聯機分析處理的方法有哪些

❶ 聯機分析處理的特點

在過去的二十年中，大量的企業利用關系型資料庫來存儲和管理業務數據，並建立相應的應用系統來支持日常業務運作。這種應用以支持業務處理為主要目的，被稱為聯機事務處理(OLTP，On-line Transaction Processing)應用，它所存儲的數據被稱為操作數據或者業務數據。
隨著市場競爭的日趨激烈，企業更加強調決策的及時性和准確性，這使得以支持決策管理分析為主要目的的應用迅速崛起，這類應用被稱為聯機分析處理，它所存儲的數據被稱為信息數據。
聯機分析處理的用戶是企業中的專業分析人員及管理決策人員，他們在分析業務經營的數據時，從不同的角度來審視業務的衡量指標是一種很自然的思考模式。例如分析銷售數據，可能會綜合時間周期、產品類別、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人員的工作量相當大，而且往往難以跟上管理決策人員思考的步伐。
聯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，預先為用戶組建多維的數據模型，在這里，維指的是用戶的分析角度。例如對銷售數據的分析，時間周期是一個維度，產品類別、分銷渠道、地理分布、客戶群類也分別是一個維度。一旦多維數據模型建立完成，用戶可以快速地從各個分析角度獲取數據，也能動態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。這也是聯機分析處理被廣泛關注的根本原因，它從設計理念和真正實現上都與舊有的管理信息系統有著本質的區別。
事實上，隨著數據倉庫理論的發展，數據倉庫系統已逐步成為新型的決策管理信息系統的解決方案。數據倉庫系統的核心是聯機分析處理，但數據倉庫包括更為廣泛的內容。
概括來說，數據倉庫系統是指具有綜合企業數據的能力，能夠對大量企業數據進行快速和准確分析，輔助做出更好的商業決策的系統。它本身包括三部分內容：
1、數據層：實現對企業操作數據的抽取、轉換、清洗和匯總，形成信息數據，並存儲在企業級的中心信息資料庫中。
2、應用層：通過聯機分析處理，甚至是數據挖掘等應用處理，實現對信息數據的分析。
3、表現層：通過前台分析工具，將查詢報表、統計分析、多維聯機分析和數據發掘的結論展現在用戶面前。
從應用角度來說，數據倉庫系統除了聯機分析處理外，還可以採用傳統的報表，或者採用數理統計和人工智慧等數據挖掘手段，涵蓋的范圍更廣；就應用范圍而言，聯機分析處理往往根據用戶分析的主題進行應用分割，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應用，而所有的OLAP應用實際上只是數據倉庫系統的一部分。

❷ 數據挖掘DM與聯機分析處理OLAP的區別

主要區別有以下幾點：
1）OLAP聯機分析是對當前事務(tranction)進行處理，一般採取多「維度－事實」的庫表結構，可以對當前的事務數據進行直觀的分析和呈現，用戶需求中經常提到的多維報表就是這個意思，市場上應用較廣的數據報表工具：BO，BRIO等就是OLAP工具。
2）DM應該說不是某個具體的工具和產品，而是一整套解決方案，比如：首先需要有數據倉庫的支持（Data warehouse），即有海量的數據倉庫，一般對實時性沒有具體要求，主要是對歷史數據進行分析，從中發現用以支撐決策的規律性東西（知識）；
3）OLAP可以理解為是「數據－信息」的升華，而DM是「數據－信息－知識」的升華，顯然二者之間的區別還是很明顯，OLAP處理後的一些結果甚至是DM的數據源之一。
4）DM需要用到更為復雜的演算法和工具。一些啟發式學習演算法，比如：神經網路，遺傳演算法，SVM等一般都是應用到DM中，而OLAP一般用到常規的統計學演算法，比如：均值，一元，二元回歸等等
5）二者的實施和項目結果輸出都不同。OLAP一般是當前事務型項目的輔助和補充（經常一個項目中需要用到報表工具就是OLAP），而DM一般是一個獨立的，較為大型的IT項目，獨立於當前的事務型應用。

❸ 聯機分析舉例說明「切塊」操作。(10分)

摘要 OLAP的基本多維分析操作有鑽取（Drill-up和Drill-down）、切片（Slice）和切塊（Dice）、以及旋轉（Pivot）等。

❹ 什麼是聯機分析處理（OLAP）

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。 OLTP OLAP 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-GB 100GB-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。

❺ OLTP和OLAP有何區別

1、適用人員不同：OLTP主要供基層人員使用，進行一線業務操作。OLAP則是探索並挖掘數據價值，作為企業高層進行決策的參考。

2、面向內容不同：OLTP面向應用，OLAP面向主題；

4、數據特點不同：OLTP的數據特點是當前的、最新的、細節的, 二維的、分立的；而OLTP則是歷史的, 聚集的, 多維的，集成的, 統一的；

5、存取能力不同：OLTP可以讀/寫數十條記錄，而OLAP則可以讀上百萬條記錄；

6、工作事件的復雜度不同：OLTP執行的是簡單的事務，而OLAP執行的是復雜任務；

7、可承載用戶數量不同：OLTP的可承載用戶數量為上千個，而OLAP則是上百萬個；

8、DB大小不同：OLTP的DB 大小為100GB，而OLAP則可以達到100TB；

9、執行時間要求不同：OLTP具有實時性，OLAP對時間的要求不嚴格。

(5)聯機分析處理的方法有哪些擴展閱讀：

OLTP與OLAP的實際應用

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。

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。

應用OLTP，就必須重新定義OLTP在企業信息化體系結構中的地位。OLTP不再只是一套能處理訂單的老式應用程序。對典型的OLTP系統處理的大規模數據流更新進行同時分析，這種情況很罕見，因為一般認為這不是OLTP的目的。

數據倉庫更新固有的延遲阻礙著對最新數據的近實時分析。組織如果要對於數據的變化迅速作出反應，IT部門就必須讓OLTP產生比以往更大的作用。

參考資料來源：網路-OLTP

參考資料來源：網路-聯機分析處理

❻ Oracle教程之什麼是聯機分析處理

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。
OLTP
OLAP
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-GB
100GB-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。

❼ 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.

❽ 什麼叫批處理，聯機處理，分布處理

批處理文件（BATCHFILE，簡稱 BAT文件）是一種在DOS 下最常用的可執行文件。它具有靈活的操縱性，可適應各種復雜的計算機操作（指在DOS下）。所謂的批處理，就是按規定的順序自動執行若干個指定的DOS命令或程序。即是把原來一個一個執行的命令匯總起來，成批的執行。
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。

❾ 聯機分析處理的邏輯概念

OLAP展現在用戶面前的是一幅幅多維視圖。維（Dimension）：是人們觀察數據的特定角度，是考慮問題時的一類屬性，屬性集合構成一個維（時間維、地理維等）。
維的層次（Level）：人們觀察數據的某個特定角度（即某個維）還可以存在細節程度不同的各個描述方面（時間維：日期、月份、季度、年）。
維的成員（Member）：維的一個取值，是數據項在某維中位置的描述。（「某年某月某日」是在時間維上位置的描述）。
度量（Measure）：多維數組的取值。（2000年1月，上海，筆記本電腦，0000）。
OLAP的基本多維分析操作有鑽取（Drill-up和Drill-down）、切片（Slice）和切塊（Dice）、以及旋轉（Pivot）等。
鑽取：是改變維的層次，變換分析的粒度。它包括向下鑽取（Drill-down）和向上鑽取（Drill-up）/上卷(Roll-up)。Drill-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；如果有三個或以上，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）。

❿ 聯機分析處理的作用

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。決策數據是多維數據，多維數據就是決策的主要內容。OLAP專門設計用於支持復雜的分析操作，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。聯機分析處理具有靈活的分析功能、直觀的數據操作和分析結果可視化表示等突出優點，從而使用戶對基於大量復雜數據的分析變得輕松而高效，以利於迅速做出正確判斷。它可用於證實人們提出的復雜的假設，其結果是以圖形或者表格的形式來表示的對信息的總結。它並不將異常信息標記出來，是一種知識證實的方法。