SSAS是用于SQLServer数据库用于BI的组件，通过SSAS可以创建多维数据库，并在之上进行数据挖掘操作。本文我们主要介绍一些关于SSAS数据分析的知识。接下来就让我们来一起了解一下吧。
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。
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。下图说明了数据挖掘结构与数据源以及构成数据挖掘模型之间的关系。
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。下一篇会通过一个简单的实例来实现。
（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喜欢使用的工具集成在一起。通过查看本节中提供的链接，您可以获取在开始学习数据挖掘时需要掌握的丰富背景信息。
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，多维的建立等下一篇文章通过简单的实例来讲解。
