DATA WAREHOUSE : kumpulan data yang berorientasi subjek, terintegrasi, time-variant, dan non volatile untuk mendukung proses pengambilan keputusan.
Subject oriented : data warehouse mengorganisasikan subjek utama perusahaan (pelanggan, produk, dan penjualan), bukan area aplikasi utama (faktur pelanggan, pengawasan stock, dan penjualan produk). Hal ini menggambarkan kebutuhan untuk menyimpan data pendukung keputusan daripada aplikasi yang berotientasi data.
Integrated : pengambilan secara bersamaan sumber data yang berasal dari sistem aplikasi berbagai perusahaan besar yang berbeda. Sumber data sering tidak konsisten, misal berbeda format. Sumber data yang teringrasi harus dapat dibuat konsisten untuk menggambarkan view gabungan data pemakai.
Time variant : data warehouse hanya akurat dan valid pada saat tertentu atau beberapa interval waktu tertentu.
Non volatile : data tidak diperbaharui secara real time tetapi diperbaharui dari sistem operasianal secara regular. Data baru selalu ditambahkan sebagai lampiran pada basis data, bukan menggantikan data lama.
Keuntungan data warehouse
- Pengembalian investasi yang tinggi
- Keuntungan yang kompetitif
- Meningkatkan produktifitas pasa pembuat keputusan korporas
Sumber data untuk warehouse :
- Data operasional dalam organisasi, misalnya basis data pelanggan dan produk.
- Sumber eksternal yang diperoleh misalnya melalui internet, basis data komersial, basis data pemasok atau pelanggan.
- Berbagai data yang berasal dari sumber digabungkan dan diproses lebih lanjut oleh manajer data warehouse dan disimpan dalam basis data tersendiri.
- Selanjutnya, perangkat lunak seperti OLAP dan data mining dapat digunakan oleh pemakai untuk mengakses data warehouse.
- Inflow : pengekstrasian, pembersihan dan pemuatan sumber data.
- Upflow : menmbahkan nilai data ke dalam warehouse melalui ringkasan, pemaketan, dan pendistribusian data.
- Downflow : pengarsipan dan back up data kedalam warehouse.
- Outflow : membuat data agar tersedia untuk pemakai akhir.
- Meta-flow : pengaturan meta-data
Data mart adalah fasilitas penyimpanan data yang berorientasi pada subject tertentu atau berorientasi pada departemen tertentu dari suatu organisasi, fokus pada kebutuhan depertemen tertentu seperti sales, marketing, operation atau collectin. Sehingga suatu organisasi bisa mempunyai lebih dari satu data mart.
Data mart pada umunya di organisasikan sebagai suatu dimensional model, seperti star-schema (OLAP Cube) yang tersusun dari sebuah fact dan beberapa tabel dimension.
Keutungan dan Kelemahan Data Mart :
Keuntungan Data Mart, sebagai berikut:
- Akses mudah ke data yang sering digunakan
- Penciptaan pandang kolektif untuk sekelompok pengguna
- Peningkatan respon-time dari pengguna akhir
- Fleksibel dan mudah cara pembuatan
- Lebih hemat biaya daripada Data warehouse
- Definisi pengguna lebih jelas dari sebuah gudang data.
- Tidak bisa sepenuhnya menilai kinerja LAN berbasis sistem manajemen database sementara port dari satu lingkungan yang lain.
- Dapat mendukung kelompok-kelompok pengguna kecil atau sederhana sumber data, yang tidak ideal untuk aplikasi perangkat lunak didistribusikan dan pengembangan skala besar Perusahaan-lebar sistem manajemen database
Business Intelligence (BI) pertama kali didengungkan pada tahun 1958 oleh seorang peneliti dari IBM yang bernama Hans Peter Luhn. istilah intelligence sebagai “Kemampuan dalam mengerti dan memahami suatu hubungan timbal balik antara fakta-fakta yang disajikan sedemikian rupa menjadi suatu landasan dalam bertindak untuk mencapai tujuan yang dikehendaki”.
Menurut Nadia Branon, Business Intelligence merupakan kategori yang umum digunakan untuk aplikasi dan teknologi untuk mengumpulkan, menyimpan, menganalisa, dan menyediakan akses pada data agar dapat membantu pengguna dari kalangan perusahaan agar dapat mengambil keputusan dengan lebih baik dan tepat.
BI seperti yang kita ketahui pada saat ini bisa dikatakan sebagai hasil evolusi dari Decision Support System (DSS) yang dimulai sekitar tahun 1960 dan berkembang sampai tahun 1980an. Sekitar tahun 1980an mulai dari DSS, EIS (Executive Information System), data warehouse, OLAP dan BI mulai menjadi perhatian dan menjadi suatu kesatuan system.
Kegunaan BI
Perusahaan menggunakan BI untuk memperoleh lebih dalam lagi mengenai segala informasi yang berhubungan dengan kinerja bisnis. Hal ini digunakan untuk memahami, meningkatkan kinerja, penganggaran biaya yang lebih efisien dan mengidentifikasi peluang bisnis baru. Beberapa hal kegunaan BI, antara lain:- Analisa dalam perilaku konsumen, pola pembelian dan trend penjualan
- Mengukur, melacak dan memprediksi penjualan dan kinerja keuangan
- Penganggaran, perencanaan keuangan dan peramalan
- Mengetahui kinerja kegiatan pemasaran
- Optimalisasi proses dan kinerja operasional
- Meningkatkan efektifitaspengiriman dan pasokan
- Analisa CRM (Customer Relationship Management)
- Analisa Resiko
- Analisa nilai strategis
- Analisa social media
Data mining adalah kegiatan mengekstraksi atau menambang pengetahuan dari data yang berukuran/berjumlah besar, informasi inilah yang nantinya sangat berguna untuk pengembangan.
Gambar di bawah menunjukkan posisi masing-masing teknologi:
OLAP (Online Analytical Processing)
OLAP adalah aplikasi analytical dengan kemampuan pivot menyerupai spreadsheet - seperti Microsoft Excel, Open Office Calc, dll. OLAP merupakan komponen penting dari aplikasi BI (Business Intelligence).
Database OLAP memiliki struktur skema tersendiri dan biasanya berupa suatu data warehouse. Namun tidak tertutup kemungkinan OLAP mengambil dari database operasional (transaksional) – ini dengan catatan database ini telah memiliki struktur rancangan yang “OLAP friendly”
Keuntungan OLAP
- Meningkatkan produktifitas pemakai akhir bisnis, pengembang IT, dan keseluruhan organisasi. Pengawasan yang lebih dan akses tepat waktu terhadap informasi strategis dapat membuat pengambilan keputusan lebih efektif.
- Mengurangi “backlog” pengembangan aplikasi bagi staf IT dengan membuat pemakai akhir dapat merubah schema dan membangun model sendiri.
MOLAP adalah tipe OLAP yang memiliki storage sendiri, yang isinya merupakan precomputed agregasi data - sum, count, min, max, dan sebagainya - yang terlibat pada berbagai level detil. Storage ini berupa format yang hanya dikenali oleh MOLAP server tersebut dan telah khusus dioptimalkan untuk penggunaan oleh aplikasi tersebut.
Keuntungan dari MOLAP ini yang paling jelas adalah performa kecepatan akses yang sangat baik. Namun kelemahannya adalah jika kombinasi agregasi data yang dihasilkan untuk semua level, maka ukuran penyimpanan akan bisa lebih besar daripada sumbernya sendiri.
ROLAP (Relational OLAP)
ROLAP adalah tipe OLAP yang bergantung kepada database relasional atau RDBMS (Relational Database Management System) sebagai media penyimpanan (storage) data yang akan diolah.
Dengan strategi tersebut maka OLAP Server terhindar dari masalah pengelolaan data storage dan hanya menerjemahkan proses query analysis (MDX) ke relational query (SQL).
Otomatis proses optimasi ROLAP akan sangat ditentukan di sisi produk RDBMS yang digunakan misalkan dari sisi penanganan jumlah data dan strategi indexing.
Keuntungan dari ROLAP ini adalah tidak memerlukan storage tambahan. Namun kelemahannya adalah jika data untuk suatu cube sangat besar (masif) maka performa pengambilan data akan cukup buruk.
HOLAP (Hybrid OLAP)
Gabungan model MOLAP dan ROLAP dapat kita peoleh dari HOLAP (Hibrid online analitycal processing) Detil data tersmpan pada tabel relasional tapi aggregasi data disimpan dalam format multidimensi. Misalkan proses drill down dilakukan pada sebuah tabel fakta, maka retrive data akan dilakukan dari tabel database relasional sehingga query tidak secepat MOLAP. Kubus HOLAP lebih kecil daripada kubus MOLAP tapi response time query masih lebih cepat jika dibandingkan dengan ROLAP. Model penyimpanan HOLAP ini biasanya sesuai untuk kubus yang membutuhkan performa query yang bagus dengan jumlah data yang besar.
Komponen Dasar BI
Pada dasarnya komponen BI mencakup, gathering, storing, analysing dan providing access to data.
Dalam perkembanganya bahwa Business Intelligence telah banyak mencakup beberapa area teknologi dan proses, antara lain adalah:
- Forecasting
- Budgeting
- Dashboarding
- Reporting
- Strategic Planning
- Analysis
- Scorecarding
- Data Mining
- Data Warehousing
Nama : Abdul Fuad Helmy Daulay
NPM : 1103001
Tidak ada komentar:
Posting Komentar