O modelo de dados é capaz de gerar um cubo OLAP que possui quatro dimensões.

A administração de dados está voltada para o planejamento conceitual e a organização dos recursos de dados. Por sua vez, a administração de banco de dados está voltada para aspectos técnicos associados a um ambiente específico de um sistema de gerenciamento de banco de dados, aspectos estes relativos à operação e manutenção física de um conjunto de BDs.

A característica principal dos sistemas OLAP é permitir uma visão conceitual multidimensional dos dados de uma empresa. A visão multidimensional é muito mais útil para os analistas que a tradicional visão tabular utilizada nos sistemas de processamento de transação.

Os data warehouses são depósitos de dados tipicamente direcionados para aplicações de apoio às decisões administrativas. As informações em data warehouses mudam mais freqüentemente do que em bancos de dados convencionais. Além disso, os data warehouse, em vez de otimizar a recuperação de dados, otimizam o processamento de transações.

A data mining apóia a descoberta de regras e padrões em grandes quantidades de dados. Em data mining, um possível foco é a descoberta de regras de associação. Para que uma associação seja de interesse, é necessário avaliar o seu suporte, que se refere à freqüência com a qual a regra ocorre no banco de dados.

As ferramentas OLAP podem ser implementadas de diversas formas e, normalmente, são classificadas em dois tipos: MOLAP e HOLAP.

Uma ferramenta OLAP que tem a funcionalidade de drill across permite a um usuário saltar um nível intermediário dentro de uma mesma dimensão em um banco multidimensional.

As ferramentas OLAP permitem a análise de um grande volume de dados e a geração de relatórios, e também auxiliam na obtenção de informações estratégicas que podem facilitar a tomada de decisão.

O Data Cleaning é uma ferramenta que possibilita a detecção de possíveis erros (adição, troca ou omissão de letras) e facilita o processo de padronização de dados das coleções.