㈠ 什麼是olap工具olap工具有哪些
聯機分析處理（OLAP）系統是數據倉庫系統最主要的應用，專門設計用於支持復雜的數據分析操作，側重對決策人員和高層管理人員的決策支持，可以根據分析人員的要求快速、靈活地進行大數據量的復雜查詢處理，並且以一種直觀而易懂的形式將查詢結果提供給決策人員，以便他們准確掌握企業（公司）的經營狀況，了解對象的需求，制定正確的方案。像FineBI使用OLAP，數據分析很快，而且直觀易懂，不用學SQL就可以製作數據圖表。
㈡ oltp和olap的區別
OLTP即聯機事務處理，就是我們經常說的關系資料庫，意即記錄即時的增、刪、改、查，就是我們經常應用的東西，這是資料庫的基礎。
OLAP即聯機分析處理，是數據倉庫的核心部心，所謂數據倉庫是對於大量已經由OLTP形成的數據的一種分析型的資料庫，用於處理商業智能、決策支持等重要的決策信息。
數據倉庫是在資料庫應用到一定程序之後而對歷史數據的加工與分析；是處理兩種不同用途的工具而已。
On-Line Transaction Processing聯機事務處理過程(OLTP)。
也稱為面向交易的處理過程，其基本特徵是前台接收的用戶數據可以立即傳送到計算中心進行處理，並在很短的時間內給出處理結果，是對用戶操作快速響應的方式之一。
㈢ 關於OLAP（聯機分析）
實質一點就到具體產品了.
比如msas,sap bw,Hyperion Essbase,oracle的olap模塊等都可以.
Olap也沒有什麼成型的標准,每個產品都有自己的概念及實現.
但像cube,dimension之類的大概念還是相通的.
<OLAP解決方案.創建多維信息系統>是一個比較好的書.
olap中的a就是分析,主要是給決策層用的,所以olap產品的用戶人數比較少,但產品的價格一般都不低.
㈣ 商業數據分析工具有哪些
1.FineBI
目前國內數據分析的佼佼者。FineBI是新一代自助式BI工具,企業客戶多、服務范圍廣, 多維OLAP分析是BI工具分析功能的集中體現，憑借FineBI簡單流暢的操作、強勁的大數據性能和自助式的分析體驗,企業可充分了解和利用他們的數據,增強企業的競爭力。
2.Tableau
Tableau是大數據可視化軟體的市場領導者之一，在為大數據操作，深度學習演算法和多種類型的AI應用程序提供互動式數據可視化方面尤為高效。它內置常用的分析圖表，和一些數據分析模型，可以快速的探索式數據分析，可以快速地做出動態交互圖。
3.永洪敏捷BI
該產品穩定性較高，利用sql處理數據。永洪的技術主要分為大數據和可視化亮點。覆蓋BI和大數據(海量數據、實時分析)，敏捷BI，自服務BI，探索式BI，性價比高。但不支持程序介面，實施交由第三方外包。永洪BI在產品能力上還不錯，特別是大數據性能方面，同樣可以支撐億級數據的抽取和分析，而在服務方面則表現一般。
4.Power BI
Microsoft Power BI是一個基於Web的業務分析工具套件，擅長數據可視化，採用的CS架構，主要的報表連接過程使用的客戶端，瀏覽器端可以進行簡單的報表編輯。其連接數據源需要單獨下載msi驅動，而不是目前主流的JDBC的連接方式。操作基本都是拖拽，不過其探索式分析能力有限，不適合做定製化開發(這個不符合我們需要集成的需求)。學習成本較低上手快，但功能簡單，無法支持復雜的業務場景，不支持定製開發。
5.SmartBI
企業級商業智能應用平台，用戶可以更直觀便捷地獲取信息。能滿足用戶自助式的數據查詢和報表，OLAP，各種業務報表，製作儀表盤，在移動終端上展示，有統一服務平台支持眾多的管理維護功能。和FineBI同為比較不錯的國內BI數據分析軟體，但是操作體驗並不是很好，界面粗糙，並沒有FineBI的界面美觀。
6.Qlikview
屬於新一代的輕量化商業智能BI產品，體現在建模、部署和使用上。只能運行在windows系統，C/S的產品架構。採用內存動態計算，數據量小時，速度很快;數據量大時，吃內存很厲害性能偏慢。不過目前對於QlikView也是代理形式為主，本地化和定製化能力差，和tableau一樣沒有大數據處理能力，需要對接數據倉庫。國內復雜報表填報等難以支持，另外代理商對客戶的響應能力有限。
㈤ 1.olap實現的關鍵技術有哪些
OLAP核心技術應該分為兩種，一是OLAP伺服器，或稱OLAP引擎，從存儲上又分為ROLAP和MOLAP，前者採用關系資料庫存儲多維數據，後者採用專門多維資料庫。二是前端展現工具，基本上包括透視表和透視圖，與報表結合後，又拓展出了發布、安全等。
㈥ OLAP具有哪些功能
聯機分析（OLAP）是由關系資料庫之父E.F.Codd於1993年提出的一種數據動態分析模型，它允許以一種稱為多維數據集的多維結構訪問來自商業數據源的經過聚合和組織整理的數據。以此為標准，OLAP作為單獨的一類產品同聯機事務處理（OLTP）得以明顯區分。
有點深奧是不是？其實並不復雜，OLAP最基本的概念其實只有三個：多維觀察、數據鑽取、CUBE運算。
從動態的多維角度分析數據
我們在平時工作中，會遇到各種問題，在分析問題的時候，同樣的現象，我們會從多個角度去分析考慮，並且有時候我們還會從幾個角度綜合起來進行分析。這就是OLAP分析最基本的概念：從多個觀察角度的靈活組合來觀察數據，從而發現數據內在規律。
OLAP將數據分為兩種特徵，一種為表現特徵，比如一個銷售分析模型中的銷售額、毛利等；還有一種為角度特徵，比如銷售分析中的時間周期、產品類型、銷售模式、銷售區域等。前者是被觀察的對象，OLAP術語稱之為「度量數據」，後者為觀察視角，OLAP術語稱之為「維數據」。
如果建立這樣一個模型，我們就可以根據業務需求，從產品類型角度去觀察各個銷售地區的銷售額數據（以產品類型和銷售地區為維、以銷售額為度量）；或者我們還可以從銷售模式的角度去觀察各個銷售地區的銷售額數據（以銷售模式和銷售地區為維、以銷售額為度量）。
在Max@X Analyser的OLAP模型中，每個模型最多可以設定255個維、1024個度量，也就是說，我們可以從255個角度或者角度組合，去同時觀察1024個數據對象的變化。
對數據進行鑽取，以獲得更為精確的信息
在分析過程中，我們可能需要在現有數據基礎上，將數據進一步細化，以獲得更為精確的認識。這就是OLAP中數據鑽取的概念。
比如，在銷售分析中，當我們以產品類型和銷售地區為維、以銷售額為度量進行分析的時候，可能希望進一步觀察某類產品的不同銷售模式在各個銷售地區的表現，這時我們就可以在產品大類這個數據維下面，再加上一個銷售模式維，從而獲得相應的信息。
創建數據CUBE
那麼，要滿足上述運算，需要什麼樣的前提呢？
我們可以想像，和報表不同，OLAP分析所需的原始數據量是非常龐大的。一個分析模型，往往會涉及數百萬條、數千萬條、甚至更多；而分析模型中包含多個維數據，這些維又可以由瀏覽者作任意的提取組合。這樣的結果就是大量的實時運算導致的時間延滯。我們可以設想，一個對於1000萬條記錄的分析模型，如果一次提取4個維度進行組合分析，那麼實際的運算次數將達到4的1000次方的數量：這樣的運算量將導致數十分鍾乃至更長的等待時間。如果用戶對維組合次序進行調整，或者增加減少某些維度的話，又將是一個重新的計算過程。
從上面分析，我們可以得出結論，如果不能解決OLAP運算效率問題的話，OLAP將是一個毫無實用價值的概念。那麼，作為一個成熟產品是如何解決這個問題的呢？這就是OLAP中一個非常重要的技術：數據CUBE預運算。
一個OLAP模型中，度量數據和維數據我們應該實現確定，一旦兩者確定下來，那麼我們可以對數據進行預先的處理，在正式發布之前，將數據根據維進行最大限度的聚類運算，運算中會考慮到各種維組合情況，運算結果將生成一個數據CUBE，並保存在伺服器上。這樣，當最終用戶在調閱這個分析模型的時候，就可以直接使用這個CUBE，在此基礎上根據用戶的維選擇和維組合進行復運算，從而達到實時響應的這么一個效果。
作為一個成熟的產品，Max@X Analyser無論是在CUBE創建還是後續的瀏覽操作，效率都是非常高的。測試結果表明：原始數據行數在3200萬條記錄的時候，包含10個維數據組合、2個度量數據的CUBE，創建周期為132分鍾，裝載效率是12.5秒。這樣的成績對比世界上任何一個高端OLAP同類產品，都不遜色。（需要更為詳細的測試報告，可以與炎鼎軟體聯系）。
補充說明
上面所說的，是OLAP最基本的概念，除此以外，OLAP通常包括的功能包括數據旋轉（變換觀察維組合順序）、數據切片（過濾無關數據，對指定數據進行重點觀察），以及對數據進行跨行列運算（如Max@X Analyser中的增加行列差額、等比環比等擴展運算）。
如果您希望了解更多關於OLAP的信息，請與炎鼎軟體技術支持聯系。
㈦ 請問什麼是OLAP
OLAP（聯機分析處理）。
什麼是聯機分析處理（OLAP）
聯機分析處理 (OLAP) 的概念最早是由關系資料庫之父E.F.Codd於1993年提出的，他同時提出了關於OLAP的12條准則。OLAP的提出引起了很大的反響，OLAP作為一類產品同聯機事務處理 (OLTP) 明顯區分開來。
當今的數據處理大致可以分成兩大類：聯機事務處理OLTP（on-line transaction processing）、聯機分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統的關系型資料庫的主要應用，主要是基本的、日常的事務處理，例如銀行交易。OLAP是數據倉庫系統的主要應用，支持復雜的分析操作，側重決策支持，並且提供直觀易懂的查詢結果。下表列出了OLTP與OLAP之間的比較。
OLTPOLAP用戶操作人員,低層管理人員決策人員,高級管理人員功能日常操作處理分析決策DB 設計面向應用面向主題數據當前的, 最新的細節的, 二維的分立的歷史的, 聚集的, 多維的集成的, 統一的存取讀/寫數十條記錄讀上百萬條記錄工作單位簡單的事務復雜的查詢用戶數上千個上百個DB 大小100MB-GB100GB-TB
OLAP是使分析人員、管理人員或執行人員能夠從多角度對信息進行快速、一致、交互地存取,從而獲得對數據的更深入了解的一類軟體技術。OLAP的目標是滿足決策支持或者滿足在多維環境下特定的查詢和報表需求,它的技術核心是"維"這個概念。
「維」是人們觀察客觀世界的角度,是一種高層次的類型劃分。「維」一般包含著層次關系,這種層次關系有時會相當復雜。通過把一個實體的多項重要的屬性定義為多個維(dimension)，使用戶能對不同維上的數據進行比較。因此OLAP也可以說是多維數據分析工具的集合。
OLAP的基本多維分析操作有鑽取（roll up和drill down）、切片（slice）和切塊（dice）、以及旋轉（pivot）、drill across、drill through等。
·鑽取是改變維的層次，變換分析的粒度。它包括向上鑽取（roll up）和向下鑽取（drill down）。roll up是在某一維上將低層次的細節數據概括到高層次的匯總數據，或者減少維數；而drill down則相反，它從匯總數據深入到細節數據進行觀察或增加新維。
·切片和切塊是在一部分維上選定值後，關心度量數據在剩餘維上的分布。如果剩餘的維只有兩個，則是切片；如果有三個，則是切塊。
·旋轉是變換維的方向，即在表格中重新安排維的放置（例如行列互換）。
OLAP有多種實現方法，根據存儲數據的方式不同可以分為ROLAP、MOLAP、HOLAP。
ROLAP表示基於關系資料庫的OLAP實現（Relational OLAP）。以關系資料庫為核心,以關系型結構進行多維數據的表示和存儲。ROLAP將多維資料庫的多維結構劃分為兩類表:一類是事實表,用來存儲數據和維關鍵字;另一類是維表,即對每個維至少使用一個表來存放維的層次、成員類別等維的描述信息。維表和事實表通過主關鍵字和外關鍵字聯系在一起,形成了"星型模式"。對於層次復雜的維,為避免冗餘數據佔用過大的存儲空間,可以使用多個表來描述,這種星型模式的擴展稱為"雪花模式"。
MOLAP表示基於多維數據組織的OLAP實現（Multidimensional OLAP）。以多維數據組織方式為核心,也就是說,MOLAP使用多維數組存儲數據。多維數據在存儲中將形成"立方塊（Cube）"的結構,在MOLAP中對"立方塊"的"旋轉"、"切塊"、"切片"是產生多維數據報表的主要技術。
HOLAP表示基於混合數據組織的OLAP實現（Hybrid OLAP）。如低層是關系型的，高層是多維矩陣型的。這種方式具有更好的靈活性。
還有其他的一些實現OLAP的方法，如提供一個專用的SQL Server，對某些存儲模式（如星型、雪片型）提供對SQL查詢的特殊支持。
OLAP工具是針對特定問題的聯機數據訪問與分析。它通過多維的方式對數據進行分析、查詢和報表。維是人們觀察數據的特定角度。例如，一個企業在考慮產品的銷售情況時，通常從時間、地區和產品的不同角度來深入觀察產品的銷售情況。這里的時間、地區和產品就是維。而這些維的不同組合和所考察的度量指標構成的多維數組則是OLAP分析的基礎，可形式化表示為（維1，維2，……，維n，度量指標），如（地區、時間、產品、銷售額）。多維分析是指對以多維形式組織起來的數據採取切片（Slice）、切塊（Dice）、鑽取（Drill-down和Roll-up）、旋轉（Pivot）等各種分析動作，以求剖析數據，使用戶能從多個角度、多側面地觀察資料庫中的數據，從而深入理解包含在數據中的信息。
根據綜合性數據的組織方式的不同，目前常見的OLAP主要有基於多維資料庫的MOLAP及基於關系資料庫的ROLAP兩種。MOLAP是以多維的方式組織和存儲數據，ROLAP則利用現有的關系資料庫技術來模擬多維數據。在數據倉庫應用中，OLAP應用一般是數據倉庫應用的前端工具，同時OLAP工具還可以同數據挖掘工具、統計分析工具配合使用，增強決策分析功能。
㈧ 什麼是olap
olap是聯機分析處理，是共享多維信息的、針對特定問題的聯機數據訪問和分析的快速軟體技術。它通過對信息的多種可能的觀察形式進行快速、穩定一致和交互性的存取，允許管理決策人員對數據進行深入觀察。
㈨ 什麼是BI工具，ETL工具或OLAP產品
BI
確切地講，BI並不是一項新技術，它將數據倉庫(DW)、聯機分析處理(OLAP)、數據挖掘(DM)等技術與客戶關系管理（CRM）等結合起來應用於商業活動實際過程當中，實現了技術服務於決策的目的；Mark Hammond從管理的角度看待BI，認為BI是從「根本上幫助你把公司的運營數據轉化成為高價值的可以獲取的信息（或者知識），並且在恰當的時間通過恰當的手段把恰當的信息傳遞給恰當的人」。
ETL
ETL即數據抽取（Extract）、轉換（Transform）、裝載（Load）的過程。它是構建數據倉庫的重要環節。數據倉庫是面向主題的、集成的、穩定的且隨時間不斷變化的數據集合，用以支持經營管理中的決策制定過程。數據倉庫系統中有可能存在著大量的雜訊數據,引起的主要原因有：濫用縮寫詞、慣用語、數據輸入錯誤、重復記錄、丟失值、拼寫變化等。即便是一個設計和規劃良好的資料庫系統，如果其中存在著大量的雜訊數據，那麼這個系統也是沒有任何意義的，因為「垃圾進，垃圾出」（garbage in, garbage out），系統根本就不可能為決策分析系統提供任何支持。為了清除雜訊數據，必須在資料庫系統中進行數據清洗。目前有不少數據清洗研究和ETL研究，但是如何在ETL過程中進行有效的數據清洗並使這個過程可視化，此方面研究不多。本文主要從兩個方面闡述ETL和數據清洗的實現過程：ETL的處理方式[19]和數據清洗的實現方法。
聯機事務處理OLTP
聯機分析處理 (OLAP) 的概念最早是由關系資料庫之父E.F.Codd於1993年提出的，他同時提出了關於OLAP的12條准則。OLAP的提出引起了很大的反響，OLAP作為一類產品同聯機事務處理 (OLTP) 明顯區分開來。
當今的數據處理大致可以分成兩大類：聯機事務處理OLTP（on-line transaction processing）、聯機分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統的關系型資料庫的主要應用，主要是基本的、日常的事務處理，例如銀行交易。OLAP是數據倉庫系統的主要應用，支持復雜的分析操作，側重決策支持，並且提供直觀易懂的查詢結果。
OLAP是使分析人員、管理人員或執行人員能夠從多角度對信息進行快速、一致、交互地存取,從而獲得對數據的更深入了解的一類軟體技術。OLAP的目標是滿足決策支持或者滿足在多維環境下特定的查詢和報表需求,它的技術核心是"維"這個概念。