多维分析主要面向业务用户提供数据查询分析服务，由于业务人员不懂 SQL，也无法完成多表关联（有意义的查询经常是基于多表的），所以在多维分析建模阶段需要将多表转换成单表，也就是 CUBE。这样用户就可以很方便地通过基于一个结果集（CUBE）进行拖拽查询，从不同的角度（维度）观察数据（测度）。
在多维分析中主要的计算就是按照某一个或一些维度汇总测度，如按地区汇总销售额，按年和产品汇总销量等。从运算角度来看，多维分析的本质计算就是：
基于一个表的分组汇总
如果用 SQL 来表达，多维分析的本质就是：
SELECT D,…, SUM(M), … FROM C WHERE D’=d’ AND … GROUP BY D,…
即对数据立方体按某些维度分组汇总某些测度。其中 C 是数据立方体，D,…是选出维度，M,…是聚合测度，聚合函数也可以不是 SUM。D’是切片维度，切块时条件为 D IN (d,…)，WHERE 中还可以增加针对某些测度的条件，一般也就是选出某个区间内的值。
针对一个结果集（CUBE），多维分析可以进行切片 / 切块、旋转、钻取 / 上卷等操作。
1. 切片
切片是指针对 CUBE，选择维中固定值进行分析，比如固定时间维度分析地区和产品的销量情况。
2. 旋转
旋转也称行列变换，是指维度从行到列或者从列到行，旋转是为了满足用户观察数据的不同习惯。
3. 钻取
钻取是从粗粒度到细粒度观察数据的过程，比如我们发现某个汇总值出现异常，就可以通过钻取查看明细数据，找到异常原因。钻取可以从汇总到明细，从上级到下级…
从多维分析的本质及其操作来看，多维分析只能完成简单的分组汇总、过滤计算，这在实际业务中还远远不够。常见的固定报表业务，一些报表很难通过简单的分组聚合来实现，经常要编写上千行的 SQL 或存储过程，而且固定报表的表格样式可能很复杂，这些都是多维分析无法实现的。
这种报表数据处理逻辑复杂，每个格子可能对应不同的数据来源，计算逻辑也不一样，在样式方面则会出现表头混乱，大格套小格，动态区域和静态区域混合的情况。
这里列举了复杂报表的特点： 这些类型的报表都无法通过多维分析拖拽出来。
事实上，固定报表和自助报表（多维分析）面向的需求场景很不一样，而在 BI 系统中往往会包含三部分内容，固定报表、多维分析和可视化，其中可视化可以由前两部分实现，但固定报表和多维分析往往是不可或缺的，二者相互配合，优势互补。认清了多维分析的能量圈，才能在 BI 系统建设中有的放矢，避免踩坑。
对多维分析和 BI 技术感兴趣的同学还可以搜索“乾学院”，上面有整套的免费“商业智能”技术课程, 或者直接访问下面链接：