(E-Learning Series)

TOPIK-2:

• Skenario bisnis dalam praktik industri
  
• Model area berbasis subjek (area industri/subject area model, model development process)
  
• Model data berbasis area subjek: business model model development process
  

Pengertian data warehouse menurut para ahli :

• Eckerson, Wayne W menyatakan bahwa data warehouse merupakan penempatan data yang sudah diuraikan yang berasal dari database operasional, eksternal serta database lain dari organisasi.
  
• Malik, Shadan (2005), menyatakan bahwa data warehouse merupakan tempat penyimpanan data historikal yang diorganisasikan berdasarkan pada subyek untuk pengambilan keputusan pada organisasi. Data warehouse mem-fasilitasi pada kegiatan, antara lain Data Mining dan mendukung pengambilan keputusan.
  
• Wikipedia: suatu sistem komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu organisasi menyalin informasi dari sistem operasionalnya (seperti penjualan dan SDM) ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen dapat melakukan kueri kompleks dan analisis (contohnya data mining) terhadap informasi tersebut tanpa membebani sistem yang operasional.
  

Beberapa tahun terakhir, perkembangan teknologi Data Management sangat banyak berubah, terminologi Big Data diperkenalkan sebagai teknologi baru yang menjadi alternatif dari penggunaan teknologi Enterprise Data Warehouse tradisional yang saat ini sudah lebih baik dari segi kemampuannya untuk memenuhi kebutuhan bisnis.

• Data Warehouse adalah pusat data yang terintegrasi dari beberapa sumber data, dimana penyimpanan data baru dan data historikal dilakukan pada satu tempat yang digunakan untuk laporan hasil analisis untuk organisasi. Data yang disimpan pada umum-nya akan membutuhkan data-cleansing untuk menjamin kualitas data yang akan digunakan sebagai laporan untuk data analisis.
  

• Big Data adalah terminologi dari data yang sangat besar dan kompleks yang mempunyai kemampuan untuk melakukan proses data dari data yang sangat bervariasi dan dari berbagai sumber. Pada umum-nya data yang disimpan adalah data dalam bentuk data raw dan dilakukan process cleaning seperti yang dilakukan pada proses data warehouse.
  

Data warehousing (DWH) berkembang sebagai hasil perkembangan lebih lanjut dari system informasi sepanjang beberapa decade terakhir ini.

Beberapa kunci perkembangannya adalah sbb:

• Perkembangan pada tekhnologi basis data, terutama perkembangan pada data relasional dan RDBMS (Relational Database Management System).
  
• Perkembangan pada perangkat keras computer, terutama pada tempat penyimpanan yang berukuran besar serta arsitektur computer parallel.
  
• Perkembangan pada cara pengguna menggunakan system, yang difasilitasi oleh antarmuka (interface) serta kakas-kakas (‘tool’) yang berdaya-guna dan intuitif.
  
• Perkembangan lebih lanjut pada middeware yang memungkinkan basis data perusahaan saling terhubung melintasi berbagai platform yang berbeda-beda.
  
• Beberapa tahun terakhir, perkembangan teknologi Data Management sangat banyak berubah, terminologi Big Data diperkenalkan sebagai teknologi baru yang menjadi alternatif dari penggunaan teknologi Enterprise Data Warehouse tradisional yang saat ini sudah lebih baik dari segi kemampuannya untuk memenuhi kebutuhan bisnis.
  

Trend

Data Warehouse telah memicu perubahan besar dalam perkembangan perangkat lunak seperti optimisasi queri, pengindekan tabel yang sangat besar, peningkatan kompresi data dan dimensional modeling.Pertanyaan utama yang harus dipersiapkan jawabannya adalah : Apakah yang harus anda lakukan untuk memperoleh keuntungan dari trend dalam Data Warehouse anda?

1. Multiple Data Types
   

• Ketika membangun iterasi pertama dari Data Warehouse, mungkin anda memasukkan data numerik. Namun segera anda akan menyadari bahwa pemasukan data numerik terstruktur tidaklah cukup. Persiapkan untuk mempertimbangkan tipe data yang lain.
  
• Secara tradisional, struktur data perusahaan kebanyakan numerik di dalam Data Warehouse mereka. Dari sudut pandang ini maka DSS dapat dibagi menjadi 2 kelompok :
  
  • Data Warehousing yang berurusan dengan data terstruktur;
    
  • knowledge management yang melibatkan data tidak terstruktur.
    

Contoh : kebanyakan Data marketing terdiri data terstruktur yang bernilai numerik. Data marketing juga berisikan data tidak terstruktur dalam bentuk gambar.

Diumpamakan seorang pengambil keputusan sedang melakukan analisis untuk mencari tipe produk yang paling banyak terjual, setelah menemukan produk tersebut, pengambil keputusan ingin meihat gambar untuk membuat keputusan lebih jauh, bagaimana hal ini dapat diwujudkan? Perusahaan disini menyadari kebutuhan untuk mengintegrasikan baik data terstruktur dan tidak terstruktur di dalam Data Warehouse mereka.

a. Penambahan Data yang tidak terstruktur

• Beberapa vendor memasukkan Data yang tidak terstruktur terutama sekali teks dan gambar dengan memeriksa data multimedia sebagaimana tipe data lainnya, yang didefinisikan sebagai bagian relasional data dan disimpan sebagai objek biner (BLOB) hingga ukuran 2GB.
  

b. Pencarian Data yang tidak terstruktur

• Anda telah menambahkan Data Warehouse dengan menambahkan Data tidak terstruktur. Lalu apalagi yang harus dilakukan? Tentu saja tanpa kemampuan untuk mencari data yang tidak terstruktur, integrasi data akan tidak berarti. Vendor harus memberikan search engine untuk mencari informasi yang dibutuhkan user dari data yang tidak terstruktur. queri terhadap data gambar adalah contoh mekanisme pencarian gambar.
  

c. Data Spasial

Data Spasial akan meningkatkan nilai Data Warehouse anda. Alamat, blok jalan, kota, kabupaten, kelurahan dan kode pos adalah contoh Data Spasial.

1. Visualisasi Data
   

Ketika seorang pengguna melakukan kueri dan berharap untuk melihat hasil hanya dalam bentuk daftar hasil atau spreadsheet, maka Data Warehouse anda sudah kadaluarsa. Anda harus bisa menampilkan hasil dalam bentuk chart dan grafik. Visualisasi data hasil memudahkan proses analisis bagi pengguna ketika pengguna mencari trend dari waktu ke waktu. Visualisasi data membantu pengguna untuk memahami kueri data dengan cepat dan mudah.

Tiga trend utama visualisasi data yang telah mengarahkan pembentukan perangkat lunak visualisasi data adalah :

1. Type Grafik
   

2. Visualisasi interaktif, Grafik bersifat interaktif dimana pengguna dapat grafik yang dihasilkan, mengelolanya dan melihat tampilan terbarunya secara online.

3. Visualisasi Result set yang besar dan komplek. Perangkat lunak dengan visualisasi terbaru dapat memvisualisasikan ribuan poin hasil data terstruktur yang kompleks.

Tipe Visualisasi

Kebutuhan user saat ini beraneka ragam, user bisnis membutuhkan chart pie dan bar, user teknis dan saintis membutuhkan scatter plot dan constellation graph. Analis yang memperhatikan data spasial membutuhkan peta dan representasi tiga-dimensi lainnya. Eksekutif dan manajer yang harus memonitor matrik kinerja, seperti pedoman digital yang memungkinkan untuk visualisasi matrik seperti speedometer, termometer atau lampu lalu lintas.

Advance Visualization Techniques.

Kemajuan teknik visualisasi adalah transisi dari chart statis menjadi penyajian yang interaktif dan dinamis.

1. Chart Manipulation, user dapat memutar chart atau secara dinamis dapat mengganti tipe chart untuk memperoleh hasil yang lebih diharapkan. Dengan tipe visualisasi yang komplek user dapat memilih sebuah titik data dengan mouse dan menggerakkan titik tersebut di sekitar view.
   

2. Drill Down, pengguna dapat melihat visualisasi data dengan tingkat ketelitian dan lebih detil.
   

3. Advance Interaction. Teknik ini meminimumkan user interface yang kurang berguna. Pengguna dibuat langsung dapat men-double-click salah satubagian dari visualisasi dan men-drag dan drop representasi entitas data. Atau dibuat lebih sederhana lagi dimana user melakukan klik kanan dan menentukan pilihan dari sebuah menu.

c. Parallel Processing

i. Parallel Processing Hardware Options

ii. Parallel Processing Software Implementation

1. ToolKueri
   

Pada Data Warehouse, seperangkat tool fungsional yang sangat utama adalah seperangkat tool kueri. Kesuksesan Data Warehouse anda bergantung pada tool kueri. Banyak vendor Data Warehouse telah meningkatkan kemampuan tool kueri. Fungsi-fungsi yang telah dikembangkan oleh vendor-vendor terkait tool kueri antara lain :

i. Flexible Presentation

ii. Aggregate Awareness

iii. Crossing Subject Areas

iv. Multiple Heterogeneous sources

v. Integrasi

vi. Mengatasi Keterbatasan SQL(Overcoming SQL Limitation), menggunakan SQL Extension

e. Tool Browser

1. Data Fusion
   

Sebuah Data Warehouse adalah tempat dimana data dari banyak sumber data diintegrasikan untuk menyediakan tampilan yang menyatu pada skala enterprise. Data boleh jadi berasal dari berbagai macam sistem operasi yang berbeda platform atau mungkin di simpan dalam file flat ataupun DBMS. Dalam penyimpanan Data Warehouse dapat ditemukan juga banyak data yang tidak terstruktur seperti data berbentuk dokumen, gambar, audio dan video.

Berbagai macam data dari banyak sumber yang terpisah ini harus diintegrasikan atau difusikan dan disimpan dalam sebuah Data Warehouse.

• Data Fusion
  adalah teknologi yang berhubungan dengan merger data dari sumber data yang berbeda, yang memiliki ruang lingkup luas dan memasukkan merjer data real-time dari suatu instrumen maupun sistem monitoring. Banyak penelitian spesifik yang dilakukan terkait teknologi Data Fusion. Prinsip dan teknik teknologi Data Fusion memiliki sebuah aplikasi langsung ke Data Warehouse.
  

1. Multidimensional Analysis
   

Saat ini, seluruh lingkungan Data Warehouse menyediakan analisis multidimensional. Ini menjadi bagian integral dari sistem pengiriman informasi data Warehouse. Ketentuan analisis multidimensional bagi user secara sederhana berarti bahwa mereka akan dapat menganalisis ukuran bisnis dengan berbagai macam cara. Analisis Multidimensional juga bersinonim dengan Online Analytical Processing (OLAP).

1. Agent Technology
   

Software Agent adalah sebuah program yang mampu menjalankan kegiatan pemrograman atas nama pengguna.

Contoh : internet, Software Agent dapat digunakan untuk melakukan sort atau filter email berdasarkan aturan-aturan yang didefinisikan pengguna.

Dalam Data Warehouse Software agent dapat digunakan untuk memberikan alert kepada pengguna mengenai kondisi bisnis yang telah terlebih dahulu didefinisikan. Beberapa vendor bahkan mengkhusukan pada tool sistem alert. Anda harus mempertimbangkan program software agent untuk Data Warehouse anda.

Trend Big Data dan Data Lake

Untuk merespon kebutuhan yang sulit dipenuhi oleh Data Warehouse, ada sebuah teknologi yang memiliki tools untuk menyimpan dan memproses data secara besar. Teknologi inovasi ini muncul dari beberapa perusahaan technologi seperti Twitter dan Facebook yang secara periodik meningkatkan kesadaran organisasi lain terkait hambatan akan data mereka.

Teknologi Big Data saat ini bukannya sesuatu sistem yang menyimpan banyak data, hal yang menarik adalah dengan semua data yang terkumpul dalam suatu sistem, pendekatan baru untuk menyelesaikan suatu masalah dapat diterapkan dengan berbagai cara dan aspek. Saat ini setiap organisasi mulai mendesain dan membangun suatu sistem yang secara objektif dibutuhkan oleh bisnis terhadap data-data yang sedang berjalan, bukan pada suatu sistem yang sudah terbentuk sejak awal.

Terminologi Big Data tidak lepas dari suatu konsep data repositori “Data Lake”

Konsep Data lake pertama kali dikemukan oleh James Dixon (CTO Pentaho), sebuah konsep yang sangat kontras dengan terminologi “Data Mart” yang ada pada Data Warehouse.

James Dixon berpendapat bawah Data Mart mempunyai beberapa masalah yang dapat terjadi, dan Data Lake menjadi suatu solusi yang dia kembangkan. Secara umum Data Lake adalah kumpulan dari berbagai macam data yang disimpan sama persis dengan data asli.

Batasan Pada Traditional Enterprise Data Warehouse

Masalah fundamental pada tradisional EDW adalah tidak dapat memenuhi atau memecahkan masalah yang dibutuhkan oleh pengguna IT maupun Bisnis. Pada EDW, data konsumen harus disesuaikan sehingga dapat digunakan untuk analisis.

Analisis tersebut dapat memecahkan suatu masalah dengan cara hanya mengintegrasi data dan proses bisnis kedalam program EDW. Pada sisi yang lain desain dan teknologi EDC tidak dapat memecahkan masalah seperti data analisis semi-structured, real-time streaming analytics, search dan discovery yang dimana data EDW hanya menggunakan teknologi relational database.

Pendekatan

Berikut adalah beberapa gambaran perbedaan pendekatan Traditional Data Warehouse dan Data Lake.

Gambar : Pendekatan Tradisional Data Warehouse

Perbedaan

Pilihan:

Data Warehouse (EDW) atau Big Data??
Ini merupakan pertanyaan yang sulit, jika suatu organisasi sudah mempunyai teknologi Data Warehouse, sangat tidak mungkin membuang EDW dan memulai dari awal untuk menerapkan teknologi Big Data atau Data Lake.

Walaupun dengan menerapkan teknologi EDW dalam jangka panjang akan menghadapi beberapa permasalahan yang telah disebutkan diatas, namun teknologi Big Data atau Data Lake dapat diterapkan bersamaan dan saling berintegrasi antara EDW dan Data Lake.

Dengan seiring berjalannya waktu, EDW dapat dipindahkan sepenuh-nya ke dalam teknologi Data Lake atau anda dapat menerapkan kedua teknologi ini secara hybrid untuk selamanya. EDW dan Data Lake tidak akan saling menggantikan karena dilihat dari kebutuhan masing masing organisasi akan sangat berbeda. Konsep EDW dan Data Lake tidak akan saling menggantikan dan tidak dapat disamakan karena mempunyai karakteristik masing masing sesuai dengan tujuan sistem yang dikembangkan.

Arsitektur

Bagi Organisasi yang sudah mempunyai EDW atau Big Data, Data Lake merupakan suatu solusi untuk memodernisasi Data Warehouse yang berfungsi khusus untuk melakukan search and discovery data yang tidak disimpan oleh Data Warehouse seperti Semi-structured data, un-structured data maupun raw data.

Bagi Oranisasi yang belum memiliki EDW, sangat disarankan untuk melakukan pertimbangan untuk menerapkan dengan Data Lake yang mempunyai kemampuan seperti EDW dimana data yang disimpan adalah data yang valid dan dapat di percaya.

Gambar Integrasi Big Data (Hadoop) Dan Data Warehouse

• Pustaka
  
  Connolly, Thomas., Begg, Carolyn (2005). Database System: A practical Approach to Design, Implementation and management, 4th Ed. Pearson Education, England.
  Darmawikarta, Djoni. Dimensional Data Warehousing with MySQL. BrainySoftware. ISBN 0-9752128-2-6
• Korth, H.; Database System Concept, Mc Graw Hill,4th edition, New York, 2002.
• Adi Nugroho;Perancangan & Implementasi Sistem Basis Data, Andi Publisher,ISBN:979-29-2609-5
• https://www.ipvs.uni-stuttgart.de/…/Groeger_Warehousing_Manufacturing_Data.pdfCached
• Similar
• http://mti.binus.ac.id/2017/10/04/data-warehouse-di-era-big-data/
• https://opistation.wordpress.com/2013/10/15/sejarah-perkembangan-data-warehouse/
• https://tutorialkuliah88.wordpress.com/2014/09/19/data-warehouse/

The post DATA WAREHOUSE : Data Lake / Big Data appeared first on Cerita Hosting ☁️.

(E-Learning Series)

TOPIK-1:

Mengetahui Fundamental dari Data Warehouse

Sebelum bahasan dari topik Data warehouse, ada baiknya kita mengetahui terlebih dahulu dari definisi-definisi untuk pembahasan lanjutan.

Definisi basis data (database) adalah sbb:

• Sekumpulan data store(bisa dalam jumlah besar) yang tersimpan dalam magnetic disk, optical disk, dan media penyimpan sekunder lainnya.
  
• Sekumpulan program-program aplikasi umum yang mengeksekusi dan memproses data secara umum (hapus,cari,update,dll)
  
• Basis data terdiri dari data yang di-share bagi banyak user dan memungkinkan penggunaan data yang sama pada waktu bersamaan oleh banyak user
  
• Koleksi terpadu dari data-data yang saling berkaitan dari suatu enterprise.Misal. Basisdata Nilai Mahasiswa akan terdiri dari data-data seperti tabel Matakuliah, Dosen, Mahasiswa, Nilai, dll.
  

Definisi data:

• Menurut berbagai kamus bahasa Inggris-Indonesia, data diterjemahkan sebagai istilah yang berasal dari kata “datum” yang berarti fakta atau bahan-bahan keterangan.

• Dari sudut pandang bisnis, data bisnis (business data) adalah deskripsi organisasi tentang sesuatu(resources) dan kejadian (transactions) yang terjadi (business data is an organization’s description of things (resources)and events (transactions) that it faces).

• Data adalah deskripsi dari sesuatu dan kejadian yang kita hadapi.

• Data adalah kenyataan yang menggambarkan suatu kejadian-kejadian dan kesatuan nyata. Kejadian adalah sesuatu yang terjadi pada saat tertentu. Kesatuan nyata adalah berupa suatu objek nyata seperti tempat, benda dan orang yang betul-betul ada dan terjadi.

Definisi Informasi:

• Menurut Gordon B. Davis dalam bukunya Management Informations System :

Conceptual Foundations, Structures, and Development menyebut informasi sebagai data yang telah diolah menjadi bentuk yang berguna bagi penerimanya dan nyata, berupa nilai yang dapat dipahami di dalam keputusan sekarang maupun masa depan.

• Menurut Barry E. Cushing dalam buku Accounting Information System and Business Organization, dikatakan bahwa informasi merupakan sesuatu yang menunjukkan hasil pengolahan data yang diorganisasi dan berguna kepada orang yang menerimanya.

• Menurut Robert N. Anthony dan John Dearden dalam buku Management Control

Systems, menyebut informasi sebagai suatu kenyataan, data, item yang menambah pengetahuan bagi penggunanya.

• Menurut Stephen A. Moscove dan Mark G. Simkin dalam bukunya Accounting

Information Systems : Concepts and Practise mengatakan informasi sebagai kenyataan atau bentuk-bentuk yang berguna yang dapat digunakan untuk pengambilan keputusan bisnis.

Kesimpulan:

✓
Data adalah nilai yang mendeskripsikan dari suatu objek atau kejadian.

✓
Informasi adalah hasil dari pengolahan data dalam bentuk yang lebih berguna dan lebih berarti bagi penerimanya yang menggambarkan suatu kejadian-kejadian

sehingga akan berguna untuk pengambilan keputusan.

Definisi Software / Perangkat Lunak :

• Kumpulan instruksi yang berfungsi untuk menjalankan suatu perintah, seperti

memberikan informasi tentang hardware, menentukan fungsi hardware, dan

menjalankan sistem.

• Seluruh komponen pengolahan data yang dapat membantu memecahkan masalah diluar dari perangkat hardware yang meliputi system design, program dan prosedur.

Gambaran umum tentang perangkat lunak antara lain :

1. Perintah (program computer) yang bila dieksekusi memberikan fungsi dan unjuk

kerja seperti yang diinginkan.

2. Struktur data yang memungkinkan program memanipulasi informasi secara

proporsional.

3. Dokumen yang menggambarkan operasi dan kegunaan program.

Berdasarkan jenisnya, software dibagi menjadi 3 yaitu :

1. Firmware (BIOS)

2. Sistem Operasi (Windows, Linux, Mac OS, dll)

3. Software Aplikasi (Photoshop, WinAmp, WinZip, Office, dll)

Siklus Informasi :

Siklus informasi adalah gambaran secara umum mengenai proses terhadap data sehingga menjadi informasi yang bermanfaat bagi pengguna. Informasi yang menghasilkan informasi berikutnya. Demikian seterusnya proses pengolahan data menjadi informasi.

• Proses menghasilkan informasi harus melalui tahapan-tahapan yang dilakukan komputer sebagai teknologi informasi.
  
• Tahapan-tahapan tersebut terdiri atas Input – Proses – Output yang disebut sebagai siklus proses informasi. Artinya, bila tahap telah sampai pada output maka output tersebut dapat dijadikan input kembali.
  
• Dengan demikian dapat dikatakan bahwa informasi yang dihasilkan dapat pula dijadikan data kembali sebagai input untuk diproses selanjutnya.
  
• Data dan informasi akan saling berkesinambungan sehingga membentuk suatu siklus yang disebut information cycle (siklus informasi).
  

Evolusi database

Saat ini Data Warehouse(DWH) banyak di diperlukan dan telah di implementasikan di berbagai perusahaan, seperti perusahaan yang bergerak di bidang Multi-finance(Pembiayaan), Banking, Financial technology(Fintech), distribusi.

• Perusahaan Telekomunikasi: untuk mengamati jumlah transaksi yang terjadi
  
• Perusahaan Keuangan: mendeteksi transaksi keuangan
  
• Perusahaan Asuransi: mengidentifikasi layanan kesehatan, mana yang perlu diberikan asuransi dan mana yang tidak perlu.
  
• Bidang Olahraga: menganalisa statistik permainan
  
• Data warehouse diperlukan bagi para pengambil keputusan manajemen dari suatu organisasi/perusahaan.
  
• Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi DSS dan EIS karena memang kegunaan dari data warehouse adalah khusus untuk membuat suatu database yang dapat digunakan untuk mendukung proses analisa bagi para pengambil keputusan.
  

Pada materi pembelajaran kali ini, mari kita pelajari apa itu Data warehouse(DWH), tujuan dan segala aspek terkait data warehouse(DWH).

Pengertian data warehouse menurut para ahli :

• Menurut Ralph Kimbali, data warehouse adalah suatu sistem yang mengekstrak, melakukan pembersihan, menyesuaikan diri serta mengirimkan sumber data pada suatu data penyimpanan dimensional dan selanjutnya memberi dukungan pada implementasi query serta analisa dalam rangka pengambilan keputusan.
  
• Menurut Vivek Gupta (System Services Group, 1997), pengertian data warehouse adalah sistem yang terstruktur dan berskala besar yang berguna untuk menganalisa data statis yang sudah ditransformasikan dari berbagai aplikasi sumber asalnya supaya sesuai dengan struktur bisnis, terkumpul dalam jangka waktu lama, direprentasikan pada terminologi bisnis serta terpadu agar kudah dalam menganalisa.
  
• Menurut Elmasri & Navathe (2004), data warehouse adalah kumpulan yang berasal dari informasi yang memiliki keunggulan yang sama (sama baiknya). Data warehouse memiliki perbedaan utama dalam karakteristik yang lebih menekankan pada aplikasi pendukung keputusan. Definisi ini menganggap bahwa data warehouse mempunyai karakteristik yang tidak sama dengan sistem pendukung operasional yang lain.
  
• Bill Inmon (1996), menyatakan bahwa data warehouse merupakan dasar dari proses pengambilan keputusan. Bill Inmon disebut-sebut sebagai Bapak Data Warehouse.
  
• Poe (1996) menyatakan bahwa data warehouse merupakan basis data analisa yang hanya bisa dibaca serta dipergunakan sebagai bahan pada sistem pendukung keputusan. Pemikiran Poe sejalan dengan Bill Inmon yang memandang bahwa data warehouse  sebagai dasar pada sistem pengambilan keputusan.
  
• Eckerson, Wayne W menyatakan bahwa data warehouse merupakan penempatan data yang sudah diuraikan yang beraal dari database operasional, eksternal serta database lain dari organisasi.
  
• Malik, Shadan (2005), menyatakan bahwa data warehouse merupakan tempat penyimpanan data historikal yang diorganisasikan berdasarkan pada subyek untuk pengambilan keputusan pada organisasi. Data warehouse mem-fasilitasi pada kegiatan, antara lain Data Mining dan mendukung pengambilan keputusan.
  
• Wikipedia: suatu sistem komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu organisasi menyalin informasi dari sistem operasionalnya (seperti penjualan dan SDM) ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen dapat melakukan kueri kompleks dan analisis (contohnya data mining) terhadap informasi tersebut tanpa membebani sistem yang operasional.
  

• Data Mart
  

Adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan.

• On-Line Analytical Processing(OLAP)
  

Merupakan suatu pemrosesan database yang menggunakan tabel fakta dan dimensi untuk dapat menampilkan berbagai macam bentuk laporan, analisis, query dari data yang berukuran besar.

• On-Line Transaction Processing(OLTP)
  

Merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan operasional transaksi sehari-hari.

• Dimension Table
  

Tabel yang berisikan kategori dengan ringkasan data detail yang dapat dilaporkan. Seperti laporan laba pada tabel fakta dapat dilaporkan sebagai dimensi waktu(yang berupa perbulan, perkwartal dan pertahun).

• Fact Table
  

Merupakan tabel yang umumnya mengandung angka dan data history dimana key (kunci) yang dihasilkan sangat unik, karena key tersebut terdiri dari foreign key(kunci asing) yang merupakan primary key (kunci utama) dari beberapa dimension table yang berhubungan.

• DSS (Decission Support System )
  

Merupakan sistem yang menyediakan informasi kepada pengguna yang menjelaskan bagaimana sistem ini dapat menganalisa situasi dan mendukung suatu keputusan yang baik.

• ETL(Extracting, Transforming, Loading) kumpulan proses menyiapkan data dari operational source untuk data. ETL  adalah fase pemrosesan data dari sumber data masuk ke dalam data warehouse.
  

Tugas dari data warehouse:

1. Pembuatan laporan

Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari,perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.

2. On-Line Analytical Processing (OLAP)

Dengan adanya data warehouse,semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat.

OLAP mendayagunakan konsep data multi dimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda.

3. Data mining

Data mining merupakan proses untuk menggali(mining) pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.

4. Proses informasi executive

Data warehouse dapat membuat ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data warehouse segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data warehouse menjadi target informative bagi user.

Sumber Data Warehouse

Terdapat beberapa strategi yang dapat digunakan oleh suatu organisasi untuk dapat membuat suatu data warehouse.

1. Virtual Data Warehouse dibuat dengan cara:
   

• Menginstal kumpulan akses data, direktori data dan fasilitas manajemen proses,
  
• Training user
  
• Monitor bagaimana data warehouse digunakan
  
• Dari pemakaian actual, membuat suatu physical data warehouse untuk mendukung permintaan yang banyak.
  

1. Membangun copy dari data operasional dari satu system operasional dan memungkinkan data warehouse dari sekumpulan tool untuk mengakses informasi. Strategi ini mempunyai keuntungan yaitu sederhana dan cepat. Sayangnya, jika data yang ada berkualitas jelek dan akses ke data tersebut kurang baik, maka pendekatan ini akan menimbulkan masalah yang signifikan.
   
2. Memilih populasi user berdasarkan nilai dari perusahaan dan melakukan analisa persoalan, pertanyaan dan kebutuhan akses data mereka. Berdasarkan kebutuhan ini, prototype data warehouse dibangun dan dipopulasikan sehingga user dapat bereksperimen dan memodifikasi requirement mereka. Sekali terbentuk persetujuan tentang kebutuhan mereka, kemudian data dapat diambil dari database operasional yang ada dalam perusahaan ataupun dari data source yang lain dan diload kedalam data warehouse. Jika diperlukan, tool untuk mengakses informasi dapat memungkinkan user untuk mendapatkan akses untuk mengambil data menggunakan tool favorit mereka atapun untuk memperkenankan pembuatan dari informasi multi-dimensi yang berperforma tinggi menggunakan datawarehouse sebagai dasarnya.
   

Tidak ada pendekatan untuk membangun suatu data warehouse yang dapat sesuai dengan kebutuhan setiap perusahaan. Kebutuhan setiap perusahaan berbeda satu sama lain sebagaimana konteks dari perusahaan tersebut. Sejak teknologi data warehouse berkembang hanya pendekatan praktislah yang berkembang sebenarnya.

Keuntungan implementasi Data warehouse(DWH):

Data warehouse merupakan pendekatan untuk menyimpan data dimana sumber-sumber data yang heterogen(yang biasanya tersebar pada beberapa database OLTP) dimigrasikan untuk penyimpanan data yang homogen dan terpisah.

• Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi.
  
• Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi.
  
• Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data apabila data dipindahkan dari database OLTP ke data warehouse.
  
• Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.
  
• Memberi wewenang pada semua anggota dari perusaahan dengan menyediakan kepada mereka informasi yang dibutuhkan agar kinerja bisa lebih efektif.
  

Pustaka

Connolly, Thomas., Begg, Carolyn (2005). Database System: A practical Approach to Design, Implementation and management, 4th Ed. Pearson Education, England.
Darmawikarta, Djoni. Dimensional Data Warehousing with MySQL. BrainySoftware. ISBN 0-9752128-2-6

The post DATA WAREHOUSE(DWH) appeared first on Cerita Hosting ☁️.