跨越OLAP实施维护障碍

传统方式下的OLAP实施一般需要如下几个步骤：
　　第一，建立数据仓库，将原始数据（可能存储在不同数据库）进行抽取、清洗、转换、过滤后，形成统一的
　　　　　数据，存储在数据仓库中；
　　第二，根据业务需求建立数据集市；
　　第三，部署专业的OLAP Server，并使用工具创建OLAP模型；
　　第四，建立发布机制，为发布设计外围应用扩展。
　　上述过程不能说不科学或者不合理，然而给实际应用带来的障碍也是显而易见的：
　　第一，是总体实施成本高，由于数据仓库、专业OLAP Server、OLAP表现层工具等软件一般都会涉及到多个
　　　　　专业软件厂商，所以在采购成本上居高不下；
　　第二，是实施周期长，数据仓库的建立往往需要三个月到半年以上的时间，等到数据仓库建设完成，才能进
　　　　　行后续的操作；
　　第三，是对实施和维护人员的专业技能要求比较高，维护人员和实施人员同时掌握数据仓库、OLAP
　　　　　Server等方面的专业IT技能，这对传统企业来说是一个非常强烈的制约因素。
　　上述三点，是为什么OLAP技术已经发展了10多年，但仍然没有象ERP、CRM等产品一样被大多数企业应用的主要原因。
　　Max@X Analyser的出现打破了这个规律，通过以下的技术创新，Max@X Analyser使得OLAP不仅可以在银行、通信等具有大手笔IT投资能力，并且拥有大量IT高端人才的企业应用，同时在制造、贸易、物流、零售等大多数中小企业，同样可以发挥自身的应用价值。
1、抛弃数据仓库，使用虚拟数据源及内置SQL引擎
　　数据仓库的主要作用，是整合多个异构数据库的数据，使之统一，并且在数据结构上重新定义，从而满足查询和统计的需求。
　　在Max@X Analyser中，独辟蹊径，使用虚拟数据源的方法，同样可以满足多异构数据库数据整合的效果，不同之处在于：数据仓库的整合是对所有原始数据的整合，并且在整合过程中针对分析目标进行数据预运算。而Max@X Analyser的整合是针对分析目标的整合，将当前CUBE所需的数据单独提取并整合，显然后者更为直接和高效。另外，在Max@X Analyser中，数据预运算是和OLAP设计过程紧密相关的，也就是说，数据的预运算是在OLAP的CUBE创建过程中进行的，这也同样使得数据运算量降低，从而得到更为明显的运算效率提升。
2、一体化设计，在一套产品中同时提供数据提取、整合、转换、CUBE创建等功能
　　Max@X Analyser同时提供了包括设计环境、前端展现以及后台服务器在内的一体化产品解决方案，从而可以明显明显降低在软件上的采购成本，使之处于一般企业可以承受的范围内。另外，在设计上，由于是采用一体化的设计过程，在一套产品中同时提供数据提取、整合、转换、CUBE创建等功能，所有的设计元素在原理上统一，并且可以在报表和OLAP之间共享设计结果，从而带来更为简化的设计过程，缩短实施周期。
3、人性化设计，降低维护技术难度，使一般数据库管理员可轻松掌握
　　Max@X Analyser将OLAP模型的创建和维护简化为三个环节：设计数据源、创建OLAP模型、通过Portal在线发布。在Max@X Analyser中OLAP的设计比一般报表的设计更加简单。
　　并且，在上述三个环节中，系统实施或者维护人员仅仅需要掌握一般数据库的操作技能，懂得如何使用SQL或者存储过程对数据进行查询，就可以按照向导提示，快速创建或者调整OLAP模型，并进行发布。而事实上，任何一个企业的IT维护人员，数据库操作是最基本的专业技能，也就是说，从技术角度，传统意义上的OLAP实施维护障碍已经打破，企业可以根据自身业务需求，随时调整或者增加OLAP模型，使得项目实施后的生命周期得到延长。