編輯導(dǎo)語：數(shù)字化時代，人人都在講數(shù)字化，數(shù)據(jù)分析占據(jù)著核心地位。問到跟數(shù)據(jù)分析相關(guān)的工具，自然而然就會想到BI，到談商業(yè)智能（BI）時，經(jīng)常會提到OLAP，有的人可能認(rèn)為OLAP工具就是BI，其實(shí)它只是BI的一部分，是很重要的一項(xiàng)分析技術(shù)。接下來本文作者為大家做了詳細(xì)解答，若有不足之處歡迎指正。

1. OLAP是什么

1.1 OLAP的基本概念

OLAP（online analysis processing），聯(lián)機(jī)分析處理技術(shù)，多應(yīng)用于BI工具，也可以叫做OLAP工具/引擎/數(shù)據(jù)庫。它幫助數(shù)據(jù)分析師從多個角度對數(shù)據(jù)進(jìn)行分析和數(shù)據(jù)挖掘，用于多維數(shù)據(jù)查詢和報表處理的需求，核心是多維度。

提到多維度，就會有單維度、二維度，這時你就要在腦海里建立起“維”的概念，用維度去思考周圍的世界。

我舉一個服裝銷售的例子，商品銷售一般需要考慮的數(shù)據(jù)是銷售額、銷售成本和銷售利潤。下表是一張典型的二維數(shù)據(jù)表，其中月份就是一個關(guān)鍵的維度。

如果我想要在這張二維表的基礎(chǔ)上增加服裝的類別，比如說：毛衣、連衣裙、牛仔褲、半裙、T恤等，這時候維度就是月份和服裝的類別，度量值是銷售額、成本、利潤。

這就引入了概念：維度、維度的層次、類別、度量

• 維度：用來對數(shù)據(jù)進(jìn)行分類和人們觀察業(yè)務(wù)情況的角度；

• 維度的層次：根據(jù)維度細(xì)節(jié)程度不同，劃分出來的一類屬性，是維度預(yù)先定義的不同級別。例如，日期維度的層次包括年、月、日；

• 類別：是各維度的層次上數(shù)據(jù)項(xiàng)的取值，例如，日期維度的層次月的類別有：1月、2月、3月等；

• 度量：用來描述業(yè)務(wù)情況的數(shù)據(jù)，例如，銷售額、成本、利潤都是度量值。

1.2 OLAP是如何做多維分析的

OLAP多維分析技術(shù)的數(shù)據(jù)處理邏輯是首先把數(shù)據(jù)預(yù)處理成數(shù)據(jù)立方體，可以簡單的理解為把源表選擇不重復(fù)的唯一值進(jìn)行分組，并把有可能的匯總都預(yù)先計(jì)算出來，當(dāng)用戶選擇多維度查詢或者分析時，會在預(yù)先計(jì)算出來的基礎(chǔ)上很快給出用戶想要的結(jié)果，從而快速支持極大數(shù)據(jù)量的分析。

而這其中又涉及到一個知識點(diǎn)：數(shù)據(jù)立方，數(shù)據(jù)立方體是什么？

還以剛才講到的服裝銷售數(shù)據(jù)情況為例，將數(shù)據(jù)處理成數(shù)據(jù)立方體之后如下圖：

數(shù)據(jù)立方體還有一個高大上的名字：多維數(shù)據(jù)模型。例如，將上圖的立方體拆可解成一個多維數(shù)據(jù)模型：

當(dāng)然，實(shí)際上一個商品銷售表的維度絕不止這些。例如，增加地域維度、支付維度、用戶維度等之后，就形成了一個星型多維模型：

這張圖中間的表叫事實(shí)表，四周的表叫維表，事實(shí)表是用來記錄具體事件，包含具體要素。

例如：某人（用戶ID）在某地（地域ID）某時（時間ID）通過某種方式（支付ID）購買了某產(chǎn)品（產(chǎn)品ID），維度表是對事實(shí)表中的每個字段展開描述，例如用戶ID，展開成一張維度表，記錄該用戶的姓名、地址、年齡、性別等信息。

通過對源表中的事實(shí)表以及相關(guān)的維表通過不同的拆分組合形成和業(yè)務(wù)相關(guān)的，具有多維度的數(shù)據(jù)立方，讓數(shù)據(jù)根據(jù)不同的業(yè)務(wù)需求呈現(xiàn)出千變?nèi)f化的結(jié)果。

多維分析是以多維的形式組織數(shù)據(jù)，并采用切片、切塊、鉆取、旋轉(zhuǎn)等多種分析方式探查數(shù)據(jù)，使分析人員或者管理人員能夠從多方面、多角度去查詢數(shù)據(jù)，從而得到有價值的信息。

所以針對數(shù)據(jù)立方體包含的操作有：下鉆（drill- down）、上卷（roll- up）、切片（slice）、切塊（dice）、旋轉(zhuǎn)（pivot）

• 下鉆：往更細(xì)粒度深挖，從上一層次到下一層次，例如：浙江省維度的數(shù)據(jù)，經(jīng)過鉆取可以分為杭州市、寧波市，湖州市、紹興市等地級市維度的數(shù)據(jù)；

• 上卷：和鉆取意思相反，從細(xì)粒度向上聚合，例如將北京、上海、深圳、廣州的銷售數(shù)據(jù)進(jìn)行匯總查看一線城市的銷售數(shù)據(jù)；將2020年四個季度的數(shù)據(jù)匯總成2020年總數(shù)據(jù)等都屬于上卷；

• 切片：選中特定的值進(jìn)行分析，比如只選擇電子產(chǎn)品的銷售數(shù)據(jù)，或只選擇浙江省一個省粒度進(jìn)行分析；

• 切塊：比切片粒度更大，選擇某個維度中多個范圍內(nèi)的數(shù)據(jù)。例如選擇2020年第一季度到第二季度的銷售數(shù)據(jù)，產(chǎn)品種類中電子產(chǎn)品和日用品的銷售數(shù)據(jù)；

• 旋轉(zhuǎn)：即維度位置互換，像一張表的行和列互換，旋轉(zhuǎn)是根據(jù)不同的需求，改變分析角度。例如本來將產(chǎn)品作為觀察角度，在地域和時間維度上不同產(chǎn)品的銷售情況，旋轉(zhuǎn)之后分析不同地區(qū)的銷售情況。

1.3 OLAP的類別

根據(jù)數(shù)據(jù)存儲格式OLAP可分為ROLAP、MOLAP、HOLAP。

• ROLAP：基于關(guān)系數(shù)據(jù)庫的OLAP，以關(guān)系型數(shù)據(jù)庫為基礎(chǔ)，以關(guān)系型結(jié)構(gòu)對多維數(shù)據(jù)進(jìn)行數(shù)據(jù)存儲和展現(xiàn)，常用的開源技術(shù)有Presto、Impala；

• MOLAP：基于多維數(shù)據(jù)庫的OLAP實(shí)現(xiàn)，其中切片、切塊是主要技術(shù)手段，數(shù)據(jù)檢索速度較快，但是生成立方體的時間較長，數(shù)據(jù)存儲在多維立方體中，常用的開源技術(shù)有Kylin、Druid；

• HOLAP：是基于關(guān)系性和多維矩陣型等混合型的OLAP，它的技術(shù)主要結(jié)合MOLAP和ROLAP兩種技術(shù)的優(yōu)點(diǎn)。

在數(shù)據(jù)架構(gòu)時，目前沒有一個OLAP技術(shù)能在數(shù)據(jù)量，靈活程度和性能上（吞吐和并發(fā)）做到完美，這塊大家可以深入了解后，根據(jù)自身的業(yè)務(wù)需求選擇相應(yīng)的技術(shù)。

2. OLAP怎么用？

2.1 OLAP的實(shí)現(xiàn)架構(gòu)

OLAP就是用來幫助我們解決數(shù)據(jù)訪問、快速的數(shù)據(jù)分析、報表展示等問題，OLAP多維分析的實(shí)現(xiàn)架構(gòu)大致包括：業(yè)務(wù)數(shù)據(jù)源、數(shù)據(jù)倉庫、多維分析模型設(shè)計(jì)、多維分析立方體生成、報表圖表制作。

業(yè)務(wù)數(shù)據(jù)源：OLAP可以支持多種數(shù)據(jù)源連接分析，主流數(shù)據(jù)源包括SQL類數(shù)據(jù)源，可將其進(jìn)一步劃分為關(guān)系數(shù)據(jù)庫與分析型數(shù)據(jù)庫，其次還有NoSQL類數(shù)據(jù)庫、大數(shù)據(jù)離線計(jì)算系統(tǒng)以及API類數(shù)據(jù)源，文件類數(shù)據(jù)源等。

數(shù)據(jù)倉庫：將業(yè)務(wù)數(shù)據(jù)源中的數(shù)據(jù)按照一些業(yè)務(wù)屬性相關(guān)規(guī)則進(jìn)行數(shù)據(jù)開發(fā)后，形成一個個主題數(shù)據(jù)庫存放于數(shù)據(jù)倉庫中，當(dāng)需要做數(shù)據(jù)分析時，直接從數(shù)據(jù)倉庫獲取相關(guān)主題數(shù)據(jù)。

多維分析模型：常用的多維分析模型有雪花模型和星型模型。

• 星型模型：將多維數(shù)據(jù)分成事實(shí)表和維表，事實(shí)表存儲的都是指標(biāo)數(shù)據(jù)和維表的關(guān)鍵字段值，維表存儲維度的層次、類別等信息。維表和事實(shí)表通過主外鍵關(guān)聯(lián)在一起，形成了星型模型。

• 雪花模型：對于層次較復(fù)雜的維，可以使用多個表來描述。例如，一個產(chǎn)品銷售數(shù)量實(shí)施表，維表有產(chǎn)品維表、時間維表、產(chǎn)品類型維表、地址維表，地址維表又包括國家、省級、地市等維表。通過建設(shè)雪花模型，可以最大限度的減少數(shù)據(jù)存儲量以及關(guān)聯(lián)較小的維表來改善數(shù)據(jù)查詢的性能。

多維分析立方體：就是我們上文講到的數(shù)據(jù)立方體，數(shù)據(jù)立方體使OLAP工具能夠?qū)崿F(xiàn)便捷快速查詢、分析。

報表圖表制作：我們使用BI工具時，行外人最常接觸的功能，通過拖拉拽的方式，將數(shù)據(jù)用一個好看又直觀的方式展現(xiàn)出來。報表制作的組件有很多種，例如，柱狀圖、折線圖、雙軸圖（或叫柱線圖）、散點(diǎn)圖等。

2.2 OLAP的實(shí)施過程

OLAP的實(shí)施步驟主要分為以下幾個階段：

2.2.1 需求階段

需求分析包括：通過調(diào)研得出的業(yè)務(wù)需求（從維度、各業(yè)務(wù)的分析主題等方面進(jìn)行描述）、性能需求（系統(tǒng)相應(yīng)時間的要求）、技術(shù)需求、安全性需求以及需求的優(yōu)先級等。

在需求階段，是我們熟悉相關(guān)業(yè)務(wù)知識的過程，這對我們接下來的設(shè)計(jì)環(huán)節(jié)至關(guān)重要。

2.2.2 規(guī)劃階段

在需求分析的基礎(chǔ)上，需要對項(xiàng)目的整體結(jié)構(gòu)有一定的了解，按照軟件工程的一般規(guī)則和方法規(guī)劃整個項(xiàng)目的過程。同時需要確定整個項(xiàng)目需要的資源，包括人力，做哪些相關(guān)培訓(xùn)等內(nèi)容。

2.2.3 設(shè)計(jì)階段

設(shè)計(jì)階段是整個OLAP實(shí)施最重要的階段，包括對模型的分析、維度的分析和設(shè)計(jì)、事實(shí)表的設(shè)計(jì)等內(nèi)容。其中模型的分析包括定義問題和確定分析的目標(biāo)和內(nèi)容，A這家電商公司全年銷售的毛衣的利潤總額是多少？在2020年第一年度，牛仔褲的利潤趨勢是什么？

維度的分析包括分析問題中所涉及的維度是哪些，每個主題中維度和度量值是多少。

2.2.4 構(gòu)建模型階段

根據(jù)業(yè)務(wù)需求確定需要分析的主題，根據(jù)分析的主題確定分析的粒度和度量值，包括分析的維度。例如，服裝銷售情況信息主題主要從服裝類別、日期兩個維度進(jìn)行分析，最后測試和驗(yàn)證模型的正確性。

2.2.5 報表展現(xiàn)階段

報表展現(xiàn)階段，就是將分析的結(jié)果以一種直觀、清晰明了的方式展現(xiàn)出來，可以利用一些成熟的報表工具展示（例如Cognos），也可以選擇自己開發(fā)，在OLAP模型的基礎(chǔ)上進(jìn)行多角度的分析并展示，達(dá)到說明問題的效果。

3. 結(jié)語

OLAP很大程度上能夠降低數(shù)據(jù)分析的使用門檻，大大降低了數(shù)據(jù)挖掘的成本，既方便數(shù)據(jù)分析師挖掘數(shù)據(jù)，又能讓不熟悉sql語言的產(chǎn)品、運(yùn)營等業(yè)務(wù)同學(xué)通過簡單的鼠標(biāo)拖拽即完成數(shù)據(jù)分析或者查詢設(shè)計(jì)。

聯(lián)機(jī)分析處理技術(shù)是為了數(shù)據(jù)分析、數(shù)據(jù)查詢等需求能夠快速響應(yīng)，BI工具是助力數(shù)據(jù)應(yīng)用的最后一公里，不論是處理簡單的報表需求還是真的幫助企業(yè)做職能決策，都是為了讓數(shù)據(jù)能夠真正的發(fā)揮價值。BI工具要想又快又好的完成需求，需要依附于OLAP技術(shù)。

當(dāng)我們接觸一個自己還不熟悉的新事物時，可以先去研究其來源、底層的邏輯，就會發(fā)現(xiàn)新事物相關(guān)的蜘絲馬跡，畢竟站在巨人的肩膀上我們能走的更遠(yuǎn)，在你研究的過程中，說不定就發(fā)現(xiàn)了什么新大陸，成為下一個創(chuàng)新者。

本文由 @金豌豆 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理