OLAP在烟叶收购数据分析中的应用

1、OLAP在烟叶收购数据分析中的应用概述目前，烟叶收购流程中的关键业务已经完成的信息化处理，有力促进了业务流程规范会、标准化，通过无处不在的网络，企业及时获知收购实时数据成为可能。烟叶收购过程中，产生的大量事务性数据源源不断存储到信息系统中，作为企业决策人员或领导者而言，他们更关注这些事务性的原始数据经过分析得到更多蕴含的信息和规律，把原始数据通过变换得到辅助战略决策角度的信息，如变化曲线、趋势等等。我们将用于收购业务的关系数据库系统称为联机事务处理系统（下称OLTP），它专注于处理生产收购事务，OLTP为我们提供了一些分组聚合查询的功能，获得这些分析过的数据可以通过采用一系列分组、汇总、密集计

2、算而得到，但是，随着数据量增大，这种分析过程的缺陷也日益突出。从计算的角度出发，没有经过优化的密集计算总是产生令人难以忍受的性能问题，从需求的角度出发，面对决策者日益复杂的需求，没有很好的模型适应，系统开发商在数据分析方面也显得力不从心，疲于奔命，花费大量时间和精力来构建和修改分析系统。那么如何缓解这些缺陷和问题，OLAP（On Line Analysis Processing联机分析处理）为我们提供了一种较好的解决办法。传统地，信息系统中大多数事务性处理过程，用关系数据库系统就可以很好地进行建模和处理，但是关系型数据库却不能很好胜任数据分析应用，OLAP的核心思想就是利用另外一种称之为“数据

3、立方体”的模型来归纳大部分数据分析应用，把事务数据经过预处理，变换到数据立方体模型中，然后根据决策者的需要，提供多个不同视角观察数据的功能，而且，这种数据处理是在线的，虽然它也摆脱不了密集运算和密集IO的特点，但经过优化设计并不会OLTP应用产生巨大影响，并且完全可以做到应决策者要求“准实时分析”，更重要的是，OLAP所采用的模型可以为决策者提供清晰直观的认识，并且能很好应付决策者复杂而苛刻的需求。笔者从技术和试验角度对OLAP在烟叶收购数据分析中的应用作了探讨，鉴于知识浅薄，不足之处敬请批评指正。一、当前烟叶收购数据分析现状烟叶收购数据分析历来作为掌握烟叶收购形势、指导决策的重要手段，在推广

4、的若干烟叶收购系统中都有实现。2009年国家局一系列政策出台，加强对烟叶生产收购环节的管理和监管，而监管最有效的方式莫过于对收购业务系统积累的原始数据进行分析处理。因此收购数据分析得到很大重视，从烟叶收购业务产生的海量数据中找出异常、分析掌握总体收购形势，成为行业和软件开发商面临亟待解决的问题。虽然数据分析功能取得了长足进展，在2009年烟叶收购过程中，为监管部门发现异常数据、领导班子决策提供了有力的数据支持，但烟叶收购数据分析仍存在许多不足。1.报表定义不够严格以“云南烟叶生产管理拓展应用（国家局试点）”（以下简称海晟系统）为例，所含各类报表总计达30个之多，观点包含比较全面，但因缺乏有效的

5、模型，报表的组织比较凌乱。部分报表命名不能反映报表的内容，如一些采用“综合报表”等含糊字眼命名的报表，“【201】收购业务进度表（小等级、本期、累计、同期比）”和“【102】收购全等级进度表（小等级、本期、累计、均价、同期比）”两个报表虽然从字面理解比较相似，但报表内容细节程度却有所不同（如图）。图表 1报表102的内容图表 2报表201的内容决策者除了关心报表的数据，还需花费时间来理解报表的结构内容，查询界面稍显复杂，不够友好。2.查询性能较低数据分析是一项大量密集运算操作，需要占用大量的处理器时间和IO资源。特别是IO瓶颈制约。正因为OLTP也需要占用宝贵的IO资源来存取业务数据，因此数据

6、分析时对IO资源的占用也会影响到业务系统的性能。3.不能较好支持数据挖掘等更多深度分析技术由于没有抽象的模型支撑，未来面向数据仓库的应用难以得到较好的支持。面对企业日益深层次多变的需求，企业和软件开发商可能面临重新规划开发、增大开发成本的风险。系统效益受到明显削弱。4.维护管理复杂困难由于数据库缺乏良好的设计，数据约束不足，数据的一致性、合法性存在风险，传统的聚合分组查询可能因数据结构设计问题而使结果产生偏差，偏差无法量化，也难以用数学理论证明。另外，传统的数据分析需要大量的开发时间，且因为数据结构和程序语句高度耦合，更改设计困难，维护管理复杂，常因性能、错误等问题导致系统崩溃。二、什么是OL

7、APOLAP，On Line Analysis Processing，联机分析处理。这个概念最早是由关系数据库之父E.F.Codd于1993年提出的。随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合，关系数据库系统已不能全部满足这一要求。操作型应用和分析型应用，特别是在性能上难以两全，人们常常在关系数据库中放宽了对冗余的限制，引入了统计及综合数据，但这些统计综合数

8、据的应用逻辑是分散而杂乱的、非系统化的，因此分析功能有限，不灵活，维护困难。在国外，不少软件厂商采取了发展其前端产品来弥补关系数据库管理系统支持的不足，他们通过专门的数据综合引擎，辅之以更加直观的数据访问界面，力图统一分散的公共应用逻辑，在短时间内响应非数据处理专业人员的复杂查询要求。1993年，E.F.Codd（关系数据库之父）将这类技术定义为“联机分析处理”。总的说来，OLAP的作用可以这样描述：联机分析处理是共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术。它通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。决策数据是多维数

9、据，多维数据就是决策的主要内容。OLAP专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。这就充分说明了OLAP是偏向于决策分析的，虽然字面上很晦涩，但OLAP的核心模型就是“数据立方体”，决策者所期望的分析结果往往是一些报表，而几乎所有的报表都可以抽象成二维表格的形式，而二维表格都可以从数据立方体上通过切片操作来获得。三、数据立方体直观地说，一个具有三个维度的数据立方体，可以很容易用三维

10、空间中的立方体表示出来，如图表1所示。图表 3烟叶收购量数据立方体模型每个维度表示一种观察数据的角度，如随着时间的演进，空间的分布，产品类型的分布数据的分布情况。立方体中的任意一点，就是需要观察的数据，要观察的数据可以是销售量、金额、利润等可以进行统计的值。在上图中，任意点的数据就可以表述为（某个时间某个烟叶站某个等级烟叶收购量）。每个维度都有层次，层次表示了一个维度上分析数据的单位粒度，比如时间维上的层次可以小时、日、月、周、工作日、年，在空间上，可以是平方米、平方公里、曲靖市、云南省等等，针对烟叶等级而言，层次可以是42个等级，可以是按大等级或者按部位、非部位，正组、副组、颜色等等。每个维

11、度上都有若干成员，如时间维度上，以年为层次，2009年就是时间维上的一个成员。以日为层次，2009年8月3日就是一个成员。在烟叶等级纬度上，中桔一（C1F）就是小等级层次上的一个成员。当然，数据立方体不仅可以有三个维度，可以有更多的维度，这种超过三个维度以上的“超立方体”，虽然很难用三维空间表现，但它的性质是不变的（维度都是两两正交）。决策者期望的结果总是可以抽象为二维表格的形式，在数据立方体上，只需要任意抽取两个维度，经过变换就可以得到一张二维报表。数据立方体的操作有了数据立方体模型，要生成合适的报表，就需要一些基本的操作。几种基本操作有切片、切块、钻取、旋转。切片：任意两个维度确定一个平面

12、，取一个平行于该平面的平面切入立方体，即可得到一个二维切片。如图图表 4数据切片通过平行于等级域和空间域确定平面进行切片，就可以得到在某个时间上烟叶站收购烟叶等级的二维报表。切片操作是生成报表的重要操作。如果一张报表，只有一行或只有一列，就是二维报表的特例一维表，如同切成线一样。切块，在数据立方体上选取一点，使平行于任意两维度所确定平面的平面包含该点，所有平面围成的新的立方体。这种操作叫做切块。图表 5数据立方体切块操作切块操作将产生一个新的立方体，这个立方体和原来的立方体性质上是一样的，并且维度也没有改变。切块操作主要用来做过滤运算，缩小立方体体积。钻取。钻取操作就是改变维的层次的操作。钻取

13、操作分为上钻取和下钻取。以图标2为例，假定我们正在查看的是2009年8月3日当日的收购量，我们现在希望看到2009年8月份的收购量，就可以向上钻取，提高维的层次，数据经过聚合就可以得到8月份整个月份的收购量。假如我们希望看到2009年8月3日14时至15时一个小时的收购量统计，就可以向下钻取，降低维的层次。旋转。空间中的数据立方体可以任意旋转。并不影响立方体的性质。对于二维报表来说，经过旋转，行和列的位置互相调换，这种操作叫做“转置”。旋转和转置，可以让我们能够以更加习惯的方式和观点来观察数据。还有一些复杂的操作，例如笛卡尔乘，可以将维度合并。以上图所示，经过笛卡尔乘，可以直接将三维立方体转换

14、二维表，但维度并没减少，而是进行了合并形成“子母表”嵌套的形式，形成如下图所示的形态：图表 6合并维度的报表合并维度后，等级维度和时间维度就组成了复合层次的行。四、OLAP建模OLAP要经过建模开发才能使用。开发工作可以交给IT部门或者其他具备开发能力的开发商完成，开发完成后，用户使用就比较简单了。OLAP并没有规定必须使用何种方式、技术或平台来呈现结果，用户可以开发应用程序、使用Web网页、报表服务器等多种方式来呈现数据。另外，数据并非都是以二维报表的方式呈现，有了表格数据，就可以轻易根据数据制作各种更加形象直观的饼图、柱状图、曲线图等来展示数据。下面的建模工作，将以康艺拓展系统在会泽烟草专

15、卖局（分公司）搭建的数据库为数据源进行。1.OLAP产品大多数商用数据库都提供OLAP处理功能，以Microsoft SQL Server为例，OLAP是作为一个名为Analysis Service服务组件提供的，它可以独立于SQL Server运行。但是Microsoft SQL Server产品本身不提供OLAP建模工具，因为建模工作是一项系统开发工作，微软仅在Microsoft Visual Studio的部分产品中提供建模工具。2.需求分析和准备如同软件工程一样，OLAP分析数据是否能够满足决策者使用，需求分析是必须的。下面的步骤有助于帮助开发者确定决策者的需求。（1）关注的指标。作为

16、商业企业，关注的指标有很多，例如产品销售量、产品的毛利、净利润。还有一些需要经过计算的指标，如均价、比重等。烟叶收购中，最重要的指标就是收购量和收购金额。而这两个指标都可以从业务数据库中轻易获得，均价等指标也可以通过收购金额除以收购量计算获得。（2）关注的视角。视角就是决策者看待分析数据的角度，反映到OLAP中就是维度。可关注的视角有很多，典型的例如随着时间演进的视角，决策者可以用这样的视角分析历史数据从而对未来趋势进行有效预测，还例如空间域视角，产品销往什么地区，如何调配物流，就需要决策者关注各个区域的指标。烟叶生产收购中，随时间演进、按收购部门、管理部门、烟叶收购等级等都是决策者关心的视角

17、。（3）时效性。时效性是指OLAP分析的数据是否能充分满足时间要求，基本满足当前决策用途。信息系统中的信息永远表示的是过去的事务，所谓实时也是相对的，一种数据在未来某个特定的时间内是否有存在的价值。OLAP中的数据并不是实时更新的，实际上也无必要。除了权衡OLAP时效性外，业务数据库系统是否能满足OLAP所需要的时效性也是必须考虑的。2009年烟叶收购初期，是按照当天收购结束批量上传收购数据的方式，数据时效性也只能按日为单位度量。在烟叶收购系统中，按日更新分析数据是比较合理的。本文仅以收购数据为模型进行OLAP建模分析，除此之外，能够用于分析的还有例如种植合同分布、计划面积等，都可以做成一个个

18、相互独立的模型。3.用Visual Studio建模打开Visual Studio，在商业智能项目类型中找到创建Analysis Services项目，并为项目命名为TobaccoAnalysises。图表 7创建Analysis Services项目创建项目以后，从项目资源管理器中可以看到项目所需要的各种资源：图表 8项目资源管理器OLAP要分析数据，必须要有数据源。数据源一般可以是数据库服务器。在数据源中存放的数据可能不符合OLAP建模的需要，因此需要通过设计视图，使数据符合要求。之后，就可以通过数据源视图创建多维数据集，并且可以管理维度。Microsoft Analysis Servic

19、es还可以构造数据挖掘结构，从数据中挖掘更多的信息。访问Microsoft Analysis Services需要一些角色，也可以自行开发程序集来处理数据。现在，我们就可以开始建模工作了：1、创建一个数据源，指向康艺拓展系统数据库。要创建数据源，必须有权限访问目标数据库中的数据。2、创建数据源视图：图表 9数据源视图中的数据表数据源视图中，可以T-SQL语言查询获得一些数据表，数据表应当包括要进行分析的数据，要创建维度的各种字段等。3、从数据表创建多维数据集：图表 10多维数据集设计器在多维数据集设计器中，就可以创建需要度量的值，以及若干维度。在上图中，我们创建了重量（ZL）和收购金额（JE）

20、两个度量值，其中yyjs计数是系统创建的度量值，目的是用来计算yyjs表中的记录数。在维度窗口中，创建了等级、地域和时间三个维度。在多维数据集设计器中，还可以指定各个维度的用法，设计一些计算（例如计算比重、比例等），设定KPI关键绩效指标，指定多维数据集运行时需要执行的操作。创建多为数据集后，我们就可以从Visual Studio 的项目菜单中生成该项目。默认情况下，Visual Studio 生成的项目放在本地计算机的Analysis Services服务器上。生成过程成功后，VS会自动执行一次处理操作，将业务数据从数据库服务器中取出进行计算，变换为立方体数据模型并存储。生成成功后，就可以通

21、过多维数据设计器提供的浏览器浏览数据了。图表 11多维数据集浏览器五、OLAP应用1.OLAP的运行OLAP在处理数据性能上的优越，离不开精确的模型，以及开发商围绕OLAP所作的性能优化。首先要强调的是，OLAP虽然是联机分析处理系统，但并不是实时系统。OLAP不会自动地运行，要分析数据，首先必须进行预处理。预处理的过程就是将OLTP系统中的数据抽取出来，经过运算变换到数据立方体模型上的过程。预处理的过程和OLTP中的数据量大小、模型的设计有很大关系。笔者以会泽县烟草专卖局（分公司）2009年烟叶收购所产生的583272条数据为基准执行预处理过程，持续执行时间7秒钟，是可以接受的。因为预处理过

22、程是影响性能的关键，一般而言，预处理过程可以根据决策实时性的需要，利用数据库集成服务定时进行处理，在有必要的情况下也可以在输出报表前进行处理。2.从Visual Studio或SQL Server Management Studio中生成报表通过VS生成的Analysis Services项目经过生成以后，也就可以在SQL Server Management Studio 中查看。下面以SQL Server Management Studio 中查看多维数据集进行详细简介。如图所示，显示了Microsoft SQL Server Management Studio中的多维数据集浏览器。图表 1

23、2多维数据集浏览器浏览器分为三个区域，报表视图区域、度量值和维度选择器、条件设定和过滤区域。在浏览器中生成报表的过程也非常简单，仅需要用鼠标从度量值和维度选择器中将项目拖至报表视图区域即可生成报表。如下所示，将ZL度量值拖入汇总或明细字段区域，就可以简单地得到一个值，表示了全县2009年烟叶收购总重量：图表 13没有维度加入时，度量值显示的是累积全部的收购重量现在，我们就可以在行字段或列字段区域拖入维度项目来创建报表：如下，展开等级维度，可以看到该维度的不同层次，将等级名称拖入行字段区域：图表 14按小等级统计当前收购重量现在，地域维度中的“烟叶站”层次拖入列字段区域，即可创建一个表示各烟叶站

24、不同等级收购量的二维报表：图表 15按每烟叶站小等级统计到当前收购重量这就是一个标准的二维报表了。实际上，OLAP的创建报表的功能远不止那么简单。列和行不但可以放入多个维度统计，一次还可以统计一个以上的度量值：图表 16带层次等级统计各烟叶站到当前为止收购重量和金额上图显示了以部位到等级名称分层次统计，统计的除了收购量（ZL），还有收购金额（JE）。每个维度层次上都有一个汇总字段，并且报表可以按层次级别展开或收缩。3.使用OLAP查询语言设计报表实际上，并非每个用户都安装了Microsoft SQL Server Management Studio工具，因此如果采用这种查询方式，推广应用将受到

25、局限。不过，可视化查询仅是微软提供的工具之一，它的本质是采用一种和SQL类似的查询语言来对多维数据集进行操作。这种语言称之为MDX（Matrix Data Expression，多维数据表达式）查询语言。和SQL查询语言一样，对多维数据集的查询使用SELECT语句，下面介绍了SELECT的语法和示例。 WITH <SELECT WITH clause> , <SELECT WITH clause>.n SELECT * | ( <SELECT query axis clause> , <SELECT query axis clause>,.n )

26、 FROM <SELECT subcube clause> <SELECT slicer axis clause> <SELECT cell property list clause> <SELECT WITH clause> := ( CELL CALCULATION <CREATE CELL CALCULATION body clause> ) | ( CALCULATED MEMBER <CREATE MEMBER body clause>) | ( SET <CREATE SET body clause>

27、;)<SELECT query axis clause> := NON EMPTY Set_Expression <SELECT dimension property list clause> ON Integer_Expression | AXIS(Integer) | COLUMNS | ROWS | PAGES | SECTIONS | CHAPTERS <SELECT subcube clause> := Cube_Name | NON VISUAL (SELECT * | ( <SELECT query axis clause> , &

28、lt;SELECT query axis clause>,.n ) FROM <SELECT subcube clause> <SELECT slicer axis clause> )<SELECT slicer axis clause> := WHERE Tuple_Expression<SELECT cell property list clause> := CELL PROPERTIES CellProperty_Name , CellProperty_Name,.n <SELECT dimension property lis

29、t clause> := DIMENSION PROPERTIES (DimensionProperty_Name ,DimensionProperty_Name,.n ) | (LevelProperty_Name , LevelProperty_Name,.n ) | (MemberProperty_Name , MemberProperty_Name,.n )Set_Expression 返回集的有效多维表达式 (MDX)。Integer 一个介于 0 和 127 之间的整数。Cube_Name 提供多维数据集名称的有效字符串。Tuple_Expression 返回元组的有效多维表

30、达式 (MDX)。CellProperty_Name 表示单元属性的有效字符串。DimensionProperty_Name 表示维度属性的有效字符串。LevelProperty_Name 表示级别属性的有效字符串。MemberProperty_Name 表示成员属性的有效字符串。下例将从 Adventure Works 多维数据集中返回在 2003 日历年度前八个月（包含在 Date 维度中）聚合的 Measures.Order Quantity 成员之和。WITH MEMBER Date.Calendar.First8Months2003 AS Aggregate( PeriodsToDa

31、te( Date.Calendar.Calendar Year, Date.Calendar.Month.August 2003 ) )SELECT Date.Calendar.First8Months2003 ON COLUMNS, Product.Category.Children ON ROWSFROM Adventure WorksWHERE Measures.Order Quantity4.利用报表服务生成报表使用Microsoft提供的Reporting Services报表服务，可以制作并生成由OLAP产生的报表，支持打印，并且支持整合到其他应用程序中使用。关于Reporting

32、 Services报表服务的使用，本文从略。5.开发应用程序使用报表不管采用何种方式，报表总是要以合适的方式传递给使用者（决策者），才能发挥它应有的作用。Microsoft并没有指定OLAP必须运行在何种平台上，也没有规定必须以何种方式呈现，因此，开发者可以充分结合现有系统来构建报表服务。报表可以不以二维表格的形式呈现，也可以通过二维表格生成图表呈现，开发者可以使用Windows应用程序、Web网页，甚至Java小程序等各种程序来显示报表，甚至可以创建Excel电子表格方式来存储和查看表格。六、OLAP的优劣1.解决OLTP在分析领域的劣势OLTP适合于事务型的应用，例如烟叶交售过程数据录入管

33、理等，但是OLTP不适合作为数据分析应用。尽管当前的SQL查询语言也提供了功能丰富的聚合、分组查询语句，但毕竟它们仅是从语句的角度来考虑，为OLTP引入简单的聚合分析查询功能。OLTP并没有提供一致的、适合的模型用于分析数据。不同的开发商基于OLTP产生的各种报表应用千差万别，并且由于没有统一的标准，不同的报表不具有可比性，也没有精确的数学理论来确保获得的数据是否真实反映了所期望的目的。决策者除了看报表以外，还需要关注报表到底如何生成，数据是如何使用的等，造成很大的负担，转移了决策者真正需要注意的问题。2.解决性能问题以笔者所使用的康艺拓展系统数据库内的数据而言，为实现符合决策者要求的报表，便

34、于计算机自动处理提高效率，笔者为其编写了一段存储过程，用于查询生成报表，为了配合存储过程，还编写了许多视图以配合存储过程调用。一个生成8份报表的存储过程，用时超过1分钟。使用OLTP的情况就有所不同。执行预处理的时间约在5-7秒之间。会泽分公司按日生成报表，因此处理过程就可以使用任务计划按日进行，可选定在夜间自动进行。不需要人工干预。处理完成后，要快速查看报表，就可以使用由Microsoft SQL Server Management Studio或者Visual Studio提供的多维数据集浏览器查看报表，只需要鼠标拖动操作即可完成，数据的生成显示几乎不需要等待。由于这些工具并未提供生成报表

35、的时间计数器，这里没有给出试验生成报表时所使用的时间。OLAP的工作方式很适合解决OLTP业务系统中耗时的聚合分组操作造成的性能问题。3.以统一的模型生成数据，具有精确的格式结构OLAP关注使用数据立方体的模型来分析、存储数据，并据此提供报表。在OLAP中，确定的输入拥有确定的输出，数据立方体模型结构是稳定的，并且可以使用脚本查询语言进行精确的控制，这样，数据的表示就拥有可以解释的精确的结构，并且符合模型的数据结构具有知识抽象的共性特征，这也就避免了由于具体问题的次要因素导致需求、数据解释不严密，甚至是相互矛盾的。4.为决策者提供合理的、统一的、无歧义的分析观点实际上这也是统一的模型所带来的好

36、处。对决策者来说，一份确定了两个维度和度量值的报表，它所表达的含义、所表示的信息总是唯一精确的。5.支持未来的数据挖掘在微软的Analysis Services服务器中，还包括了对数据仓库有关技术的支持。其中数据挖掘（Data Mining）可以从海量的业务信息中分析获得一些隐蔽难以发现的统计信息。举个简单的例子，美国一家超市在对销售数据进行分析的过程中，发现前来购买婴儿用品的顾客通常还会购买剃须刀等男士用品，因为在当地通常都是男士负责采购婴儿用品，老板在获知这一分析结果后，果断采取措施，将婴儿用品和剃须刀等男士用品安排在一个货架上，结果销售量获得了较大增长。这就很能说明数据挖掘对于发掘隐藏在

37、业务背后的商机是多么重要。鉴于本文的主题是数据分析，有关数据挖掘的知识不再赘述。6.伸缩性和扩展性要求高要使用OLAP来分析处理数据，对数据模型的要求较高。特别是对数据源的要求较高。简单来说，就是要求OLTP事务处理系统中的数据的逻辑关系和所表示的含义应当能够充分表示实际业务过程，符合现实生产过程，符合软件编制所需要解决实际问题的需求。但是因为对OLTP所提供的数据质量要求较高，难免伸缩性会受到一些影响，系统间的单独演进可能会花费较多的维护时间。7.开发成本较高OLAP开发仍属于软件开发的一种，对开发者、组织者、领导者的素质要求较高。因此它将增加开发成本。另外，OLAP和大多数业务用关系数据库一样，需要花费时间和人力来管理，特别是性能管理。因此开发和维护成本均明显变高。在考虑实施OLAP前，可以考虑做可行性分析，仔细分析投入产出是否值得。七、OLAP应用中的问题虽然OLAP建模和OLTP数据库系统的设计之间没有存在任何强制性的要求，但是试验过程中我们发现，OLTP建模设计的缺陷很大程度上影响了OLAP功能的发挥。就康艺公司的烟叶生产拓展应用系统数据库来