OLAP query  sering  begitu  kompleks,  memerlukan  data  yang  sangat
besar,  yang  bila  dijalankan  sekaligus  di  lingkungan  OLTP  akan  dapat menyebabkan melambatnya transaksi OLTP secara drastis.
Data warehouse  adalah  repository  arsip  informasi  yang
dikumpulkan  dari  banyak  sumber,  disimpan  dengan  skema  yang disatukan  di  satu  situs  tunggal.  Begitu  dikumpulkan,  data  disimpan
dalam  kurun  waktu  yang  lama.  Data warehouse  menyediakan  satu
antarmuka  terkonsolidasi  tunggal  sehingga  mempermudah  pembuatan query  yang  mendukung  pembuatan  keputusan.  Dengan  mengakses
informasi  dari  data warehouse,  pembuat  keputusan  dapat  menjamin
bahwa sistem pengolahan transaksi online tidak akan terganggu. Data
warehouse  merupakan  basisdata  dimana  data  dikumpulkan  dari banyak Sistem untuk mendukung pelaporan dan pengambilan keputusan
manajemen.  Basis  data  multidimensi  yang  merupakan  basisdata  sistem OLAP  multidimensi  memberi  solusi  yang  berorientasi  bisnis  untuk
menjawab  pertanyaan  yang  kompleks.  Pendekatan  ini  mempunyai tingkat  keberhasilan  yang  tinggi  ketika  jawaban  disusun  dari  matriks
atau data kuantitatif.
2.2. OLAP
2.2.1. Pengertian Online Analytical Processing OLAP
Menurut  Connoly  dan  Begg  2005,  OLAP  adalah  perpaduan dinamis,  analisis  dan  konsolidasi  dari  data  multidimensional  berukuran
besar.  Data  multidimensi  adalah  data  yang  dapat  dimodelkan  sebagai atribut  dimensi  dan  atribut  ukuran.  Atribut  dimensi  adalah  atribut
kualitatif  seperti  nama  barang,  warna,  dan  jenis,  sedang  atribut  ukuran adalah  atribut  kuantitatif  seperti  jumlah  barang  dan  harganya.  OLAP
dapat digunakan untuk menganalisis data lebih dalam lagi dengan teknik drill-down, slicing, dan consolidation.
a. Drill-down  adalah  pengolahan  data  sedemikian  rupa  sehingga
dari  data  yang  diringkas  dapat  dijabarkan  menjadi  data  yang lebih detil agar dapat diperoleh informasi yang rinci.
b. Slicing adalah pengolahan data untuk melihat data dari berbagai
sudut  pandang,  misalnya  dengan  melihat  hubungan  penjualan satu  macam  produk    berdasarkan  kategorinya,  seperti  penjualan
buku berdasarkan bidang teknik informatika, psikologi, farmasi, dsb.
c. Consolidation  adalah  pengolahan  data  dengan  cara  melakukan
pengelompokan,  misalnya  data  harga  bahan  pokok  selama  12 bulan berturut-turut, atau mingguan, dan harian.
2.2.2. Perbedaan OLTP dan OLAP
Sistem database online  operasional untuk melakukan transaksi  on-
line  dalam  hari  per  hari  dan  pemrosesan  query  disebut  On-line Transaction  Processing  System  OLTP  sistem.  Sistem  ini  mencakup
sebagian  besar  operasi  sehari-hari  dalam  organisasi,  seperti  pembelian, inventori, manufaktur, perbankan, penggajian, registrasi, dan akuntansi.
Sistem OLAP sendiri melayani pengguna atau knowledge-worker dalam
analisis  data  dan  pengambilan  keputusan.  Sistem-sistem  ini  dapat mengatur dan menyajikan data dalam format yang bervariasi tergantung
pada beragam kebutuhan pengguna yang berbeda. Berikut perbandingan sistem OLTP dan sistem OLAP yang tersaji pada tabel.
Tabel 2. 1 Perbedaan OLTP dengan OLAP
Fitur OLTP
OLAP Karakteristik
Proses operasional Proses informasional
Orientasi Transaksi
Analisis Pengguna
DBA, database
profesional Manajer, eksekutif, analis
Fungsi Operasi sehari-hari
Informasi  jangka  panjang yang
dibutuhkan untuk
pendukung keputusan Desain
Database Berdasarkan relasi entitas,
berorientasi pada aplikasi Berdasarkan
starsnowflake, berorientasi subjek
Data Data  yang digunakan data
sekarang,  data  terjamin pada masalah
up-to-date Data  historis,  perbaikan
akurasi  data  dari  waktu  ke waktu
Summarization Data
primitif, sangat
mendetail Peringkasan,
penggabungan Gambaran
Detail, relasi datar Peringkasan,
multidimensional Unit Kerja
Pendek, simple transaksi Kompleks query
Akses Readwrite
Hanya dapat read
Fokus Data masuk
Informasi keluar Operasi
Indeks hash  pada  primary
key Kebanyakan
scan
Jumlah data yang diakses Puluhan
Jutaan Jumlah pengguna
Ribuan Ratusan
Ukuran database
100 MB hingga GB 100  GB  hingga  mencapai
TB
Prioritas Performa
tinggi, ketersediaan tinggi
Fleksibilitas tinggi,
otonomi pengguna akhir Metrik
Melalui transaksi Melalui
query, waktu
respon
2.3. Multidimensional Modelling