OLAP（オンライン分析処理）

データウェアハウス上のデータを多次元的に分析する技術。スライシング（特定次元の切り出し）、ダイシング（複数次元の切り出し）、ドリルダウン（詳細化）、ドリルアップ（集約化）などの操作でデータを様々な角度から分析する。

多次元データ分析を対話的に行うためのシステム。ダイスアップ/ダウン（集約レベルの変更）、スライス/ダイス（次元の切出し）、ピボット（軸の回転）などの操作でデータを多角的に分析する。

多次元分析で、集計の粒度を細かくして詳細なデータへ掘り下げる操作。年→四半期→月のようにディメンションの階層を下位へ移動し、集計値の内訳や異常の原因を確かめる。逆に上位の階層へ集約する操作をドリルアップという。

多次元分析で、ディメンションの階層を上位へ移動して、より粗い粒度に集約する操作。日次の売上を月次・年次に、店舗別を地域別にまとめるなど、全体の傾向を把握するときに使う。ロールアップとも呼び、詳細へ掘り下げるドリルダウンの逆に当たる。

複数の業務システムのデータを、分析しやすいように主題別に統合・整理して時系列で蓄積するデータベース。履歴を保持し、原則として更新せずに追記していく点が業務システムのデータベースと異なる。スキーマオンライトで事前に構造を定めるため、品質の揃ったデータを全社で横断的に集計・分析するのに向く。

DWHのデータから、特定の部門や用途に必要なものだけを抽出・集計して切り出した小規模なデータベース。利用者が扱うデータを絞り、目的に合わせた形に整えておくため、BIツールでの集計や定型レポートを高速に行える。

データレイクの安価なオブジェクトストレージの上に、DWHが持つトランザクション管理（ACID特性）、スキーマの管理、高速な検索などの機能を加えたデータ基盤のアーキテクチャ。Delta Lake、Apache Icebergなどのオープンなテーブル形式を使い、1つの基盤でBIの集計と機械学習の両方に同じデータを使えるようにする。

DWHの代表的なデータモデルで、売上金額などの数値を持つファクトテーブルを中心に置き、日付・商品・顧客などの分析軸を表すディメンションテーブルを周囲に配置した星形の構造。ディメンションテーブルを非正規化しておくため結合が少なく、集計の問合せが単純で高速になる。