Smartbi学习篇：如何实现多维分析定制？

多维数据分析是一种非常先进的数据分析理念，但往往被人们想的很复杂，特别容易被联想至四维或更高维度空间的样子。实际上这完全没有必要，多维数据分析其实是最容易理解的数据分析方式。

维度，其实就是最易于被理解的业务分析角度，如：日期、地区、渠道、产品、用户等。维度是纯粹面向业务的描述信息，任何人都可以秒懂维度含义，提出任何面向业务的问题并快速获得答案。那么Smartbi是如何实现多维分析定制呢？具体要如何操作呢？一起跟小麦来学习吧！

创建模式

首先，创建多维分析分为两种模式： 新建多维分析 和 新建多维探索 。这两种模式主要是在创建多维分析的方式是不同的。

l 创建多维分析主要是通过查询浮动面板选择各个区域的维度值。如下图：

l 创建多维探索主要是通过待选列勾选的方式进行区域维度值选择，如下图：

实现原理

多维分析是通过将多维数据集中的各个维度（包括普通维度和度量维）进行有机的组合，查询出相应的数据。
首先，我们了解下多维数据库中查询多维数据集表达式（即MDX查询表达式）的基本组成：
SELECT [<axis_specification>
[, <axis_specification>...]]
FROM [<cube_specification>]
[WHERE [<slicer_specification>]]
从上面的表达式中我们发现：每个MDX查询都要求有数据请求（SELECT子句）、起始点（FROM子句）和筛选（WHERE子句），且。这些关键字以及其它关键字提供了各种工具，用来从多维数据集中析取数据的特定部分。
接着，我们按照MDX基本表达式原理对总结章节中的多维数据集查询如下：
SELECT {[Time].[1997年].[第一季度]} on COLUMNS,
{[Store].[canada].[DF]} on ROWS
FROM Sales
WHERE([Product].[Food].[Meat])
该表达式返回的结果集如下图黄色区域部分：

因此，根据MDX表达式的结构及多维数据集查询的实现需求，系统将多维分析的"查询浮动面板"分为三个小区：列区、行区和切块区。其中，"列区"对应"COLUMNS"部分，"行区"对应"ROWS"部分，"切块区"对应"WHERE"部分。将不同的维成员拖拽到各区，不同的组合获得不同的数据结果，这些结果展现在一个报表中，则实现了我们称之为"多维分析"的报表。
以上示例中实现的是三个维的多维分析，系统允许在行区、列区和切块区拖拽一个或多个维中的成员，这样可以检索出多个维的数据结果，这种多维数据集查询的方式较之二维的查询方式（也可以说是SQL数据集查询方式）可以实现更灵活和更复杂的查询效果。
说明：处于切块区中的维在系统中以参数看待，可以实现对当前多维分析的切片和切块效果。

Smartbi 的多维分析简单易用，无需编写任何的代码，用户只需要通过语义层的定义就可以轻松搭建自己的多维数据模型。同时具有灵活的分析功能、直观的数据操作和分析结果可视化表示等突出优点，从而使用户对基于大量复杂数据的分析变得轻松而高效，以利于迅速做出正确判断。

申请试用