多维数据库产品

1. 请问一下什么叫做多维数据库。2为数据库，三维数据库

多维数据库（Multi
Dimensional
Database,MDD）可以简单地理解为：将数据存放在一个n维数组中，而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。多维数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询效率。

2. 3.1 多维数据库essbase的存储原理，和oracle关系库的区别

Essbase主要是作为Planning后端数据库使用。Planning的技术难点在于Essbase，所以搞Planning深入下去就是在搞Essbase；
反过来说，熟悉了Essbase，上手Planning就很简单，无非是在Essbase基础上加了Form、Process Management等功能，再学学Driver-based Planning、Rolling Forcasting等知识，就算是Planning专家了。

3. 多维分析工具有什么作用

你好，
很高兴为你解答
多维数据库展现工具一般是集成OLAP多维分析模块的BI产品，像我们公司用的FineBI，在国内多维分析模块做得比较优秀，支持业界主流的OLAP服务器，图形展现类型丰富。因为有本土化的报表开发基础，这方面还是不错的
希望能够帮助到你，望采纳

4. 什么是数据库维度 怎么理解怎么用做什么用的 能否通俗易懂的说明。谢谢。

举个简单例子：

就拿excel表格来说，作为单一的工作表，就包含二维（行和列），而一个excel文件，通常包含多个工作表，打开excel文件时，在下方显示的“sheet1、sheet2”这些工作表页列，就是第三维。

excel是最简单的数据库应用，一个xlsx文件只有三维，但你可以用若干个xlsx文件来组成一个项目，这些文件序列，你可以视为第四维。

然后，你还可以把一组组xlsx文件放在一个个目录中，那么这些目录序列，你可以视为第五维。

再往上，你还可以设置更上一级目录，那就是第六维……

反正在excel中，任何一个单元格，都可以调用存储在本地电脑（甚至是网络电脑）任何地方的、任何一个excel文件中的、任何一个工作表的、任何一个单元格内容，所以说，虽然是一大堆的文件，你也可以当做是一个数据库来处理，只是不那么方便。

……

在数据库中，单一的数据库就能包含很多很多维，你也可以把这些维，当做树状目录的结构来理解，也可以当做一堆堆的xlsx文件集合来理解。

磁盘的存储结构（不管是fat还是ntfs，还是linux或os或别的什么磁盘格式），都是一种大型的、多维的数据库，分区是一个维度，目录是一个维度，每一档下级目录又是一个维度。文件是一个维度，文件中的章节行段也是维度……

数学中的维度概念，和通常意义上的空间维度，是两回事。

空间维度可以用数学来解释，但数学维度，三维以上你就无法用空间来显示。

但在数据库中，三维只是基本操作。

……

用excel来举例，已经是我能找到的最容易理解的方案。

我真正理解数据库维度时，是从数组开始的，当时使用一个很简陋的编程软件，他不提供数据库建立和访问，数组的维度也有限，还需要自己建立多维存储文件，并且只支持文本格式。

文本格式中，使用【】标记数组维度，【】中间的标识符可以自定义，通过各种不同的标识符来延伸维度……做着做着，我忽然间就领悟到什么叫数据库、什么叫维度，如果不考虑执行效率的话，用一个文本文件，就能模拟出一个硬盘来……

5. SAS的功能模块介绍

SAS (Statistical Analysis System)是一个模块化、集成化的大型应用软件系统。
它由数十个专用模块构成，功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等等。
SAS系统基本上可以分为四大部分：SAS数据库部分；SAS分析核心；SAS开发呈现工具；SAS对分布处理模式的支持及其数据仓库设计。
SAS系统主要完成以数据为中心的四大任务：数据访问；数据管理(sas 的数据管理功能并不很出色，而是数据分析能力强大所以常常用微软的产品管理数据，再导成sas数据格式．要注意与其他软件的配套使用）；数据呈现；数据分析。当前（2012年）软件最高版本为SAS9.3。其中Base SAS模块是SAS系统的核心。其它各模块均在Base SAS提供的环境中运行。用户可选择需要的模块与Base SAS一起构成一个用户化的SAS系统。
Base SAS
Base SAS作为SAS系统的核心，负责数据管理，交互应用环境管理，进行用户语言处理，调用其它SAS模块。
Base SAS 为SAS系统的数据库提供了丰富的数据管理功能，还支持标准的SQL语言对数据进行操作。Base SAS能够制作从简单列表到比较复杂的统计报表。 Base SAS可进行基本的描述性统计及基相关 系数的计算，进行正态分布检验等。
SAS/GHAPH
SAS/GHAPH可将数据及其包含着的深层信息以多种图形生动地呈现出来，如直方图、圆饼图、星形图、散点相关图、曲线图、三维曲面图、等高线图及地理图等。
SAS/GHAPH提供一个全屏幕编辑器，提供多种设备程序，支持非常广泛的图形输出设备以及标准的图形交换文件。
SAS/ASSIST
SAS/ASSIST为SAS系统提供了面向任务的菜单界面，借助它可以通过菜单系统来使用SAS系统其它产品。它自动生成的SAS程序既可辅助有经验的用户快速编写SAS程序，又可帮助用户学习SAS。
SAS/AF
SAS/AF是一个应用开发工具。用户使用SAS/AF可将包含众多功能的SAS软件作为方法库，利用 SAS/AF的屏幕设计能力以及SCL语言的处理能力来快速开发各种功能强大的应用系统。SAS/AF也了采用了OOP(面向对象编辑)技术，使用户可方便快速开发各类具有图形用户界面(GUI)的应用系统。
SAS/EIS
SAS/EIS是决策工具，也是一个快速应用开发工具。SAS/EIS完全采用新兴的面向对象的编程模式(OOP)。EIS以生动直观的方式(图或表)将关键性或总结性信息呈现给使用者。
SAS/ACCESS
为了对众多不同格式的数据进行查询、访问和分析，SAS/ACCESS提供了与许多流行数据库软件的接口，利用SAS/ACCESS，可建立外部其它数据库的一个统一的公共数据界面。SAS/ACCESS提供的接口是透明的和动态的。用户不必将此文件当作真正存储着数据的SAS数据集一样使用，而只需在SAS中建立对外部的描述(即VIEW)文件，便可将此文件当作真正存储着数据的SAS数据集一样使用。对一些经常使用的外部数据，可以利用SAS/ACCESS将数据真正提取进入SAS数据库。 SAS/ACCESS 提供的接口是双向的，既可将数据读入SAS，也可在SAS中更新外部数据或将SAS数据加载到外部数据库中。
SAS/ACCESS支持的数据库主要有：IML－DL/I, SQL/DS, DB2, ADABAS, Rdb, ORACLE, Sybase, INGRES, Informix, DBF/DIF,ODBC等。
SAS/STAT
SAS/STAT覆盖了所有的实用数理统计分析方法，是国际统计分析领域的标准软件。SAS/STAT提供了八十多个过程，可进行各种不同模型或不同 特点数据的回归分析，如正交回归/面回归、响应面回归、logistic回归、非线性回归等，且具有多种模型选择方法。 可处理的数据有实型数据、有序数据和属性数据，并能产生各种有用的统计量和诊断信息。
在方差分析方面， SAS/STAT为多种试验设计模型提供了方差分析工具。
另外，它还有处理一般线性模型和广义线性模型的专用过程。在多变量统计方面， SAS/STAT为主成分分析、典型相关分析、判别分析和因子分析提供了许多专用过程。SAS/STAT还包含多种聚类准则的聚类分析方法。
SAS/QC
SAS/QC为全面质量管理提供了一系列工具。它也提供一套全屏幕菜单系统引导用户进行标准的统计过程以及试验设计。SAS/QC提供了多种不同类型控制图的制作与分析。Pareto图（排列图）可用于发现需优先考虑的因素，Ishikawa图（鱼骨图）可用于直观地进行因果分析。
SAS/ETS
SAS/ETS提供丰富的计量经济学和时间序列分析方法，是研究复杂系统和进行预测的有力工具。它提供方便的模型设定手段、多样的参数估计方法。
SAS/OR
SAS/OR提供全面的运筹学方法，是一种强有力的决策支持工具。它辅助人们实现对人力、时间以及其它各种资源的最佳利用。 SAS/OR包含通用的线性规划、混合整数规划和非线性规划的求解，也为专门的规划问题提供更为直接的解决办法，如网络流问题、运输问题、分配问题等。
SAS/IML
SAS/IML提供功能强大的面向矩阵运算的编程语言，帮助用户研究新算法或解决SAS中没有现成算法的专门问题。SAS/IML中的基本数据元素是矩阵。它包含大量的数学运算符、函数和例行程序，用户用很少的语句便可执行很复杂的计算过程。
SAS/WA
SAS/WA（Warehouse Administrator）是建立数据仓库的集成工具，它在其它SAS软件的基础上提供了一个建立数据仓库的管理层，包括：定义数据仓库和主题，数据转换和汇总，汇总数据的更新，Metadata的建立、管理和查询，Data marts和Info marts的实现。
SAS/MDDB Server
SAS/MDDB Server是SAS的多维数据库产品，主要用于在线分析处理（OLAP），可将从数据仓库或其它数据源来的数据以立体阵列的方式存储，以便于用多维数据浏览器等工具快速和方便地访问。
SAS/IntrNet
SAS/IntrNet为SAS Web应用提供了数据服务和计算服务，包括htmSQL，它为一UNIX Web服务器的CGI程序，使得能通过支持Web浏览器动态查询SAS数据或外部的关系型数据库；SAS ODBC Driver使得能通过支持ODBC的Windows Web服务器来访问SAS数据；SAS Driver for JDBC使得可以通过Java applet来查询SAS数据； SAS/IntrNet Application Dispatcher使得可以通过Web浏览器动态地递交SAS程序到SAS应用服务器执行，并将结果返回浏览器。
SAS/GIS
SAS/GIS集地理位置系统功能与数据的显示分析于一体。它提供层次化的地理信息，每一层可以是某些地理元素，也可与用户定义的主题（例如：人口、产值等）相关联。用户可交互式地缩小或放大地图，设定各层次显示与否，并利用各种交互式工具进行数据显示与分析。
SAS/ITSV
IT Service Vision（ITSV）是企业的全面IT服务的性能评估和管理的软件，这些IT服务包括计算机系统、网络系统、Web服务器和电话系统等。ITSV将不同来源的数据进行整理和组织，存放于性能数据仓库中，用GUI或批处理的方式产生组织任意层面的报告。系统程序员及网络工程师能借此识别、研究并解决有关问题，业务分析人员能借此制定资源管理的总体策略，CIO和数据中心经理能借此定期地得到所需的IT运作的汇总和分析报告。
SAS/CFO Vision
SAS/CFO Vision用于财务整合和报告，内部包含了会计知识，为日常财务工作提供了现成的程序，并提供了访问所有主要数据源的接口。它主要用于；访问财务和非财务的有关住处整合财务数据，通过一个财务信息仓库来管理业务结构，通过财务报告和分析帮助理解财务的结果，并在组织内交流关键的业务结果信息。

6. 有哪些数据分析软件，哪个比较好

思迈特软件Smartbi 软件在国内BI 领域处于领先地位，产品广泛应用于金融、政府、制造、零售、地产等众多行业，拥有3000+行业头部客户。

判断一个大数据分析软件好不好，首先要看这个款产品的稳定性，在数据分析的过程中，稳定性非常重要，它决定了数据分析过程的质量和效率；其二、系统设计人性化，操作简单方便，合适不同客户群体；

其三、分析结果准确率高；其四、客户体验满意度，产品好不好只有客户体验满意才是好的产品。

思迈特软件Smartbi 是国内领先的BI厂商，企业级商业智能和大数据分析平台，经过多年的持续发展，整合了各行业的数据分析和决策支持的功能需求。满足最终用户在企业级报表、数据可视化分析、自助探索分析、数据挖掘建模、AI智能分析等大数据分析需求。
Smartbi是目前国内大数据分析软件的佼佼者。主打的是企业报表和自助式分析2个特点，最高可以支撑20亿数据的秒级呈现，适用于企业中的技术人员、业务人员和数据分析师，可以完全自主的进行探索式分析，软件在易用性和功能上做的都很不错，说实话，国内的BI行业由于起步较晚，能做到这个程度的确是下了一番功夫。相较于国外产品而言，Smartbi最大的优势在于Smartbi自主搭建的实施团队和服务团队，强大的服务让它成为国内首屈一指的商业智能产品。

1、智能钻取
Smartbi数据分析软件独有的智能钻取功能，只需双击鼠标，就能实现任意报表之间的穿透钻取，不管这些报表是不是来自同一分析模型，只要有数据关联就能实现秒速智能钻取。最关键的是，他不需要IT开发人员做任何预设，系统将智能匹配报表与参数传递，真正做到了报表无边界，想钻哪里就钻哪里的效果。
Smartbi数据分析软件已全面落地Smartbi智能钻取功能，为用户提供更智能、灵活又高效的数据钻取服务。

2、多维动态分析
在多维数据库中，数据是以立方体（即Cube）的形式存储的。但在企业中不同角色进行数据分析时关注的维度是不同的，那么如何才能做到让不同角色可以基于自己所关注的维度，对数据进行多角度展示和灵活动态分析呢？
Smartbi 多维分析可以直接对接多维数据库（Essbase、SSAS等），通过将多维数据集中的各个维度进行有机组合，查询出相应的数据。它提供了切片、切块、钻取以及行列互换等多种可视化操作方式，使得不同角色可基于自身所关注的维度进行灵活的数据分析，从而使用户对大量复杂数据的分析变得轻松而高效，以利于迅速做出正确的判断，辅助决策。

一般的分析报表只有一个固定的分析角度，浏览者只能被动接受，无法根据自己的需求、思维方式去做进一步分析。但在Smartbi数据分析软件上，报表浏览者能够自主决定分析角度与内容。就如当我想从销售驾驶舱中进一步分析广东门店的销售情况，可通过高效联动、智能钻取、筛选等多种方式进行切换。

多维动态分析技术的应用，让报表浏览者自主决定字段与维度组合，自主决定分析内容，从而拥有更多维的数据分析角度，更深入详细的数据分析挖掘能力。

3、无须预建模的透视分析

通过Smartbi这些工作都得到了极大的简化，采用“类Excel数据透视表”的设计，多维分析不再需要建立模型，就能够组合维度、汇总计算、切片、钻取，洞察数据。不仅如此，任何字段都可直接作为输出字段或筛选条件，轻松实现对数据的查询与探索。

数据分析软件靠不靠谱，来试试Smartbi,思迈特软件Smartbi经过多年持续自主研发，凝聚大量商业智能最佳实践经验，整合了各行业的数据分析和决策支持的功能需求。满足最终用户在企业级报表、数据可视化分析、自助探索分析、数据挖掘建模、AI智能分析等大数据分析需求。

思迈特软件Smartbi个人用户全功能模块长期免费试用
马上免费体验:Smartbi一站式大数据分析平台

7. 现在有哪些好用的BI产品呢，轻量级的

帆软的FineBI。
BI工具FineBI的多维数据库采用完全自主研发的自动建模技术，BI工具的数据管理员只要设置数据表之间的关联关系，所有模型便可一键自动建立。
敏捷型BI注重多维数据库的快速建立、灵活变化，而FineBI的自动建模技术可一键建成覆盖所有维度与指标组合的多维数据库，达到了敏捷的极致。

8. 数据仓库和多维数据库的区别在哪里

简而言之，数据库是面向事务的设计，数据仓库是面向主题设计的。

数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。

数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入冗余，采用反范式的方式来设计。

数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个基本的元素是维表和事实表。维是看问题的角度，比如时间，部门，维表放的就是这些东西的定义，事实表里放着要查询的数据，同时有维的ID。

单从概念上讲，有些晦涩。任何技术都是为应用服务的，结合应用可以很容易地理解。以银行业务为例。数据库是事务系统的数据平台，客户在银行做的每笔交易都会写入数据库，被记录下来，这里，可以简单地理解为用数据库记帐。数据仓库是分析系统的数据平台，它从事务系统获取数据，并做汇总、加工，为决策者提供决策的依据。比如，某银行某分行一个月发生多少交易，该分行当前存款余额是多少。如果存款又多，消费交易又多，那么该地区就有必要设立ATM了。

显然，银行的交易量是巨大的，通常以百万甚至千万次来计算。事务系统是实时的，这就要求时效性，客户存一笔钱需要几十秒是无法忍受的，这就要求数据库只能存储很短一段时间的数据。而分析系统是事后的，它要提供关注时间段内所有的有效数据。这些数据是海量的，汇总计算起来也要慢一些，但是，只要能够提供有效的分析数据就达到目的了。

数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，它决不是所谓的“大型数据库”。那么，数据仓库与传统数据库比较，有哪些不同呢?让我们先看看W.H.Inmon关于数据仓库的定义:面向主题的、集成的、与时间相关且不可修改的数据集合。

“面向主题的”:传统数据库主要是为应用程序进行数据处理，未必按照同一主题存储数据;数据仓库侧重于数据分析工作，是按照主题存储的。这一点，类似于传统农贸市场与超市的区别—市场里面，白菜、萝卜、香菜会在一个摊位上，如果它们是一个小贩卖的;而超市里，白菜、萝卜、香菜则各自一块。也就是说，市场里的菜(数据)是按照小贩(应用程序)归堆(存储)的，超市里面则是按照菜的类型(同主题)归堆的。

“与时间相关”:数据库保存信息的时候，并不强调一定有时间信息。数据仓库则不同，出于决策的需要，数据仓库中的数据都要标明时间属性。决策中，时间属性很重要。同样都是累计购买过九车产品的顾客，一位是最近三个月购买九车，一位是最近一年从未买过，这对于决策者意义是不同的。

“不可修改”:数据仓库中的数据并不是最新的，而是来源于其它数据源。数据仓库反映的是历史信息，并不是很多数据库处理的那种日常事务数据(有的数据库例如电信计费数据库甚至处理实时信息)。因此，数据仓库中的数据是极少或根本不修改的;当然，向数据仓库添加数据是允许的。

数据仓库的出现，并不是要取代数据库。目前，大部分数据仓库还是用关系数据库管理系统来管理的。可以说，数据库、数据仓库相辅相成、各有千秋。

补充一下，数据仓库的方案建设的目的，是为前端查询和分析作为基础，由于有较大的冗余，所以需要的存储也较大。为了更好地为前端应用服务，数据仓库必须有如下几点优点，否则是失败的数据仓库方案。

1.效率足够高。客户要求的分析数据一般分为日、周、月、季、年等，可以看出，日为周期的数据要求的效率最高，要求24小时甚至12小时内，客户能看到昨天的数据分析。由于有的企业每日的数据量很大，设计不好的数据仓库经常会出问题，延迟1-3日才能给出数据，显然不行的。

2.数据质量。客户要看各种信息，肯定要准确的数据，但由于数据仓库流程至少分为3步，2次ETL，复杂的架构会更多层次，那么由于数据源有脏数据或者代码不严谨，都可以导致数据失真，客户看到错误的信息就可能导致分析出错误的决策，造成损失，而不是效益。

3.扩展性。之所以有的大型数据仓库系统架构设计复杂，是因为考虑到了未来3-5年的扩展性，这样的话，客户不用太快花钱去重建数据仓库系统，就能很稳定运行。主要体现在数据建模的合理性，数据仓库方案中多出一些中间层，使海量数据流有足够的缓冲，不至于数据量大很多，就运行不起来了。

9. 多维数据库是什么

多维数据库（Multi Dimensional Database,MDD）可以简单地理解为：将数据存放在一个n维数组中，而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。多维数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询效率。
目前有两种MDD 的OLAP产品：基于多维数据库的MOLAP和基于关系数据库的ROLAP。ROLAP建立了一种新的体系，即星型结构。
MDD并没有公认的多维模型，也没有像关系模型那样标准地取得数据的方法(如SQL、API等)。基于MDD的OLAP产品，依据决策支持的内容使用范围也有很大的不同。
在低端，用户使用基于单用户或小型LAN的工具来观察多维数据。这些工具的功能性和实用性可能相当不错，但由于受到规模的限制，它们不具备OLAP的所有特性。这些工具使用超立方结构，将模型限制在n维形态。当模型足够大且稀疏数据没有控制好时，这种模型将会不堪一击。这些工具使用数据库的大小是以MB来计量的，而不是以GB计量的，因此只能进行只读操作，且具备有限的复杂计算。
在高端，OLAP工具用4GL提供了完善的开发环境、统计分析、时间序列分析、财政报告、用户接口、多层体系结构、图表等许多其他功能。尽管不同的OLAP工具都使用了它们自己的多维数据库，但它们在不同程度上也利用了关系数据库作为存储媒体。因为关系数据库和OLAP工具同时在高端服务器上处理，所以速度和效率仍然很快。
纯多维数据库引擎也被开发出来。尽管这些工具缺乏4GL及充分的开发环境，但却有比高端MDD工具所使用的数据库更为复杂的数据库。这些工具也具有统计分析、财务分析和时间序列分析等功能，并有自己的API，允许其对前端的开发环境开放。
MDD能提供优良的查询性能。存储在MDD中的信息比在关系数据库中的信息具有更详细的索引，可以常驻内存。MDD的信息是以数组形式存放的，所以它可以在不影响索引的情况下更新数据。因此MDD非常适合于读写应用。

10. 全面预算软件为什么要用多维数据仓库技术

全面预算管理软件用多维数据仓库做技术支撑，主要是为实现企业的数据整合和数据分析，说白了就是，判定一个全面预算管理软件是否能够实现价值，首先就要看是不是基于多维数据仓库搭建的，如果全面预算软件并非基于多维数据仓库，仅仅是基于业务系统搭建，那就不具备数据分析能力，跟传统的OA,ERP等就没有区别了，企业实施全面预算管理的意义又何在？只有采用多维数据仓库的全面预算软件，将企业各应用数据数据整合，并提供及时的数据分析，才能真正的发挥全面预算管理在企业战略上的决策分析作用。不过是实话，国内具备多维数据技术的公司不多，就我所知只有智达方通，总经理是前海波龙全面预算软件设计师，产品自主研发。