多维分析报表结合商业智能的核心技术——OLAP，可以帮助用户进行多角度、灵活动态的分析。多维分析报表由“维”（影响因素）和 “指标”（衡量因素）组成，能够真正为用户所理解、并真实的反映企业特性信息。
1.柱状图
1）适用场景：适用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较，用于显示一段时间内的数据变化或显示各项之间的比较情况。
2）优势：柱状图利用柱子的高度，反映数据的差异，肉眼对高度差异很敏感。
3）劣势：柱状图的局限在于只适用中小规模的数据集。
4）延伸图表：堆积柱状图、百分比堆积柱状图，不仅可以直观的看出每个系列的值，还能够反映出系列的总和，尤其是当需要看某一单位的综合以及各系列值的比重时，最适合。
2.折线图
1）适用场景: 折线图适合二维的大数据集，还适合多个二维数据集的比较。
2）优势：容易反应出数据变化的趋势。
3.饼图（环图）
1）适用场景：显示各项的大小与各项总和的比例。适用简单的占比比例图，在不要求数据精细的情况适用。
2）优势：明确显示数据的比例情况，尤其合适渠道来源等场景。
3）劣势：肉眼对面积大小不敏感。
数据图表均由BDP个人版制作而成！
数据立方体（Cube）
维度（Dimension）
成员（Member），又称维度成员（Dimension Member）
度量（Measure）
级别（Level）
维度（Dimension）
维度就是描述数据的业务角度，不同的分析场景会有若干的维度。类似于一个坐标轴
体现在数据结构中，每个维度都应该会对应一张表，如果该维度存在多个等级，这张表中的字段应该可以体现出来
维度成员（Dimension Member）
若是维度相当于坐标轴，那么维度成员就相当于坐标轴上的值。对应在workbench生成的schema里面的Level
维度成员可以呈现成树形结构，没有子级成员的成为明细成员（Leaf Member）
数据立方体（Cube）
数据立方体表示由若干维度所描述的一个数据集合，每个维度各自表示一个可对此数据集合进行观察和分析的业务角度
每个立方体的事实表应该具备多个维度对应表的关联数据，是一张整合的复杂数据表
度量（Measure）
在一个数据立方体中，从每个维度上都选取一个确定的维度成员，这些维度成员组合所确定的一个点就是度量值
一般情况下，数据立方体中并不直接存储非明细成员所描述的度量值，而是通过对其后代成员中的全部明细成员进行汇总计算而得出
级别（Level）
级别表示维度成员所描述业务角度的细节程度，也可理解为通过维度成员观察数据的粒度。
即描述该维度的细节属性。
模型说明（原帖）：
https://blog.csdn.net/zzq900503/article/details/78490660
https://blog.csdn.net/zzq900503/article/details/78492505
