多維資料庫產品

1. 請問一下什麼叫做多維資料庫。2為資料庫，三維資料庫

多維資料庫（Multi
Dimensional
Database,MDD）可以簡單地理解為：將數據存放在一個n維數組中，而不是像關系資料庫那樣以記錄的形式存放。因此它存在大量稀疏矩陣，人們可以通過多維視圖來觀察數據。多維資料庫增加了一個時間維，與關系資料庫相比，它的優勢在於可以提高數據處理速度，加快反應時間，提高查詢效率。

2. 3.1 多維資料庫essbase的存儲原理，和oracle關系庫的區別

Essbase主要是作為Planning後端資料庫使用。Planning的技術難點在於Essbase，所以搞Planning深入下去就是在搞Essbase；
反過來說，熟悉了Essbase，上手Planning就很簡單，無非是在Essbase基礎上加了Form、Process Management等功能，再學學Driver-based Planning、Rolling Forcasting等知識，就算是Planning專家了。

3. 多維分析工具有什麼作用

你好，
很高興為你解答
多維資料庫展現工具一般是集成OLAP多維分析模塊的BI產品，像我們公司用的FineBI，在國內多維分析模塊做得比較優秀，支持業界主流的OLAP伺服器，圖形展現類型豐富。因為有本土化的報表開發基礎，這方面還是不錯的
希望能夠幫助到你，望採納

4. 什麼是資料庫維度 怎麼理解怎麼用做什麼用的 能否通俗易懂的說明。謝謝。

舉個簡單例子：

就拿excel表格來說，作為單一的工作表，就包含二維（行和列），而一個excel文件，通常包含多個工作表，打開excel文件時，在下方顯示的「sheet1、sheet2」這些工作表頁列，就是第三維。

excel是最簡單的資料庫應用，一個xlsx文件只有三維，但你可以用若干個xlsx文件來組成一個項目，這些文件序列，你可以視為第四維。

然後，你還可以把一組組xlsx文件放在一個個目錄中，那麼這些目錄序列，你可以視為第五維。

再往上，你還可以設置更上一級目錄，那就是第六維……

反正在excel中，任何一個單元格，都可以調用存儲在本地電腦（甚至是網路電腦）任何地方的、任何一個excel文件中的、任何一個工作表的、任何一個單元格內容，所以說，雖然是一大堆的文件，你也可以當做是一個資料庫來處理，只是不那麼方便。

……

在資料庫中，單一的資料庫就能包含很多很多維，你也可以把這些維，當做樹狀目錄的結構來理解，也可以當做一堆堆的xlsx文件集合來理解。

磁碟的存儲結構（不管是fat還是ntfs，還是linux或os或別的什麼磁碟格式），都是一種大型的、多維的資料庫，分區是一個維度，目錄是一個維度，每一檔下級目錄又是一個維度。文件是一個維度，文件中的章節行段也是維度……

數學中的維度概念，和通常意義上的空間維度，是兩回事。

空間維度可以用數學來解釋，但數學維度，三維以上你就無法用空間來顯示。

但在資料庫中，三維只是基本操作。

……

用excel來舉例，已經是我能找到的最容易理解的方案。

我真正理解資料庫維度時，是從數組開始的，當時使用一個很簡陋的編程軟體，他不提供資料庫建立和訪問，數組的維度也有限，還需要自己建立多維存儲文件，並且只支持文本格式。

文本格式中，使用【】標記數組維度，【】中間的標識符可以自定義，通過各種不同的標識符來延伸維度……做著做著，我忽然間就領悟到什麼叫資料庫、什麼叫維度，如果不考慮執行效率的話，用一個文本文件，就能模擬出一個硬碟來……

5. SAS的功能模塊介紹

SAS (Statistical Analysis System)是一個模塊化、集成化的大型應用軟體系統。
它由數十個專用模塊構成，功能包括數據訪問、數據儲存及管理、應用開發、圖形處理、數據分析、報告編制、運籌學方法、計量經濟學與預測等等。
SAS系統基本上可以分為四大部分：SAS資料庫部分；SAS分析核心；SAS開發呈現工具；SAS對分布處理模式的支持及其數據倉庫設計。
SAS系統主要完成以數據為中心的四大任務：數據訪問；數據管理(sas 的數據管理功能並不很出色，而是數據分析能力強大所以常常用微軟的產品管理數據，再導成sas數據格式．要注意與其他軟體的配套使用）；數據呈現；數據分析。當前（2012年）軟體最高版本為SAS9.3。其中Base SAS模塊是SAS系統的核心。其它各模塊均在Base SAS提供的環境中運行。用戶可選擇需要的模塊與Base SAS一起構成一個用戶化的SAS系統。
Base SAS
Base SAS作為SAS系統的核心，負責數據管理，交互應用環境管理，進行用戶語言處理，調用其它SAS模塊。
Base SAS 為SAS系統的資料庫提供了豐富的數據管理功能，還支持標準的SQL語言對數據進行操作。Base SAS能夠製作從簡單列表到比較復雜的統計報表。 Base SAS可進行基本的描述性統計及基相關 系數的計算，進行正態分布檢驗等。
SAS/GHAPH
SAS/GHAPH可將數據及其包含著的深層信息以多種圖形生動地呈現出來，如直方圖、圓餅圖、星形圖、散點相關圖、曲線圖、三維曲面圖、等高線圖及地理圖等。
SAS/GHAPH提供一個全屏幕編輯器，提供多種設備程序，支持非常廣泛的圖形輸出設備以及標準的圖形交換文件。
SAS/ASSIST
SAS/ASSIST為SAS系統提供了面向任務的菜單界面，藉助它可以通過菜單系統來使用SAS系統其它產品。它自動生成的SAS程序既可輔助有經驗的用戶快速編寫SAS程序，又可幫助用戶學習SAS。
SAS/AF
SAS/AF是一個應用開發工具。用戶使用SAS/AF可將包含眾多功能的SAS軟體作為方法庫，利用 SAS/AF的屏幕設計能力以及SCL語言的處理能力來快速開發各種功能強大的應用系統。SAS/AF也了採用了OOP(面向對象編輯)技術，使用戶可方便快速開發各類具有圖形用戶界面(GUI)的應用系統。
SAS/EIS
SAS/EIS是決策工具，也是一個快速應用開發工具。SAS/EIS完全採用新興的面向對象的編程模式(OOP)。EIS以生動直觀的方式(圖或表)將關鍵性或總結性信息呈現給使用者。
SAS/ACCESS
為了對眾多不同格式的數據進行查詢、訪問和分析，SAS/ACCESS提供了與許多流行資料庫軟體的介面，利用SAS/ACCESS，可建立外部其它資料庫的一個統一的公共數據界面。SAS/ACCESS提供的介面是透明的和動態的。用戶不必將此文件當作真正存儲著數據的SAS數據集一樣使用，而只需在SAS中建立對外部的描述(即VIEW)文件，便可將此文件當作真正存儲著數據的SAS數據集一樣使用。對一些經常使用的外部數據，可以利用SAS/ACCESS將數據真正提取進入SAS資料庫。 SAS/ACCESS 提供的介面是雙向的，既可將數據讀入SAS，也可在SAS中更新外部數據或將SAS數據載入到外部資料庫中。
SAS/ACCESS支持的資料庫主要有：IML－DL/I, SQL/DS, DB2, ADABAS, Rdb, ORACLE, Sybase, INGRES, Informix, DBF/DIF,ODBC等。
SAS/STAT
SAS/STAT覆蓋了所有的實用數理統計分析方法，是國際統計分析領域的標准軟體。SAS/STAT提供了八十多個過程，可進行各種不同模型或不同 特點數據的回歸分析，如正交回歸/面回歸、響應面回歸、logistic回歸、非線性回歸等，且具有多種模型選擇方法。 可處理的數據有實型數據、有序數據和屬性數據，並能產生各種有用的統計量和診斷信息。
在方差分析方面， SAS/STAT為多種試驗設計模型提供了方差分析工具。
另外，它還有處理一般線性模型和廣義線性模型的專用過程。在多變數統計方面， SAS/STAT為主成分分析、典型相關分析、判別分析和因子分析提供了許多專用過程。SAS/STAT還包含多種聚類准則的聚類分析方法。
SAS/QC
SAS/QC為全面質量管理提供了一系列工具。它也提供一套全屏幕菜單系統引導用戶進行標準的統計過程以及試驗設計。SAS/QC提供了多種不同類型控制圖的製作與分析。Pareto圖（排列圖）可用於發現需優先考慮的因素，Ishikawa圖（魚骨圖）可用於直觀地進行因果分析。
SAS/ETS
SAS/ETS提供豐富的計量經濟學和時間序列分析方法，是研究復雜系統和進行預測的有力工具。它提供方便的模型設定手段、多樣的參數估計方法。
SAS/OR
SAS/OR提供全面的運籌學方法，是一種強有力的決策支持工具。它輔助人們實現對人力、時間以及其它各種資源的最佳利用。 SAS/OR包含通用的線性規劃、混合整數規劃和非線性規劃的求解，也為專門的規劃問題提供更為直接的解決辦法，如網路流問題、運輸問題、分配問題等。
SAS/IML
SAS/IML提供功能強大的面向矩陣運算的編程語言，幫助用戶研究新演算法或解決SAS中沒有現成演算法的專門問題。SAS/IML中的基本數據元素是矩陣。它包含大量的數學運算符、函數和例行程序，用戶用很少的語句便可執行很復雜的計算過程。
SAS/WA
SAS/WA（Warehouse Administrator）是建立數據倉庫的集成工具，它在其它SAS軟體的基礎上提供了一個建立數據倉庫的管理層，包括：定義數據倉庫和主題，數據轉換和匯總，匯總數據的更新，Metadata的建立、管理和查詢，Data marts和Info marts的實現。
SAS/MDDB Server
SAS/MDDB Server是SAS的多維資料庫產品，主要用於在線分析處理（OLAP），可將從數據倉庫或其它數據源來的數據以立體陣列的方式存儲，以便於用多維數據瀏覽器等工具快速和方便地訪問。
SAS/IntrNet
SAS/IntrNet為SAS Web應用提供了數據服務和計算服務，包括htmSQL，它為一UNIX Web伺服器的CGI程序，使得能通過支持Web瀏覽器動態查詢SAS數據或外部的關系型資料庫；SAS ODBC Driver使得能通過支持ODBC的Windows Web伺服器來訪問SAS數據；SAS Driver for JDBC使得可以通過Java applet來查詢SAS數據； SAS/IntrNet Application Dispatcher使得可以通過Web瀏覽器動態地遞交SAS程序到SAS應用伺服器執行，並將結果返回瀏覽器。
SAS/GIS
SAS/GIS集地理位置系統功能與數據的顯示分析於一體。它提供層次化的地理信息，每一層可以是某些地理元素，也可與用戶定義的主題（例如：人口、產值等）相關聯。用戶可互動式地縮小或放大地圖，設定各層次顯示與否，並利用各種互動式工具進行數據顯示與分析。
SAS/ITSV
IT Service Vision（ITSV）是企業的全面IT服務的性能評估和管理的軟體，這些IT服務包括計算機系統、網路系統、Web伺服器和電話系統等。ITSV將不同來源的數據進行整理和組織，存放於性能數據倉庫中，用GUI或批處理的方式產生組織任意層面的報告。系統程序員及網路工程師能藉此識別、研究並解決有關問題，業務分析人員能藉此制定資源管理的總體策略，CIO和數據中心經理能藉此定期地得到所需的IT運作的匯總和分析報告。
SAS/CFO Vision
SAS/CFO Vision用於財務整合和報告，內部包含了會計知識，為日常財務工作提供了現成的程序，並提供了訪問所有主要數據源的介面。它主要用於；訪問財務和非財務的有關住處整合財務數據，通過一個財務信息倉庫來管理業務結構，通過財務報告和分析幫助理解財務的結果，並在組織內交流關鍵的業務結果信息。

6. 有哪些數據分析軟體，哪個比較好

思邁特軟體Smartbi 軟體在國內BI 領域處於領先地位，產品廣泛應用於金融、政府、製造、零售、地產等眾多行業，擁有3000+行業頭部客戶。

判斷一個大數據分析軟體好不好，首先要看這個款產品的穩定性，在數據分析的過程中，穩定性非常重要，它決定了數據分析過程的質量和效率；其二、系統設計人性化，操作簡單方便，合適不同客戶群體；

其三、分析結果准確率高；其四、客戶體驗滿意度，產品好不好只有客戶體驗滿意才是好的產品。

思邁特軟體Smartbi 是國內領先的BI廠商，企業級商業智能和大數據分析平台，經過多年的持續發展，整合了各行業的數據分析和決策支持的功能需求。滿足最終用戶在企業級報表、數據可視化分析、自助探索分析、數據挖掘建模、AI智能分析等大數據分析需求。
Smartbi是目前國內大數據分析軟體的佼佼者。主打的是企業報表和自助式分析2個特點，最高可以支撐20億數據的秒級呈現，適用於企業中的技術人員、業務人員和數據分析師，可以完全自主的進行探索式分析，軟體在易用性和功能上做的都很不錯，說實話，國內的BI行業由於起步較晚，能做到這個程度的確是下了一番功夫。相較於國外產品而言，Smartbi最大的優勢在於Smartbi自主搭建的實施團隊和服務團隊，強大的服務讓它成為國內首屈一指的商業智能產品。

1、智能鑽取
Smartbi數據分析軟體獨有的智能鑽取功能，只需雙擊滑鼠，就能實現任意報表之間的穿透鑽取，不管這些報表是不是來自同一分析模型，只要有數據關聯就能實現秒速智能鑽取。最關鍵的是，他不需要IT開發人員做任何預設，系統將智能匹配報表與參數傳遞，真正做到了報表無邊界，想鑽哪裡就鑽哪裡的效果。
Smartbi數據分析軟體已全面落地Smartbi智能鑽取功能，為用戶提供更智能、靈活又高效的數據鑽取服務。

2、多維動態分析
在多維資料庫中，數據是以立方體（即Cube）的形式存儲的。但在企業中不同角色進行數據分析時關注的維度是不同的，那麼如何才能做到讓不同角色可以基於自己所關注的維度，對數據進行多角度展示和靈活動態分析呢？
Smartbi 多維分析可以直接對接多維資料庫（Essbase、SSAS等），通過將多維數據集中的各個維度進行有機組合，查詢出相應的數據。它提供了切片、切塊、鑽取以及行列互換等多種可視化操作方式，使得不同角色可基於自身所關注的維度進行靈活的數據分析，從而使用戶對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的判斷，輔助決策。

一般的分析報表只有一個固定的分析角度，瀏覽者只能被動接受，無法根據自己的需求、思維方式去做進一步分析。但在Smartbi數據分析軟體上，報表瀏覽者能夠自主決定分析角度與內容。就如當我想從銷售駕駛艙中進一步分析廣東門店的銷售情況，可通過高效聯動、智能鑽取、篩選等多種方式進行切換。

多維動態分析技術的應用，讓報表瀏覽者自主決定欄位與維度組合，自主決定分析內容，從而擁有更多維的數據分析角度，更深入詳細的數據分析挖掘能力。

3、無須預建模的透視分析

通過Smartbi這些工作都得到了極大的簡化，採用「類Excel數據透視表」的設計，多維分析不再需要建立模型，就能夠組合維度、匯總計算、切片、鑽取，洞察數據。不僅如此，任何欄位都可直接作為輸出欄位或篩選條件，輕松實現對數據的查詢與探索。

數據分析軟體靠不靠譜，來試試Smartbi,思邁特軟體Smartbi經過多年持續自主研發，凝聚大量商業智能最佳實踐經驗，整合了各行業的數據分析和決策支持的功能需求。滿足最終用戶在企業級報表、數據可視化分析、自助探索分析、數據挖掘建模、AI智能分析等大數據分析需求。

思邁特軟體Smartbi個人用戶全功能模塊長期免費試用
馬上免費體驗:Smartbi一站式大數據分析平台

7. 現在有哪些好用的BI產品呢，輕量級的

帆軟的FineBI。
BI工具FineBI的多維資料庫採用完全自主研發的自動建模技術，BI工具的數據管理員只要設置數據表之間的關聯關系，所有模型便可一鍵自動建立。
敏捷型BI注重多維資料庫的快速建立、靈活變化，而FineBI的自動建模技術可一鍵建成覆蓋所有維度與指標組合的多維資料庫，達到了敏捷的極致。

8. 數據倉庫和多維資料庫的區別在哪裡

簡而言之，資料庫是面向事務的設計，數據倉庫是面向主題設計的。

資料庫一般存儲在線交易數據，數據倉庫存儲的一般是歷史數據。

資料庫設計是盡量避免冗餘，一般採用符合範式的規則來設計，數據倉庫在設計是有意引入冗餘，採用反範式的方式來設計。

資料庫是為捕獲數據而設計，數據倉庫是為分析數據而設計，它的兩個基本的元素是維表和事實表。維是看問題的角度，比如時間，部門，維表放的就是這些東西的定義，事實表裡放著要查詢的數據，同時有維的ID。

單從概念上講，有些晦澀。任何技術都是為應用服務的，結合應用可以很容易地理解。以銀行業務為例。資料庫是事務系統的數據平台，客戶在銀行做的每筆交易都會寫入資料庫，被記錄下來，這里，可以簡單地理解為用資料庫記帳。數據倉庫是分析系統的數據平台，它從事務系統獲取數據，並做匯總、加工，為決策者提供決策的依據。比如，某銀行某分行一個月發生多少交易，該分行當前存款余額是多少。如果存款又多，消費交易又多，那麼該地區就有必要設立ATM了。

顯然，銀行的交易量是巨大的，通常以百萬甚至千萬次來計算。事務系統是實時的，這就要求時效性，客戶存一筆錢需要幾十秒是無法忍受的，這就要求資料庫只能存儲很短一段時間的數據。而分析系統是事後的，它要提供關注時間段內所有的有效數據。這些數據是海量的，匯總計算起來也要慢一些，但是，只要能夠提供有效的分析數據就達到目的了。

數據倉庫，是在資料庫已經大量存在的情況下，為了進一步挖掘數據資源、為了決策需要而產生的，它決不是所謂的「大型資料庫」。那麼，數據倉庫與傳統資料庫比較，有哪些不同呢?讓我們先看看W.H.Inmon關於數據倉庫的定義:面向主題的、集成的、與時間相關且不可修改的數據集合。

「面向主題的」:傳統資料庫主要是為應用程序進行數據處理，未必按照同一主題存儲數據;數據倉庫側重於數據分析工作，是按照主題存儲的。這一點，類似於傳統農貿市場與超市的區別—市場裡面，白菜、蘿卜、香菜會在一個攤位上，如果它們是一個小販賣的;而超市裡，白菜、蘿卜、香菜則各自一塊。也就是說，市場里的菜(數據)是按照小販(應用程序)歸堆(存儲)的，超市裡面則是按照菜的類型(同主題)歸堆的。

「與時間相關」:資料庫保存信息的時候，並不強調一定有時間信息。數據倉庫則不同，出於決策的需要，數據倉庫中的數據都要標明時間屬性。決策中，時間屬性很重要。同樣都是累計購買過九車產品的顧客，一位是最近三個月購買九車，一位是最近一年從未買過，這對於決策者意義是不同的。

「不可修改」:數據倉庫中的數據並不是最新的，而是來源於其它數據源。數據倉庫反映的是歷史信息，並不是很多資料庫處理的那種日常事務數據(有的資料庫例如電信計費資料庫甚至處理實時信息)。因此，數據倉庫中的數據是極少或根本不修改的;當然，向數據倉庫添加數據是允許的。

數據倉庫的出現，並不是要取代資料庫。目前，大部分數據倉庫還是用關系資料庫管理系統來管理的。可以說，資料庫、數據倉庫相輔相成、各有千秋。

補充一下，數據倉庫的方案建設的目的，是為前端查詢和分析作為基礎，由於有較大的冗餘，所以需要的存儲也較大。為了更好地為前端應用服務，數據倉庫必須有如下幾點優點，否則是失敗的數據倉庫方案。

1.效率足夠高。客戶要求的分析數據一般分為日、周、月、季、年等，可以看出，日為周期的數據要求的效率最高，要求24小時甚至12小時內，客戶能看到昨天的數據分析。由於有的企業每日的數據量很大，設計不好的數據倉庫經常會出問題，延遲1-3日才能給出數據，顯然不行的。

2.數據質量。客戶要看各種信息，肯定要准確的數據，但由於數據倉庫流程至少分為3步，2次ETL，復雜的架構會更多層次，那麼由於數據源有臟數據或者代碼不嚴謹，都可以導致數據失真，客戶看到錯誤的信息就可能導致分析出錯誤的決策，造成損失，而不是效益。

3.擴展性。之所以有的大型數據倉庫系統架構設計復雜，是因為考慮到了未來3-5年的擴展性，這樣的話，客戶不用太快花錢去重建數據倉庫系統，就能很穩定運行。主要體現在數據建模的合理性，數據倉庫方案中多出一些中間層，使海量數據流有足夠的緩沖，不至於數據量大很多，就運行不起來了。

9. 多維資料庫是什麼

多維資料庫（Multi Dimensional Database,MDD）可以簡單地理解為：將數據存放在一個n維數組中，而不是像關系資料庫那樣以記錄的形式存放。因此它存在大量稀疏矩陣，人們可以通過多維視圖來觀察數據。多維資料庫增加了一個時間維，與關系資料庫相比，它的優勢在於可以提高數據處理速度，加快反應時間，提高查詢效率。
目前有兩種MDD 的OLAP產品：基於多維資料庫的MOLAP和基於關系資料庫的ROLAP。ROLAP建立了一種新的體系，即星型結構。
MDD並沒有公認的多維模型，也沒有像關系模型那樣標准地取得數據的方法(如SQL、API等)。基於MDD的OLAP產品，依據決策支持的內容使用范圍也有很大的不同。
在低端，用戶使用基於單用戶或小型LAN的工具來觀察多維數據。這些工具的功能性和實用性可能相當不錯，但由於受到規模的限制，它們不具備OLAP的所有特性。這些工具使用超立方結構，將模型限制在n維形態。當模型足夠大且稀疏數據沒有控制好時，這種模型將會不堪一擊。這些工具使用資料庫的大小是以MB來計量的，而不是以GB計量的，因此只能進行只讀操作，且具備有限的復雜計算。
在高端，OLAP工具用4GL提供了完善的開發環境、統計分析、時間序列分析、財政報告、用戶介面、多層體系結構、圖表等許多其他功能。盡管不同的OLAP工具都使用了它們自己的多維資料庫，但它們在不同程度上也利用了關系資料庫作為存儲媒體。因為關系資料庫和OLAP工具同時在高端伺服器上處理，所以速度和效率仍然很快。
純多維資料庫引擎也被開發出來。盡管這些工具缺乏4GL及充分的開發環境，但卻有比高端MDD工具所使用的資料庫更為復雜的資料庫。這些工具也具有統計分析、財務分析和時間序列分析等功能，並有自己的API，允許其對前端的開發環境開放。
MDD能提供優良的查詢性能。存儲在MDD中的信息比在關系資料庫中的信息具有更詳細的索引，可以常駐內存。MDD的信息是以數組形式存放的，所以它可以在不影響索引的情況下更新數據。因此MDD非常適合於讀寫應用。

10. 全面預算軟體為什麼要用多維數據倉庫技術

全面預算管理軟體用多維數據倉庫做技術支撐，主要是為實現企業的數據整合和數據分析，說白了就是，判定一個全面預算管理軟體是否能夠實現價值，首先就要看是不是基於多維數據倉庫搭建的，如果全面預算軟體並非基於多維數據倉庫，僅僅是基於業務系統搭建，那就不具備數據分析能力，跟傳統的OA,ERP等就沒有區別了，企業實施全面預算管理的意義又何在？只有採用多維數據倉庫的全面預算軟體，將企業各應用數據數據整合，並提供及時的數據分析，才能真正的發揮全面預算管理在企業戰略上的決策分析作用。不過是實話，國內具備多維數據技術的公司不多，就我所知只有智達方通，總經理是前海波龍全面預算軟體設計師，產品自主研發。