数据立方体在OLAP(在线分析处理)中所占的地位越来越重,而且随着数据量的膨胀式增长,和数据维度的扩大,使用传统数据仓库中的算法已经越来越难以满足人们的需要。传统的DATA CUBE算法在大数据量、高维度的数据下难以满足最普通的需要,尤其是会占用难以承受的空间消耗,这些传统的算法暴露出越来越多的问题。数据立方体的存储空间是OLAP中的瓶颈,为了解决这个问题,已经有越来越多的研究致力于此方面,也都取得了不俗的成绩,但是面对膨胀增长的数据量和日益复杂的使用条件,这些算法的限制也日益突出。因此本文就着力于解决这个数据立方体算法的效率低下的问题,本文提出了一种新的基于分割的数据模型,此算法的核心是将数据从属性到ID进行反向映射,得到了以属性为主键的数据分割,将不同ID的数据通过属性联系起来,以替代传统的数据存储方式。在查询中,可以通过自定义的数据结构快速的得到聚合结果。然后经过数据仓库的构建实现了这个算法,将此算法应用于具体的数据仓库模型中,从而得到了具体的实验参数和结果。通过实验结果可以看出,本文的算法通过构建的数据仓库系统最终得以实现,算法的空间效率要优于shell-fragment等的数据立方体算法,在时间上,此算法也可以在合理的时间内完成查询操作。因此,通过分割的概念,就得到了一个高效的数据立方体算法。