作为大多数 OLAP 系统的核心，OLAP 多维数据集是一种基于数组的多维数据库，它可以比传统的关系数据库更快、更高效地处理和分析多个数据维度。

关系数据库表的结构类似电子表格，以二维逐行逐列的格式存储单条记录。数据库中的每个数据“事实”都位于两个维度（行和列）的交叉点上，例如区域和总销售额。

当然，SQL 和关系数据库报告工具可以查询、报告和分析表中存储的多维数据，但其性能会随着数据量的增加而下降。而且，需要进行大量的工作来重新组织结果以关注不同的维度。

这就是 OLAP 多维数据集的用武之地。OLAP 多维数据集通过附加层扩展了单个表，每层都添加了附加维度 – 通常是维度“概念层次结构”中的下一个级别。例如，多维数据集的顶层可以按地区组织销售数据；其他层可以是按国家/地区、州/省、城市，甚至是具体的商店来组织。

理论上，一个多维数据集可以包含无限多个层。（表示三个以上维度的 OLAP 多维数据集有时称为超多维数据集）。这些层中也可以有更小的多维数据集。例如，每个商店层都可以包含按销售人员和产品排列销售额的多维数据集。在实践中，数据分析师会创建只包含所需层数的 OLAP 多维数据集，以实现最佳分析和性能。

向下钻取操作通过以下两种方法之一将不太详细的数据转换为更详细的数据：在概念层次结构中向下移动，或向多维数据集添加新维度。例如，如果您查看组织日历或财政季度的销售数据，则可以向下钻取以查看每个月的销售额，并在“时间”维度的概念层次结构中向下移动。

累积与向下钻取功能相反，它通过在概念层次结构中向上移动或减少维数来聚合 OLAP 多维数据集上的数据。例如，您可以通过查看每个国家或地区（而不是每个城市）的数据在“位置”维度的概念层次结构中向上移动。

切片操作通过从主 OLAP 多维数据集中选择一个维度来创建子多维数据集。例如，您可以通过突出显示组织的第一个财政季度或日历季度（时间维度）的所有数据来执行切片。

切块操作通过选择 OLAP 主多维数据集中的几个维度来隔离一个子多维数据集。例如，您可以按组织的日历或财政季度（时间维度）以及美国和加拿大（地点维度）突出显示所有数据，从而执行切块操作。

透视功能可以旋转当前的多维数据集视图，显示全新的数据表示形式 – 启用数据的动态多维视图。OLAP 数据透视功能可与电子表格软件（如 Microsoft Excel）中的数据透视表功能相媲美，但 Excel 中的数据透视表可能有一些难度，OLAP 数据透视相对更易于使用（需要较少的专业知识），并且具有更快的响应时间和查询性能。