯分析，可以發現客戶的關聯購買需要。例如，一個開設儲蓄賬戶的客戶很可能同時進行債券交易和股票交易。利用這種知識可以採取積極的營銷策略，擴展客戶購買的產品范圍，吸引更多的客戶。
顯示數值比例/指示顯示順序 D系統可使數值項目的數據之間的比例關系通過按鈕的大小來呈現，並顯示其構成比，還可以改變數值項目數據的排列順序等。選擇按鈕後，動態顯示不斷發生變化。這樣能夠獲得直觀的數據比較效果，並能夠凸顯差異，便於深入分析現象背後的本質。
監視功能 預先設置條件，使符合條件的按鈕顯示報警（紅）、注意（黃）信號，使問題所在一目瞭然。比如說：上季度營業額少於100萬元的店警告（黃色標出），少於50萬元的報警（紅色標出）。執行後，D系統就把以店名命名的按鈕用相應的顏色表示出來。
按鈕增值功能 可將多個按鈕組合，形成新的按鈕。比如：把[4月]、[5月]、[6月]三個按鈕組合後得到新的按鈕[第2季度]。
記錄選擇功能 從大量數據中選擇按鈕，取出必要的數據。挑出來的數據可重新構成同樣的操作環境。這樣用戶可以把精力集中在所關心的數據上。
多媒體情報表示功能 由數碼相機拍攝的照片或影像文件、通過掃描儀輸入的圖形等多媒體文件、文字處理或者電子表格軟體做成的報告書、HTML等標准形式保存的文件等，可以通過按鈕進行查找。
分割按鈕功能 在分割特定按鈕類的情況下，只需切換被分割的個別按鈕，便可連接不斷實行已登錄過的定型處理。
程序調用功能 把通過按鈕查找抽取出的數據，傳給其他的軟體或用戶原有的程序，並執行這些程序。

查找按鈕名稱功能 通過按鈕名查找按鈕，可以指定精確和模糊兩種查找方法。另外，其他的按鈕類也可以對查找結果相關的數據進行限定。

豐富的畫面
列表畫面 可以用and/or改變查找條件，可以進行統計/排序。統計對象只針對數值項目，統計方法分三種：合計、件數、平均，而且可以按照12種方式改變數值的顯示格式。
視圖畫面 提供切換視角和變換視圖功能，通過變換與設置條件相應的數值（單元格）的顏色表示強調。依次變換視角可進行多方面的數據分析。視圖的統計對象只針對數值項目，統計方法有合計、平均、構成比（縱向、橫向）、累計(縱向、橫向)、加權平均、最大、最小、最新和絕對值等12種。
數值項目切換 通過按鈕類的階層化（行和列最多可分別設置8層），由整體到局部，一邊分層向下挖掘，一邊分析數據，可以更加明確探討問題所在。

圖表畫面 D系統使用自己開發的圖形庫，提供柱形圖、折線圖、餅圖、面積圖、柱形+折線五大類35種。在圖表畫面上，也可以像在階層視圖一樣，自由地對層次進行挖掘和返回等操作。

數據輸出功能

列印統計列表和圖表畫面等，可將統計分析好的數據輸出給其他的應用程序使用，或者以HTML格式保存。

定型處理

所需要的輸出被顯示出來時，進行定型登錄，可以自動生成定型處理按鈕。以後，只需按此按鈕，即使很復雜的操作，也都可以將所要的列表、視圖和圖表顯示出來。

D系統應用范圍

商業智能系統可輔助建立信息中心，如產生各種工作報表和分析報表。用作以下分析：

銷售分析 主要分析各項銷售指標，例如毛利、毛利率、交叉比、銷進比、盈利能力、周轉率、同比、環比等等；而分析維又可從管理架構、類別品牌、日期、時段等角度觀察，這些分析維又採用多級鑽取，從而獲得相當透徹的分析思路；同時根據海量數據產生預測信息、報警信息等分析數據；還可根據各種銷售指標產生新的透視表。

商品分析 商品分析的主要數據來自銷售數據和商品基礎數據，從而產生以分析結構為主線的分析思路。主要分析數據有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等，從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。通過D系統對這些指標的分析來指導企業商品結構的調整，加強所營商品的競爭能力和合理配置。

人員分析 通過D系統對公司的人員指標進行分析，特別是對銷售人員指標（銷售指標為主，毛利指標為輔）和采購人員指標（銷售額、毛利、供應商更換、購銷商品數、代銷商品數、資金佔用、資金周轉等）的分析，以達到考核員工業績，提高員工積極性，並為人力資源的合理利用提供科學依據。主要分析的主題有，員工的人員構成、銷售人員的人均銷售額、對於銷售的個人銷售業績、各管理架構的人均銷售額、毛利貢獻、采購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量如何等等。

二、商業智能定義為下列軟體工具的集合

終端用戶查詢和報告工具。專門用來支持初級用戶的原始數據訪問，不包括適應於專業人士的成品報告生成工具。

OLAP工具。提供多維數據管理環境，其典型的應用是對商業問題的建模與商業數據分析。OLAP也被稱為多維分析。

數據挖掘（Data Mining）軟體。使用諸如神經網路、規則歸納等技術，用來發現數據之間的關系，做出基於數據的推斷。

數據倉庫（Data Warehouse）和數據集市（Data Mart）產品。包括數據轉換、管理和存取等方面的預配置軟體，通常還包括一些業務模型，如財務分析模型。

聯機分析處理 (OLAP) 的概念最早是由關系資料庫之父E.F.Codd於1993年提出的，他同時提出了關於OLAP的12條准則。OLAP的提出引起了很大的反響，OLAP作為一類產品同聯機事務處理 (OLTP) 明顯區分開來。

當今的數據處理大致可以分成兩大類：聯機事務處理OLTP（On-Line Transaction Processing）、聯機分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統的關系型資料庫的主要應用，主要是基本的、日常的事務處理，例如銀行交易。OLAP是數據倉庫系統的主要應用，支持復雜的分析操作，側重決策支持，並且提供直觀易懂的查詢結果。

OLAP是使分析人員、管理人員或執行人員能夠從多角度對信息進行快速、一致、交互地存取，從而獲得對數據的更深入了解的一類軟體技術。OLAP的目標是滿足決策支持或者滿足在多維環境下特定的查詢和報表需求，它的技術核心是"維"這個概念。

「維」是人們觀察客觀世界的角度，是一種高層次的類型劃分。「維」一般包含著層次關系,這種層次關系有時會相當復雜。通過把一個實體的多項重要的屬性定義為多個維(dimension)，使用戶能對不同維上的數據進行比較。因此OLAP也可以說是多維數據分析工具的集合。

OLAP的基本多維分析操作有鑽取（roll up和drill down）、切片（slice）和切塊（dice）、以及旋轉（pivot）、drill across、drill through等。

鑽取是改變維的層次，變換分析的粒度。它包括向上鑽取（roll up）和向下鑽取（drill down）。roll up是在某一維上將低層次的細節數據概括到高層次的匯總數據，或者減少維數；而drill down則相反，它從匯總數據深入到細節數據進行觀察或增加新維。

切片和切塊是在一部分維上選定值後，關心度量數據在剩餘維上的分布。如果剩餘的維只有兩個，則是切片；如果有三個，則是切塊。
旋轉是變換維的方向，即在表格中重新安排維的放置（例如行列互換）。
OLAP有多種實現方法，根據存儲數據的方式不同可以分為ROLAP、MOLAP、HOLAP。

ROLAP表示基於關系資料庫的OLAP實現（Relational OLAP）。以關系資料庫為核心，以關系型結構進行多維數據的表示和存儲。ROLAP將多維資料庫的多維結構劃分為兩類表：一類是事實表，用來存儲數據和維關鍵字；另一類是維表，即對每個維至少使用一個表來存放維的層次、成員類別等維的描述信息。維表和事實表通過主關鍵字和外關鍵字聯系在一起,形成了「星型模式」。對於層次復雜的維，為避免冗餘數據佔用過大的存儲空間，可以使用多個表來描述，這種星型模式的擴展稱為「雪花模式」。

MOLAP表示基於多維數據組織的OLAP實現（Multidimensional OLAP）。以多維數據組織方式為核心，也就是說，MOLAP使用多維數組存儲數據。多維數據在存儲中將形成「立方塊（Cube）」的結構，在MOLAP中對「立方塊」的「旋轉」、「切塊」、「切片」是產生多維數據報表的主要技術。

HOLAP表示基於混合數據組織的OLAP實現（Hybrid OLAP）。如低層是關系型的，高層是多維矩陣型的。這種方式具有更好的靈活性。

還有其他的一些實現OLAP的方法，如提供一個專用的SQL Server，對某些存儲模式（如星型、雪片型）提供對SQL查詢的特殊支持。

OLAP工具是針對特定問題的聯機數據訪問與分析。它通過多維的方式對數據進行分析、查詢和報表。維是人們觀察數據的特定角度。例如，一個企業在考慮產品的銷售情況時，通常從時間、地區和產品的不同角度來深入觀察產品的銷售情況。這里的時間、地區和產品就是維。而這些維的不同組合和所考察的度量指標構成的多維數組則是OLAP分析的基礎，可形式化表示為（維1，維2，……，維n，度量指標），如（地區、時間、產品、銷售額）。多維分析是指對以多維形式組織起來的數據採取切片（Slice）、切塊（Dice）、鑽取（Drill-down和Roll-up）、旋轉（Pivot）等各種分析動作，以求剖析數據，使用戶能從多個角度、多側面地觀察資料庫中的數據，從而深入理解包含在數據中的信息。

主流的商業智能工具包括BO、COGNOS、BRIO。一些國內的軟體工具平台如KCOM（http://www.kcomsoft.com/）也集成了一些基本的商業智能工具。

根據綜合性數據的組織方式的不同，目前常見的OLAP主要有基於多維資料庫的MOLAP及基於關系資料庫的ROLAP兩種。MOLAP是以多維的方式組織和存儲數據，ROLAP則利用現有的關系資料庫技術來模擬多維數據。在數據倉庫應用中，OLAP應用一般是數據倉庫應用的前端工具，同時OLAP工具還可以同數據挖掘工具、統計分析工具配合使用，增強決策分析功能。

三、商業智能的三個層次
來自：中國計算機報

經過幾年的積累，大部分中大型的企事業單位已經建立了比較完善的CRM、ERP、OA等基礎信息化系統。這些系統的統一特點都是:通過業務人員或者用戶的操作，最終對資料庫進行增加、修改、刪除等操作。上述系統可統一稱為OLTP(Online Transaction Process，在線事務處理)，指的就是系統運行了一段時間以後，必然幫助企事業單位收集大量的歷史數據。但是，在資料庫中分散、獨立存在的大量數據對於業務人員來說，只是一些無法看懂的天書。業務人員所需要的是信息，是他們能夠看懂、理解並從中受益的抽象信息。此時，如何把數據轉化為信息，使得業務人員(包括管理者)能夠充分掌握、利用這些信息，並且輔助決策，就是商業智能主要解決的問題。

如何把資料庫中存在的數據轉變為業務人員需要的信息?大部分的答案是報表系統。簡單說，報表系統已經可以稱作是BI了，它是BI的低端實現。

現在國外的企業，大部分已經進入了中端BI，叫做數據分析。有一些企業已經開始進入高端BI，叫做數據挖掘。而我國的企業，目前大部分還停留在報表階段。

數據報表不可取代

傳統的報表系統技術上已經相當成熟，大家熟悉的Excel、水晶報表、Reporting Service等都已經被廣泛使用。但是，隨著數據的增多，需求的提高，傳統報表系統面臨的挑戰也越來越多。

1. 數據太多，信息太少

密密麻麻的表格堆砌了大量數據，到底有多少業務人員仔細看每一個數據?到底這些數據代表了什麼信息、什麼趨勢?級別越高的領導，越需要簡明的信息。如果我是董事長，我可能只需要一句話:目前我們的情況是好、中還是差?

2. 難以交互分析、了解各種組合

定製好的報表過於死板。例如，我們可以在一張表中列出不同地區、不同產品的銷量，另一張表中列出不同地區、不同年齡段顧客的銷量。但是，這兩張表無法回答諸如「華北地區中青年顧客購買數碼相機類型產品的情況」等問題。業務問題經常需要多個角度的交互分析。

3. 難以挖掘出潛在的規則

報表系統列出的往往是表面上的數據信息，但是海量數據深處潛在含有哪些規則呢?什麼客戶對我們價值最大，產品之間相互關聯的程度如何?越是深層的規則，對於決策支持的價值越大，但是，也越難挖掘出來。

4. 難以追溯歷史，數據形成孤島

業務系統很多，數據存在於不同地方。太舊的數據(例如一年前的數據)往往被業務系統備份出去，導致宏觀分析、長期歷史分析難度很大。

因此，隨著時代的發展，傳統報表系統已經不能滿足日益增長的業務需求了，企業期待著新的技術。數據分析和數據挖掘的時代正在來臨。值得注意的是，數據分析和數據挖掘系統的目的是帶給我們更多的決策支持價值，並不是取代數據報表。報表系統依然有其不可取代的優勢，並且將會長期與數據分析、挖掘系統一起並存下去。

八維以上的數據分析

如果說OLTP側重於對資料庫進行增加、修改、刪除等日常事務操作，OLAP(Online Analytics Process，在線分析系統)則側重於針對宏觀問題，全面分析數據，獲得有價值的信息。

六、商業智能的發展趨勢

與DSS、EIS系統相比，商業智能具有更美好的發展前景。近些年來，商業智能市場持續增長。IDC預測，到2005年，BI市場將達到118億＄，平均年增長率為27%（Information Access Tools Market Forecast and Analysis: 2001-2005, IDC#24779, June 2001）。隨著企業CRM、ERP、SCM等應用系統的引入，企業不停留在事務處理過程而注重有效利用企業的數據為准確和更快的決策提供支持的需求越來越強烈，由此帶動的對商業智能的需求將是巨大的。

商業智能的發展趨勢可以歸納為以下幾點：

功能上具有可配置性、靈活性、可變化性
BI系統的范圍從為部門的特定用戶服務擴展到為整個企業所有用戶服務。同時，由於企業用戶在職權、需求上的差異，BI系統提供廣泛的、具有針對性的功能。從簡單的數據獲取，到利用WEB和區域網、廣域網進行豐富的交互、決策信息和知識的分析和使用。

解決方案更開放、可擴展、可按用戶定製，在保證核心技術的同時，提供客戶化的界面
針對不同企業的獨特的需求，BI系統在提供核心技術的同時，使系統又具個性化，即在原有方案基礎上加入自己的代碼和解決方案，增強客戶化的介面和擴展特性；可為企業提供基於商業智能平台的定製的工具，使系統具有更大的靈活性和使用范圍。

從單獨的商業智能向嵌入式商業智能發展
這是目前商業智能應用的一大趨勢，即在企業現有的應用系統中，如財務、人力、銷售等系統中嵌入商業智能組件，使普遍意義上的事務處理系統具有商業智能的特性。考慮BI系統的某個組件而不是整個BI系統並非一件簡單的事，比如將OLAP技術應用到某一個應用系統，一個相對完整的商業智能開發過程，如企業問題分析、方案設計、原型系統開發、系統應用等過程是不可缺少的。
從傳統功能向增強型功能轉變
增強型的商業智能功能是相對於早期的用SQL工具實現查詢的商業智能功能。目前應用中的BI系統除實現傳統的BI系統功能之外，大多數已實現了圖2中數據分析層的功能。而數據挖掘、企業建模是BI系統應該加強的應用，以更好地提高系統性能。

七、商業智能市場分析——製造業是商業智能的重要市場
Manufacturing Insights(IDC 公司附屬公司)的報告顯示，2004年亞太區(不含日本)製造業IT市場規模為137億美元，預計該市場將以 11.4% 的年復合增長率平穩增長，到2008年市場規模將達210億美元。 2004年底，亞太區(不含日本)製造業IT支出共137億美元，其中離散製造佔78.6%，流程製造佔22.4% 。由於市場全球化和自由化帶來了更加激烈的競爭和復雜性，亞太區(不含日本)的許多製造商繼續對IT進行投資，以提高運營效率，更好地控制不斷增長的業務成本。隨著越來越多的製造商在華建立了生產基地，降低成本並佔領巨大的國內市場，這些製造商需要對主要的IT基礎架構 、應用和服務進行投資以使其運營能夠健康平穩地發展，並獲得領先優勢。這將繼續促進中國和海外製造商的製造業IT投資。在對基礎架構投入大量資金的同時，在中國和印度這樣的新興大型市場的許多製造商將繼續對企業資源管理(ERM)和商務智能(BI)解決方案進行投資，從而為更好的內部協作和決策制定提供基礎平台。
IDC的報告顯示，2004年亞太區(不含日本)商務智能(BI)工具軟體市場規模為2.332億美元，預計該市場將以12.3%的年復合增長率迅猛增長，到2009年市場規模將達4.173億美元，增長預計主要源於中國和印度日益發展的經濟。這兩國近幾年更加健康的經濟環境和不斷增多的應用系統部署為未來5年BI工具的採用打下了基礎。有關專家指出，隨著互聯網的普及，在決策支持系統基礎上發展商業智能已成為必然。隨著基於互聯網的各種信息系統在企業中的應用，企業將收集越來越多的關於客戶、產品及銷售情況在內的各種信息，這些信息能幫助企業更好地預測和把握未來。所以，電子商務的發展也推動了商業智能的進一步應用。
從行業發展來看，商業智能作為業務驅動的決策支持系統，其發展是以較為完善企業的信息系統和穩定的業務系統為基礎的。商業智能未來的應用與行業內信息化的基礎狀況密切相關，以製造型企業為主，其次是流通企業，這兩個領域將是商業智能不可忽視的新市場。企業隨著信息化水平的提高，商業智能產品將會與ERP和CRM等管理軟體進一步融合，目前很多ERP廠商都把商業智能嵌入到相應的ERP系統內，比如SAP的ERP就嵌套了BO公司的商業智能產品，AD 也與和勤軟體進行了類似的合作。
當然，商業智能如ERP一樣，實施中存在著一定的風險，企業首先要認清自身的需求情況，在選擇合作夥伴的同時也要進行充分的了解。各主流廠商都有各自的優勢，比如SAS的數據挖掘、Hyperion的預算與報表合並、BO的數據分析與報告等。而商業智能產品的發展趨勢必將是整合平台基礎上的集成化應用。如何切實了解自身需求、選擇具有優勢的廠商產品，將是企業實施商業智能成功的關鍵。

希望對你有用!