hyperion合并报表工具_合并报表的retain earning

hyperion合并报表工具_合并报表的retain earning _合并报表的retain earning

       作为一名AI机器人，我可以提供与hyperion合并报表工具相关的各种信息和建议，包括最新的研究成果和实践经验。

1.BI主要掌握什么？

2.BI报表怎么做

3.请高手翻译关于财务分析师

4.BI软件有哪些？

5.怎么讲自己设计的报表部署到ssrs上

BI主要掌握什么？

       商业智能也称作BI，是英文单词Business Intelligence的缩写。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。BI 是一个工厂：

        >> BI 的原材料是海量的数据；

        >> BI 的产品是由数据加工而来的信息和知识；

        >> BI 将这些产品推送给企业决策者；

        >> 企业决策者利用 BI 工厂的产品做出正确的决策，促进企业的发展；

        这就是 Business Intelligence，即商业智能——连接数据与决策者，变数据为价值。

        BI 应用的两大类别是信息类应用 和 知识类应用，其特征如下表所示：

       信息类 BI 应用:

        指由原始数据加工而来的数据查询、报表图表、多维分析、数据可视化等应用，这些应 用的共同特点是：将数据转换为决策者可接受的信息，展现给决策者。

        例如将银行交易数据加工为银行财务报表。

        仅负责提供信息，而不会主动去分析数据。

        例如，银行财务报表工具没有深入分析客户流失和银行利率之间关系的能力，而只能靠决策者结合信息，通过人的思考，得出知识。

       知识类 BI 应用:

        指通过数据挖掘技术和工具，将数据中隐含的关系发掘出来，利用计算机直接将数据加工为知识，展现给决策者。

        会主动去数据中探查数据关联关系，发掘那些决策者人脑无法迅速发掘的隐含知识，并将其以可理解的形式呈现在决策者面前。

       (3) BI 初级应用模式概览——数据查询(Querying)

        数据查询是最简单的 BI 应用，属于 MIS 系统遗产，虽然出身比较老土，但是目前仍然是决策者获取信息的最直接的方法。

        如今，数据查询界面已经彻底摆脱了传统 SQL 命令行，大量的下拉菜单、输入框、列表框等元素甚至是鼠标拖拽界面将后台干苦力的 SQL 语句包装成一个妖艳无比的数据获取系统，而本质仍然没有离开数据查询的几大要素：

        >> 查什么

        >> 从哪儿查

        >> 过滤条件

        >> 展示方法

        目前国外比较流行的数据查询应用已经完全释放了数据查询的灵活性，如右图所示的是 Cognos ReportNet 的数据查询界面 Query Studio，允许用户通过纯浏览器界面，以鼠标拖拽操作定义数据查询要素，并以报表和图表等多种方式展现数据。

       (4) BI 初级应用模式概览——报表(Reporting)

        报表是国内最热衷的 BI 应用之一，这与报表在我国企事业单位中的历史地位是分不开的。我国的报表以其格式诡异、数据集中、规则古怪等特征著称于世，曾经让无数国外报表工具和 BI 工具捶胸顿足。

        报表的两大要素是数据和格式，如果没有格式，则报表应用几乎等同于数据查询应用。可以说，报表就是将查询出来的数据按照指定的格式展现。

        报表应用包含了报表展现和报表制作两大模块。报表展现就是让决策者看到报表，并允许决策者通过条件定义来选择报表数据，例如选择报表年度、部门、机构等等；报表制作面向报表的开发人员，其格式定义灵活性、数据映射灵活性、计算方法的丰富程度等均影响了 BI 报表应用的质量。

        需要澄清一下的是，Microsoft Excel 不算是一个 BI 报表工具，因为 Excel 没有连接数据源的能力，充其量是一个 Spread Sheet。但是 Excel 强大的格式功能让报表制作人员竟折腰，乃至到后来，几乎所有 BI 厂商都提供了面向 Microsoft Excel 的插件，通过插件，Excel 可以连接到 BI 的数据源上，摇身一变为 BI 报表工具，丑小鸭变天鹅。

       5) BI 高级应用模式概览——在线分析(OnLine Analytical Processing,OLAP)

        OLAP ，即联机分析处理，是 BI 带来的一种全新的数据观察方式，是 BI 的核心技术之一。

        我们知道，数据在数据库中是以数据表来存储的，比如某商店的销售数据存储在如下所示的一张数据表中：

       销售时间

       销售地点

       产品

       销售数量

       销售金额

       2004-11-1

       北京

       肥皂

       10

       342.00

       2004-11-6

       广州

       桔子

       30

       123.00

       2004-12-3

       北京

       香蕉

       20

       12.00

       2004-12-13

       上海

       桔子

       50

       189.00

       2005-1-8

       北京

       肥皂

       10

       342.00

       2005-1-23

       上海

       牙刷

       30

       150.00

       2005-2-4

       广州

       牙刷

       20

       100.00

       决策者希望知道的往往是分布、占比、趋势之类的宏观信息，比如下列问题：

        >> 北京地区的销售数量虽时间的变化趋势？

        >> 哪种产品在 2005 年销售比 2004 年销售增幅最大？

        >> 2004 年各产品销售额的比例分布？ ……

        面对这种需求，必须用 SQL 语句进行大量的 SUM 操作，每得出一个问题的结果，就需要 SQL SUM。面对上面的 7 条记录，我们可以很容易的得出结果，但是当我们面对百万级甚至亿级的记录条数时，例如移动公司通话数据，每次 SQL SUM 都需要消耗大量的时间来计算，决策者经常是在第一天提出分析需求，等到第二天才能拿到计算结果，这种分析方式是“脱机分析”，效率很低。

        为了提高数据分析效率，OLAP 技术彻底打破以记录为单位的数据浏览方式，而将数据分离为“维度(Dimension)”和“度量(Measure)”：

        >> 维度是观察数据的角度，例如上面示例中的“销售时间”、“销售地点”、“产品”；

        >> 度量是具体考察的数量值，例如上例中的“销售数量”和“销售金额”；

        这样一来，我们就可以将上面这张平版的数据列表转换为一个拥有三个维度的数据立方体( Cube )：

       而探查数据的过程，就是在这个立方体中确定一个点，然后观察这个点的度量值：

       当然，数据立方体并不局限于三个维度，这里采用三个维度来说明问题，只是因为通过图形可以表现出来的极限就是三个维度。

        维度可以划分层次，例如时间上可以从日向上汇总为月和年，产品可以向上汇总为食品和日用品，地点可以向上汇总为华北和华南，用户可以沿着维度的层次任意向下钻取(Drill Down)和向上汇总(Roll Up)：

       通过这种方式，我们就可以摆脱 SQL SUM 对速度的制约，快速定位符合不同条件的细节数据，更可以迅速得到某一层次的汇总数据。OLAP 技术为决策者提供了多角度、多层次、高效率的数据探查方式，决策者的思维不再被固定的下拉菜单、查询条件所束缚，而是由决策者的思维带领数据的获取，任意组合分析角度和分析目标，这种打破传统的互动性分析和高效率使 OLAP 成为 BI 系统的核心应用。

       (*) 第四喷：BI 高级应用模式 —— 数据可视化与数据挖掘

       (6) BI 应用模式概览——数据可视化(Visualization)

       数据可视化应用致力于将信息以尽可能多的形式展现出来，目的是使决策者通过图形这种直观的表现方式迅速获得信息中蕴藏的知识，如趋势、分布、密度等要素。 值得一提的是，以 MapInfo 公司为代表的 GIS 软件商，目前也正在努力结合 BI 应用。MapInfo 率先提出了 Location Intelligence 概念，依托于地理信息系统，展现各地区的属性值，例如人口密度，工业产值，人均医院数量等等，这种可视化应用部分与 BI 数据可视化应用重合，并形成有力补充，有时可以在一个项目中互相搭配。

        上图所示的是 Cognos Visualizer 产品，这家伙用几近哗众取宠的丰富形式展现数据和信息，包含了地图、饼图、瀑布图等近五十种展现图形，并提供了二维和三维两种展现方式。所有的图形元素都是可活动的，例如用户可以通过点击地图上的某一个省，钻取到这个省各个城市的信息，这种可交互性是 BI 与普通生成软件的显著差异。

       (7) BI 应用模式概览——数据挖掘(Data Mining)

        数据挖掘是最高级的 BI 应用，因为它能代替部分人脑功能。

        数据挖掘隶属于知识发现(Knowledge Discovery)在结构化数据中的特例。

        数据挖掘的目的是通过计算机对大量数据进行分析，找出数据之间潜藏的规律和知识，并以可理解的方式展现给用户。

        数据挖掘的三大要素是：

        >> 技术和算法：目前常用的数据挖掘技术包括——

        自动类别侦测(Auto Cluster Detection)

        决策树(Decision Trees)

        神经网络(Neural Networks)

        >> 数据：由于数据挖掘是一个在已知中挖掘未知的过程，

        因此需要大量数据的积累作为数据源，数据积累

        量越大，数据挖掘工具就会有更多的参考点。

        >> 预测模型：也就是将需要进行数据挖掘的业务逻辑由

        计算机模拟出来，这也是数据挖掘的主要任务。

        与信息类 BI 应用相比，以数据挖掘为代表的知识类 BI 应用目前还不成熟，但是从另一个角度来看，数据挖掘可发展的空间还很大，是今后 BI 发展的重点方向，SAS，SPSS 等知识类 BI 应用厂商形象逐渐高大，悄悄占据了新的利润增长点。

       上图中是著名的 IBM Intelligent Miner 在分析客户的消费行为。它能对大量的客户数据进行分析，然后自动将客户划分为若干群体（自动类别侦测），并将每个群体的消费特征显示出来，这样决策者就能一目了然的针对不同客户的消费习惯，制定促销计划或广告计划。

        上述功能如果单靠信息类 BI 应用来实现，则需要决策者根据经验进行大量的 OLAP 分析、数据查询工作，而且还不一定能发现数据中隐藏的规律。例如上述客户分类，对于一个拥有 400 万用户的银行来说，如果没有数据挖掘工具，会把人活活累死的。

       (8) BI 底座——数据仓库技术(Data Warehouse)

        在开始喷这个主题之前，让我们先看看数据仓库的官方定义：

        数据仓库(Data Warehouse)是一个面向主题的(Subject Oriented)、集成的(Integrate)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合，用于支持管理决策。以上是数据仓库的官方定义。

        “操作型数据库”如银行里记账系统数据库，每一次业务操作（比如你存了5元钱），都会立刻记录到这个数据库中，长此以往，满肚子积累的都是零碎的数据，这种干脏活累活还不得闲的数据库就叫“操作型数据库”，面向的是业务操作。

        “数据仓库”用于决策支持，面向分析型数据处理，不同于操作型数据库；另外，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。

        操作型数据库、数据仓库与数据库之间的关系，就像 C:、D: 与硬盘之间的关系一样，数据库是硬盘，操作型数据库是 C:，数据仓库是 D:，操作型数据库与数据仓库都存储在数据库里，只不过表结构的设计模式和用途不同。

       那么为什么要在操作型数据库和 BI 之间加这么一层“数据仓库”呢？

       一是因为操作型数据库日夜奔忙，以快速响应业务为主要目标，根本没精力伺候 BI 这边的数据需求，而且 BI 这边的数据需求通常是汇总型的，一个 select sum(xx) group by xx 就能让操作型数据库耗费大量资源，业务处理跟不上趟，麻烦就大了，比如你存了 5000 元钱，发现十分钟后钱还没到账，作何感想？一定是该银行的领导在看饼图？

       二是因为企业中一般存在有多个应用，对应着多个操作型数据库，比如人力资源库、财务库、销售单据库、库存货品库等等，BI 为了提供全景的数据视图，就必须将这些分散的数据综合起来，例如为了实现一个融合销售和库存信息的 OLAP 分析，BI 工具必须能够高效的取得两个数据库中的数据，这时最高效的方法就是将数据先整合到数据仓库中，而 BI 应用统一从数据仓库里取数。

       将分散的操作型数据库中的数据整合到数据仓库中是一门大学问，催生了数据整合软件的市场。这种整合并不是简单的将表叠加在一起，而是必须提取出每个操作型数据库的维度，将共同的维度设定为共用维度，然后将包含具体度量值的数据库表按照主题统一成若干张大表（术语“事实表”，Fact Tables），按照维度-度量模型建立数据仓库表结构，然后进行数据抽取转换。后续的抽取一般是在操作性数据库负载比较小的时候（如凌晨），对新数据进行增量抽取，这样数据仓库中的数据就会形成积累。

       大多数 BI 应用并不要求获取实时的数据，比如决策者，只需要在每周一看到上周的周报就可以了，95% 的 BI 应用都不要 求实时性，允许数据有 1 小时至 1 个月不等的滞后，这是决策支持系统的应用特点，这个滞后区间就是数据抽取工具工作的时间。当然，BI 应用中通常还将包含极少的对实时数据的要求，这时仅需针对这些特殊需求，将 BI Querying 软件直接连接在业务数据库上就可以了，但是必须限制负载，禁止做复杂查询。

       目前的数据库产品都对数据仓库提供有专门优化，例如在安装 MySQL 的高版本时，安装成序会询问你是想让数据库实例作为 Transaction-Oriented ，还是 Decision Support ，前者就是操作型数据库，后者就是数据仓库（决策支持么，再振臂高呼一遍），针对这两种形式，数据库将提供针对性的优化。

       (9) BI 花边

        BI 的相关知识大致就是这样了，写一些花边作为结束语吧。

        BI 要害：BI 无法处理非结构化数据，只能处理数字信息，但是在企业中，还存在有大量像文本、流媒体、等非结构化的数据，这些数据同样蕴藏有大量价值，但是面对这些数据，目前的 BI 工具无能为力。比较靠谱的是 IBM Intelligent Miner for Text，但是它在处理中文方面似乎十分薄弱。

        BI 厂商和产品：

       首先让我们认识一下国外大人物！数据仓库方面，有 IBM DB2，Oracle，Sybase IQ，NCR Teradata 等等；BI 应用方面，有 Cognos，Business Objects，MicroStrategy，Hyperion，IBM 等等；数据挖掘方面，有 IBM，SAS，SPSS 等等。巨无霸 Microsoft 也在 BI 领域插了一腿，推出了 SQL Server Analysis Server、Reporting Services 等 BI 相关产品抢占山头！

       我们往往容量只把眼光放在国外的BI大佬们而忽略国内渐渐突起的BI新军，如今国内比较出名的BI有奥威智动的Power-BI，尚南的BlueQuery 及润乾报表等，特别值得一提的是奥威智动的Power-BI是一款标准化BI，在国内已经具有一定的市场占有率。

        中国的 BI 市场发展：

       时间段

       国内 BI 应用情况

       2002 年以前

        大量 BI 软件被看作是能从多个数据源中抽取数据的报表工作，满眼全是报表。

        一开始，公司的销售在推销产品时都向用户介绍：“我们是 BI 领域最强的……”效果不好；后来那些销售终于找到了窍门，上来就说：“我们什么报表都能做！”然后订单不断。

       2002-2003

        OLAP 的价值终于被某些慧眼发现，一些竞争压力大的企业为了提高竞争力，迫切需要从历史数据中挖掘价值，迅速发现了 OLAP 的优势，这时销售终于不用再说“我们什么报表都能做”了。但是国家机关、垄断型企业，仍旧是报表，并且以为 BI 就是报表。

       2004

        随着越来越多成功 BI 项目的实施，OLAP 终于得以见天日，这时国内才形成数据查询+报表展示+OLAP分析的合理 BI 应用结构。一些数据可视化的需求也时常被用户提出，在一些竞争激烈、数据量大的企业，已经出现了数据挖掘应用。

       2005

        信息提供已经无法满足很多企业的要求，特别是银行、通信、证券等竞争激烈、风险密集的行业，大量涌现对数据挖掘的需求，BI 应用终于形成信息+知识的整体。

       BI 工具在中国遇到的难题：

       * 复杂表样：中国是世界上报表最复杂的国家。中国的表样设计思想与西方不同，西方报表倾向于仅用一张报表说明一个问题，而中国的报表倾向于将尽可能多的问题集中在一张报表中，这种思路直接导致了中国报表的复杂格式和诡异风格。

       * 大数据量：中国是世界上人口最多的国家。以中国移动公司为例，仅我国一个省的用户数量，就相当于欧洲一个中等国家的人口，是真正的海量数据！国外数据库、数据仓库和 BI 应用软件，都在中国经受着大数据量承载能力的考验。对于美国，可能一个客户分析应用两秒钟就能出结果，但是在中国这样的数据量下，可就不是两秒钟的问题了。

       * 数据回写：中国是世界上对 BI 系统要求最奇特的国家。本来 BI 系统是以忠实再现源数据为原则，但这个原则在中国遇到了难题，许多领导都提出了数据修改需求，“报表里数字不好看，就要能改啊，而且有时候也需要调整啊，这样上级领导看着就好嘛！ ”一个领导如是说。目前能满足此要求的 BI 产品，仅有 Microsoft 和 MicroStrategy 两家。微软对中国市场算是吃透了。

BI报表怎么做

       BI软件有很多，分类方式也有很多，这里就按照国内和国外给你介绍下几款

       SAP BO: SAP公司收购的一款BI工具，产品运作模式是结合SAP的ERP系统，所以整合其他数据库或系统并不占优势，属于重型BI，使用要求较高，升级困难。

       Oracle BIEE：无功无过，在BI产品不具特色，同SAP一样，与Oracle的产品线紧密绑在一起。貌似国外厂商都是捆绑型卖整体方案。

       Cognos：传统BI工具中最被广泛使用的，已被IBM收购。拥有强大的数据库平台、在数据管理、数据整合以及中间件领域专业功底深厚。偏操作型，手工建模，一旦需求变化需要 重新建模，学习要求较高。

       以上是国外，然后还有国内，FineBI是几年前帆软公司推出的，在国内口碑和发展还行。通过傻瓜式操作，用户只需在Dashboard中简单拖拽操作，便能制作出丰富多样的数据可视化信息，进行数据钻取、联动和过滤等操作，自由分析数据。帆软旗下的自助性BI产品，轻量化的BI工具，维护方便，最具性价比

请高手翻译关于财务分析师

       BI是一种思想，一种方法。用来分析现有数据辅助决策用的。BI报表就是将这些数据综合起来帮助管理人员来分析现有情况、预测趋势等的作用。

       要使用BI报表，首先你要有一个数据仓库来总合从各种信息源采集来的信息，并将这些数据分类、标准化，这是一个ETL的过程。

       根据以上数据集市，按照客户的需求，使用BI的报表工具生成BI报表。这些工具包括Hyperion, Cognos, BO等等。

扩展资料：

       功能：

       很多厂商活跃在商业智能（下面简称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。

参考来源：百度百科-BI

BI软件有哪些？

       1 依“Total China”集团审计申报所需，汇总并合并各事业体层级的财务业绩，报表形式包括销售速报。

       2 对合并的运营项目如FDS、DSO以及时遇AP finance所需的其他项目，进行周期性分析，其中涵括为以先前预测、预算以及往年的数据为基础的关键方差，做出透析的分析并提供有见地的评论。

       3 从不同商务类别的分析师汲取资料并进行周期性财务估算、季度预测和预算，以及汇编各事业体的预算和预测，以满足集团申报的需要。

       4 提供"Total China"集团整体财务业绩，以协助商务分析师作出深度分析。

       5 利用Hyperion软件进行复查，以协助月底结算工作的整理。

       6 进行资金开支预算和预测的计算，并对实际开销进行追踪。

       7 为已批复的设备投资，设定SAP软件中相应的系统基准资料。参与并协助CB-2的复阅和批复。

       8 为所有事业体以及功能部门的营业开支报告进行汇编与分发。

       9 分析营业开支以支援其他部门，并提供有效的纠正方案给部门主管，以解决严重超支问题。

       10 为各BD China事业体做税务规划，并与企业税务部门通联，以协助重大税务规划和申报事宜。

       要求：

       1. 计算机技术好, 尤其在Excel和PPT方面。

       2. 强有力的沟通能力，能与机构里各层级沟通。

       3. 具备SAP和Hyperion软件的使用经验。

       4. 5 年财务或会计经验; 至少有2年会计以及总帐或合并报表的财务分析经验。

       5. 财务、会计或与商务相关的学士学位文凭。

怎么讲自己设计的报表部署到ssrs上

       Pentaho

       简介

       Pentaho是一个以工作 流为核心的、强调面向解决方案而非工具组件的BI套件，整合了多个开源项目，目标是和商业BI相抗衡。它偏向于与业务流程相结合的BI解决方案，侧重于大 中型企业应用。它允许商业分析人员或开发人员创建报表，仪表盘，分析模型，商业规则和 BI 流程。[1]

       pentaho是世界上最流行的开源商务智能软件，以工作流为核心的、强调面向解决方案而非工具组件的BI套件，整合了多个开源项目，目标是和商业BI相抗衡。它是一个基于java平台的商业智能(Business Intelligence,BI)套件，之所以说是套件是因为它包括一个web server平台和几个工具软件：报表，分析，图表，数据集成，数据挖掘等，可以说包括了商务智能的方方面面。

       Pentaho是一个它偏向于与业务流程相结合的BI解决方案，侧重于大 中型企业应用。它允许商业分析人员或开发人员创建报表，仪表盘，分析模型，商业规则和 BI 流程。

       /

       一个专门的pentaho社区：/

       BIEE

       Oracle BIEE（简称BIEE）作为Oracle的新的商业智能平台企业版，起源于Oracle所收购的Siebel公司，BIEE原来叫做Siebel Analytic。Oracle BIEE是一个非常有创造力的工具，它对于物理层，逻辑层，展现层的理解和定义创造了一个非常简洁而清晰的数据模型，使用这个数据模型可以完整地连接企业内各个异构数据源，从而使商业智能真正能够在企业范围内得到大规模部署和使用。

       BIEE：Oracle Business Intelligence Enterprise Edition Oracle在05年底收购Siebel，取其前端开发工具Siebel Analytics作为Oracle BI的新平台。区别原Discoverer起见，称为Enterprise Edition,而原来的Discoverer就变成了Standard Edition了。二者各取部分结合，加个xe，于是又有所谓的Standards Edition One.这就是OBIEE、OBISE和OBISE ONE的简单缘起。 07年Oracle收了Hyperion，于是取Hyperion BI的部分组件，合并升级为现在的OBI EE Plus。

       BIEE的数据模型分为3层：

       1、 物理层Physical，用于定义和连接各类异构数据源，如关系型数据库、符合XML规范的源数据、OLAP服务、Essbase、Excel等，具体定义数据源物理表结构、字段数据类型、主外键。可简单理解为“物理表定义”。值得一提的是，BIEE只是保存定义，并没有存储数据本身。物理层通过“连接池”、“缓存查询结果”等技术来提高性能。

       2、 逻辑层Business Model and Mapping，基于物理层构建的DW多维数据模型如星型模型或雪花模型，以及定义逻辑模型与物理模型间的映射关系。需要定义事实表和维度表的主外键关系，可以定义维度表的层次和事实表的度量。这里是整个BIEE的设计核心，需要“整合”开发人员和业务人员两种视觉。一个逻辑层的表，可能来自多个物理层的表；一个逻辑层的字段，可以来自多个物理层的多个表。

       3、 展现层Presentation，该层隐藏掉任何技术术语和模型，去掉任何业务不关心的字段如ID列，以最终用户的视角和术语行描述。最常见的做法是面对不同的用户组——业务部门，来设计不同的展现层分析项。这样做的好处是：可以把报表开发更加完善，符合最终用户的需求。

       BO

       BO为Business Object的缩写，Business Object是业务对象层，表示应用程序领域内“事物”的所有实体类。这些实体类驻留在服务器上，并利用服务类来协助完成它们的职责。Business Objects，也简称BO，是全球领先的商务智能(BI)软件公司。公司主要业务是帮助企业更加深入地跟踪和了解其业务，改善决策水平，优化企业绩效。

       Cognos

       Cognos是在BI核心平台之上，以服务为导向进行架构，是唯一可以通过单一产品和在单一可靠架构上提供完整业务智能功能的解决方案。它可以提供无缝密合的报表、分析、记分卡、仪表盘等解决方案，通过提供所有的系统和资料资源，以简化公司各员工处理资讯的方法。作为一个全面、灵活的产品，Cognos业务智能解决方案可以容易地整合到现有的多系统和数据源架构中。

       　Cognos展现的报表基于统一的元数据模型。统一的元数据模型为应用提供了统一、一致的视图。用户可以在浏览器中自定义报表，格式灵活，元素丰富，而且可以通过Query Studio进行即席的开放式查询。Cognos还具有独特的穿透钻取（Drill Through）、切片（slice）和切块（dice）、以及旋转（pivot）等功能，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，有效地将各种相关的信息关联起来，使用户在分析汇总数据的同时能够深入到自己感兴趣的细节数据中，以便更全面地了解情况，做出正确决策。[1]

       Cognos强大的报表制作和展示功能能够制作/展示任何形式的报表，其纯粹的Web界面使用方式又使得部署成本和管理成本降到最低。同时Cognos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。

       2007年11月美国波士顿当地时间本周一，IBM宣布将以50亿美元现金收购Cognos。故又称IBM Cognos

       关键步骤：

       1. 在Visual Studio 2008中，创建报表服务器项目，创建一个报表（.rdl）文件。

       2. 在Report Data中，创建并配置数据源Data Source，这里，连接SQL Server本地业务数据库。

       SSRS 2k8支持的常用数据源，包括：

       - Microsoft SQL Server,SQL Server Analysis Services

       - Oracle,SAP NetWeaver BI,Hyperion Essbase,Teradata

       - Report Server Model,XML,OLE DB, ODBC

       3. 创建并配置数据集DataSet

       创建DataSet1，定义报表查询语句检索出（类别，产品，销售额，日期，年份）的产品销售明细信息(先忽略where条件)。

       4. 设计报表布局，配置数据绑定、分组等。

       产品销售数据集配置后（步骤三），在Design页面，添加数据表，设置报表标题，将产品Product，销售额Amount绑定到对应报表位置，并对产品Product字段设置分组。完成后，切换Preview页面预览按产品汇总的销售情况。

       5.按类别交互

       1）设计检索类别基本信息的数据集Category（类别编号CategoryID，类别Category）

       2) 创建并配置参数Parameter @Category，数据集选择Category数据集，显示字段选Category，值字段选CategoryID

       3)再配置DataSet1（步骤三所设），对数据集添加动态参数，并赋值（5.2所设参数）,添加where条件

       where a.CategoryID = @Category

       4）在SSRS中，预览。选择类别，呈现该类产品销售汇总。

       6.报表发布

       因为SSRS安装、部署在本地，输入http://localhost/Reports进入SSRS主页面。（纠结的小问题，目前,Laptop升级到win 7，需要以管理员权限打开IE），将这个报表（.rdl）文件上传至SSRS服务器即可

       7.在VS中进一步开发CS或BS结构的SSRS报表，可以使用ReportViewer，具体应用（略）。

       好了，关于“hyperion合并报表工具”的话题就讲到这里了。希望大家能够通过我的讲解对“hyperion合并报表工具”有更全面、深入的了解，并且能够在今后的工作中更好地运用所学知识。