سیستمهای اطلاعاتی تحلیلی در مقابل سیستم های عملیاتی ، سیستمهایی هستند که امکان تحلیل داده های انبوه حاصل از سیستمهای عملیاتی را برای تمامی سطوح کاربران فراهم می کنند . سيستم های عملياتی در سازمانهای بزرگی مانند بانکها به صورت روزانه پردازشهای اطلاعاتی فراوانی را به انـجام رسانده و به توليد اطلاعات گوناگون می پردازند. بانـکهای اطلاعاتــی اين سازمـانها با داده هـای فراوان حـاصل از تراکنـش های مالی، اداری حسابداری و… روبـرو می شوند.

    اطلاعات پایه سیستمها همانند اطلاعات کاربران و سطوح دسترسی آنها معمولا با تغييرات روزانه مواجه نیستند اما اطلاعات عملياتی نظیر عملیات تجاری،خرید و فروش محصولات و… می توانند حتی بطور لحظه ای تغييرکنند.

تحليل و پردازش درست و دقیق اطلاعات عملياتی می تواند در تولید نتايج آماری در جهت تصميم گيريهای کلان مديريتی موثر بوده و به مديران کمک کند تا تصميمات بهینه ای برای موفقيت سازمان خود بگيرند .

    برای آناليز و پردازش اين اطلاعات و تسهيل و سرعت بخشيدن به عمليات گزارش گيري و پرس و جوهای متنوع به جای تحليل مستقيم داده ها از درون سيستم های عملياتی ، از سيستم ها و پايگاه داده‌ های تحليلی استفاده می شود که خارج از حوزه سیستم های عملیاتی قرار داشته و سرعت بسیار بالایی دارند.

    مکعبهای  OLAP با استفاده از data mode  جامع خودQuery های کارآمد و پر سرعتی را ارئه داده و جایگزین بهتری برای خلاصه سازی جداول هستند. محاسبات پیچیده می توانند براحتی درون این مکعبها قرارگرفته و باعث بهبود کیفیت تحلیل برنامه های کاربردی شوند.

مثلا یک مکعب OLAP می تواند شامل محاسبات مقایسه ای فروش سال جاری هر منطقه و خط تولید با همان زمان در سالهای قبل باشد.  در واقع ساختار این مکعب ها برای بهینه چنین گزارشات و تحلیل هایی بهینه شده است.

     عمده عملیات روی Database می تواند شامل  update،insert،delete  و … باشد، اما Datawarehouse    که یک مکعب چند بعدی با صدها برابر گنجایش یک Database است و به عنوان اصلی ترین وظیفه اش به کاربر data ارائه می دهد ، می تواند اطلاعات را در قالبهای متنوع برای نیازهای مختلف نگهداری کند.

    پرس و جوهای کاربران در روزهای مختلف غیر قابل پیش بینی هستند. به عنوان مثال شاید لازم شود فروش یک هفته را با همان هفته در چند سال پیش مقایسه کرد. با سیستمهای relational بهینه کردن چنین درخواست هایی بسیار مشکل است.برای برآوردن این نیاز Database وDBAها بصورت متناوب viewها و خلاصه جدول هایی را تولید می کنند. خروجی یک سیستم OLAP به صورت کلی یک ماتریس می‌باشد و ابعاد مختلف داده‌، ستونها و سطرهای ماتریس راتشکیل می‌هند.

    تکنيکهای بسیاری جهت جمع آوری ، پالايش و آناليز داده ها نظير OLAP، Data Mart ، Warehousing  و Data Mining با هدف استخراج اطلاعات از رکوردهای عملياتی سازمان و نظم دهی آن به منظور انجام تحليل های مختلف وجود دارد.