В связи с этим вопрос к уважаемым гуру: есть ли какие-то испробованные подходы к решению такой задачи? какие-то компромиссные решения? или такая задача олапу не по зубам?

Эта задача - средней сложности. Среднеарифметические цены я могу легко посчитать. Со средневзвешенными дело сложнее, но у меня есть несколько вариантов решения. Подчеркиваю, что вышесказанное справедливо при использовании не MS AS, а Cognos PowerPlay. Если интересно - могу рассказать подробнее.

Номенклатура товара - порядка 100 000 наименований
Есть факты переоценок - цена указанного товара начиная с указанного дня в указанном магазине

Кстати, сколько у Вас примерно магазинов и за какой период времени Вы хотите проводить анализ (несколько лет, последние 6 месяцев, последние 7 дней)?

с нетерпением жду ответа от Jurii, который утверждает, что эта задача средней сложности

Постараюсь сегодня ближе к вечеру ответить, работы много, руки не доходят написать развернутый ответ на Ваш вопрос. Я немного поигрался на тестовых данных - результат достигается в том или ином приближении несколькими вариантами. Есть однако очень хитрые подходы к решению этой задачи, если глубоко копнуть - можно и диссертацию написать на тему "Анализ изменения цен с помощью Cognos PowerPlay" :)

с нетерпением жду ответа от Jurii, который утверждает, что эта задача средней сложности

Предлагаю следующие варианты решения (буду оперировать терминами Cognos):

1) Создаете в Impromptu запрос, который к таблице фактов по продажам привязывает справочники (товары, магазины и т.п.), а также производит привязку цены из прайс-листа, действующей на момент продажи. Сохраняете этот запрос в формате виртуальной вьюшки. Далее создаете на основе этой вьюшки куб по продажам в ценах прайс-листов, и в кубе будет показатель - выручка делить на количество, то есть - средняя цена продажи (для групп товаров она будет средневзвешенной).

2) Создаете в Impromptu запрос, который к каждой строке прайс-листа привяжет текущий остаток по данному товару на данную дату. После этого создаете куб, цену агрегируете как СРЕДНЕЕ (Average), указываете вес - СкладскойОстаток, а для складского остатка указываете опцию Time Stamp Rollup. Я игрался с небольшим примером - получил интересные результаты, но это надо проверять на больших объемах данных.

3) Создаете в Impromptu запрос, который вместо абсолютного значения цены в прайс-листе вернет изменение по сравнению с предыдущим значением (ДЕЛЬТА). Создаете вычисляемый показатель на основе опции Category Count, который подсчитывает количество товаров (Distinct Count). В OLAP-клиенте используете функцию нарастающего итога от ДЕЛЬТА, и делите это на количество товаров.

4) Создаете с помощью хранимой процедуры гигантскую таблицу фактов, в которой для каждого дня, товара и магазина указана цена и количество. Цену агрегируете как СРЕДНЕЕ (Average), указываете вес - СкладскойОстаток. Это наиболее точный подход, но потребует мощного железа. Можно делать группу кубов в одной модели - 1 куб для каждого месяца или для каждого магазина, тогда все это будет работать быстрее.

Скажем так - это не самые оптимальные методы. Чтобы найти оптимальный - надо экспериментировать. Рекомендую заказать ознакомительную версию продуктов Cognos через сайт http://cognos.narod.ru и поиграться с ней.