聯(lián)機分析處理的概念最早是由關(guān)系數(shù)據(jù)庫之父愛德華·庫德（E·F·Codd）博士于1993年提出的，是一種用于組織大型商務(wù)數(shù)據(jù)庫和支持商務(wù)智能的技術(shù)。OLAP 數(shù)據(jù)庫分為一個或多個多維數(shù)據(jù)集，每個多維數(shù)據(jù)集都由多維數(shù)據(jù)集管理員組織和設(shè)計以適應(yīng)用戶檢索和分析數(shù)據(jù)的方式，從而更易于創(chuàng)建和使用所需的數(shù)據(jù)透視表和數(shù)據(jù)透視圖。

庫德同時提出了關(guān)于OLAP的12條準則。OLAP的提出引起了很大的反響，OLAP作為一類產(chǎn)品同聯(lián)機事務(wù)處理(OLTP) 明顯區(qū)分開來。庫德提出OLAP的12條準則來描述OLAP系統(tǒng)：

• 準則1 OLAP模型必須提供多維概念視圖
• 準則2 透明性準則
• 準則3 存取能力推測
• 準則4 穩(wěn)定的報表能力
• 準則5 客戶/服務(wù)器體系結(jié)構(gòu)
• 準則6 維的等同性準則
• 準則7 動態(tài)的稀疏矩陣處理準則
• 準則8 多用戶支持能力準則
• 準則9 非受限的跨維操作
• 準則10 直觀的數(shù)據(jù)操縱
• 準則11 靈活的報表生成
• 準則12 不受限的維與聚集層次

當(dāng)今的數(shù)據(jù)處理大致可以分成兩大類：聯(lián)機事務(wù)處理OLTP、聯(lián)機分析處理OLAP。OLTP是傳統(tǒng)的關(guān)系型數(shù)據(jù)庫的主要應(yīng)用，主要是基本的、日常的事務(wù)處理，例如銀行交易。OLAP是數(shù)據(jù)倉庫系統(tǒng)的主要應(yīng)用，支持復(fù)雜的分析操作，側(cè)重決策支持，并且提供直觀易懂的查詢結(jié)果。下表列出了OLTP與OLAP之間的比較。

隨著數(shù)據(jù)庫技術(shù)的廣泛應(yīng)用，企業(yè)信息系統(tǒng)產(chǎn)生了大量的數(shù)據(jù)，如何從這些海量數(shù)據(jù)中提取對企業(yè)決策分析有用的信息成為企業(yè)決策管理人員所面臨的重要難題。傳統(tǒng)的企業(yè)數(shù)據(jù)庫系統(tǒng)（管理信息系統(tǒng)）即聯(lián)機事務(wù)處理系統(tǒng)（On-LineTransactionProcessing,簡稱OLTP）作為數(shù)據(jù)管理手段，主要用于事務(wù)處理，但它對分析處理的支持一直不能令人滿意。因此，人們逐漸嘗試對OLTP數(shù)據(jù)庫中的數(shù)據(jù)進行再加工，形成一個綜合的、面向分析的、更好的支持決策制定的決策支持系統(tǒng)（DecisionSupportSystem，簡稱DSS）。

企業(yè)目前的信息系統(tǒng)的數(shù)據(jù)一般由數(shù)據(jù)庫管理系統(tǒng)（DBMS）管理，但決策數(shù)據(jù)庫和運行操作數(shù)據(jù)庫在數(shù)據(jù)來源、數(shù)據(jù)內(nèi)容、數(shù)據(jù)模式、服務(wù)對象、訪問方式、事務(wù)管理乃至無力存儲等方面都有不同的特點和要求，因此直接在運行操作的數(shù)據(jù)庫上建立DSS是不合適的。數(shù)據(jù)倉庫（Data Warehouse）技術(shù)就是在這樣的背景下發(fā)展起來的。數(shù)據(jù)倉庫的概念提出于20世紀80年代中期，20世紀90年代，數(shù)據(jù)倉庫已從早起的探索階段走向?qū)嵱秒A段。業(yè)界公認的數(shù)據(jù)倉庫概念創(chuàng)始人恩門(Inmon)在《Building the Data Warehouse》一書中對數(shù)據(jù)倉庫的定義是：“數(shù)據(jù)倉庫是支持管理決策過程的、面向主題的、集成的、隨時間變化的持久的數(shù)據(jù)集合”。構(gòu)建數(shù)據(jù)倉庫的過程就是根據(jù)預(yù)先設(shè)計好的邏輯模式從分布在企業(yè)內(nèi)部各處的OLTP數(shù)據(jù)庫中提取數(shù)據(jù)并對經(jīng)過必要的變換最終形成全企業(yè)統(tǒng)一模式數(shù)據(jù)的過程。當(dāng)前數(shù)據(jù)倉庫的核心仍是RDBMS管理下的一個數(shù)據(jù)庫系統(tǒng)。數(shù)據(jù)倉庫中數(shù)據(jù)量巨大，為了提高性能，RDBMS一般也采取一些提高效率的措施：采用并行處理結(jié)構(gòu)、新的數(shù)據(jù)組織、查詢策略、索引技術(shù)等等。

包括聯(lián)機分析處理（On-LineAnalyticalProcessing，簡稱OLAP）在內(nèi)的諸多應(yīng)用牽引驅(qū)動了數(shù)據(jù)倉庫技術(shù)的出現(xiàn)和發(fā)展；而數(shù)據(jù)倉庫技術(shù)反過來又促進了OLAP技術(shù)的發(fā)展。聯(lián)機分析處理的概念最早由關(guān)系數(shù)據(jù)庫之父E·F·Codd于1993年提出的。Codd認為聯(lián)機事務(wù)處理（OLTP）已不能滿足終端用戶對數(shù)據(jù)庫查詢分析的要求，結(jié)構(gòu)化查詢語言（SQL）對大數(shù)據(jù)庫的簡單查詢也不能滿足用戶分析的需求。用戶的決策分析需要對關(guān)系數(shù)據(jù)庫進行大量計算才能得到結(jié)果，而查詢的結(jié)果并不能滿足決策者提出的需求。因此，Codd提出了多維數(shù)據(jù)庫和多維分析的概念，即OLAP。OLAP委員會對聯(lián)機分析處理的定義為：使分析人員、管理人員或執(zhí)行人員能夠從多種角度對從原始數(shù)據(jù)中轉(zhuǎn)化出來的、能夠真正為用戶所理解的、并真實反映企業(yè)維特性的信息進行快速、一致、交互地存取，從而獲得對數(shù)據(jù)的更深入了解的一類軟件技術(shù)。OLAP的目標是滿足決策支持或多維環(huán)境特定的查詢和報表需求，它的技術(shù)核心是“維”這個概念，因此OLAP也可以說是多維數(shù)據(jù)分析工具的集合。

在過去的二十年中，大量的企業(yè)利用關(guān)系型數(shù)據(jù)庫來存儲和管理業(yè)務(wù)數(shù)據(jù)，并建立相應(yīng)的應(yīng)用系統(tǒng)來支持日常業(yè)務(wù)運作。這種應(yīng)用以支持業(yè)務(wù)處理為主要目的，被稱為聯(lián)機事務(wù)處理(OLTP，On-line Transaction Processing)應(yīng)用，它所存儲的數(shù)據(jù)被稱為操作數(shù)據(jù)或者業(yè)務(wù)數(shù)據(jù)。

隨著市場競爭的日趨激烈，近年來企業(yè)更加強調(diào)決策的及時性和準確性，這使得以支持決策管理分析為主要目的的應(yīng)用迅速崛起，這類應(yīng)用被稱為聯(lián)機分析處理，它所存儲的數(shù)據(jù)被稱為信息數(shù)據(jù)。

聯(lián)機分析處理的用戶是企業(yè)中的專業(yè)分析人員及管理決策人員，他們在分析業(yè)務(wù)經(jīng)營的數(shù)據(jù)時，從不同的角度來審視業(yè)務(wù)的衡量指標是一種很自然的思考模式。例如分析銷售數(shù)據(jù)，可能會綜合時間周期、產(chǎn)品類別、分銷渠道、地理分布、客戶群類等多種因素來考量。這些分析角度雖然可以通過報表來反映，但每一個分析的角度可以生成一張報表，各個分析角度的不同組合又可以生成不同的報表，使得IT人員的工作量相當(dāng)大，而且往往難以跟上管理決策人員思考的步伐。

聯(lián)機分析處理的主要特點，是直接仿照用戶的多角度思考模式，預(yù)先為用戶組建多維的數(shù)據(jù)模型，在這里，維指的是用戶的分析角度。例如對銷售數(shù)據(jù)的分析，時間周期是一個維度，產(chǎn)品類別、分銷渠道、地理分布、客戶群類也分別是一個維度。一旦多維數(shù)據(jù)模型建立完成，用戶可以快速地從各個分析角度獲取數(shù)據(jù)，也能動態(tài)的在各個角度之間切換或者進行多角度綜合分析，具有極大的分析靈活性。這也是聯(lián)機分析處理在近年來被廣泛關(guān)注的根本原因，它從設(shè)計理念和真正實現(xiàn)上都與舊有的管理信息系統(tǒng)有著本質(zhì)的區(qū)別。

事實上，隨著數(shù)據(jù)倉庫理論的發(fā)展，數(shù)據(jù)倉庫系統(tǒng)已逐步成為新型的決策管理信息系統(tǒng)的解決方案。數(shù)據(jù)倉庫系統(tǒng)的核心是聯(lián)機分析處理，但數(shù)據(jù)倉庫包括更為廣泛的內(nèi)容。

概括來說，數(shù)據(jù)倉庫系統(tǒng)是指具有綜合企業(yè)數(shù)據(jù)的能力，能夠?qū)Υ罅科髽I(yè)數(shù)據(jù)進行快速和準確分析，輔助做出更好的商業(yè)決策的系統(tǒng)。它本身包括三部分內(nèi)容：

• 數(shù)據(jù)層。實現(xiàn)對企業(yè)操作數(shù)據(jù)的抽取、轉(zhuǎn)換、清洗和匯總，形成信息數(shù)據(jù)，并存儲在企業(yè)級的中心信息數(shù)據(jù)庫中。
• 應(yīng)用層。通過聯(lián)機分析處理，甚至是數(shù)據(jù)挖掘等應(yīng)用處理，實現(xiàn)對信息數(shù)據(jù)的分析。
• 表現(xiàn)層。通過前臺分析工具，將查詢報表、統(tǒng)計分析、多維聯(lián)機分析和數(shù)據(jù)發(fā)掘的結(jié)論展現(xiàn)在用戶面前。

從應(yīng)用角度來說，數(shù)據(jù)倉庫系統(tǒng)除了聯(lián)機分析處理外，還可以采用傳統(tǒng)的報表，或者采用數(shù)理統(tǒng)計和人工智能等數(shù)據(jù)挖掘手段，涵蓋的范圍更廣；就應(yīng)用范圍而言，聯(lián)機分析處理往往根據(jù)用戶分析的主題進行應(yīng)用分割，例如：銷售分析、市場推廣分析、客戶利潤率分析等等，每一個分析的主題形成一個OLAP應(yīng)用，而所有的OLAP應(yīng)用實際上只是數(shù)據(jù)倉庫系統(tǒng)的一部分。

同樣是仿照用戶的多角度思考模式，聯(lián)機分析處理有三種不同的實現(xiàn)方法：

• 關(guān)系聯(lián)機分析處理(ROLAP,Relational OLAP)
• 多維聯(lián)機分析處理(MOLAP,Multi-Dimensional OLAP)
• 前端展示聯(lián)機分析處理(Desktop OLAP)

其中，前端展示聯(lián)機分析需要將所有數(shù)據(jù)下載到客戶機上，然后在客戶機上進行數(shù)據(jù)結(jié)構(gòu)/報表格式重組，使用戶能在本機實現(xiàn)動態(tài)分析。該方式比較靈活，然而它能夠支持的數(shù)據(jù)量非常有限，嚴重地影響了使用的范圍和效率。因此，隨著時間的推移，這種方式已退居次要地位，在此不作討論。

以下就ROLAP和MOLAP的具體實施方法進行討論：

1、關(guān)系型聯(lián)機分析處理的具體實施方法

顧名思義，關(guān)系型聯(lián)機分析處理是以關(guān)系型數(shù)據(jù)庫為基礎(chǔ)的。唯一特別之處在于聯(lián)機分析處理中的數(shù)據(jù)結(jié)構(gòu)組織的方式。

例如，假設(shè)我們要進行產(chǎn)品銷售的財務(wù)分析，分析的角度包括時間、產(chǎn)品類別、市場分布、實際發(fā)生與預(yù)算四方面內(nèi)容，分析的財務(wù)指標包括：銷售額、銷售支出、毛利(=銷售額-銷售支出)、費用、純利(=毛利-費用)等內(nèi)容，則可以建立如下的數(shù)據(jù)結(jié)構(gòu)：

該數(shù)據(jù)結(jié)構(gòu)的中心是主表，里面包含了所有分析維度的外鍵，以及所有的財務(wù)指標，可計算推導(dǎo)的財務(wù)指標不計在內(nèi)，稱之為事實表(Fact Table)。周圍的表分別是對應(yīng)于各個分析角度的維表(Dimension Table)，每個維表除了主鍵以外，還包含了描述和分類信息。無論原來的業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)為何，只要原業(yè)務(wù)數(shù)據(jù)能夠整理成為以上模式，則無論業(yè)務(wù)人員據(jù)此提出任何問題，都可以用SQL語句進行表連接或匯總(table join and group by)實現(xiàn)數(shù)據(jù)查詢和解答。（當(dāng)然，有一些現(xiàn)成的ROLAP前端分析工具是可以自動根據(jù)以上模型生成SQL語句的）。這種模式被稱為星型模式(Star- Schema)，可應(yīng)用于不同的聯(lián)機分析處理應(yīng)用中。

以下是另一個采用星型模式的例子，分析的角度和指標截然不同，但數(shù)據(jù)結(jié)構(gòu)模式一樣。我們看到的不是表的數(shù)據(jù)，而是表的結(jié)構(gòu)。在聯(lián)機分析處理的數(shù)據(jù)模型設(shè)計中，這種表達方式更為常見：

有時候，維表的定義會變得復(fù)雜，例如對產(chǎn)品維，既要按產(chǎn)品種類進行劃分，對某些特殊商品，又要另外進行品牌劃分，商品品牌和產(chǎn)品種類劃分方法并不一樣。因此，單張維表不是理想的解決方案，可以采用以下方式，這種數(shù)據(jù)模型實際上是星型結(jié)構(gòu)的拓展，我們稱之為雪花型模式(snow-flake schema)。

無論采用星型模式還是雪花型模式，關(guān)系型聯(lián)機分析處理都具有以下特點：

• 數(shù)據(jù)結(jié)構(gòu)和組織模式需要預(yù)先設(shè)計和建立；
• 數(shù)據(jù)查詢需要進行表連接，在查詢性能測試中往往是影響速度的關(guān)鍵；
• 數(shù)據(jù)匯總查詢（例如查詢某個品牌的所有產(chǎn)品銷售額），需要進行Group by 操作，雖然實際得出的數(shù)據(jù)量很少，但查詢時間變得更長；
• 為了改善數(shù)據(jù)匯總查詢的性能，可以建立匯總表，但匯總表的數(shù)量與用戶分析的角度數(shù)目和每個角度的層次數(shù)目密切相關(guān)。例如，用戶從8個角度進行分析，每個角度有3個匯總層次，則匯總表的數(shù)目高達3的8次方。

可以采取對常用匯總數(shù)據(jù)建立匯總表，對不常用的匯總數(shù)據(jù)進行Group by 操作，這樣來取得性能和管理復(fù)雜度之間的均衡。

2、多維聯(lián)機分析處理的具體實施方法

多維聯(lián)機分析處理實際上是用多維數(shù)組的方式對關(guān)系型數(shù)據(jù)表進行處理。下圖是ROLAP與MOLAP的對比：

圖中左邊是ROLAP方式，右邊是MOLAP方式，兩者對應(yīng)的是同一個三維模型。MOLAP首先對事實表中的所有外鍵進行排序，并將排序后的具體指標數(shù)值一一寫進虛擬的多維立方體中。當(dāng)然，虛擬的多維立方體只是為了便于理解而構(gòu)想的，MOLAP實際的數(shù)據(jù)存儲放在數(shù)據(jù)文件(Data File)中，其數(shù)據(jù)放置的順序與虛擬的多維立方體按x,y,z坐標展開的順序是一致的(如上圖)。同時，為了數(shù)據(jù)查找的方便，MOLAP需要預(yù)先建立維度的索引，這個索引被放置在MOLAP的概要文件(Outline)中。

概要文件是MOLAP的核心，相當(dāng)于ROLAP的數(shù)據(jù)模型設(shè)計。概要文件包括所有維的定義（包括復(fù)雜的維度結(jié)構(gòu)）以及各個層次的數(shù)據(jù)匯總關(guān)系(例如在時間維，日匯總至月，月匯總至季，季匯總至年)，這些定義往往從關(guān)系型維表中直接引入即可。概要文件也包括分析指標的定義，因此可以在概要文件中包含豐富的衍生指標，這些衍生指標由基礎(chǔ)指標計算推導(dǎo)出來（例如ROLAP例子1中的純利和毛利）。概要文件的結(jié)構(gòu)如下圖所示：

一旦概要文件定義好，MOLAP系統(tǒng)可以自動安排數(shù)據(jù)存儲的方式和進行數(shù)據(jù)查詢。從MOLAP的數(shù)據(jù)文件與ROLAP的事實表的對比可以看出，MOLAP的數(shù)據(jù)文件完全不需要紀錄維度的外鍵，在維度比較多的情況下，這種數(shù)據(jù)存儲方式大量地節(jié)省了空間。

但是，如果數(shù)據(jù)相當(dāng)稀疏，虛擬的多維立方體中很多數(shù)值為空時，MOLAP的數(shù)據(jù)文件需要對相關(guān)的位置留空，而ROLAP的事實表卻不會存儲這些紀錄。為了有效地解決這種情況，MOLAP采用了稀疏維和密集維相結(jié)合的處理方式，如下圖：

上圖的背景是某些客戶只通過某些分銷渠道才購買，但是只要該客戶存在，他在各個月和各個地區(qū)內(nèi)均有消費 (例如，華南IBM只通過熊貓國旅定購南航機票，但在華南四省在每個月均有機票訂購)。則時間和地區(qū)維是密集維，客戶和分銷渠道是稀疏維，MOLAP將稀疏維建成索引文件(Index File)，密集維所對應(yīng)的數(shù)值仍然保留在數(shù)據(jù)文件中，索引文件不存儲空紀錄。這樣保持了對空間的合理利用。我們也可以看到，如果所有維都是稀疏維，則 MOLAP的索引文件就退化成ROLAP的事實表， 兩者沒有區(qū)別了。

在實際應(yīng)用中，不可能所有分析的維度都是密集的，也絕少存在所有分析的維度都是稀疏的，因此稀疏維和密集維并用的模式幾乎主導(dǎo)了所有的MOLAP應(yīng)用。而稀疏維和密集維的定義全部集中在概要文件中，因此，只要預(yù)先定義好概要文件，所有的數(shù)據(jù)分布就自動確定了。

在這種模式中，密集維的組合組成了的數(shù)據(jù)塊(Data Block)，每個數(shù)據(jù)塊是I/O讀寫的基礎(chǔ)單位(如上圖)，所有的數(shù)據(jù)塊組成了數(shù)據(jù)文件。稀疏維的組合組成了索引文件，索引文件的每一個數(shù)據(jù)紀錄的末尾都帶有一個指針，指向要讀寫的數(shù)據(jù)塊。因此，進行數(shù)據(jù)查詢時，系統(tǒng)先搜索索引文件紀錄，然后直接調(diào)用指針指向的數(shù)據(jù)塊進行I/O讀寫(如果該數(shù)據(jù)塊尚未駐留內(nèi)存)，將相應(yīng)數(shù)據(jù)塊調(diào)入內(nèi)存后，根據(jù)密集維的數(shù)據(jù)放置順序直接計算出要查詢的數(shù)據(jù)距離數(shù)據(jù)塊頭的偏移量，直接提取數(shù)據(jù)下傳到客戶端。因此，MOLAP 方式基本上是索引搜索與直接尋址的查詢方式相結(jié)合，比起ROLAP的表/索引搜索和表連接方式，速度要快得多。

多維聯(lián)機分析處理有以下特點：

• 需要預(yù)先定義概要文件；
• 數(shù)據(jù)查詢采用索引搜索與直接尋址的方式相結(jié)合，不需要進行表連接，在查詢性能測試中比起ROLAP有相當(dāng)大的優(yōu)勢；
• 在進行數(shù)據(jù)匯總查詢之前，MOLAP需要預(yù)先按概要文件中定義的數(shù)據(jù)匯總關(guān)系進行計算，這個計算通常以批處理方式運行。計算結(jié)果回存在數(shù)據(jù)文件中，當(dāng)用戶查詢時，直接調(diào)用計算結(jié)果，速度非?？?。
• 無論是數(shù)據(jù)匯總還是計算衍生數(shù)據(jù)，預(yù)先計算的方式實際上是用空間來換時間。當(dāng)然，用戶也可以選擇動態(tài)計算的方式，用查詢時間來換取存儲空間。MOLAP可以靈活調(diào)整時空的取舍平衡。
• 用戶難以使用概要文件中沒有定義的數(shù)據(jù)匯總關(guān)系和衍生指標。
• 在大數(shù)據(jù)量環(huán)境下，關(guān)系型數(shù)據(jù)庫可以達到TB級的數(shù)據(jù)量，現(xiàn)有的MOLAP應(yīng)用局限于基于文件系統(tǒng)的處理和查詢方式，其性能會在100GB級別開始下降，需要進行數(shù)據(jù)分區(qū)處理，因此擴展性不如ROLAP。因此，MOLAP多數(shù)用于部門級的主題分析應(yīng)用。

3、其它考慮因素

聯(lián)機分析處理其他要素包括假設(shè)分析(What-if)，復(fù)雜計算，數(shù)據(jù)評估等等。這些因素對用戶的分析效用至關(guān)重要，但是與ROLAP和MOLAP的核心工作原理的不一定有很緊密的關(guān)系，事實上，ROLAP和MOLAP都可以在以上三方面有所建樹，只不過實現(xiàn)的方法迥異。因此，這些因素更取決于各個廠商為他們的產(chǎn)品提供的外延功能。對于像IBM的DB2 OLAP Server這樣一個成熟的產(chǎn)品來說，這三方面均有獨特的優(yōu)勢：

1）假設(shè)分析

假設(shè)分析提出了類似于以下的問題："如果產(chǎn)品降價5%，而運費增加8%，對不同地區(qū)的分銷商的進貨成本會有什么影響？"這些問題常用于銷售預(yù)測、費用預(yù)算分配、獎金制度確定等等。據(jù)此，用戶可以分析出哪些角度、哪些因素的變化將對企業(yè)產(chǎn)生重要影響；并且，用戶可以靈活調(diào)節(jié)自己手中掌握的資源(例如費用預(yù)算等)，將它用到最有效的地方中去。 假設(shè)分析要求OLAP系統(tǒng)能夠隨用戶的思路調(diào)整數(shù)據(jù)，并動態(tài)反映出在調(diào)整后對其他數(shù)據(jù)的影響結(jié)果。事實上，進入 OLAP的數(shù)據(jù)分兩大類：事實數(shù)據(jù)和預(yù)算數(shù)據(jù)，例如本月實際發(fā)生的銷售額是事實數(shù)據(jù)，上月對本月的銷售額估算是預(yù)算數(shù)據(jù)。事實數(shù)據(jù)一般情況下不容修改，而預(yù)算數(shù)據(jù)則應(yīng)常常進行調(diào)整。DB2 OLAP Server通過詳細的權(quán)限定義區(qū)分了數(shù)據(jù)的讀寫權(quán)限，允許用戶對預(yù)算數(shù)據(jù)進行更改，系統(tǒng)可以對其他受影響的數(shù)據(jù)進行計算，以反映出"假如發(fā)生如上情況，將會引起以下結(jié)果"的結(jié)論。

2）復(fù)雜計算

分析人員往往需要分析復(fù)雜的衍生數(shù)據(jù)，諸如：同期對比、期初/期末余額、百分比份額計算、資源分配(按從頂向下的結(jié)構(gòu)圖逐級分配)、移動平均、均方差等等。對這些要求，DB2 OLAP Server提供豐富的功能函數(shù)以便用戶使用。因為只有在無需編程的環(huán)境下，商業(yè)用戶才能更好地靈活利用這些功能進行復(fù)雜的真實世界模擬。

3）數(shù)據(jù)評估

數(shù)據(jù)評估包括兩方面內(nèi)容，有效性評估和商業(yè)意義評估。在有效性評估方面，數(shù)據(jù)抽取、清洗和轉(zhuǎn)換的規(guī)則的定義是至關(guān)重要的。而合理的數(shù)據(jù)模型設(shè)計能有效防止無效數(shù)據(jù)的進入。例如在ROLAP中，如果維表沒有采用范式設(shè)計(normalise design)，可能會接受如下的維表：

顯然，002中顯示的佛山屬于廣州市，與003中顯示的佛山屬于南海市是矛盾的。這顯示出數(shù)據(jù)源有問題，但是如果采用星型模式設(shè)計，ROLAP無法自動發(fā)現(xiàn)數(shù)據(jù)源的問題！

在類似情況下，MOLAP的表現(xiàn)稍占優(yōu)勢。因為MOLAP需要預(yù)先定義概要文件，而概要文件會詳細分析維度的層次關(guān)系，因此生成概要文件時會反映數(shù)據(jù)源的錯誤。因此，在DB2 OLAP Server中，記錄003會被拒收，并紀錄在出錯日志中，供IT人員更正。

但是，OLAP對數(shù)據(jù)源有效性的驗證能力畢竟是有限的，因此，數(shù)據(jù)有效性必須從源數(shù)據(jù)一級和數(shù)據(jù)抽取/清洗/轉(zhuǎn)換處理一級來進行保障。

對用戶而言，數(shù)據(jù)的商業(yè)含義評估更有意義。在商業(yè)活動中，指標數(shù)值的取值范圍是比較穩(wěn)定的，如果指標數(shù)值突然發(fā)生變化，或者在同期比較、同類比較中有特殊表現(xiàn)，意味著該指標代表的方方面面具有特別的分析意義。普通的OLAP往往需要用戶自己去觀察發(fā)現(xiàn)異常指標，而DB2 OLAP Server的OLAP Minor(多維數(shù)據(jù)挖掘功能)能為用戶特別地指出哪些條件下的哪些指標偏離常值，從而引起用戶的注意和思考。例如：12月份南部的圣誕禮品銷售額不到同期類似區(qū)域（東部、中部、西部）的50%。

綜上所述，無論ROLAP還是MOLAP，都能夠?qū)崿F(xiàn)聯(lián)機分析處理的基本功能，兩者在查詢效率，存儲空間和擴展性方面各有千秋。IT人員在選擇OLAP系統(tǒng)時，既要考慮產(chǎn)品內(nèi)部的實現(xiàn)機制，同時也應(yīng)考慮假設(shè)分析，復(fù)雜計算，數(shù)據(jù)評估方面的功能，為實現(xiàn)決策管理信息系統(tǒng)打下堅實的基礎(chǔ)。