Extração, transformação e carga de dados constituem uma das fases mais críticas do datawarehouse. Atualmente, as ferramentas destinadas a essas funções devem ser adquiridas como complemento ao sistema gerenciador de banco de dados (SGBD), não existindo solução embutida no próprio SGBD.

O datawarehouse não apenas deve ser temático, é preciso que os temas sejam tratados sob um número razoável de perspectivas (dimensões), gerando menos flexibilidade de análise, porém mais objetividade.

O datawarehouse permite o armazenamento de informações sobre temas específicos e importantes de uma organização. Os temas formam a base de dados sobre os quais são obtidas respostas de apoio direto às decisões estratégicas. A abordagem incremental de implantação deve envolver em cada etapa sempre todos os temas levantados.

Em um datawarehouse, os dados podem ser armazenados em formato de cubo (OLAP) multidimensional, permitindo rápida agregação de dados e detalhamento das análises (drill-down).

Os requisitos de um datawarehouse não se referem apenas aos dados, mas a todo o ambiente, abrangendo, por exemplo, as fontes e os repositórios derivados.

Considerando as estruturas de armazenamento de dados, são equivalentes os conceitos de

O uso do esquema acima para suporte a operações transacionais online OLTP (On-line Transactional Processing) mostra-se pouco eficiente quando comparado ao seu uso em processamento analítico OLAP (On-line Analitical Processing).

O esquema de dados apresentado encontra-se normalizado, o que torna menos complexa a criação de queries pelo usuário e mais eficiente a execução de queries pelo SGBD.

Cada passageiro pode realizar um ou mais vôos, e cada registro de vôo está associado a vários passageiros.

Passenger e podem ser considerados diferentes dimensões de um fato.