《數據倉庫工具箱:麵嚮SQL Server2005和Microsoft商業智能工具集》覆蓋瞭整個數據倉庫生命周期，因而可以給數據倉庫團隊的每個成員提供有用的指導，從項目經理到業務分析師、數據建模者、ETL開發者、DBA，分析型應用開發人員甚至業務用戶都可以從《數據倉庫工具箱:麵嚮SQL Server2005和Microsoft商業智能工具集》中受益。我們相信《數據倉庫工具箱:麵嚮SQL Server2005和Microsoft商業智能工具集》對從事Microsoft SQL Server 2005數據倉庫項目的任何人都非常有價值。

數據倉庫和商業智能至少自1970年就具有相似的形式，並且持續享受著無限的技術生命周期。在1995年，我們的主要作者構建瞭第一個顧問公司，其中的作者之一認為數據倉庫已經結束瞭，這個浪潮已經開始迴落。幸運的是，我們在找到工作之前獲得瞭更多的項目。12年後，數據倉庫和商業智能依然很強大，事實上，僅僅在過去幾年我們纔看到它們在工業上的成熟。

成熟市場的一個標誌就是單源提供者的齣現——對不願冒風險的公司來說這是一種安全的選擇。數據倉庫技術涵蓋瞭從深奧源係統知識到用戶接口設計以及具有最好實踐的BI應用。盡管許多銷售商在最近幾年都爭著把自己放在端到端的提供者位置上，但對於我們來說，很顯然，數據倉庫銷售商確實是那些可以提供端到端解決方案的人。在2001年，當我們首次討論這《數據倉庫工具箱:麵嚮SQL Server2005和Microsoft商業智能工具集》時，我們已經感覺到Microsoft要以一個誘人的價格強行將一個可行的、單源數據倉庫係統提供者的概念加入到現實世界中。

我們相信嚮單源提供者的轉變意味著必須將Kimball Method技術擴展到特定的産品級，使其可以直接投放單源提供者市場。我們選擇Microsoft工具集作為測試樣例有兩個原因，首先，SQL Server 2005是一個強大的BI平颱，Microsoft自20世紀90年代中期投資Analysis Services引擎以來，就一直在擴展和增強商業智能方麵投資巨大。投資的級彆也因此巨大地翻升。隨著SQL Server 2005開發的開始，SQL Server 2005開發團隊增長到200人，Microsoft對於將商業智能引入主流市場很認真。其次，兩位作者都從1997到2002或2004在Microsoft工作，特彆地，Joy曾是SQL Server Business Intelligence 開發團隊中SQL Server BI Best Practices組的經理，這可以給予我們一係列很強的工作關係以及訪問關鍵的支持資源。