Metadados são dados que descrevem outros dados. A partir de sua adequada definição, o ETL possibilita a carga do datawarehouse a partir de um drill down nos dados.

As tecnologias de bancos da dados, data mining e data warehouse têm sido utilizadas plenamente para a monitoração de ambientes operacionais, pois utilizam ontologias e inteligência artificial com agilidade e baixo custo operacional.

O data mining é um processo utilizado para a extração de dados de grandes repositórios para tomada de decisão, mas sua limitação é não conseguir analisar dados de um data warehouse.

Na implementação de um BI, deve-se levar em conta o relacionamento de questões e suas respectivas decisões potenciais, como por exemplo: alinhamento de metas, questões de base relativas ao negócio, clientes, intervenientes e resultados esperados.

Considere as demandas de queries para produzir um gráfico de barras simples, como o apresentado na camada #4. As alturas y de cada uma das x barras do gráfico estariam melhor associadas a diferentes registros da tabela dimensão, enquanto que o nome do eixo das ordenadas estaria melhor associado ao nome de uma das colunas presentes na tabela fatos.

As queries presentes na camada #1 possuem, em geral, um maior conjunto de tabelas na cláusula where que as queries executadas na camada #2.

Uma junção estrela (star join) que ocorre na camada #2, é um subconjunto dos registros do produto cartesiano entre a tabela fatos e várias tabelas dimensão.

DataMining permite explorar e inferir informação útil a partir de grandes bancos de dados para descobrir relações ocultas entre os dados. Uma das formas é o KDD (knowledge discovery in databases) que utiliza técnicas de inteligência artificial e processadores de texto.

Um datawarehouse armazena informações oriundas de muitas fontes em um único banco de dados. Os sistemas de OLTP (online transaction processing) devem suportar um grande número de transações simultâneas sem gerar retardos excessivos, uma vez que buscam um melhor desempenho.