数据生命周期

数据通常被视为静态的东西，输入数据库并稍后查询。但在许多环境中，数据实际上更类似于装配线中的产品，从一个环境移动到另一个环境并且在此过程中正在进行转换。

https://i.stack.imgur.com/h4tDL.jpg

■OLTP：在线事务处理

■DSA：数据暂存区域

■DW：数据仓库

■BISM：商业智能语义模型

■DM：数据挖掘

■ETL：提取，转换和加载

■MDX：多维表达式

■DAX：数据分析表达式

■DMX：数据挖掘扩展

在线交易处理

数据最初输入到在线事务处理（OLTP）系统中。OLTP 系统的重点是数据输入，而不是报告 - 事务主要是插入，更新和删除数据。但是，OLTP 环境不适合报告目的，因为规范化模型通常涉及具有复杂关系的许多表（每个实体一个）。即使是简单的报告也需要连接多个表，导致查询复杂且性能不佳。

数据仓库

数据仓库（DW）是专为数据检索和报告目的而设计的环境。当它服务于整个组织; 这样的环境称为数据仓库; 当它仅服务于组织的一部分或组织中的主题领域时，它被称为数据集市。数据仓库的数据模型的设计和优化主要是为了支持数据检索需求。与 OLTP 环境相比，该模型具有有意冗余，更少的表和更简单的关系，最终使查询更简单，更高效。

从源系统（OLTP 和其他系统）提取数据，操作数据并将其加载到数据仓库中的过程称为提取，转换和加载，或 ETL。

ETL 过程通常涉及在 OLTP 和 DW 之间使用数据暂存区域（DSA）。DSA 通常驻留在关系数据库（如 SQL Server 数据库）中，并用作数据清理区域。DSA 不向最终用户开放。

商业智能语义模型

商业智能语义模型（BISM）是 Microsoft 支持整个 BI 堆栈应用程序的最新模型。我们的想法是提供丰富，灵活，高效和可扩展的分析和报告功能。其架构包括三层：

• 数据模型
• 业务逻辑和查询
• 数据访问

模型的部署可以在 Analysis Services 服务器或 PowerPivot 中。使用 Analysis Services，你可以使用多维数据模型或表格（关系）数据模型。使用 PowerPivot，你可以使用表格数据模型。

业务逻辑和查询使用两种语言：基于多维概念的多维表达式（MDX）和基于表格概念的数据分析表达式（DAX）。

数据访问层可以从不同的源获取其数据：关系数据库，如 DW，文件，云服务，业务线（LOB）应用程序，OData 源等。数据访问层可以在本地缓存数据，也可以直接从数据源充当传递层。

BISM 为用户提供了所有可能问题的答案，但用户的任务是提出正确的问题 - 从数据海洋中筛选出异常，趋势和其他有用信息。

数据挖掘

数据挖掘（DM）是下一步; 数据挖掘模型可以为用户执行此操作，而不是让用户在数据海洋中查找有用信息。也就是说，数据挖掘算法梳理数据并从中筛选出有用的信息。用于管理和查询数据挖掘模型的语言是 Data Mining Extensions(DMX)。