OLAP 的分类
OLAP主要分为两大类：使用多维数据库的MOLAPS和使用关系数据库的ROLAPS。MOLAP是一种两层的客户服务器架构，OLAP数据库既服务于数据库层，也服务于应用逻辑层。因此应用逻辑和数据库访问都位于同一系统中。
ROLAP通常使用三层架构，其数据库层和应用逻辑层是分离的，并且其数据存储在关系型数据库中，而不像MOLAP那样将数据存储在多维数据库中。
至于何种架构更适合你，则要根据需要而定了。MOLAPS和ROLAPS相比，具有更短的处理时间，更快的响应速度，并且对于用户需求更为灵活。而ROLAPS在处理的数据总量和支持的客户数方面强于MOLAPS。
此外，还有一种OLAP也越来越流行，这就是hybrid online analytical processing （混合联机分析处理，HOLAP）。从字面上我们可以大致看出，HOLAP是上面两种分类的融合，它同时利用了多维数据库和关系数据库。HOLAP的优势在于它可以在性能需求和存储量需求间找到一个平衡点，从而充分利用系统潜能。
数据挖掘
一旦确定了数据仓库，并选择了适当的工具对数据进行检索和操作，我们就可以通过特定的方法对数据进行询问。这个方法就是数据挖掘（data mining）。正如我们在前面提到的，查找数据趋势、模式以及数据间的关系都属于数据挖掘。数据挖掘技术包括：
联合：查找连接事件的模式
分组：查找新的模式
合并：发现和分组以前未出现过的情况
预测：发现数据中的模式并据此预测未来的数据
很明显，和在传统数据库中进行数据查询相比，使用数据挖掘深入分析数据仓库并找出有用信息并不简单。另外，数据挖掘技术还被用于遗传学研究。
另一种对数据进行分析的方法是使用决策支持系统。决策支持系统一般来说是通过专家系统或者人工智能来对数据进行分析，之后将结果汇总成便于用户阅读理解的格式（如线图、报表、表格等形式），以此帮助管理者做出商务决策。
实现
目前有数百家厂商都在销售数据仓库、OLAP、数据挖掘以及决策支持系统软件，其中主要厂商有IBM、Oracle、COGNOS和Microsoft等。另外，互联网上关于数据仓库及其相关工具的介绍也多如牛毛，你可以搜索“OLAP”或“数据仓库”来得到很多有用的知识。
数据仓库是一个复合项目，要想实现它需要专业知识。如果在设计和实施数据仓库项目时没有得到专门的技术支持，就会造成巨大的资源浪费。本文的目的只是为读者扩大知识面，以便读者在今后阅读更专业的数据仓库文章时可以较好的理解其内容。
