OLAP可视化是将数据信息以某种图形图像的形式可视化呈现，为观察者提供一种量化的方式，来理解数据中的隐藏信息。这些隐藏信息通常是异常信息和模式信息。异常信息是指用户观察到了意想不到的图形图像分布信息，通常由异常的数据现象或者数据特征引起。模式信息是反映数据现象和数据特征规律的图形图像信息。通过交互式可视化可以观察数据的细节，增加数据的可理解性和可信度。

分析是指对以多维形式组织起来的数据采取切片、切块、旋转、上卷、下钻等各种分析动作，以求剖析数据，使最终用户能从多个角度、多侧面地观察数据库中的数据，从而深入地了解包含在数据中的信息、内涵。

维就是人们观察数据的角度，对于维度，存在细节程度不同的多个描述方面，维的多个描述方面称为维的层次。例如，时间维有日、月、季、年等层次来描述。多维数据一般都以数据立方体的结构存放。它用三维或更多的维数来描述1个对象，每个维彼此垂直。数据的测量值往往发生在维的交叉点上，数据空间的各个部分都有相同的维属性。

人类的认知系统可以识别空间三维物体，对于抽象的物体或者像素的识别很困难。空间的可视性最多能够达到四维（例如第四维为时间维）。目前对于构成可视化的方法中的主要方法有：

（一）空间三维图形

不同的图形元素的组合的变换映射为不同的数据维解释，把1个可视化空间结构和1条数据信息对应起来。通过图形的密度和颜色的分布，大致能够了解数据的分布、数据之间的相似性和数据之间的关系。

（二）颜色图(www.daowen.com)

分为彩色图和灰度图。彩色图的每一种颜色，对应着不同的属性维。灰度图可以利用颜色的深浅来标记数据量的属性值的大小，颜色越深，数值越大。或者用它来强调某种特别的信息，它通常预先需要很好的映射定义。

（三）亮度

对于特定的区域，用不同的亮度来辅助人眼对视点的观察。

（四）数学方法

利用数学中统计的方法，先对数据关系进行分析，得到数据的大体分布信息，再结合其他可视化方法来进行细节数据分析。或者利用数学中统计的方法对数据中的关系进行映射，映射成为图形图像关系来帮助分析。