说到数据分析，OLAP大概是BI厂家最常见的选择。如果你看看国内BI厂家的宣传资料，如果提及数据统计，OLAP应该是必谈的话题。为什么OLAP会变成和数据分析几乎同意的词?二者是否真正的是几乎等同?我们在这里来做一个了解。

　　OLAP从字面上是指及时的数据分析。但实用中，OLAP更多的是指针对数据分析的一种解决方案。OLAP的软件把数据预处理成数据立方。基本是把有可能的汇总都预先算出来。在用户选择显示某种汇总时，OLAP可以在预先的计算出来的结果基础上很快地计算出结果。从而可以很好地支持极大量数据的及时分析。

　　也就是说OLAP实际上包括了两个方面。

　　第一，OLAP提供了一个互动的数据分析的模式。OLAP把数据分成维(dimension)和度量(measure)。用户通过选择dimension和measure，可以及时地计算数据在不同dimension的组合下的汇总。在这里可能有一个误区。其实OLAP本身并没有定义一个用户端的互动模式。比如大部分传统的OLAP是通过一个交叉表的界面，但是新的界面更多的采取可视化的图表形式。

　　第二点，可能是更本质的，是OLAP定义的一种对数据的处理方式。这包括了对数据预计算的思路和方式。在国内厂家里，很少有自己开发OLAP后端数据处理的。在国外厂家中，有自己OLAP后端的有IBM，Microsoft，Oracle等。

　　作为一个有着十几年实际应用历史的技术，OLAP是当之无愧的数据分析的元老。但在OLAP的应用中，用户也遇到了很多问题。其中最为关键的就是OLAP在灵活性上的缺陷。OLAP的使用要求用户事先对数据有一个分析，把所有的dimension和measure都罗列出来。这样OLAP处理器就可以把相关的值预先计算出来。

　　而由于数据立方需要很大的空间。它的大小是以指数增长的。所以在设计OLAP的时候，用户又必须把dimension的数量限制在一个相对比较小的范围。在实际应用时，用户只能在这个预先选择好的dimension之内来进行分析。如果用户需要从不同的角度来看这些数据，这个OLAP就必须重新设计和生成。

　　近年来，BI领域出现了几项大的技术革新，在很大程度上弥补了OLAP的不足。在前端的显示上，数据分析更多地采用了可视化的模式。这里并不是简单地指通过图表来显示OLAP的结果。新的可视化数据分析工具在通过图表对数据进行显示的基础上，实现了一个完整的互动模式，让用户可以任意的通过不同的角度和方法对数据进行检验。

　　在后端的处理上，以列为主导的数据库结构，及云计算的概念，使及时分析可以不再依靠预计算就可以处理极大的数据量。这样既解决了大数据的运算，也避免了OLAP所带来的不灵活的问题。