由于传统的数据仓库解决方案通常用来处理特定类型的查询任务，所以它们不是特别适合这种环境：数据管理要求不断变化，而实时分析又至关重要。(事实上，实时动态的需求在网络主导的世界几乎很普遍。)万一改动这类解决方案，以便能处理特定查询，就需要工作量繁重的手动微调，因而会大量耗用IT资源。

比如说，试图运行一组复杂的分析查询，此外还要针对旨在存储海量IT日志数据的数据仓库，不断改变模式(schema)，这就好比试图用字典来查找驾驶方向。这需要全面地重新配置底层数据结构，要求数据库设计人员创建索引和数据分区。索引和分区还会增加数据大小;在某些情况下，会将数据大小增加两倍或更多。

相比之下，一些新的分析数据库产品消除了这些手动工作和日常工作，可以提供一种更“类似谷歌”的体验，那样用户就可以轻松地利用软件，答复多种类型的问题。这种级别的灵活性有望将日常维护和操作支持最多减少90%。公司只要开发一款可以由许多人使用的解决方案，就能优化人员的使用，还能优化时间和资金方面的投入。此外，数据分析方面更高的工作效率意味着，可以在不牺牲性能的情况下，减少所用的硬件。

眼下一些公司甚至在改用外包的操作管理，进一步减少公司内部所需的资源数量。易于使用和维护的分析、集成和智能解决方案非常适合这种办法，因为它们很容易由外包提供商来进行管理。