1. 创建数据源（必须的）
把项目中可能用到的数据仓库的连接设置好
通常是数据仓库
注意：身份模拟的设置
如果仓库和SSAS是一个服务器，可以直接使用服务帐号
否则，可以指定特定的用户名和密码
2. 创建数据源视图（必须的）
把项目中可能用到的一些维度表和事实表映射成一个视图
经验做法：先选择事实表，然后“添加相关表”
还可以做一些附加的操作
修改友好名称
添加命名计算（在原先的数据库字段基础上，再派生一些字段）
修改关系（如果仓库中没有关系，可以通过在这里建立关系来实现）
如果表仍然比较多，可以通过创建不同的视图来简化
3. 创建多维数据集
两种主要的模型：
根据仓库自动生成（最方便）
选择数据源视图
选择事实表和维度表
重点要修改的地方
多维数据集结构
修改度量值的聚合方式
修改度量值的格式
维度用法（维度和度量的关系）
常规：维度和事实是标准的一对多关系
事实关系：退化维度（某些要分析的方面，它的数据增长与度量值基本接近，此时不适合做维度表）与度量值的关系。
多对多关系：针对仓库中的多对多关系的一个实现。需要中间事实表
被引用关系：雪花架构的产物。需要中间维度
部署：将定义发送给服务器，创建多维数据库
处理：把数据从仓库中读取出来，并且根据多维数据集的定义和维度定义进行预先计算
先建模，然后反向工程生成仓库
4. 理解维度的设计
维度的属性(Attribute）来自于维度表中的字段
Attribute的值应该要能唯一标识自己，否则就可能出现聚合错误
通过添加KeyColumn，让它变成复合键。
层次结构
方便用户分析
提供更好的效率
将一些低级别的Attribute隐藏起来
Attribute的关系问题
默认情况下，所有的Attribute都与维度的键列发生直接关系
如果有创建层次结构的话，建议在层次结构属性之间创建关系，这样就会有一些属性与键列发生间接关系
5. 多维数据库设计的进阶知识
5.1 计算
可以做三个事情
计算成员:是在聚合值的基础上再做计算。此处一定要注意与命名计算的区别。根本区别在于命名计算是针对行集的(语法上T-SQL)，每一行都要计算。计算成员是针对聚合之后的结果计算。（语法是MDX). 相当于是一个标量函数，永远返回一个值。
计算成员通常是针对度量值的计算，最后还是归类在度量值中。
命名集：也用MDX脚本，定义一个表达式，返回值可能是多个的。例如，我们可以将经常需要分析的产品（例如有10个）定义为一个所谓的“核心产品”
命令集通常是针对维度的筛选。
脚本命令：可以改变MDX计算的结果，甚至可以产生虚构的数据。
5.3 KPI
关键性能指标
提供了4个表达式（MDX)，来定义四个信息
目标：MDX查询得到目标指标值
当前：MDX查询得到实际完成值
状态：一般都是比较目标和当前值，得到的结果一般是三个值：1，0，-1
走向：通常也是比较当前值与历史一段时间的值，得到结果也是1，0，-1
5.4 操作（action）
希望在分析界面中，提供其他的一些链接，报表，钻取
但是，Action需要怎么在客户程序展现，依赖我们的代码去实现（Excel中已经实现了）
5.5 分区（partition)
规划数据存储设计。针对大型的分析数据库，必须规划多分区，以提高处理速度和查询效率。
分区之后，首先可以简化处理。可以针对单个分区进行处理，这样大大地提高处理速度。
如果有多分区，查询的时候，可以并行操作。
先把默认分区的绑定方式，从表绑定改成查询绑定。通常查询条件中，我们都是用时间列作为条件区分。
再去创建新的分区。
5.6 透视
针对一个cube，可以做多个透视。每个透视其实很类似于视图
5.7 翻译
针对一个cube，可以支持多个语言版本