一、Analysis Services

Analysis Services是用于决策支持和BI解决方案的数据引擎。它提供报表和客户端中使用的分析数据。

它可在多用途数据模型中创建高性能查询结构，业务逻辑和KPI(企业关键绩效指标),该数据模型可由任何支持Analysis Services作为数据源的客户端程序访问。

多用途数据模型的创建：使用SQL Server Data Tools,并选择则表格或者多维和数据挖掘项目模板。

多用途数据模型的数据填充：通常是数据仓库

多为数据模型的使用：将它部署在特定服务器模式下运行数据库的Analysis Services实例。并使数据对应用程序连接的授权用户可用。
　　
SSAS是什么？

SSAS使用服务器组件和客户端组件为商业智能程序提供联机分析处理（OLAP）和数据挖掘功能。
商业智能提供的解决方案能够从多种数据源获取数据并且能够把各种数据转化成同一格式数据进行存储，最终达到让用户可以快速访问解读数据，为用户分析和制定决定提供有效的数据支持，那么SSAS就是通过建立多维的数据集来为数据的分析提供更快捷更高校的数据挖掘。

二、结构

SSAS又称挖掘结构，定义生成挖掘模型时依据的数据：它指定源数据视图、列数量和类型以及分为定型集和测试集的可选分区。单个挖掘结构可以支持多个共享同一个域的挖掘模型。

处理数据：源到结构到模型

关系图中的挖掘结构基于包含多个表或视图的数据源，它们按 CustomerID字段进行联接。一个表包含有关客户的信息，例如地理区域、年龄、收入和性别，而相关嵌套表包含每个客户的多行其他相关信息，例如客户已购买的产品。此关系图显示根据一个挖掘结构可以生成多个模型，并且这些模型可以使用该结构中的不同列。

模型1 使用 CustomerID、收入、年龄和区域，并根据区域筛选数据。

模型2 使用 CustomerID、收入、年龄和区域，并根据年龄筛选数据。

模型3 使用 CustomerID、年龄、性别和嵌套表，不使用筛选器。

由于以上模型使用不同的输入列，并且其中两个模型还通过应用筛选器来限制在模型中使用的数据，因此即使这些模型基于相同数据，其结果也将大不相同。请注意，CustomerID 列在所有模型中都是必需的，因为它是可作为事例键使用的唯一可用列。

通过以上说明：数据挖掘结构的基本体系结构：如何定义挖掘结构、如何用数据填充它以及如何使用它创建模型。

三、优缺点

（一）数据挖掘使用精心研究的统计原则来发现您的数据中的模式，帮助您针对复杂问题作出明智的决策。通过将 Analysis Services中的数据挖掘算法应用于您的数据，您可以预测趋势、标识模式、创建规则和建议、分析复杂数据集中的事件顺序以及洞察新情况。
（二）SQL Server 2014中的数据挖掘不仅功能强大和易于访问，并且与许多人在进行分析和报告工作时常用的工具集成在一起。

四、总结

通过以上简单的介绍，让我们对SSAS有了一定的了解，至于它功能的实现及各个细节比如：数据源的建立，数据视图的建立，多维数据集。