1. 多维数据分析软件
多维数据库（Multi Dimensional Database,MDD）可以简单地理解为：将数据存放在一个n维数组中，而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。多维数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询效率。 目前有两种MDD 的OLAP产品：基于多维数据库的MOLAP和基于关系数据库的ROLAP。ROLAP建立了一种新的体系，即星型结构。 MDD并没有公认的多维模型，也没有像关系模型那样标准地取得数据的方法(如SQL、API等)。基于MDD的OLAP产品，依据决策支持的内容使用范围也有很大的不同。 在低端，用户使用基于单用户或小型LAN的工具来观察多维数据。这些工具的功能性和实用性可能相当不错，但由于受到规模的限制，它们不具备OLAP的所有特性。这些工具使用超立方结构，将模型限制在n维形态。当模型足够大且稀疏数据没有控制好时，这种模型将会不堪一击。这些工具使用数据库的大小是以MB来计量的，而不是以GB计量的，因此只能进行只读操作，且具备有限的复杂计算。 在高端，OLAP工具用4GL提供了完善的开发环境、统计分析、时间序列分析、财政报告、用户接口、多层体系结构、图表等许多其他功能。尽管不同的OLAP工具都使用了它们自己的多维数据库，但它们在不同程度上也利用了关系数据库作为存储媒体。因为关系数据库和OLAP工具同时在高端服务器上处理，所以速度和效率仍然很快。 纯多维数据库引擎也被开发出来。尽管这些工具缺乏4GL及充分的开发环境，但却有比高端MDD工具所使用的数据库更为复杂的数据库。这些工具也具有统计分析、财务分析和时间序列分析等功能，并有自己的API，允许其对前端的开发环境开放。 MDD能提供优良的查询性能。存储在MDD中的信息比在关系数据库中的信息具有更详细的索引，可以常驻内存。MDD的信息是以数组形式存放的，所以它可以在不影响索引的情况下更新数据。因此MDD非常适合于读写应用。
2. 多维数据分析的方法有几种
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。数据挖掘的任务是从数据集中发现模式，可以发现的模式有很多种，按功能可以分为两大类：预测性（Predictive）模式和描述性（Descriptive）模式。在应用中往往根据模式的实际作用细分为以下几种：分类，估值，预测，相关性分析，序列，时间序列，描述和可视化等。
数据挖掘涉及的学科领域和技术很多，有多种分类法。
（1）根据挖掘任务分，可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等；根据挖掘对象分，有关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产数据库以及环球网Web。
（2）根据挖掘方法分，可粗分为：机器学习方法、统计方法、神经网络方法和数据库方法。机器学习中，可细分为：归纳学习方法（决策树、规则归纳等）、基于范例学习、遗传算法等。统计方法中，可细分为：回归分析（多元回归、自回归等）、判别分析（贝叶斯判别、费歇尔判别、非参数判别等）、聚类分析（系统聚类、动态聚类等）、探索性分析（主元分析法、相关分析法等）等。神经网络方法中，可细分为：前向神经网络（BP算法等）、自组织神经网络（自组织特征映射、竞争学习等）等。数据库方法主要是多维数据分析或OLAP方法，另外还有面向属性的归纳方法等等。
3. 多维分析数据库
比如一个典型的商品销售数据库，记录了商品销售的详细情况，则我们可从这么几个方面来对销售数据进行分析：
从产品的角度，可以按产品的类别、品牌、型号来查看产品的销售情况；
从客户的角度，可以按客户的类别、地区等来查看产品的购买情况；
从销售代表的角度，可以按销售代表的部门、级别等来查看产品销售业绩；
从时间的角度，可以按年度、季度、月份等来观察产品销售的变动情况。
其中产品、客户、销售代表、时间分别是四个不同的维度，每个维度都从不同方面体现了销售数据的特征，而每个维度又可按粒度的不同划分成多个层次，称为维度成员，多维分析中另一个重要的概念是数据指标，简称指标，指标代表了数据中的可度量的属性，在上面的销售数据中有两个重要的指标是销售数量和销售金额。
4. 多维分析工具
推荐楼主试用一下FineBI，这个工具的多维分析让我记忆犹新。 联机分析处理（OLAP）系统是数据仓库系统最主要的应用，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。
5. 多维数据分析系统
OLAP基于数据仓库执行查询操作，数据仓库本身就是多维的，OLAP就是对不同维度，如时间，地区，分类等，进行一系列查询操作
6. 多维数据分析方法
多维尺度分析是市场调查、分析数据的统计方法之一 . 通过多维尺度分析,可以将消费者对商品相似性的判断产生一 张能够看出这些商品间相关性的图形
7. 三维数据分析软件
上维扫描技术的可应用以下领域：
1. 产品三维检测
三维扫描在不对扫描物体造成磨损破坏，不受物品大小限制的前提下提供可靠真实的三维数据。将得到的三维数据与三维图纸进行比对，可以快速准确地获取工件各个位置的偏差，对于后期的产品修改和研发提供依据。同时，快捷的扫描也大大提高检测的效率，减少时间和人力成本。
2. 逆向设计
通过三维扫描可以将物体的三维外形数字化，得到一组与实物尺寸1:1的三维数字化模型。用户可以用这三维数据配合相应专业软件进行数字化模拟分析，直观方便地进行诸如产品气动性分析，强度分析，应力分析，为后期产品的优化改良提供依据和参考。
3. 维护保养
轨道列车长时间运行过程中车轮的内缘和铁轨的磨损程度直接影响到列车的刹车性能和行车的稳定性，当磨损达到一定程度后必须对相应的零部件进行更换。使用三维扫描仪能快速完整准确地获取车轮等关键零部件的三维外形数据，通过专业分析获取相应尺寸，为维护保养提供技术支持。
4. 文化应用
通过三维扫描可以获得扫描物体的三维数据。该数据通过相应的转化和编辑便可以导入雕刻机软件中，可以为一些仿古家具的修复和复现提供更友好的解决方案。
5. 虚拟现实展示
通过将三维数据应用在虚拟场景中，配合虚拟现实技术，可以实现让消费者以更轻松更便捷的方式更清楚得了解产品的外观结构，提高产品的宣传效果。
6. 模具制造领域
模具制造应用于机械、汽车、航空、轻工、电子、家电、能源、化工等几乎所有制造领域，近10年来，我国模具工业一直保持着快速发展的态势。未来，国内模具产品将朝着更加精密、复杂，模具尺寸更大、制造周期更短的方面发展。这就要求模具制造技术能够更好的体现信息化、数字化、精细化、高速化、自动化。三维扫描则可以基本满足该领域的各种需求。
7. 鞋服制造领域
随着三维数字化技术的发展，数字化服装（鞋）设计、数字化服装（鞋）结构设计、数字化服装（鞋）定制与三维服装（鞋）CAD技术等问题日益被行业所提及。工业三维扫描仪、人体三维扫描仪可灵活准确地对人体及物体进行三维测量，获得有效数据，建立客观、精确反映人体特征的数据库，方便易查便于比较、分析、应用，加速服装、制鞋企业的数字化进程。
8. 游戏领域
随着技术的进步，现代计算机游戏已经进入了三维，互动，虚拟现实阶段，三维扫描不仅可以为游戏，娱乐系统提供大量具有极强真是感的三维彩色模型，还可以将游戏者的形象扫描入到系统中，让你感受到梦幻般的效果
9. 医疗领域
包括牙齿，面部，肢体等的尺寸，因此对美容，矫形，修复，口腔医学，假肢制作都非常有用。在发达中，美容，整形外科，假肢制造，人类学，人体工程学研究等工作都开始应用三维扫描仪。同时在考古，刑侦，有时需要根据人或动物的骨骼来恢复其生前的形象，也可采用三维扫描仪将骨骼的坐标数据输入计算机作为恢复工作的基础数据。
8. 多维数据分析方法有哪些
多维数据库（Multi Dimensional Database,MDD）可以简单地理解为：将数据存放在一个n维数组中，而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。
多维数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询效率。