Anda di halaman 1dari 19

DATA, TEKS, DAN MANAJEMEN DOKUMEN

OLEH
Gabriela Siola Marthen
(033/PPAk-XVIII-2014)


PROGRAM PROFESI AKUNTANSI
UNIVERSITAS HASANUDDIN
2014

Data, Teks, dan Manajemen Dokumen
PENTINGNYA MANAJEMEN DATA

Tujuan dari manajemen data adalah untuk menyediakan infrastruktur dan alat untuk
mengubah data mentah menjadi informasi yang dapat digunakan perusahaan yang
berkualitas tinggi. Data adalah asset informasi suatu organisasi. Sama seperti pada saat
kita belajar bagaimana mengelola keuangan aset (yaitu, mengidentifikasi, mengontrol,
melindungi, menganalisis, dan menginvestasikan modal) untuk memaksimalkan nilai
mereka di bidang akuntansi dan program keuangan, di sini kita belajar bagaimana untuk
mengelola aset informasi. Kita akan melihat bahwa konsep dasar untuk mengelola aset
keuangan dan non keuangan serupa. Aturan dasar adalah bahwa untuk memaksimalkan
penghasilan, perusahaan berinvestasi dalam teknologi pengelolaan data yang
meningkatkan kedua hal berikut:
Kesempatan untuk memperoleh pendapatan (misalnya, manajemen hubungan
pelanggan, atau CRM)
Kemampuan untuk memotong biaya (misalnya, manajemen persediaan)

Ketidakpastian: Kendala Pada Manajer.
Kelangsungan hidup keputusan bisnis tergantung pada akses ke data berkualitas
tinggi, dan kualitas data tergantung pada pendekatan efektivitas pengelolaan data. Terlalu
sering manajer dan pekerja informasi yang dibatasi oleh data yang tidak dapat dipercaya
karena tidak lengkap, di luar konteks, ketinggalan jaman, tidak akurat, tidak dapat diakses,
atau bahwa ia memerlukan beberapa minggu untuk menganalisis. Dalam situasi itu,
pengambil keputusan menghadapi terlalu banyak ketidakpastian untuk membuat
keputusan bisnis yang cerdas.

Kesalahan data dan inkonsistensi menyebabkan kesalahan dan kesempatan yang
hilang, seperti pengiriman gagal, kesalahan faktur, dan masalah sinkronisasi data dari
berbagai lokasi. Selain itu, kesalahan analisis data yang telah dihasilkan dari penggunaan
formula tingkat atau model belum teruji telah merugikan pendapatan dan karir. Berikut
adalah tiga contoh dari kerusakan akibat kegagalan analisis data :
Trans Alta adalah perusahaan pembangkit listrik di Kanada. Sebuah kesalahan
spreadsheet menyebabkan TransAlta yang membeli lebih banyak kontrak transmisi
daya lindung dengan harga lebih tinggi dari nilai AS jika keputusan telah didasarkan
pada informasi yang akurat. Biaya kesalahan data perusahaan US $ 24 juta (
Wailgum , 2007).
Di sektor ritel, biaya kesalahan karena data yang tidak dapat diandalkan dan tidak
benar saja diperkirakan setinggi $ 40 miliar per tahun (Snow, 2008).
Dalam industri kesehatan, salah satu industri terbesar di Amerika Serikat, kesalahan
data tidak hanya meningkatkan biaya kesehatan dengan miliaran dolar, tetapi juga
biaya ribuan nyawa
Manajemen Data.
Manajemen data adalah pendekatan terstruktur untuk menangkap, menyimpan,
mengolahan, mengintegrasikan, mendistribusikan, mengamankan, dan pengarsipan data
secara efektif sepanjang siklus hidupnya, seperti yang ditunjukkan pada Gambar 3.2. Siklus
hidup mengidentifikasi perjalanan data melalui sebuah organisasi, dari penangkapan atau
penciptaan penggunaannya dalam mendukung solusi data, seperti manajemen rantai
suplai ( SCM ), CRM, dan perdagangan elektronik ( EC ). SCM, CRM, dan EC adalah aplikasi
enterprise yang membutuhkan keaktualan dan kemudahan data yang dapat diakses untuk
berfungsi dengan baik. Salah satu dasar dari solusi bisnis adalah membangun struktur
berupa gudang data.

Tiga prinsip data yang umum menggambarkan persktitif pentingnya siklus hidup
data dan membimbing keputusan investasi IT.
Prinsip mengurangi nilai data. Melihat data dalam hal siklus hidup memfokuskan
perhatian pada bagaimana nilai data berkurang berdasarkan usia data. Semakin baru
data, semakin berharga pula. Ini adalah hal yang sederhana, namun kuat, prinsip.
Kebanyakan organisasi tidak dapat beroperasi pada kinerja puncak dengan
(kurangnya ketersediaan data) dari 30 hari atau lebih lama.
Prinsip 90/90 penggunaan data. Mampu bertindak atas real time atau near real time
apat memiliki keuntungan yang signifikan. Menurut 90/90 data penggunaan prinsip,
mayoritas data yang tersimpan, setinggi 90 persen, jarang diakses setelah 90 hari (
kecuali untuk keperluan audit ). Dengan kata lain, data telah kehilangan banyak nilai
setelah tiga bulan .
Prinsip data dalam konteks. Kemampuan untuk menangkap, proses, format, dan
distribusi secara real time atau lebih cepat membutuhkan investasi besar dalam
infrastruktur pengelolaan data untuk menghubungkan sistem POS untuk
penyimpanan data, sistem analisis data, dan aplikasi pelaporan. Investasi dapat
dibenarkan pada prinsip bahwa data harus terintegrasi, diolah, dianalisis, dan
diformat menjadi " informasi ditindaklanjuti." Pengguna akhir perlu melihat data
dalam format yang bermakna dan konteks jika data untuk memandu keputusan dan
rencana mereka.

Visualisasi data.
Untuk memformat data ke dalam konteks yang berarti bagi pengguna, bisnis
menggunakan visualisasi data dan alat pendukung keputusan. Data atau informasi
divisualisasikan, seperti namanya, mengacu pada penyajian data dengan cara yang lebih
cepat dan lebih mudah bagi pengguna untuk memahami.

Manajemen Data: Masalah dan Tantangan.
Salah satu masalah luas adalah bahwa seseorang tidak mendapatkan data dalam
format yang mereka butuhkan untuk melakukan pekerjaan mereka. Oleh karena itu,
bahkan jika data yang akurat, tepat waktu, dan bersih, masih mungkin tidak dapat
digunakan. Menurut pasar perusahaan intelijen IDC ( idc.com ), organisasi dengan
sedikitnya 1.000 pekerja pengetahuan (pekerja yang mengandalkan data untuk melakukan
pekerjaan mereka) kehilangan $ 5.700.000 per tahun dalam waktu yang terbuang oleh
karyawan dalam memformat data dimana mereka bergerak di antara aplikasi. Sama
seperti membuang-buang waktu pekerja melacak dan memperbaiki kesalahan faktur
antara pemasok kesehatan, mereka juga menghabiskan sejumlah besar waktu
memperbaiki data ke dalam format yang dapat digunakan.
Mengelola, mencari, dan mengambil data di seluruh perusahaan adalah tantangan
besar, karena berbagai alasan :
Volume data bertambah seiring bertambahnya waktu. Data baru ditambahkan
secara terus menerus dan cepat. Catatan bisnis harus disimpan untuk waktu yang
lama untuk audit atau alasan legal, meskipun organisasi itu sendiri mungkin tidak
lagi mengaksesnya. Hanya sebagian kecil data organisasi yang relevan untuk setiap
aplikasi atau waktu tertentu .
Data eksternal yang perlu dipertimbangkan dalam pengambilan keputusan
organisasi terus meningkat volumenya.
Data tersebar di seluruh organisasi dan dikumpulkan serta dibuat oleh banyak orang
menggunakan metode yang berbeda, perangkat, dan saluran. Data sering disimpan
dalam beberapa server dan lokasi dan juga dalam sistem yang berbeda komputasi,
database, format, dan bahasa manusia dan komputer.
Keamanan data, kualitas, dan integritas sangat penting namun mudah terancam.
Selain itu, persyaratan hukum yang berkaitan dengan data yang berbeda antara
negara, dan sering berubah.
Data sedang dibuat dan digunakan secara offline tanpa melalui pemeriksaan kontrol
kualitas maka daripada itu validitas data dipertanyakan.
Data seluruh organisasi mungkin berlebihan dan out of date, menciptakan masalah
besar bagi manajer pemeliharaan data.

MASTER DATA MANAJEMEN

Master Manajemen Data. Pengelolaan data master ( MDM ) adalah proses dimana
perusahaan mengintegrasikan data dari berbagai sumber atau aplikasi perusahaan untuk
memberikan pandangan yang lebih terpadu dari data. Meskipun vendor dapat mengklaim
bahwa mereka MDM menciptakan solusi " satu versi kebenaran, " klaim ini mungkin tidak
benar. Pada kenyataannya, MDM tidak dapat membuat versi terpadu tunggal data karena
membangun kesatuan terpadu dari semua data master sama sekali tidak mungkin.
Realistis, konsolidasi data MDM dari berbagai sumber data ke file referensi master, yang
kemudian memporsikan data kembali ke aplikasi, sehingga menciptakan data yang akurat
dan konsisten di seluruh perusahaan.

Entitas Master Data. Entitas master data adalah entitas utama perusahaan, seperti
pelanggan, produk, pemasok, karyawan, dan aset. Setiap departemen organisasi memiliki
kebutuhan yang berbeda dalam menguasai data. Pemasaran, misalnya, berkaitan dengan
harga produk, merek, dan kemasan produk, sedangkan produksi berkaitan dengan biaya
produk dan jadwa . Sebuah referensi file master pelanggan dapat memasukkan data ke
semua sistem enterprise yang memiliki komponen hubungan pelanggan, sehingga
memberikan gambaran yang terpadu dari pelanggan. Demikian pula, file referensi utama
produk dapat memasukkan data ke semua sistem produksi dalam perusahaan. Tiga
manfaat dari pandangan menyeluruh pelanggan adalah sebagai berikut:
Lebih baik, data pelanggan yang lebih akurat untuk mendukung pemasaran,
penjualan, dukungan, dan inisiatif servis
Respon yang lebih baik untuk memastikan bahwa semua karyawan yang berurusan
dengan pelanggan harus up to date, informasi yang dapat dipercaya pada pelanggan
Pengelolaan pendapatan yang lebih baik dan keputusan bisnis yang lebih responsif

Transformasi Data Pada Pengetahuan. Bisnis tidak berjalan hanya berdasar pada data
mentah, namun. Mereka berjalan di data yang telah diolah menjadi informasi dan
pengetahuan, yang berlaku pada manajer untuk masalah bisnis dan peluang. Sebagai
contoh nyata dalam bab ini menggambarkan, pengetahuan yang dipelajari dari bahan
bakar Data solusi bisnis. Semuanya dari desain produk inovatif untuk bergerak kompetitif
yang cemerlang bergantung pada pengetahuan tepat waktu. Namun, karena kesulitan
yang melekat dalam mengelola data, berasal pengetahuan dari data yang dikumpulkan
adalah proses yang rumit.
Kualitas Data Dan Integritas. Pengumpulan data adalah proses yang sangat kompleks
yang dapat menciptakan masalah mengenai kualitas data yang sedang dikumpulkan. Oleh
karena itu, terlepas dari bagaimana data dikumpulkan, perlu divalidasi sehingga pengguna
tahu bahwa mereka dapat mempercayai itu. Ekspresi klasik yang meringkas situasi berupa
" sampah masuk, sampah keluar " ( GIGO ) dan berpotensi berisiko "sampah, keluar
keluar" Dalam kasus terakhir, data yang berkualitas rendah dipercaya dan digunakan
sebagai dasar untuk perencanaan . Anda telah menemukan perlindungan data, seperti
pemeriksaan integritas, untuk membantu meningkatkan kualitas data ketika Anda mengisi
formulir online. Sebagai contoh, form tidak akan menerima alamat e - mail yang tidak
diformat dengan benar.

Kualitas Data adalah ukuran dari kegunaan data serta kualitas keputusan
berdasarkan data. Ini memiliki lima dimensi berikut: akurasi, yang dapat dicapai, relevansi,
ketepatan waktu, dan kelengkapan. Sebagaimana telah kita bahas, data yang sering tidak
akurat, tidak lengkap, atau ambig , khususnya ketika disimpan dalam jumlah besar,
dengan kemampuan database yang tersentralisasi.

TABEL 3.1 Masalah Data dan Solusinya

Masalah

Solusi

Kesalahan Data Gunakan data entri otomatis, bentuk Web untuk
memasukkan data individu dengan pemeriksaan
integritas data dan drop down menu dan tombol radio .

Data Digandakan Mendesain ulang model data; menormalkan database
relasional.
Kompromi Data Menerapkan pendekatan pertahanan mendalam untuk
keamanan data.
Data Hilang Membuat kewajiban untuk mengisi formulir data entri.

Privasi Data dan Etika. Bisnis mengumpulkan data tentang karyawan, pelanggan, atau
orang lain yang memiliki kewajiban untuk melindungi data ini. Data harus dapat diakses
hanya untuk orang yang berwenang. Mengamankan data dari akses yang tidak sah dan
dari penyalahgunaan oleh pihak yang berwenang adalah hal mahal dan sulit. Untuk
memotivasi perusahaan untuk berinvestasi dalam keamanan data, pemerintah telah
memberlakukan denda besar dan hukuman bagi pelanggaran data

MEMPEROLEH WAWASAN DARI TEKS DAN DOKUMEN

Dua aplikasi inovatif dari analisis teks dengan organisasi yang dijelaskan di sini:

Agata, sebuah perusahaan Italia, menggunakan alat jaringan sosial untuk
menerapkan sistem peminjaman online yang cocok untuk peminjam dan investor
tanpa intervensi dari lembaga tradisional. Proses penilaian kredit baru tidak hanya
mencakup variabel kuantitatif dari sejarah masa lalu dan kategori risiko yang
terdefinisi dengan baik, tetapi juga mengintegrasikan evaluasi kualitatif dikumpulkan
dari deskripsi tertulis dari proyek dan rencana bisnis untuk memfasilitasi keputusan
yang lebih baik pada risiko kredit.

Sebuah kantor pemerintahan Hong Kong dihadapkan dengan tantangan untuk
memproses volume besar teks terstruktur dan tidak terstruktur dalam bahasa Cina
tradisional, Cina yang disederhanakan, dan Inggris. Hal ini mengimplementasikan
software SAS untuk memecahkan kode dan menganalisis pesan dalam salah satu
bahasa ini, termasuk informasi dari call center. Hasilnya adalah pelayanan publik
yang lebih baik dan meningkatkan kepuasan publik terhadap pemerintah.

Maining Teks dan Analisis. Mining teks adalah kategori yang luas yang secara umum
melibatkan menafsirkan kata-kata dan konsep-konsep dalam konteks. Kemudian teks
diatur, dieksplorasi, dan dianalisis untuk memberikan wawasan ditindaklanjuti bagi
manajer. Dengan analisis teks, informasi diekstrak dari sejumlah besar berbagai jenis
informasi tekstual. Hal ini dapat dikombinasikan dengan data terstruktur dalam suatu
proses otomatis.

Proses melakukan analisis pada teks adlah untuk menemukan wawasan mirip
dengan tipe analisis data tradisional .
1. Eksplorasi. Pertama, dokumen dieksplorasi. Ini mungkin berarti melakukan sejumlah
kata sederhana dalam kumpulan dokumen atau manual dengan membuat area topik
untuk mengkategorikan dokumen dengan membaca sampel dari mereka. Misalnya,
apa jenis utama dari masalah ( rem atau kegagalan mesin ) yang telah diidentifikasi
belakangan dalam klaim garansi mobil. Tantangan dari upaya eksplorasi yang salah
eja atau disingkat kata, akronim, atau slang.
2. Sebelum pengelolaan. Sebelum dianalisis atau dikategorisasi otomatis dari konten,
teks mungkin perlu diolah untuk dibakukan sejauh mungkin. Seperti dalam analisis
tradisional, hingga 80 persen dari waktu dapat dihabiskan untuk mempersiapkan
dan menstandarisasi data. Kata yang salah eja, singkatan, dan gaul mungkin perlu
diubah bentuknya menjadi istilah yang konsisten. Misalnya, " BTW " akan menjadi
standar untuk " omong-omong " dan " pesan suara kiri " dapat ditandai sebagai "
LVM . "
3. Mengkategorikan dan Modeling. Konten ini kemudian siap untuk dikategorikan.
Pengkategorian pesan atau dokumen dari informasi yang terkandung di dalamnya
dapat dicapai dengan menggunakan model statistik dan aturan bisnis. Seperti
dengan pengembangan model tradisional, dokumen diperiksa untuk melatih model.
Dokumen tambahan kemudian diproses untuk memvalidasi akurasi dan presisi dari
model, dan akhirnya dokuments baru dievaluasi menggunakan model akhir (
mencetak ). Model kemudian dapat dimasukkan ke dalam produksi untuk
pemrosesan otomatis dokumen baru saat tiba.

Document Management. Semua perusahaan membuat catatan bisnis, yaitu bahwa
urusan bisnis rekaman seperti kontrak, penelitian dan pengembangan sumber akuntansi
dokumen, memo, komunikasi pelanggan/klien, dan menit pertemuan. Dokumen
manajemen adalah kontrol otomatis dokumen tergambar dan elektronik, gambar halaman,
spreadsheet, suara dan pesan e-mail, dokumen pengolah kata, dan dokumen lain melalui
siklus hidup mereka dalam organisasi, dari penciptaan sampai dengan akhir pengarsipan
atau perusakan.

Sistem Manajemen Dokumen ( DMS ) terdiri dari perangkat keras dan perangkat lunak
yang mengelola dan arsip dokumen elektronik juga mengkonversi dokumen kertas ke e-
dokumen dan kemudian indeks dan menyimpannya sesuai dengan kebijakan perusahaan.
Untuk contoh, perusahaan mungkin diperlukan oleh hukum untuk mempertahankan
dokumen keuangan sekurang-kurangnya tujuh tahun, sedangkan pesan e -mail tentang
promosi pemasaran akan dipertahankan selama satu tahun dan kemudian dibuang. DMS
memiliki permintaan dan kemampuan pencarian sehingga mereka dapat diidentifikasi dan
diakses seperti data dalam database. Sistem ini berkisar dari mereka dirancang untuk
mendukung kelompok kerja kecil untuk, sistem fitur lengkap Web-enabled enterprise -
wide. DMS dapat menjadi bagian dari sistem yang terintegrasi yang lebih baru yang
disebut perusahaan manajemen konten ( ECM ) , yang dibahas dalam Bagian 3.5.

A DMS dapat membantu bisnis menjadi lebih efisien dan produktif sebagai berikut:
Perusahaan mengaktifkan untuk mengakses dan menggunakan konten yang
terdapat dalam dokumen
Pemotongan biaya tenaga kerja dengan mengotomatisasi proses bisnis
Mengurangi waktu dan upaya yang diperlukan untuk mencari bisnis informasi yang
dibutuhkan untuk mendukung pengambilan keputusan
Meningkatkan keamanan konten, sehingga mengurangi resiko pencurian kekayaan
intelektual
Meminimalkan biaya yang terkait dengan pencetakan penyimpanan, dan mencari
konten

BERKAS SISTEM MANAJEMEN

Mengakses Catatan dari File Komputer. Rekaman dapat diatur dalam beberapa cara pada
media penyimpanan. Pengaturan ini menentukan bagaimana catatan individu dapat
diakses dan berapa lama waktu yang dibutuhkan untuk mengaksesnya. Dalam organisasi
file sekuensial, merupakan cara file diatur dalam rekaman, catatan data harus diambil
dalam urutan fisik yang sama di mana mereka simpan. Operasi ini seperti tape recorder.
Dalam organisasi file langsung atau organisasi file acak, catatan dapat diakses langsung
terlepas dari lokasi mereka di dalam media penyimpanan. Operasi ini seperti sebuah DVD
drive. Pita magnetik menggunakan organisasi file sekuensial, sedangkan disk magnetik
menggunakan organisasi file langsung.

Indeks Metode Akses Sekuensial ( ISAM ) menggunakan indeks dari bidang kunci untuk
mencari catatan individu ( lihat Gambar 3.7 ). Indeks file berisi daftar field kunci dari setiap
record dan di mana record yang secara fisik terletak pada media penyimpanan. Rekaman
disimpan pada disk dalam urutan utama mereka. Untuk menemukan catatan tertentu,
sistem terlihat pada indeks ( disebut indeks track ) untuk menemukan lokasi umum
( diidentifikasi oleh silinder dan nomor track ) yang berisi catatan. Kemudian menunjuk ke
awal trek itu dan membaca catatan berurutan sampai menemukan arsip yang benar.

Keterbatasan Lingkungan File. Ketika organisasi mulai menggunakan komputer untuk
mengotomatisasi proses, mereka mulai dengan satu aplikasi pada satu waktu, biasanya
akuntansi, penagihan, atau penggajia . Setiap aplikasi ini dirancang untuk menjadi sebuah
sistem yang berdiri sendiri yang bekerja secara independen dari aplikasi lain. Sebagai
contoh, untuk setiap periode pembayaran, aplikasi penggajian akan menggunakan data
karyawan dan upah sendiri untuk menghitung dan memproses gaji.
Tidak ada aplikasi lain akan menggunakan data ini tanpa panduan intervensi karena,
aplikasi berfungsi secara independen dari satu sama lain Pendekatan file data ini
menyebabkan kelebihan, inkonsistensi, isolasi data, dan masalah lainnya. Kami meneliti
masalah ini di bawah ini, dan kami menggambarkan mereka dengan memperlihatkan
lingkungan berkas universitas di Gambar 3.8.
Kelebihan data. Karena programmer yang berbeda membuat aplikasi data
manipulasi yang berbeda selama jangka waktu yang lama, data yang sama dapat
diduplikasi dalam beberapa file. Misalnya, dalam aplikasi pinjaman, setiap data file
berisi catatan tentang pinjaman konsumen. Banyak dari pelanggan ini akan diwakili
dalam file data lainnya. Kelebihan ini limbah media penyimpanan fisik, membuatnya
sulit untuk mendapatkan pandangan komprehensif pelanggan, dan meningkatkan
biaya masuk dan memelihara data
inkonsistensi data. Inkonsistensi data berarti bahwa nilai-nilai data aktual tidak
disinkronkan di berbagai salinan data. Ingat bahwa data yang disinkronkan
menyebabkan masalah yang dihadapi oleh kantor pengembangan Dartmouth.
Sebagai contoh, jika sebuah lembaga keuangan memiliki pelanggan dengan
beberapa pinjaman, dan untuk setiap pinjaman ada file yang berisi bidang customer
( misalnya, nama, alamat, e -mail, dan nomor telepon ), maka perubahan ke alamat
pelanggan hanya dalam satu file menciptakan inkonsistensi dengan field alamat
dalam file lain.
isolasi data. File organisasi menciptakan silos data yang membuatnya sangat sulit
untuk mengakses data dari aplikasi yang berbeda. Sebagai contoh, seorang manajer
yang ingin tahu mana pelanggan berutang lebih dari $ 1.000 mungkin tidak dapat
memperoleh jawaban dari sistem file data. Untuk mendapatkan hasi , ia harus
menyaring dan mengintegrasikan data secara manual dari beberapa file .
Keamanan data. Mengamankan Data sulit di lingkungan berkas karena applikasi baru
yang ditambahkan ke sistem secara ad hoc. Karena jumlah aplikasi meningkat,
demikian juga jumlah orang yang dapat mengakses data.

DATABASE DAN SISTEM MANAJEMEN DATABASE

DATABASE

Database terpusat. Sebuah database store yang terpusat pada semua file yang terkait
dalam satu lokasi fisik ( lihat Gambar 3.9 ). Selama beberapa dekade platform database
utama terdiri dari file database terpusat pada besar, komputer mainframe, terutama
karena modal dan biaya operasi yang sangat besar terkait dengan sistem alternatif.
Database terpusat menawarkan banyak manfaat bagi organisasi. File umumnya dapat
dibuat lebih konsisten dengan satu sama lain ketika mereka secara fisik disimpan dalam
satu lokasi karena perubahan file dapat dibuat dengan cara yang diawasi dan tertib. Juga,
file tidak dapat diakses kecuali melalui komputer host terpusat, di mana mereka dapat
terlindung lebih mudah dari akses yang tidak sah atau modifikasi.

Database Terdistribusi. Sebuah basis data yang terdistribusi memiliki salinan lengkap dari
database atau bagian dari database ( lihat Gambar 3.9 ). Ada dua jenis basis data yang
didistribusikan: direplikasi dan dipartisi.

SISTEM DATABASE MANAGEMENT (DBMS)

Tabel 3.2 Kemampuan Utama dan Keuntungan Dari DBMS
Permanen Data disimpan secara permanen pada hard drive atau
media lain yang cepat dan dapat diandalkan sampai
secara eksplisit dihapus atau diubah.

Menanyakan Menanyakan adalah proses meminta data dari berbagai
perspektif. Contoh: " Berapa banyak truk di Texas
berwarna hijau ? "
Concurrency Concurrency. Banyak orang mungkin mencoba untuk
mengubah atau membaca data yang sama pada waktu
yang sama. Tanpa aturan untuk perubahan, data dapat
menjadi tidak konsisten atau menyesatkan. Misalnya,
jika Anda mengubah atribut warna 7 mobil menjadi "
biru " pada saat seseorang yang sama berubah ke "
merah, " hasilnya tidak bisa ditebak.
Backup dan replikasi Backup dan replikasi. Salinan cadangan perlu dibuat
dalam kasus kegagalan peralatan
Penegakan aturan Penegakan aturan. Aturan diterapkan untuk menjaga
data yang bersih dan dapat dipercaya. Misalnya, aturan
dapat menyatakan bahwa setiap mobil hanya dapat
memiliki satu mesin yang terkait dengan itu (
diidentifikasi dengan nomor mesin ). Jika seseorang
mencoba untuk menghubungkan mesin kedua, DBMS
berhenti dan menampilkan pesan kesalahan. Namun,
dengan mobil bensin-listrik hibrida baru, aturan tersebut
mungkin perlu lebih santai. Aturan dapat ditambahkan
dan dihapus sesuai kebutuhan tanpa desain ulang yang
signifikan.
Keamanan Keamanan. Batas untuk dapat melihat atau mengubah
atribut yang diperlukan.
Perhitungan Perhitungan. Daripada memiliki setiap aplikasi komputer
yang mampumelakukan perhitungan, DBMS membuat
mereka berubah.
Perubahan dan akses login Perubahan dan akses loggin. DBMS menciptakan rekor
dan audit trail dari mengaksesn jenis atribut, apa yang
berubah, dan saat itu juga.
Optimasi otomatis Optimasi otomatis. Jika ada pola penggunaan sering atau
permintaan, banyak DBMSs dapat menyesuaikan untuk
meningkatkan waktu respon.

DBMS bertindak sebagai interface antara program aplikasi dan file data fisik (lihat
Gambar 3.10). Hal ini menyediakan pengguna dengan alat untuk menambah, menghapus,
memelihara, layar, cetak, mencari, pilih, menyortir, dan memperbarui data. Alat-alat ini
berkisar dari antarmuka bahasa alami yang mudah digunakan dengan bahasa
pemrograman yang rumit yang digunakan untuk mengembangkan aplikasi database
mutakhir. Fungsi Data utama yang dilakukan oleh DBMS tercantum di bawah ini.
Penyaringan data dan profil: Memeriksa data untuk kesalahan, inkonsistensi,
kelebihan dan informasi yang tidak lengkap.
Kualitas Data: Memperbaiki, standardisasi , dan memverifikasi integritas data.
Sinkronisasi data: Mengintegrasikan, pencocokan, atau menghubungkan data dari
sumber yang berbeda.
Pengayaan data: Meningkatkan data menggunakan informasi dari sumber data
internal dan eksternal.
Pemeliharaan Data: Memeriksa dan mengendalikan integritas data dari waktu ke
waktu.

GUDANG DATA, DATA MART, DAN PUSAT DATA

MEMBANDINGKAN DATABASE KE GUDANG DATA

Gudang data dan database reguler kedua terdiri dari tabel data ( file ), kunci primer
dan lainnya, dan kemampuan query. Perbedaan utama adalah bahwa database dirancang
dan dioptimalkan untuk menyimpan data, sedangkan gudang data dirancang dan
dioptimalkan untuk menanggapi analisis pertanyaan yang sangat penting untuk bisnis.

DUKUNGAN TEPAT WAKTU DARI GUDANG DATA

Dunia bisnis modern sedang mengalami tren yang berkembang menuju real-time
pergudangan data dan analisis. Di masa lalu, gudang data terutama didukung aplikasi
strategi, yang tidak memerlukan waktu respon instan langsung kepada pelanggan antar
tindakan, atau integrasi dengan sistem operasional. Hari ini, bisnis semakin menggunakan
informasi pada saat ini untuk mendukung interaksi pelanggan real-time. Perusahaan
dengan data warehouse aktif akan dapat berinteraksi secara tepat dengan pelanggan
untuk menyediakan layanan pelanggan yang unggul, yang pada gilirannya meningkatkan
pendapatan.

KEBUTUHAN DATA PERGUDANGAN

Banyak organisasi membangun gudang data karena mereka frustrasi dengan ketidak
konsistenan data pendukung keputusan atau mereka diperlukan untuk meningkatkan
aplikasi pelaporan atau memahami bisnis . Dilihat dari perspektif ini, gudang data adalah
investasi infrastruktur yang dibuat perusahaan untuk mendukung saat ini dan masa depan
membuat dalam pengambilan keputusan.
MANFAAT DATA PERGUDANGAN

Dari perspektif bisnis, perusahaan dapat membuat keputusan yang lebih baik karena
mereka memiliki akses ke informasi yang lebih baik. Dari perspektif TI, PRT memberikan
informasi yang lebih efektif dan efisien. Beberapa daerah dari suatu organisasi yang
menguntungkan dari DW adalah sebagai berikut:
Pemasaran dan penjualan. Mengunakan DW untuk pengenalan produk , akses
informasi produk, efektivitas program pemasaran\, dan lini produk profitabilitas.
Gunakan data untuk memaksimalkan keuntungan pelanggan.
Harga dan kontrak. Menggunakan data untuk menghitung biaya secara akurat untuk
mengoptimalkan harga kontrak. Tanpa data biaya yang akurat, harga mungkin di
bawah atau terlalu dekat untuk biaya atau harga mungkin tidak kompetitif karena
mereka terlalu tinggi.
Peramalan. DW membantu dalam visibilitas tepat waktu permintaan pelanggan
akhir .
Kinerja Penjualan. Gunakan data untuk menentukan profitabilitas penjualan dan
produktivitas untuk semua wilayah dan daerah; dapat memperoleh dan
menganalisis hasil menurut geografi , produk , kelompok penjualan , atau individu.
Keuangan. Gunakan setiap hari, hasil mingguan, atau bulanan untuk manajemen
keuangan yang lebih baik.

KARAKTERISTIK DARI GUDANG DATA

Semua jenis data warehousing terbagi sembilan karakteristik utama:
1. Organisasi. Data diselenggarakan oleh subjek (misalnya, dengan pelanggan, vendor,
produk, tingkat harga, dan wilayah) dan berisi informasi yang relevan untuk
mendukung keputusan saja.
2. Konsistensi. Data dalam database yang berbeda dapat dikodekan berbeda. Sebagai
contoh data jenis kelamin dapat dikodekan 0 dan 1 dalam satu sistem operasional,
dan " m " dan " f " di tempat lain. Di gudang itu akan diberi kode dengan cara yang
konsisten.
3. Varian waktu. Data disimpan selama bertahun-tahun sehingga dapat digunakan
untuk mengidentifikasi tren, peramalan, dan pengambilan perbandingan dari waktu
ke waktu.
4. Tidak Berubah. Setelah data dimasukkan ke dalam gudang, mereka tidak diperbarui.
5. Penghubung. Biasanya gudang data menggunakan struktur relasional.
6. Client / server. Gudang Data menggunakan arsitektur client / server terutama untuk
memberikan pengguna akhir akses yang mudah ke data.
7. Berbasis web. Gudang data hari ini dirancang untuk memberikan perhitungan
lingkungan yang efisien untuk aplikasi berbasis Web.
8. Integrasi. Data dari berbagai sumber terintegrasi. Servis Web digunakan untuk
mendukung integrasi.
9. Tepat waktu. Meskipun sebagian besar aplikasi gudang data adalah tidak secara real
time, adalah mungkin untuk mengatur kemampuan real-time.

MEMBANGUN GUDANG DATA

Arsitektur dan Peralatan. Ada beberapa arsitektur dasar untuk gudang data. Dua yang
umum adalah two -tier dan arsitektur three-tier. Dalam arsitektur three-tier, data dari
gudang diproses dua kali dan disimpan dalam database multidimensi tambahan, di mana
ia dapat diatur untuk analisis multidimensi mudah dan presentasi atau direplikasi dalam
data mart .

Menempatkan Warehouse pada Intranet. Isi Data warehouse dapat disampaikan kepada
para pembuat keputusan di seluruh perusahaan melalui intrane . Pengguna dapat melihat,
query, dan menganalisa data sert menghasilkan laporan dengan menggunakan Web
browse. Ini adalah metode yang sangat ekonomis dan efektif untuk menyampaikan data.

Kesesuaian. Gudang data paling tepat untuk organisasi yang memiliki beberapa
karakteristik sebagai berikut :
Pengguna akhir perlu untuk mengakses data dalam jumlah besar.
Data operasional disimpan dalam sistem yang berbeda.
Organisasi menggunakan pendekatan berbasis informasi kepada manajemen.
Organisasi pelayanan yang besar, basis pelanggan yang beragam ( seperti dalam
perusahaan utilitas atau bank, misalnya , AT & T 26 - terabyte gudang data data
digunakan untuk analisis pemasaran oleh 3.000 karyawan ).
Data yang sama direpresentasikan secara berbeda dalam sistem yang berbeda.
Data disimpan dalam format yang sangat teknis yang sulit untuk diuraikan.
End-user komputasi yang luas dilakukan ( banyak pengguna akhir melakukan banyak
kegiatan ).



TABEL 3.3 Penggunaan Strategis Gudang Data
Industri Area Fungsional Penggunaan Penggunaan strategis

Perusahaan
Penerbangan
Operasi dan pemasaran

Tugas Acrew, penyebaran pesawat,
tarif campuran, analisis keuntungan
rute, dan sering menyebarkan flyer
program promosi
Pakaian Distribusi dan Pemasaran Memperdagangkan dan
penambahan persediaan
Perbankan Pengembangan Produk,
Operasi, dan
Pemasaran
Layanan pelanggan, analisis tren,
produk dan layanan promosi dan
pengurangan biaya IS
Kartu Kredit Pengembangan Produk dan
Pemasaran
Layanan pelanggan, layanan
informasi baru gratis, dan deteksi
penipuan
Kontrak Pertahanan Pengembangan Produk Transfer teknologi dan produksi
aplikasi militer
E-Bisnis Distribusi dan Pemasaran Gudang data dengan kemampuan
personalisasi, preferensi pemasaran
/ belanja memungkinkan untuk up-
selling dan cross-selling
Pemerintah Operasi Pelaporan pada bidang kejahatan
dan keamanan dalam negeri
Kesehatan Operasi Pengurangan biaya operasional

Investasi dan
Asuransi
Pengembangan Produk,
Operasi, dan Pemasaran
Manajemen risiko, analisis
pergerakan pasar, analisis
kecenderungan pelanggan, dan
manajemen portofolio

Jaringan Ritel Distribusi dan Pemasaran Analisis Trend, analisis pola pasar,
kebijakan harga, kontrol persediaan,
promosi penjualan, dan keputusan
saluran distribusi optimal
Telekomunikasi Pengembangan Produk baru dan layanan promosi,
Produk, Operasi, dan Pemasaran pengurangan anggaran IS, dan
analisis profitabilitas

DATA MART, DATA OPERASIONAL DAN DATABASE MULTIDIMENSI

Data Mart. Mahalnya biaya gudang data yang dapat membuat mereka terlalu mahal
untuk melaksanakannya. Sebagai alternatif, banyak perusahaan membuat biaya lebih
rendah, versi skala kecil dari gudang data disebut data mart. Data mart dirancang untuk
unit bisnis strategis ( SBU ) atau satu departemen.

Alasan Gudang Data Mengalami Kegagalan
Desain gudang data:
Harapan yang tidak realistis
Arsitektur yang tidak tepat
Vendor kemampuannya overselling
Kurangnya keahlian pengembangan
Kurangnya sponsor proyek yang efektif
Implementasi gudang data:
Kurangnya pelatihan pengguna
Kegagalan untuk menyelaraskan gudang data dan data mart
Kurangnya perhatian terhadap isu-isu budaya
Kebijakan Perusahaan tidak diperbarui

Gudang data operasi:
Kurangnya pemeliharaan teknologi
Kegagalan untuk meng-upgrade modul
Kurangnya integrasi
Kurangnya kualitas data

Data Stores Operational. Sebuah data stores operasional adalah database untuk transaksi
sistem pengolahan yang menggunakan konsep gdata untuk menyeddang iakan data yang
bersih. Ini membawa konsep dan manfaat dari gudang data untuk bagian operasional
bisnis dengan biaya lebih rendah. Dengan demikian, dapat dilihat sebagai yang terletak
antara data operasional ( dalam sistem warisan ) dan gudang data. Sebuah data stores
operasional digunakan untuk keputusan jangka pendek yang melibatkan aplikasi mission-
critical dan bukan untuk keputusan jangka menengah dan panjang terkait dengan gudang
data biasa. Keputusan-keputusan ini memerlukan akses ke lebih banyak informasi saat ini.
Misalnya, bank perlu tahu tentang semua account untuk pelanggan siapa yang menelepon
di telepon.

Kegagalan sistem. Sayangnya, meskipun dengan adanya manfaatnya potensi mereka
implementasi sistem informasi besar sering gagal. Contoh dan alasan untuk kegagalan
adalah pada Tabel 3.4. Saran tentang cara untuk menghindari kegagalan gudang data
disediakan di datawarehouse.com, di bitpipe.com, dan pada
teradatauniversitynetwork.com.

PUSAT DATA

Pusat data adalah nama yang diberikan untuk fasilitas yang berisi mission-critical ISS dan
komponen-komponen yang memberikan data dan layanan TI untuk perusahaan. Pusat
data menyimpan dan mengintegrasikan jaringan, sistem komputer, dan perangkat
penyimpanan. Data pusat perlu memastikan ketersediaan daya dan menyediakan
keamanan fisik dan data.

ENTERPRISE CONTENT MANAGEMENT

Empat kekuatan utama yang mendorong organisasi untuk mengadopsi strategi
pendekatan tingkat perusahaan untuk perencanaan dan menggunakan sistem konten:
Pertumbuhan penggabungan konten yang dihasilkan oleh organisasi
Kebutuhan untuk mengintegrasikan konten dalam proses bisnis
Kebutuhan untuk mendukung peningkatan kecanggihan untuk mengakses konten
bisnis pengguna dan interaksi
Kebutuhan untuk mempertahankan tata kelola dan kontrol atas konten untuk
memastikan kepatuhan terhadap peraturan dan kesiapan untuk penemuan hukum
Catatan Elektronik dan Manajemen Dokumen. Dalam Bagian 3.1 Anda membaca bahwa
sistem manajemen dokumen mengatur dan menyimpan e -mail, pesan instan, dan jenis-
jenis konten tidak terstruktur. Pada bagian ini, kita meneliti topik yang terkait ERM .




NILAI BISNIS E - RECORDS MANAGEMEN

Penemuan adalah proses pengumpulan informasi dalam persiapan untuk sidang,
penyelidikan hukum atau peraturan, atau tindakan administratif sebagaimana diharuskan
oleh hukum. Ketika informasi elektronik yang terlibat, proses ini disebut penemuan
elektronik, atau e-discovery. Ketika sebuah perusahaan menerima permintaan e-discovery,
perusahaan harus menghasilkan apa yang diminta atau menghadapi tuduhan menghalangi
keadilan atau menjadi menghina pengadilan.

Beberapa kasus di mana sebuah perusahaan mengeluarkan biaya besar untuk tidak
menanggapi e -discovery adalah sebagai berikut:
Kegagalan untuk menyimpan e-mail mengakibatkan denda $ 2.750.000 untuk Phillip
Morris.
Kegagalan untuk menanggapi permintaan e-discovery biaya denda Bank of America
$ 10 juta.
Kegagalan untuk menghasilkan backup dan menghapus e-mail menghasilkan $
29.300.000 putusan juri terhadap USB Warburg dalam apa yang menjadi kasus
landmark, Zubulake v UBS Warburg.

PERTUMBUHAN ECM DAN ERM

Pada Konferensi Dunia 2008 EMC di Las Vegas, 9.000 peserta mendengar tentang
masa depan EMC untuk manajemen konten, virtualisasi, dan penyimpanan Web 2.0
menunjukkan pentingnya teknologi tersebut. Data yang tersimpan diperkirakan akan
mencapai 2 triliun gigabyte pada tahun 2011. Menjaga data perusahaan aman akan
menjadi tantangan yang luar biasa.

Beri Nilai