数据透视表英语怎么说及英文单词

『壹』 数据库中常用的英语单词有哪些

下列是一些数据库中经常碰到的英文单词：
Access method（访问方法）：此步骤包括从文件中存储和检索记录。
Alias（别名）：某属性的另一个名字。在SQL中，可以用别名替换表名。
Alternate keys（备用键，ER/关系模型）：在实体/表中没有被选为主健的候选键。
Anomalies（异常）参见更新异常（update anomalies）
Application design（应用程序设计）：数据库应用程序生命周期的一个阶段，包括设计用户界面以及使用和处理数据库的应用程序。
Attribute（属性）（关系模型）：属性是关系中命名的列。
Attribute（属性）（ER模型）：实体或关系中的一个性质。
Attribute inheritance（属性继承）：子类成员可以拥有其特有的属性，并且继承那些与超类有关的属性的过程。
Base table（基本表）：一个命名的表，其记录物理的存储在数据库中。
Binary relationship（二元关系）：一个ER术语，用于描述两个实体间的关系。例如，panch Has Staff。
Bottom-up approach（自底向上方法）：用于数据库设计，一种设计方法学，他从标识每个设计组建开始，然后将这些组件聚合成一个大的单元。在数据库设计中，可以从表示属性开始底层设计，然后
将这些属性组合在一起构成代表实体和关系的表。
Business rules（业务规则）：由用户或数据库的管理者指定的附加规则。
Candidate key（候选键，ER关系模型）：仅包含唯一标识实体所必须得最小数量的属性/列的超键。
Cardinality（基数）：描述每个参与实体的可能的关系数目。
Centralized approach（集中化方法,用于数据库设计）：将每个用户试图的需求合并成新数据库应用程序的一个需求集合
Chasm trap（深坑陷阱）：假设实体间存在一根，但某些实体间不存在通路。
Client（客户端）：向一个或多个服务器请求服务的软件应用程序。
Clustering field（群集字段）：记录总的任何用于群集（集合）航记录的非键字段，这些行在这个字段上有相同的值。
Clustering index（群集索引）：在文件的群集字段上定义的索引。一个文件最多有一个主索引或一个群集索引。
Column（列）：参加属性（attribute）。
Complex relationship（复杂关系）：度数大于2的关系。
Composite attribute（复合属性）：由多个简单组件组成的属性。
Composite key（复合键）：包含多个列的主健。
Concurrency control（并发控制）：在多用户环境下同时执行多个十五并保证数据完整性的一个DBMS服务。
Constraint（约束）：数据库不允许包含错误数据的一致性规则。
Data conversion and loading（数据转换和加载）：数据库应用生命周期重的一个阶段，包括转换现有数据到新数据库中以及酱下耨应用程序转换到新的数据库上运行。
Data dictionary（数据字典）：参见系统目录（system catalog）。
Data independence（数据独立性）：使用数据的应用程序的数据描述部分。这意味着，如果将新的数据结构添加到数据库中，或者数据库中现有的结构被修改了，那么使用此数据库的就会受到影响，除
非应用程序不直接依赖于被修改的部分。
Data model（数据模型）：描述数据、数据间关系以及数据的约束的概念的一个集成的集合。
Data rendancy（数据冗余）：参见冗余数据（rendant data）。
Data security（数据安全）：包括对数据库对象（如表和视图）的访问和使用以及用户可以在这些对象上实施的操作。
Database（数据库）：是逻辑上相关的数据（以及这些数据的描述）的一个共享的集合，用于解决公司对信息的需求。
Database design（数据库设计）：数据库应用生命周期中的一个阶段，包括创建一个支持公司的操作和目标的数据库的设计。
Database integrity（数据库完整性）：指存储数据的正确定和一致性。完整性通常用约束来表达。
Database Management System，DBMS（数据库管理系统）：一个能够让用户定义、创建和维护数据库并控制对数据库的访问的软件系统。
Database planning（数据库规划）：能尽可能有效的实现数据库应用的各阶段的管理活动。
Database server（数据库服务器）：同服务器。
DBMS engine（DBMS引擎）：同服务器。
DBMS selection（DBMS选择）：数据库应用生命周期中的一个阶段，包括选择一个合适的DBMS来支持数据库应用。
Degree of a relationship（关系的度）：一个关系中参与的实体的个数。
Denormalization（反规范化）：形式上，这个术语指的是对基本表结构的修改，这样新的表比原始的表的规范化程度要低。但也可以用此属于更宽泛地形容将两个表和并成一个新表的情形，而这个新表
与原来的表具有相同的范式，但比原表包含更多的空值。
Derived attribute（派生属性）：表示其值可以从一个相关属性和属性集的值派生得到的属性，这个属性在实体中不是必须的。
Design methodology（设计方法学）：一种结构化的方法，它使用过程、工具和文档来支持和简化设计过程。
Disjoint constraint（无连接约束）：描述子类的成员间的关系，并指明超类某个成员是否有可能成为一个或多个子类的成员。
Domain（域）：一个或多个属性的取值范围。
Entity（实体）：具有相同性质的对象的集合，它是由用户或公司标识并可独立存在的。
Entity integrity（实体完整性）：在一个基本表中，主健列的值不能为空。
Entity occurrence（实体出现）：实体中的一个唯一可标识的对象。
Entity-Relationship model（实体关系模型）：公司的实体、属性和关系的详细逻辑表示。
Fact-finding（事实发现）：使用诸如面谈和提问等技术收集关于系统的事实、需求和性能的形式化过程。
Fan trap（扇形陷阱）：但从第三个实体扇出的两个实体有1:*关系时出现扇形陷阱，但这两个实体在他们之间应该有直接关系以提供必要的信息
Field（字段）：同元组（Tuple）。
File（文件）：存储在副主存储器中的相关记录的一个命名集合。
File-based system（基于文件的系统）：一个文件集合，用来管理（创建、插入、删除、更新和检索）一个或多个文件中的数据，并产生基于这些文件中的数据的应用（通常是报表）。
File organization（文件组织）：当文件存储在磁盘上时，对文件中的记录的安排方式。
First normal form（1NF，第一范式）：表中的每个列的交叉处以及记录包含切进包含一个值的表。
Foreign key（外健）：一个表中的一个列或者多个列的集合，这些列匹配某些其他（也可能是同一个）表中的候选键。
4GL, Fourth-Generation Language（第四代语言）：一种非过程化语言，比如SQL，他只需要用户定义必须完成什么操作，4GL负责将所进行的操作翻译成如何实现这些操作。
Full functional dependency（完全函数依赖）：一个列在功能上依赖于复合主健，但不依赖于主健的任何一个子集的条件。
Functional dependency（函数依赖）：描述表中列之间的关系。
Generalization（泛化）：通过标识实体间的公共特征使实体间差别最小化的过程。
Generalization hierarchy（泛化层次结构）：同类型层次（type hierarchy）。
Global data model（全局数据模型）：代表整个公司（和被模型化的公司的一部分）的数据模型。
Implementation（实现）：数据库应用生命周期中的一个阶段，包括数据库和应用程序设计的物理实现。
Index（索引）：一种允许DBMS将特定的记录更快的放置到文件中，从而加快对用户查询的响应的数据结构。
Infomation system（信息系统）：能够在整个公司范围内收集、管理、控制和分发数据/信息的资源。
Inheritance（继承）：参见属性继承（attribute inheritance）。
Integrity constaints（完整性约束）：防止出现数据库中的数据不一致的约束。
IS-A hierarchy（IS－A层次结构）：同类型层次结构（type hierarchy）。
Local logical data model（局部逻辑数据模型）：代表特定用户视图或用户视图的组合的数据模型。
Logical database design（逻辑数据库设计）：基于特定的数据模型构建公司的数据的模型的过程，但不依赖于特定的DBMS以及其他的物理条件。
Meta-data（元数据）：关于数据的数据，参见系统目录（system catalog）。
Mision objective（使命目标）：标识数据库必须支持的特定任务。
Mission statement（使命语句）：定义数据库应用程序的主要目标。
Multiplicity（多样性）：定义与某个相关实体的一次出现有关的实体的出现数目。
Multi-valued attribute（多值属性）：为一个实体的出现保存多个值的属性。
Nonkey attribute/column（非键属性/列）：不是键的一部分的属性/列。
Normal forms（范式）：规范化过程的一个阶段。前三个范式分别为第一范式（1NF）、第二范式（2NF）、第三范式（3NF）。
Normalization（规范化）：一种产生带有需要的特性的技术，这种特性能支持用户和公司的需求。
差不多就是这些了。

『贰』 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,的英语咋写

英语一到100的英语单词如下。

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。

二十一到三十的话就是twenty依次接一到十的英文。

三十一到四十的话就是thirty依次接一到十的英文。

四十一到五十的话就是forty依次接一到十的英文。

五十一到六十的话就是fifty依次接一到十的英文。

句法功能

序数词在句中可作主语、宾语、定语和表语。

The second is what I really need． 第二个是我真正需要的。（作主语）

He chooses the second． 他挑选了第二个。（作宾语）

We are to carry out the first plan． 我们将执行第一个计划。（作定语）

She is the second in our class．在我们班她是第二名。（作表语）

『叁』 求一个英语单词的SQLite数据库，要有英文，音标，读音，释义和例句，谢谢！

英文：SQLite
音标：[sek`lait]
读音：色可来特
释义：一款轻型的数据库，是遵守ACID的关联式数据库管理系统
例句：SQLite Expert Professional

『肆』 查看数据英语怎么说

查看数据
英文：iew data
数据
英文：data； record； information ；

『伍』 中文界面的excel做出的数据透视表中如何让汇总等词条变成为英文除了手动改。。

用英文版 的office 做

『陆』 excel2007（英文版）中，数据透视表在什么菜单里面

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

『柒』 Tgt con% 、 YTD Act、sales con%、Ach%、Inc、Inc Con%的英文全拼有其他销售英文简写，缩写请达人帮忙

1、Tactical Graphics Terminal control rate

2、Year to Date action

3、salescontrol rate

4、achive control rate

5、incorporated

6、incorporatedcontrol rate

(7)数据透视表英语怎么说及英文单词扩展阅读：

销售报表分析与图形呈现。

1. 销售报表分析的四个步骤

2、 销售数据收集

3、介绍各类市场营销数据的收集方法和技巧，包括客户资料数据、销售明细数据、营销活动数据等。

4、销售数据整理

5、对销售数据进行清理和规整，包括错误数据的辨识和修改、空行空列辨识和删除、数据合并、数据对比（例如销售预算和决算数据的对比）、重复数据检测和处理等。

6、 销售报表制作与分析

7、制作各种常用的销售报表并进行分析

8、分析结论呈现

9、常用的分析图形的制作、优化以及呈现

10、销售数据整理

11、事前整理

12、采用“数据有效性”可以限定数据销售数据录入的类型和范围，从而“防患于未然”，大大提高销售原始数据的质量。

13、数据错误识别与数据转换

14、 日期型数据的规范整理

15、包括输入日期型数据的正确方法、非法日期型数据的判断和修改等。

16、文本型数据和纯数字的转换和处理

17、数据填充

18、表格中的空白单元格经常会影响报表处理，例如在应用数据透视表时，空白单元格会使得汇总方式总是变为“计数”方式，合理的数据填充会使得后续的报表处理变得更加方便。

19、数据表中空行和空列的删除

20、 重复数据的检测和处理

21、数据对比与合并

22、数据对比可以快速识别数据表前后的修改变化，数据合并适用于相同或者相似结构的数据表的合并。

23、给你的报表增加亮丽的色彩----条件格式

24、我们都是“好色之徒”，有了条件格式，让你的EXCEL操作变得趣味十足并且轻松自在！

25、大块数据的分色表示-快速识别数据的大小分布

26、 选出报表最大的前n项（最小的后n项）

27、快速筛选日期和文本并着色

28、 丰富的图标集标识同比环比变化

29、强大的自定义规则，可以随心所欲标示单元格

30、 销售项目管理中的to-do list标注

31、按照营销项目计划节点，例如按照“进行中”、“完成”、“问题项”、“项目中止”等进行自动分色标注。

32、 销售报表的排序和筛选

33、按照字体和单元格颜色排序

34、符合多数人的工作习惯

35、按照笔划排序

36、符合国人使用习惯

37、按照自己的想法进行排序

38、自定义排序

39、强大的日期筛选功能

40、分析销售报表的利器

41、计算筛选

42、用公式进行筛选，例如筛选应收账款超过6个月的销售订单

43、数据透视表

44、 创建表达多种统计信息的综合统计分析报表

45、统计不同地区、商品的订单数、平均订单额、订单总额、占比等

46、 创建周报、月报、季报和年报表

47、创建环比、同比分析报表等

48、 销售报表的多视角分析

49、组合功能

50、让销售报表更简单更直观，包括文本型、数据等步长、数据不等步长的组合

51、销售分析的图形技术

52、 多图型的用途

53、系统介绍柱状、折线、饼图、散点、气泡图等各种常用图形的适用范围和使用技巧。

54、 绘图自定义模板以及使用

55、自己辛辛苦苦做出的精美的图形，作为模板保存后，以后就可以随时调用，提高工作效率

56、动态图表技巧

57、采用EXCEL控件（选项按钮、下拉框、滚动条等）实现营销数据动态图形，大大提高工作效率。

58、 EXCEL图形复制到PPT的综合技巧

59、水晶易表简介及效果图展示

60、 超炫的图形展示界面、强大的仪表盘功能，商务制图能力的进一步提升。

『捌』 Exel的数据透视表是什么怎么做

建议你直接看Excel中关于数据透视表的帮助“数据透视表和数据透视图概述”

文字内容参考如下：
数据透视表和数据透视图概述
使用数据透视表可以汇总、分析、浏览和提供摘要数据。使用数据透视图可以在数据透视表中可视化此摘要数据，并且可以方便地查看比较、模式和趋势。数据透视表和数据透视图都能使您做出有关企业中关键数据的决策。以下部分提供了数据透视表和数据透视图的概述。
关于数据透视表
数据透视表是一种可以快速汇总大量数据的交互式方法。使用数据透视表可以深入析数值数据，并且可以回答一些预计不到的数据问题。数据透视表是针对以下用途特别设计的：
以多种用户友好方式查询大量数据。
对数值数据进行分类汇总和聚合，按分类和子分类对数据进行汇总，创建自定义计算和公式。
展开或折叠要关注结果的数据级别，查看感兴趣区域摘要数据的明细。
将行移动到列或将列移动到行（或“透视”），以查看源数据的不同汇总。
对最有用和最关注的数据子集进行筛选、排序、分组和有条件地设置格式，使您能够关注所需的信息。
提供简明、有吸引力并且带有批注的联机报表或打印报表。

如果要分析相关的汇总值，尤其是在要合计较大的数字列表并对每个数字进行多种比较时，通常使用数据透视表。在下面所述的数据透视表中，您可以方便地看到单元格 F3 中第三季度高尔夫销售额是如何与其他运动或季度的销售额或总销售额进行比较的。

在数据透视表中，源数据中的每列或每个字段都成为汇总多行信息的数据透视表字段。在上述示例中，“运动”列成为“运动”字段，高尔夫的每条记录在单个高尔夫项中进行汇总。

值字段（如“销售小计”）提供要汇总的值。上述报表中的单元格 F3 包含的“销售小计”值来自源数据中“运动”列包含“高尔夫”和“季度”列包含“第三季度”的每一行。默认情况下，值区域中的数据采用以下方式对数据透视图中的基本源数据进行汇总：数值使用 SUM 函数，文本值使用 COUNT 函数。

若要创建数据透视表，必须定义其源数据，在工作簿中指定位置，设置字段布局。有关详细信息，请参阅创建或删除数据透视表或数据透视图以及在数据透视表或数据透视图中创建和更改字段布局。

处理数据透视表的方法
通过定义数据源、排列“数据透视表字段列表”中的字段以及选择初始布局来创建初始数据透视表后，在处理数据透视表时通常需要执行以下任务：

通过执行下列操作浏览数据：

展开和折叠数据，并且显示值的基本明细。
对字段和项进行排序、筛选和分组。
更改汇总函数，并且添加自定义计算和公式。

通过执行下列操作更改布局：

更改数据透视表形式：压缩、大纲或表格。
在其行上方或下方显示分类汇总。
将列字段移动到行区域或将行字段移动到列区域。
更改错误和空单元格的显示方式，并且更改没有数据的项和标签的显示方式。
更改字段或项的顺序以及添加、重新排列和删除字段。
刷新时调整列宽。
打开或关闭列和行字段标题，或者显示或隐藏空行。

通过执行下列操作更改格式：

对单元格和区域进行手动和有条件格式设置。
更改整个数据透视表的格式样式。
更改字段的数字格式，并且包括 OLAP 服务器格式。

关于数据透视图
数据透视图以图形形式表示数据透视表 （数据透视表：一种交互的、交叉制表的 Excel 报表，用于对多种来源（包括 Excel 的外部数据）的数据（如数据库记录）进行汇总和分析。）中的数据。正如在数据透视表中那样，可以更改数据透视图的布局和数据。数据透视图通常有一个使用相应布局的相关联的数据透视表 （相关联的数据透视表：为数据透视图提供源数据的数据透视表。在新建数据透视图时，将自动创建数据透视表。如果更改其中一个报表的布局，另外一个报表也随之更改。）。两个报表中的字段相互对应。如果更改了某一报表的某个字段位置，则另一报表中的相应字段位置也会改变。

除具有标准图表的系列 （数据系列：在图表中绘制的相关数据点，这些数据源自数据表的行或列。图表中的每个数据系列具有唯一的颜色或图案。可以在图表中绘制一个或多个数据系列。饼图只有一个数据系列。）、分类、数据标记 （数据标记：图表中的条形、面积、圆点、扇面或其他符号，代表源于数据表单元格的单个数据点或值。图表中的相关数据标记构成了数据系列。）和坐标轴 （坐标轴：界定图表绘图区的线条，用作度量的参照框架。y 轴通常为垂直坐标轴并包含数据。x 轴通常为水平轴并包含分类。）以外，数据透视图还有一些与下图中所示的数据透视表对应的特殊元素。

报表筛选字段 用来根据特定项筛选数据的字段。在本例中，“区域”页字段显示所有区域的数据。若要显示单个区域的数据，可单击“(全部)”旁边的下拉箭头，然后选择区域。

使用报表筛选字段是在不修改系列和分类信息的情况下，汇总并快速集中处理数据子集的捷径。例如，如果正在进行演示，则可单击“年”报表筛选字段中的“(全部)”以显示所有年份的销售额，然后通过一次单击一个年份来集中分析特定年份的数据。对于不同年份，图表的每个报表筛选页都有相同分类和系列布局，因此可以很容易地对每一年的数据进行比较。另外，由于只允许您每次检索大数据集中的一个报表筛选页，因此，在图表使用外部源数据时，报表筛选字段可节省内存。

值字段 来自基本源数据 （源数据：用于创建数据透视表或数据透视图的数据清单或表。源数据可以来自 Excel 数据清单或区域、外部数据库或多维数据集，或者另一张数据透视表。）的字段，提供进行比较或计算的数据。在本例中，“销售总额”就是一个值字段，它用于汇总每项运动在各个地区的季度销售情况。第一个分类数据标记（第一季度）在坐标轴 (y) 上的值约为 250。该数值是第一季度网球、旅游、高尔夫球销售额的总和。根据报表使用的源数据，除了使用汇总函数 （汇总函数：是一种计算类型，用于在数据透视表或合并计算表中合并源数据，或在列表或数据库中插入自动分类汇总。汇总函数的例子包括 Sum、Count 和 Average。）外，还可使用 Average、Count 和 Proct 等其他计算公式。

系列字段 数据透视图中为系列方向指定的字段。字段中的项提供单个数据系列。在本例中，“运动”系列字段包含三个项：网球、旅行和高尔夫球。在图表中，系列由图例表示。

项 项代表一个列或行字段中的唯一条目，且出现在报表筛选字段、分类字段和系列字段的下拉列表中。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”分类字段中的项，而“网球”、“旅行”和“高尔夫球”则是“运动”系列字段中的项。分类字段中的项在图表的分类轴上显示为标签。系列字段中的项列于图例中，并提供各个数据系列的名称。

分类字段 分配到数据透视图分类方向上的源数据中的字段。分类字段为那些用来绘图的数据点提供单一分类。在本例中，“季度”就是一个分类字段。在图表中，分类通常出现在图表的 x 轴或水平轴上。

自定义报表 可以更改图表类型和其他选项，如标题 （图表标题：图表标题是说明性的文本，可以自动与坐标轴对齐或在图表顶部居中。）、图例 （图例：图例是一个方框，用于标识为图表中的数据系列或分类指定的图案或颜色。）位置、数据标签 （数据标签：为数据标记提供附加信息的标签，数据标签代表源于数据表单元格的单个数据点或值。）、图表位置等。

首次创建数据透视表时，可以自动创建数据透视图，也可以通过现有的数据透视表创建数据透视图。有关详细信息，请参阅创建或删除数据透视表或数据透视图以及在数据透视表或数据透视图中创建和更改字段布局。

比较数据透视表和数据透视图
通过数据透视表创建数据透视图时，数据透视图的布局（即数据透视图字段的位置）最初由数据透视表的布局确定。如果先创建数据透视图，则可将字段从“数据透视表字段列表”中拖到图表工作表 （图表工作表：工作簿中只包含图表的工作表。当希望单独查看图表或数据透视图（独立于工作表数据或数据透视表）时，图表工作表非常有用。）上的区域，这样就可确定图表的布局。

以下销售数据的数据透视表和数据透视图显示了二者之间的关系。

数据透视图与图表的区别
如果您熟悉标准图表，就会发现数据透视图中的大多数操作和标准图表中的一样。但是二者之间也存在以下差别：

交互 对于标准图表，您为要查看的每个数据视图创建一张图表，但它们不交互。而对于数据透视图，只要创建单张图表就可通过更改报表布局或显示的明细数据以不同的方式交互查看数据。

图表类型 标准图表的默认图表类型为簇状柱形图，它按分类比较值。数据透视图的默认图表类型为堆积柱形图，它比较各个值在整个分类总计中所占的比例。可以将数据透视图类型更改为除 XY 散点图、股价图和气泡图之外的其他任何图表类型。

图表位置 默认情况下，标准图表是嵌入 （嵌入图表：置于工作表中而不是单独的图表工作表中的图表。当要在一个工作表中查看或打印图表或数据透视图及其源数据或其他信息时，嵌入图表非常有用。）在工作表中。而数据透视图默认情况下是创建在图表工作表 （图表工作表：工作簿中只包含图表的工作表。当希望单独查看图表或数据透视图（独立于工作表数据或数据透视表）时，图表工作表非常有用。）上的。数据透视图创建后，还可将其重新定位到工作表上。

源数据 标准图表可直接链接到工作表单元格中。数据透视图可以基于相关联的数据透视表 （相关联的数据透视表：为数据透视图提供源数据的数据透视表。在新建数据透视图时，将自动创建数据透视表。如果更改其中一个报表的布局，另外一个报表也随之更改。）中的几种不同数据类型。

图表元素 数据透视图除包含与标准图表相同的元素外，还包括字段和项，可以添加、旋转或删除字段和项来显示数据的不同视图。标准图表中的分类、系列和数据分别对应于数据透视图中的分类字段、系列字段和值字段。数据透视图中还可包含报表筛选。而这些字段中都包含项，这些项在标准图表中显示为图例 （图例：图例是一个方框，用于标识为图表中的数据系列或分类指定的图案或颜色。）中的分类标签或系列名称。

格式 刷新 （刷新：更新数据透视表或数据透视图中的内容以反映基本源数据的变化。如果报表基于外部数据，则刷新将运行基本查询以检索新的或更改过的数据。）数据透视图时，会保留大多数格式（包括元素、布局和样式）。但是，不保留趋势线 （趋势线：趋势线以图形的方式表示数据系列的趋势，例如，向上倾斜的线表示几个月中增加的销售额。趋势线用于问题预测研究，又称为回归分析。）、数据标签 （数据标签：为数据标记提供附加信息的标签，数据标签代表源于数据表单元格的单个数据点或值。）、误差线 （误差线：通常用在统计或科学记数法数据中，误差线显示相对序列中的每个数据数据标记的潜在误差或不确定度。）及对数据系列的其他更改。标准图表只要应用了这些格式，就不会将其丢失。

移动或调整项的大小 在数据透视图中，即使可为图例选择一个预设位置并可更改标题的字体大小，但是无法移动或重新调整绘图区 （绘图区：在二维图表中，是指通过轴来界定的区域，包括所有数据系列。在三维图表中，同样是通过轴来界定的区域，包括所有数据系列、分类名、刻度线标志和坐标轴标题。）、图例、图表标题或坐标轴标题的大小。而在标准图表中，可移动和重新调整这些元素的大小。

返回页首

处理数据透视表源数据和数据透视图源数据
在创建数据透视表 （数据透视表：一种交互的、交叉制表的 Excel 报表，用于对多种来源（包括 Excel 的外部数据）的数据（如数据库记录）进行汇总和分析。）或数据透视图 （数据透视图：提供交互式数据分析的图表，与数据透视表类似。可以更改数据的视图，查看不同级别的明细数据，或通过拖动字段和显示或隐藏字段中的项来重新组织图表的布局。）时，可使用多种源数据 （源数据：用于创建数据透视表或数据透视图的数据清单或表。源数据可以来自 Excel 数据清单或区域、外部数据库或多维数据集，或者另一张数据透视表。）类型。

使用工作表数据
可以将 Microsoft Office Excel 工作表中的数据作为报表的数据来源。数据应为列表 （列表：包含相关数据的一系列行，或使用“创建列表”命令作为数据表指定给函数的一系列行。）格式，第一行包含列标签，其余行包含相同列中的类似项，并且数据区域中没有空白的行或列。Excel 将列标签作为报表的字段 （字段：在数据透视表或数据透视图中，来源于源数据中字段的一类数据。数据透视表具有行字段、列字段、页字段和数据字段。数据透视图具有系列字段、分类字段、页字段和数据字段。）名称。

使用命名区域 若要使报表的更新更易于进行，请为源区域命名一个名称 （名称：代表单元格、单元格区域、公式或常量值的单词或字符串。名称更易于理解，例如，“产品”可以引用难于理解的区域“Sales!C20:C30”。），并在创建报表时使用该名称。如果命名区域在扩展后包含了更多数据，则可以刷新 （刷新：更新数据透视表或数据透视图中的内容以反映基本源数据的变化。如果报表基于外部数据，则刷新将运行基本查询以检索新的或更改过的数据。）报表来包含新的数据。

Excel 表格 Excel 表格已经采用列表格式，因而是数据透视表源数据很好的候选者。当刷新数据透视表时，Excel 表格中的新的和更新的数据会自动包含在刷新操作中。有关详细信息，请参阅 Excel 表格概述。

包含汇总 Excel 会在数据透视表中自动创建分类汇总和总计。如果源数据包含用“数据”选项卡上的“大纲”组中的“分类汇总”命令创建的自动分类汇总和总计，则可在创建报表前用该命令将分类汇总和总计删除。

使用外部数据源
要汇总和分析 Excel 的外部数据（如数据库中公司的销售记录），则可从包括数据库 （数据库：与特定主题或用途相关的数据的集合。在数据库内，关于特定实体的信息（如雇员或订单）分类归纳到表、记录和字段中。）、OLAP 多维数据集和文本文件的外部数据源上检索数据。

Office 数据连接文件 如果使用 Office 数据连接 (ODC) 文件 (.odc) 检索报表的外部数据 （外部数据：存储在 Excel 之外的数据。例如，在 Access、dBASE、SQL Server 或 Web 服务器上创建的数据库。），则可直接将数据返回到数据透视表。ODC 文件是检索报表的外部数据的推荐方法。有关详细信息，请参阅连接（导入）外部数据、创建、编辑和管理与外部数据的连接以及连接属性。

OLAP 源数据 如果要检索 OLAP （OLAP：为查询和报表（而不是处理事务）而进行了优化的数据库技术。OLAP 数据是按分级结构组织的，它存储在多维数据集而不是表中。） 数据库或多维数据集 （多维数据集：一种 OLAP 数据结构。多维数据集包含维度，如“国家/地区）/省（或市/自治区）/市（或县）”，还包括数据字段，如“销售额”。维度将各种类型的数据组织到带有明细数据级别的分层结构中，而数据字段度量数量。）文件中的源数据，则数据只能作为数据透视表或已转换为工作表函数的数据透视表返回到 Excel。有关详细信息，请参阅连接到（导入）OLAP 数据库。

非 OLAP 源数据 这是数据透视表或数据透视图使用的基本数据，该数据来自 OLAP 数据库之外的源。这些源包括关系数据库和文本文件。

使用其他数据透视表
数据透视表缓存 每次在新建数据透视表或数据透视图时，Excel 均将报表数据的副本存储在内存中，并将其保存为工作簿文件的一部分。这样每张新的报表均需要额外的内存和磁盘空间。但是，如果将现有数据透视表作为同一个工作簿中的新报表的源数据，则两张报表就可以共享同一个数据副本。因为可以重新使用存储区，所以就会缩小工作簿文件，减少内存中的数据。

位置要求 如果要将某个数据透视表用作其他报表的源数据，则两个报表必须位于同一工作簿中。如果源数据透视表位于另一工作簿中，则需要将源报表复制到要新建报表的工作簿位置。不同工作簿中的数据透视表和数据透视图是独立的，它们在内存和工作簿文件中都有各自的数据副本。

更改会同时影响两个报表 在刷新 （刷新：更新数据透视表或数据透视图中的内容以反映基本源数据的变化。如果报表基于外部数据，则刷新将运行基本查询以检索新的或更改过的数据。）新报表中的数据时，Excel 也会更新源报表中的数据，反之亦然。如果对某个报表中的项进行分组或取消分组，那么也将同时影响两个报表。如果在某个报表中创建了计算字段 （计算字段：数据透视表或数据透视图中的字段，该字段使用用户创建的公式。计算字段可使用数据透视表或数据透视图中其他字段中的内容执行计算。）或计算项 （计算项：数据透视表字段或数据透视图字段中的项，该项使用用户创建的公式。计算项使用数据透视表或数据透视图中相同字段的其他项的内容进行计算。），则也将同时影响两个报表。

数据透视图 可根据其他的数据透视表创建新的数据透视表或数据透视图，但是不能直接根据其他数据透视图创建报表。不过，在创建数据透视图时，Excel 会根据同样的数据创建一个相关联的数据透视表 （相关联的数据透视表：为数据透视图提供源数据的数据透视表。在新建数据透视图时，将自动创建数据透视表。如果更改其中一个报表的布局，另外一个报表也随之更改。），因此可根据相关联的报表创建一个新的报表。对数据透视图的更改将影响相关联的数据透视表，反之亦然。

更改现有报表的源数据
更改源数据 （源数据：用于创建数据透视表或数据透视图的数据清单或表。源数据可以来自 Excel 数据清单或区域、外部数据库或多维数据集，或者另一张数据透视表。）将导致用于分析的数据也发生变化。例如，您可能希望方便地从测试数据库切换到生产数据库。可以通过刷新 （刷新：更新数据透视表或数据透视图中的内容以反映基本源数据的变化。如果报表基于外部数据，则刷新将运行基本查询以检索新的或更改过的数据。）报表，使用与原始数据连接信息类似的新数据来更新数据透视表或数据透视图。

要包含附加数据或其他数据，可以重新定义报表的源数据。如果这些数据与多数新字段或附加字段有很大差异，那么最好创建一个新的报表。有关详细信息，请参阅为数据透视表选择不同的源数据。

通过刷新显示新数据 刷新报表也会更改可显示的数据。对于基于工作表列表的报表，Excel 可在源区域或指定的名称 （名称：代表单元格、单元格区域、公式或常量值的单词或字符串。名称更易于理解，例如，“产品”可以引用难于理解的区域“Sales!C20:C30”。）区域中检索新字段。对于基于外部数据的报表，Excel 可检索符合基本查询 （查询：在 Query 或 Access 中，查询是一种查找记录的方法，而这些记录回答了用户对数据库中存储的数据提出的特定问题。）条件的新数据或可在 OLAP 多维数据集 （多维数据集：一种 OLAP 数据结构。多维数据集包含维度，如“国家/地区）/省（或市/自治区）/市（或县）”，还包括数据字段，如“销售额”。维度将各种类型的数据组织到带有明细数据级别的分层结构中，而数据字段度量数量。）中使用的数据。可在“字段列表”中查看任意新字段并将这些字段添加到报表中。有关详细信息，请参阅刷新连接（导入）的数据。

更改创建的 OLAP 多维数据集 基于 OLAP 数据的报表始终可以访问多维数据集中的所有数据。如果在服务器多维数据集中创建了一个包含数据子集的脱机多维数据集文件 （脱机多维数据集文件：创建于硬盘或网络共享位置上的文件，用于存储数据透视表或数据透视图的 OLAP 源数据。脱机多维数据集文件允许用户在断开与 OLAP 服务器的连接后继续进行操作。），则可用“脱机 OLAP”命令来编辑多维数据集文件，这样它就会包含服务器的其他数据。有关详细信息，请参阅从 OLAP 服务器数据库创建脱机多维数据集文件。

『玖』 office2010数据透视表源数据日期用的是英文表示，透视表里体现的也是，但是把日期组合就变成了中文

『拾』 什么是BI

BI
商业智能也称作BI是英文单词Business Intelligence的缩写。商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
商业智能的概念最早在1996年提出。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
目前，商业智能产品及解决方案大致可分为数据仓库产品、数据抽取产品、OLAP产品、展示产品、和集成以上几种产品的针对某个应用的整体解决方案等。

一、商业智能应具有的功能
目前，很多厂商活跃在商业智能（下面称BI）领域。事实上，能够满足用户需要的BI产品和方案必须建立在稳定、整合的平台之上，该平台需要提供用户管理、安全性控制、连接数据源以及访问、分析和共享信息的功能。BI平台的标准化也非常重要，因为这关系到与企业多种应用系统的兼容问题，解决不了兼容问题，BI系统就不能发挥出应有效果。这里我们通过对一个实验室的BI系统模型（我们将其称为D系统）进行功能解剖，来介绍BI系统。
D系统是一个面向终端使用者，直接访问业务数据，能够使管理者从各个角度出发分析利用商业数据，及时地掌握组织的运营现状，作出科学的经营决策的系统。D系统可实现从简单的标准报表浏览到高级的数据分析，满足组织内部人员的需求。D系统涵盖了常规意义上商业智能

（BI）系统的功能，主要构架包括以下几个方面。

D系统可读取多种格式（如Excel、Access、以Tab分割的txt和固定长的txt等）的文件，同时可读取关系型数据库 (对应ODBC)中的数据。在读取文本和数据的基础上，D系统还可以完成：
连接文本 把2个CSV文件中的共同项目作为键（Key），将所需的数据合并到一个文件，这样可以象操作数据库一样方便，但无须用户编程即可实现。
设置项目类型 作为数据的项目类型，除按钮(button)（文字项目）、数值项目以外，还可以设置日期表示形式的日期数据项目、多媒体项目和不需要生成按钮但在列表显示中能够浏览的参照项目。
期间设置 日期项目数据可以根据年度或季度等组合后生成新的期间项目。同样，时间项目数据可以根据上午、下午或时间带等组合后生成新的时间项目。
设置等级 对于数值项目，可以任意设置等级，生成与之相对应的按钮。例如，可以生成与年龄项目中的20岁年龄段、30岁年龄段的等级相对应的按钮。

分析功能

关联/限定 关联分析主要用于发现不同事件之间的关联性，即一个事件发生的同时，另一个事件也经常发生。关联分析的重点在于快速发现那些有实用价值的关联发生的事件。其主要依据是，事件发生的概率和条件概率应该符合一定的统计意义。D系统把这种关联的分析设计成按钮的形式，通过选择有/无关联，同时/相反的关联。对于结构化的数据，以客户的购买习惯数据为例，利用D系统的关联分析，可以发现客户的关联购买需要。例如，一个开设储蓄账户的客户很可能同时进行债券交易和股票交易。利用这种知识可以采取积极的营销策略，扩展客户购买的产品范围，吸引更多的客户。
显示数值比例/指示显示顺序 D系统可使数值项目的数据之间的比例关系通过按钮的大小来呈现，并显示其构成比，还可以改变数值项目数据的排列顺序等。选择按钮后，动态显示不断发生变化。这样能够获得直观的数据比较效果，并能够凸显差异，便于深入分析现象背后的本质。
监视功能 预先设置条件，使符合条件的按钮显示报警（红）、注意（黄）信号，使问题所在一目了然。比如说：上季度营业额少于100万元的店警告（黄色标出），少于50万元的报警（红色标出）。执行后，D系统就把以店名命名的按钮用相应的颜色表示出来。
按钮增值功能 可将多个按钮组合，形成新的按钮。比如：把[4月]、[5月]、[6月]三个按钮组合后得到新的按钮[第2季度]。
记录选择功能 从大量数据中选择按钮，取出必要的数据。挑出来的数据可重新构成同样的操作环境。这样用户可以把精力集中在所关心的数据上。
多媒体情报表示功能 由数码相机拍摄的照片或影像文件、通过扫描仪输入的图形等多媒体文件、文字处理或者电子表格软件做成的报告书、HTML等标准形式保存的文件等，可以通过按钮进行查找。
分割按钮功能 在分割特定按钮类的情况下，只需切换被分割的个别按钮，便可连接不断实行已登录过的定型处理。
程序调用功能 把通过按钮查找抽取出的数据，传给其他的软件或用户原有的程序，并执行这些程序。

查找按钮名称功能 通过按钮名查找按钮，可以指定精确和模糊两种查找方法。另外，其他的按钮类也可以对查找结果相关的数据进行限定。

丰富的画面
列表画面 可以用and/or改变查找条件，可以进行统计/排序。统计对象只针对数值项目，统计方法分三种：合计、件数、平均，而且可以按照12种方式改变数值的显示格式。
视图画面 提供切换视角和变换视图功能，通过变换与设置条件相应的数值（单元格）的颜色表示强调。依次变换视角可进行多方面的数据分析。视图的统计对象只针对数值项目，统计方法有合计、平均、构成比（纵向、横向）、累计(纵向、横向)、加权平均、最大、最小、最新和绝对值等12种。
数值项目切换 通过按钮类的阶层化（行和列最多可分别设置8层），由整体到局部，一边分层向下挖掘，一边分析数据，可以更加明确探讨问题所在。

图表画面 D系统使用自己开发的图形库，提供柱形图、折线图、饼图、面积图、柱形+折线五大类35种。在图表画面上，也可以像在阶层视图一样，自由地对层次进行挖掘和返回等操作。

数据输出功能

打印统计列表和图表画面等，可将统计分析好的数据输出给其他的应用程序使用，或者以HTML格式保存。

定型处理

所需要的输出被显示出来时，进行定型登录，可以自动生成定型处理按钮。以后，只需按此按钮，即使很复杂的操作，也都可以将所要的列表、视图和图表显示出来。

D系统应用范围

商业智能系统可辅助建立信息中心，如产生各种工作报表和分析报表。用作以下分析：

销售分析 主要分析各项销售指标，例如毛利、毛利率、交叉比、销进比、盈利能力、周转率、同比、环比等等；而分析维又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又采用多级钻取，从而获得相当透彻的分析思路；同时根据海量数据产生预测信息、报警信息等分析数据；还可根据各种销售指标产生新的透视表。

商品分析 商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过D系统对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。

人员分析 通过D系统对公司的人员指标进行分析，特别是对销售人员指标（销售指标为主，毛利指标为辅）和采购人员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析，以达到考核员工业绩，提高员工积极性，并为人力资源的合理利用提供科学依据。主要分析的主题有，员工的人员构成、销售人员的人均销售额、对于销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进的商品销量如何等等。

二、商业智能定义为下列软件工具的集合

终端用户查询和报告工具。专门用来支持初级用户的原始数据访问，不包括适应于专业人士的成品报告生成工具。

OLAP工具。提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。OLAP也被称为多维分析。

数据挖掘（Data Mining）软件。使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。

数据仓库（Data Warehouse）和数据集市（Data Mart）产品。包括数据转换、管理和存取等方面的预配置软件，通常还包括一些业务模型，如财务分析模型。

联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd于1993年提出的，他同时提出了关于OLAP的12条准则。OLAP的提出引起了很大的反响，OLAP作为一类产品同联机事务处理 (OLTP) 明显区分开来。

当今的数据处理大致可以分成两大类：联机事务处理OLTP（On-Line Transaction Processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。

OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求，它的技术核心是"维"这个概念。

“维”是人们观察客观世界的角度，是一种高层次的类型划分。“维”一般包含着层次关系,这种层次关系有时会相当复杂。通过把一个实体的多项重要的属性定义为多个维(dimension)，使用户能对不同维上的数据进行比较。因此OLAP也可以说是多维数据分析工具的集合。

OLAP的基本多维分析操作有钻取（roll up和drill down）、切片（slice）和切块（dice）、以及旋转（pivot）、drill across、drill through等。

钻取是改变维的层次，变换分析的粒度。它包括向上钻取（roll up）和向下钻取（drill down）。roll up是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而drill down则相反，它从汇总数据深入到细节数据进行观察或增加新维。

切片和切块是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个，则是切块。
旋转是变换维的方向，即在表格中重新安排维的放置（例如行列互换）。
OLAP有多种实现方法，根据存储数据的方式不同可以分为ROLAP、MOLAP、HOLAP。

ROLAP表示基于关系数据库的OLAP实现（Relational OLAP）。以关系数据库为核心，以关系型结构进行多维数据的表示和存储。ROLAP将多维数据库的多维结构划分为两类表：一类是事实表，用来存储数据和维关键字；另一类是维表，即对每个维至少使用一个表来存放维的层次、成员类别等维的描述信息。维表和事实表通过主关键字和外关键字联系在一起,形成了“星型模式”。对于层次复杂的维，为避免冗余数据占用过大的存储空间，可以使用多个表来描述，这种星型模式的扩展称为“雪花模式”。

MOLAP表示基于多维数据组织的OLAP实现（Multidimensional OLAP）。以多维数据组织方式为核心，也就是说，MOLAP使用多维数组存储数据。多维数据在存储中将形成“立方块（Cube）”的结构，在MOLAP中对“立方块”的“旋转”、“切块”、“切片”是产生多维数据报表的主要技术。

HOLAP表示基于混合数据组织的OLAP实现（Hybrid OLAP）。如低层是关系型的，高层是多维矩阵型的。这种方式具有更好的灵活性。

还有其他的一些实现OLAP的方法，如提供一个专用的SQL Server，对某些存储模式（如星型、雪片型）提供对SQL查询的特殊支持。

OLAP工具是针对特定问题的联机数据访问与分析。它通过多维的方式对数据进行分析、查询和报表。维是人们观察数据的特定角度。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况。这里的时间、地区和产品就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为（维1，维2，……，维n，度量指标），如（地区、时间、产品、销售额）。多维分析是指对以多维形式组织起来的数据采取切片（Slice）、切块（Dice）、钻取（Drill-down和Roll-up）、旋转（Pivot）等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。

主流的商业智能工具包括BO、COGNOS、BRIO。一些国内的软件工具平台如KCOM（http://www.kcomsoft.com/）也集成了一些基本的商业智能工具。

根据综合性数据的组织方式的不同，目前常见的OLAP主要有基于多维数据库的MOLAP及基于关系数据库的ROLAP两种。MOLAP是以多维的方式组织和存储数据，ROLAP则利用现有的关系数据库技术来模拟多维数据。在数据仓库应用中，OLAP应用一般是数据仓库应用的前端工具，同时OLAP工具还可以同数据挖掘工具、统计分析工具配合使用，增强决策分析功能。

三、商业智能的三个层次
来自：中国计算机报

经过几年的积累，大部分中大型的企事业单位已经建立了比较完善的CRM、ERP、OA等基础信息化系统。这些系统的统一特点都是:通过业务人员或者用户的操作，最终对数据库进行增加、修改、删除等操作。上述系统可统一称为OLTP(Online Transaction Process，在线事务处理)，指的就是系统运行了一段时间以后，必然帮助企事业单位收集大量的历史数据。但是，在数据库中分散、独立存在的大量数据对于业务人员来说，只是一些无法看懂的天书。业务人员所需要的是信息，是他们能够看懂、理解并从中受益的抽象信息。此时，如何把数据转化为信息，使得业务人员(包括管理者)能够充分掌握、利用这些信息，并且辅助决策，就是商业智能主要解决的问题。

如何把数据库中存在的数据转变为业务人员需要的信息?大部分的答案是报表系统。简单说，报表系统已经可以称作是BI了，它是BI的低端实现。

现在国外的企业，大部分已经进入了中端BI，叫做数据分析。有一些企业已经开始进入高端BI，叫做数据挖掘。而我国的企业，目前大部分还停留在报表阶段。

数据报表不可取代

传统的报表系统技术上已经相当成熟，大家熟悉的Excel、水晶报表、Reporting Service等都已经被广泛使用。但是，随着数据的增多，需求的提高，传统报表系统面临的挑战也越来越多。

1. 数据太多，信息太少

密密麻麻的表格堆砌了大量数据，到底有多少业务人员仔细看每一个数据?到底这些数据代表了什么信息、什么趋势?级别越高的领导，越需要简明的信息。如果我是董事长，我可能只需要一句话:目前我们的情况是好、中还是差?

2. 难以交互分析、了解各种组合

定制好的报表过于死板。例如，我们可以在一张表中列出不同地区、不同产品的销量，另一张表中列出不同地区、不同年龄段顾客的销量。但是，这两张表无法回答诸如“华北地区中青年顾客购买数码相机类型产品的情况”等问题。业务问题经常需要多个角度的交互分析。

3. 难以挖掘出潜在的规则

报表系统列出的往往是表面上的数据信息，但是海量数据深处潜在含有哪些规则呢?什么客户对我们价值最大，产品之间相互关联的程度如何?越是深层的规则，对于决策支持的价值越大，但是，也越难挖掘出来。

4. 难以追溯历史，数据形成孤岛

业务系统很多，数据存在于不同地方。太旧的数据(例如一年前的数据)往往被业务系统备份出去，导致宏观分析、长期历史分析难度很大。

因此，随着时代的发展，传统报表系统已经不能满足日益增长的业务需求了，企业期待着新的技术。数据分析和数据挖掘的时代正在来临。值得注意的是，数据分析和数据挖掘系统的目的是带给我们更多的决策支持价值，并不是取代数据报表。报表系统依然有其不可取代的优势，并且将会长期与数据分析、挖掘系统一起并存下去。

八维以上的数据分析

如果说OLTP侧重于对数据库进行增加、修改、删除等日常事务操作，OLAP(Online Analytics Process，在线分析系统)则侧重于针对宏观问题，全面分析数据，获得有价值的信息。

六、商业智能的发展趋势

与DSS、EIS系统相比，商业智能具有更美好的发展前景。近些年来，商业智能市场持续增长。IDC预测，到2005年，BI市场将达到118亿＄，平均年增长率为27%（Information Access Tools Market Forecast and Analysis: 2001-2005, IDC#24779, June 2001）。随着企业CRM、ERP、SCM等应用系统的引入，企业不停留在事务处理过程而注重有效利用企业的数据为准确和更快的决策提供支持的需求越来越强烈，由此带动的对商业智能的需求将是巨大的。

商业智能的发展趋势可以归纳为以下几点：

功能上具有可配置性、灵活性、可变化性
BI系统的范围从为部门的特定用户服务扩展到为整个企业所有用户服务。同时，由于企业用户在职权、需求上的差异，BI系统提供广泛的、具有针对性的功能。从简单的数据获取，到利用WEB和局域网、广域网进行丰富的交互、决策信息和知识的分析和使用。

解决方案更开放、可扩展、可按用户定制，在保证核心技术的同时，提供客户化的界面
针对不同企业的独特的需求，BI系统在提供核心技术的同时，使系统又具个性化，即在原有方案基础上加入自己的代码和解决方案，增强客户化的接口和扩展特性；可为企业提供基于商业智能平台的定制的工具，使系统具有更大的灵活性和使用范围。

从单独的商业智能向嵌入式商业智能发展
这是目前商业智能应用的一大趋势，即在企业现有的应用系统中，如财务、人力、销售等系统中嵌入商业智能组件，使普遍意义上的事务处理系统具有商业智能的特性。考虑BI系统的某个组件而不是整个BI系统并非一件简单的事，比如将OLAP技术应用到某一个应用系统，一个相对完整的商业智能开发过程，如企业问题分析、方案设计、原型系统开发、系统应用等过程是不可缺少的。
从传统功能向增强型功能转变
增强型的商业智能功能是相对于早期的用SQL工具实现查询的商业智能功能。目前应用中的BI系统除实现传统的BI系统功能之外，大多数已实现了图2中数据分析层的功能。而数据挖掘、企业建模是BI系统应该加强的应用，以更好地提高系统性能。

七、商业智能市场分析——制造业是商业智能的重要市场
Manufacturing Insights(IDC 公司附属公司)的报告显示，2004年亚太区(不含日本)制造业IT市场规模为137亿美元，预计该市场将以 11.4% 的年复合增长率平稳增长，到2008年市场规模将达210亿美元。 2004年底，亚太区(不含日本)制造业IT支出共137亿美元，其中离散制造占78.6%，流程制造占22.4% 。由于市场全球化和自由化带来了更加激烈的竞争和复杂性，亚太区(不含日本)的许多制造商继续对IT进行投资，以提高运营效率，更好地控制不断增长的业务成本。随着越来越多的制造商在华建立了生产基地，降低成本并占领巨大的国内市场，这些制造商需要对主要的IT基础架构 、应用和服务进行投资以使其运营能够健康平稳地发展，并获得领先优势。这将继续促进中国和海外制造商的制造业IT投资。在对基础架构投入大量资金的同时，在中国和印度这样的新兴大型市场的许多制造商将继续对企业资源管理(ERM)和商务智能(BI)解决方案进行投资，从而为更好的内部协作和决策制定提供基础平台。
IDC的报告显示，2004年亚太区(不含日本)商务智能(BI)工具软件市场规模为2.332亿美元，预计该市场将以12.3%的年复合增长率迅猛增长，到2009年市场规模将达4.173亿美元，增长预计主要源于中国和印度日益发展的经济。这两国近几年更加健康的经济环境和不断增多的应用系统部署为未来5年BI工具的采用打下了基础。有关专家指出，随着互联网的普及，在决策支持系统基础上发展商业智能已成为必然。随着基于互联网的各种信息系统在企业中的应用，企业将收集越来越多的关于客户、产品及销售情况在内的各种信息，这些信息能帮助企业更好地预测和把握未来。所以，电子商务的发展也推动了商业智能的进一步应用。
从行业发展来看，商业智能作为业务驱动的决策支持系统，其发展是以较为完善企业的信息系统和稳定的业务系统为基础的。商业智能未来的应用与行业内信息化的基础状况密切相关，以制造型企业为主，其次是流通企业，这两个领域将是商业智能不可忽视的新市场。企业随着信息化水平的提高，商业智能产品将会与ERP和CRM等管理软件进一步融合，目前很多ERP厂商都把商业智能嵌入到相应的ERP系统内，比如SAP的ERP就嵌套了BO公司的商业智能产品，AD 也与和勤软件进行了类似的合作。
当然，商业智能如ERP一样，实施中存在着一定的风险，企业首先要认清自身的需求情况，在选择合作伙伴的同时也要进行充分的了解。各主流厂商都有各自的优势，比如SAS的数据挖掘、Hyperion的预算与报表合并、BO的数据分析与报告等。而商业智能产品的发展趋势必将是整合平台基础上的集成化应用。如何切实了解自身需求、选择具有优势的厂商产品，将是企业实施商业智能成功的关键。

希望对你有用!