商务智能之OLAPOLAP（On-Line Analysis Processing）在线分析处理是一种共享多维信息的快速分析技术；OLAP利用多维数据库技术使用户从不同角度观察数据；OLAP用于支持复杂的分析操作，侧重于对管理人员的决策支持，可以满足分析人员快速、灵活地进行大数据复量的复杂查询的要求，并且以一种直观、易懂的形式呈现查询结果，辅助决策。
上面是OLAP的一些不同的解释，本文将从以下几个方面介绍OLAP。
◆开源OLAP引擎：Mondrian快速入门◆OLAP的基本概念◆OLAP的特点◆OLAP的操作◆OLAP的分类一、开源OLAP引擎：Mondrian快速入门先介绍一个OLAP的引擎Mondrian的使用，然后再根据这个实例来介绍整个的OLAP。
（1）运行示例，最新版本下载地址：/project/mondrian/mondrian/mondrian-3.1.6.133 64/mondrian-3.1.6.13364.zip解压。
找到lib目录下面的mondrian.war，将其复制到Tomcat下面运行。
输入：http://localhost:8080/mondrian/可以看到Mondrian的界面，点击其中的Mondrian Examples可以看到相应的示例。
界面如下：（2）实现自己的OLAP分析。
1、创建数据库（MySQL），为简单这里只创建了一张表，对于维度和事实表我们在逻辑里面区分。
模拟数据自行添加。
CREATE TABLE `person` (`userid` varchar(100) ,`department` varchar(100) ,`username` varchar(100),`sex` varchar(100) ,`nationality` varchar(100),`post` varchar(100),`zyjslb` varchar(100),`zyjsdj` varchar(100) ,`zhixi` varchar(100),`xueli` varchar(100) ,`age` int(10) ,PRIMARY KEY (`userid`))2、创建数据立文体（CUBE）。
OLAP是一个赋予动态的、企业分析的名词，这些分析是注释的、熟悉的、公式化数据分析模型的生成、操作、激活和信息合成。
能够在变量间分辨新的或不相关的关系，能够区分对处理大量数据必要的参数，而生成一个不限数量的维和指明跨维的条件表达式。
OLAP是针对特定问题的联机数据访问和分析。
通过信息（维数据）的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。
OLAP特点：1．假定性：需要初始的假设来给出导航数据分析的方向，最终用分析的结果来验证初始的假设。
2．快速性：用户对OLAP的快速反映能力有很高的要求。
3．可分析性：能处理与应用有关的任何逻辑分析和统计分析。
用户可以在OLAP平台上进行分析，也可以连接到其他外部分析工具上。
4．多维性：是OLAP的关键属性，系统提供对数据分析的多维视图和分析，如对层次维和多重层次维完全支持。
5．信息性：系统能及时获取信息，并能管理大容量的信息。
OLAP分类：1．关系OLAP（ROLAP）结构：使用关系或扩充关系DBMS存放并管理数据仓库，采用基于稀疏矩阵表示方法的星形结构或雪花结构存储多维数据，数据检索比MOLAP低效。
2．多维OLAP（MOLAP）结构：核心是其数据存储采用矩阵（可能是多维方阵）方式，数据检索高效。
3．混合OLAP（HOLAP）结构：结合ROLAP和MOLAP技术，在MOLAP立方体中存储高级别的聚集，在ROLAP中存储低级别的聚集。
4．桌面OLAP结构：没有自己的数据存储库，把用户的查询翻译为对数据源的查询，然后再把结果合成返回给用户。
5．客户OLAP：相对与Server OLAP，把部分数据下载到本地，为用户提供本地的多维分析。
OLAP常用分析方法：1．数据切片（Slicing）和数据切块（Dicing）2．钻取：数据上钻（Drilling-up）、数据下钻（Drilling-down）、数据上卷（Rolling-up）3．数据旋转（Pivoting/Rotating）-概括来说，数据仓库系统是指具有综合企业数据的能力，能够对大量企业数据进行快速和准确分析，辅助做出更好的商业决策的系统。
OLAP和DM的区别和联系1.基本概念OLAP（Online Analysis Processing）：在线分析处理。
侧重于对信息的分析，通常涉及对信息的切分、多维化、前推和回溯，以及回答what-if问题。
更与中高管理层的业务范围相关，并更集中于对企业管理决策的支持。
常见的分析处理应用如多维视图、预测、敏感性分析、成本控制等。
同时，在线处理往往需要较强大的软、硬件及复杂的分析方法与工具的支持。
DM：2.区别和联系所谓OLAP（Online Analytical Process）意指由数据库所连结出来的在线分析处理程序。
有些人会说：我已经有OLAP的工具了，所以我不需要Data Mining。
事实上两者间是截然不同的，主要差异在于Data Mining用在产生假设，OLAP 则用于查证假设。
简单来说，OLAP是由使用者所主导，使用者先有一些假设，然后利用OLAP来查证假设是否成立；而Data Mining则是用来帮助使用者产生假设。
所以在使用OLAP或其它Query的工具时，使用者是自己在做探索（Exploration），但Data Mining是用工具在帮助做探索。
举个例子来看，一市场分析师在为超市规划货品架柜摆设时，可能会先假设婴儿尿布和婴儿奶粉会是常被一起购买的产品，接着便可利用OLAP的工具去验证此假设是否为真，又成立的证据有多明显；但Data Mining则不然，执行Data Mining的人将庞大的结帐数据整理后，并不需要假设或期待可能的结果，透过Mining技术可找出存在于数据中的潜在规则，于是我们可能得到例如尿布和啤酒常被同时购买的意料外之发现，这是OLAP所做不到的。
Data Mining常能挖掘出超越归纳范围的关系，但OLAP仅能利用人工查询及可视化的报表来确认某些关系，是以Data Mining此种自动找出甚至不会被怀疑过的数据模型与关系的特性，事实上已超越了我们经验、教育、想象力的限制，OLAP可以和Data Mining互补，但这项特性是Data Mining无法被OLAP取代的。
