本教程基于虚构公司 Adventure Works Cycles。 Adventure Works Cycles 是一家大型跨国制造公司，生产金属和复合自行车并将其分发到北美、欧洲和亚洲的商业市场。 Adventure Works Cycles 的总部是华盛顿的 Bothell，该公司雇佣了 500 名员工。 此外，Adventure Works Cycles 在其市场基础中雇佣了多个区域销售团队。
近年来，Adventure Works Cycles 收购了位于墨西哥的一家小型制造工厂 Importadores Neptuno。 Importadores Neptuno 为 Adventure Works Cycles 生产线制造了几个关键的子组件。 这些子组件将寄送到 Bothell 位置进行最终产品组装。 2005年，Importadores Neptuno 成为旅游自行车产品集团的唯一制造商和分销商。
在一个成功的会计年度之后，Adventure Works Cycles 现在希望通过将广告面向其最佳客户、通过外部网站扩展产品可用性以及通过降低生产成本来降低销售成本来扩大其市场份额。
当前分析环境
为了支持销售和营销团队和高级管理层的数据分析需求，公司当前从 AdventureWorks2012 数据库获取事务数据，以及电子表格中的销售配额等非事务性信息，并将此信息合并到 AdventureWorksDW2012 关系数据仓库中。 但是，关系数据仓库提出了以下挑战：
报表是静态的。 用户无法以交互方式浏览报表中的数据以获取更详细的信息，例如他们可以使用Microsoft Office Excel 数据透视表。 尽管现有预定义报表集足以供许多用户使用，但更高级的用户需要对数据库进行直接查询访问，以便进行交互式查询和专用报表。 但是，由于 AdventureWorksDW2012 数据库的复杂性，此类用户需要太多时间才能了解如何创建有效的查询。
查询性能是广泛可变的。 例如，某些查询在几秒钟内非常快速地返回结果，而其他查询需要几分钟才能返回。
聚合表难以管理。 为了改进查询响应时间，Adventure Works 的数据仓库团队在 AdventureWorksDW2012 数据库中生成了多个聚合表。 例如，他们生成了一个按月汇总销售额的表。 但是，虽然这些聚合表极大地提高了查询性能，但它们为维护表而生成的基础结构是脆弱的，容易出错。
复杂的计算逻辑被埋在报表定义中，难以在报表之间共享。 由于此业务逻辑是为每个报表单独生成的，因此摘要信息有时在报表之间有所不同。 因此，管理对数据仓库报表的信心有限。
不同业务部门的用户对数据的不同视图感兴趣。 每个组都受到与它们无关的数据元素的干扰和混淆。
对于需要专用报表的用户来说，计算逻辑尤其具有挑战性。 由于此类用户必须为每个报表单独定义计算逻辑，因此无法集中控制如何定义计算逻辑。 例如，一些用户知道他们应该使用基本的统计技术，如移动平均值，但他们不知道如何构造此类计算，因此不使用这些技术。
很难合并相关的信息集。 合并两组相关信息（如销售和销售配额）的专用查询很难让业务用户构造。 此类查询使数据库不知所措，因此公司要求用户从数据仓库团队请求跨主题区域数据集。 因此，只定义了少量预定义报表，用于合并来自多个主题区域的数据。 此外，由于这些报表的复杂性，用户不愿意尝试修改。
报告主要集中在美国的业务信息上。 非美国用户子公司对此焦点非常不满，并希望能够查看不同货币和不同语言的报表。
信息难以审核。 财务部门目前仅使用 AdventureWorksDW2012 数据库作为批量查询的数据源。 然后，他们将数据下载到各个电子表格中，并花费大量时间准备数据和处理这些电子表格。 因此，公司财务报告难以在整个公司进行准备、审核和管理。
解决方案
数据仓库团队最近对当前分析系统进行了设计评审。 审查包括对当前问题和未来需求的差距分析。 数据仓库团队确定AdventureWorksDW2012数据库是一个设计良好的维度数据库，具有统一的维度和代理键。 一致性维度使维度可用于多个数据市场，例如时间维度或产品维度。 代理键是链接维度和事实数据表的人工键，用于确保唯一性和提高性能。 此外，数据仓库团队确定， 在 AdventureWorksDW2012 数据库中加载和管理基表目前没有重大问题。 因此，该团队已决定使用 Microsoft Analysis Services 来完成以下任务：
通过通用元数据层提供统一的数据访问，以便进行分析和报告。
简化用户的数据视图，加快交互式查询和预定义报表的开发速度。
正确构造合并来自多个主题领域的数据的查询。
管理聚合。
存储和重复使用复杂的计算。
向美国以外的业务用户呈现本地化体验。
Analysis Services 教程中的课程提供有关构建满足所有这些目标的多维数据集数据库的指南。 若要开始，请继续学习第一课： 第 1 课：创建新的表格模型项目。