A aplicação de gerenciamento de níveis de serviço, por si só, garante a oferta de bons serviços.

Considerando-se os processos de visualização de um modelo de banco de dados multidimensional, não são operações básicas OLAP: drill down e roll up, drill across, drill throught, slice e dice.

Um datawarehouse exige grande capacidade de armazenamento e processamento dos dados, pois armazena dados analíticos, destinados às necessidades de tomada de decisão. Esses dados podem ser armazenados em banco de dados relacional ou MOLAP (multidimensional-array OLAP). Na estrutura MOLAP, devem-se criar vários índices atrelados às tabelas de fatos e dimensões para um acesso mais rápido e eficiente ao banco de dados.

Em um datawarehouse com modelo de dados multidimensional ou OLTP (online transaction processing), é necessário informar somente quais as dimensões e os fatos, e o próprio banco encarrega-se de gerar os cubos.

OLAP refere-se ao conjunto de processos para criação, gerência e manipulação de dados multidimensionais para análise e visualização pelo usuário em busca de uma maior compreensão desses dados.

Produtos de software dedicados às operações de uma empresa, montados principalmente sobre sistemas de banco de dados em grande escala, se tornaram conhecidos como sistemas de processamento de transações online ou ROLAP (relational online analytical processing).

Uma das formas mais comuns de armazenamento relacional usadas para OLAP é o denominado star schema. Os star schema e suas variantes, como snow flake schema, são essencialmente métodos de otimização do armazenamento de banco de dados SQL para fins de acesso aos dados.

A identificação das tabelas de fatos, a definição da granularidade de cada tabela, especificando o nível de detalhamento e a definição das dimensões de cada tabela de fatos, são etapas a serem consideradas para a construção de um banco de dados relacional.

Os sistemas de informações gerenciais, ao se utilizarem da visão multidimensional do cubo, permitem dar suporte à tomada de decisão nas organizações. A visão multidimensional do cubo consiste em uma metáfora visual e intuitiva do evento porque todas as dimensões coexistem para todo ponto no cubo, sendo independentes umas das outras. A partir dessa abordagem, pode-se adicionar dimensões (hipercubos) e níveis hierárquicos nas dimensões (agregações).

O modelo de dados relacional, define, entre outras coisas, um cálculo relacional orientado declarativamente e uma álgebra relacional orientada por procedimento. Embora o modelo relacional tenha reduzido o esforço do projetista de dados com relação ao armazenamento físico e ao acesso de dados, esse modelo tornou-se excessivamente centrado nos detalhes de baixo nível para a realização do trabalho de níveis superiores dos desenvolvedores, tornando-se particularmente de difícil uso para a definição de aplicações de suporte à tomada de decisão que dependam da agregação de dados complexos.