PivotCube是使用OLAP（联机分析处理）方法进行多维数据分析的最佳产品之一。它既提供了程序员需要的API，又具有很强的灵活性，还可以方便地使最终用户有效地完成多维数据分析工作。还允许最终用户使用任何关系数据库中的当前数据进行联机分析处理和统计分析。此外，PivotCube还提供了一些统计功能，包括四分点，中值以及其它功能。PivotCube还允许最终用户在运行中通过内置的公式解释器在已有度量值的基础上创建自己的度量值。对最终用户来说，可以轻易地更新立方体数据而不需要重新构建整个立方体的功能也是非常重要的.

具体描述：

树状（层次）维度
它不但可以处理线性维度，还可以处理层次维度。我们把它们称为树状，是因为它们的构造就像标准的层次结构—树一样，对于树，所有Windows用户应该都很熟悉（目录的结构就像树）。因此，你可以很容易地建立结构类似于Windows目录的维度树，它可以具有无数的叶子和节点。叶子和节点可以层层嵌套，最多可以有255层。

可扩展的统计功能
要使用这个功能，你需要建立过度饱和立方体。但在此之前，你需要把PivotCube.ExtendedMode这个属性设为True。如果一个立方体单元容纳了很多事实表中的数据，那么统计计算就会变的很复杂。尽管如此，PivotCube仍然提供了基于没有经过简化处理的完整数据集的计算。这个特点使你可以计算关于当前过滤集的准确函数值。这个特点的独特之处在于精确的计算而不是基于简化的统计公式的计算。因此，使用PivotCube，你总是可以得到准确的计算结果。

PivotCube扩展模式支持的统计功能如下：

• 最小值
• 最大值
• 中间值
• 四分之一
• 四分之三
• 四分点之和
• 四分点之差
• 四分点偏差系数
• 偏斜度
• 峰度
• 均方差
• 方差
• 偏差系数
• 平均误差
• 平均绝对值差

如果你不需要这个特殊功能，你可以使用PivotCube的标准模式来最小化立方体大小，内存占用和提高速度。但在此之前，你需要把PivotCube.ExtendedMode属性设为False。

PivotCube标准模式下的功能：

• 总和
• 计数
• 平均数

可以很简单地从任何TDataSet的派生类装载数据
使用TDataSet的派生类作为数据源使你可以轻松地通过以下方式装载数据：

• Borland数据库引擎（BDE）
• ActiveX数据对象（ADO）
• Direct Oracle Access(DOA)
• IBObjects

虽然你没有必要使用“Group by”或者MDX语句对数据进行预处理，但是如果你希望从SQL-Server装入PivotCube的数据记录数最少，你就可以使用“Group by”语句

可以很容易地使用新数据更新已有的立方体（不需要重新构造整个立方体）
就像在一个大型的OLAP服务器中，通过在已有的立方体中添加新的数据，而不是重新构建整个立方体，你可以一步一步地构造自己的立方体。对于那些需要处理经常变化的数据的用户来说，这是非常重要的特色。

自定义的维包装（dimension wrapping）
例如，“日期”可以被切分为季节、季度、白天/夜晚等等，或者，“地址”可以被切分为街道、邮政编码、城市、村等。“姓” [比如smith]，“名” [比如John]和“部门”[比如managers]可以被综合成单个字符串“Employer”[比如 John Smith Mgrs.]

可通过维度和度量值筛选
OLAP最强大的功能之一是能帮助用户进行深刻和详细地分析，从而得出正确的商业决策。PivotCube提供了强大的通过维度和度量值进行筛选的功能。

通过维度进行筛选以下面两种方式进行:

• 常规筛选（通常过滤掉不必要的数据）
• 增量式的筛选（只筛选出所选择的一个必要的维度元素；但仍然可以分析无数的维度）。当你只需要提供一个客户的分析或者是一年的分析时，这种方式是非常方便的。
• 通过维度进行筛选：对于活动和不活动的维来说，都是可行的。例如，你不需要将一个维嵌入到一个活动的片段中进行分析。