Business Intelligence

Hendrik
Fragmentasi sistem informasi secara vertical
Menghasilkan pengembangan sistem
operasional yang berbasis aplikasi (pengguna)
Sales Administration Finance Manufacturing ...
Sales Planning
Stock Mngmt
...
Suppliers
...
Debt Mngmt
Num. Control
...
Inventory









Mengumpulkan dan menggabungkan informasi
Menyediakan sudut pandang yang terintegrasi,
antaramuka pengguna yang seragam
Mendukung berbagi pakai
Integration System
World
Wide
Web
Digital Libraries Scientific Databases
Personal
Databases
Pendekatan Tradisional (Query-Driven/ Lazy/ on-
demand approach)
Pendekatan Warehousing

Source Source Source
. . .
Integration System
. . .
Metadata
Clients
Wrapper Wrapper
Wrapper
Kelemahan
Delay saat pemrosesan query
Sumber informasi yang lambat atau tidak tersedia
Proses integrasi dan penyaringan data yang kompleks
Untuk penggunaan yang sangat intens, berpotensi
tidak efisien dan mahal
Adanya kompetisi pemrosesan pada sumber data


Data
Warehouse
Clients
Source Source Source
. . .
Extractor/
Monitor
Integration System
. . .
Metadata
Extractor/
Monitor
Extractor/
Monitor
v Informasi terintegrasi
di awal
v Tersimpan pada
gudang data (WH)
untuk query dan
analisis langsung
Kinerja query yang tinggi
Tidak saling mengganggu saat pemrosesan
pada sumber data
Query kompleks dilakukan pada DW
OLTP dilakukan pada sumber informasi
Informasi digandakan pada DW
Dapat digunakan untuk memodifikasi,
mendokumentasi, merangkum dan
merestruktutisasi data.
Dapat menyimpan informasi historis
Banyak digunakan pada dunia industri

Pendekatan Query-driven tetap lebih baik
dalam kasus
Perubahan informasi yang sangat cepat
Perubahan sumber informasi yang sangat cepat
Klien dengan kebutuhan yang sulit diprediksi
A data warehouse is simply a single, complete,
and consistent store of data obtained from a
variety of sources and made available to end
users in a way they can understand and use it
in a business context.
-- Barry Devlin, IBM Consultant
Berorientasi subjek
Terintegrasi
Runtun waktu (time series)
Tak berubah (non volatile)
Data disimpan dan dikategorisasikan
berdasarkan subjek bisnis.
Data diorganisir sedemikian rupa sehingga
semua elemen data berelasi dengan kejadian
atau objek dunia nyata yang dihubungkan
bersama
Menyediakan pandangan menyeluruh
terhadap data


Mengambil data dari berbagai sumber data
Disajikan dalam format yang konsisten
Menangani konflik nama dan satuan


OLTP Applications
Savings
Current
accounts
Loans
Data Warehouse
Customer
Digunakan untuk keperluan analisis trend,
deviasi, peramalan, perbandingan,
Waktu: harian, mingguan, bulanan

Data tidak untuk diubah (read-only)


Insert
Update
Delete
Read Read
Operational
Warehouse
Load
Perubahan
dianggap
sebagai data
baru


Warehouse Database
First time load
Refresh
Refresh
Refresh
Operational
Database
Property
Response
Time
Operations
Nature of Data
Data Organization
Size
Data Source
Activities
Operational
Sub seconds to
seconds
DML
30-60 days
Applications
Small to large
Operational, Internal
Processes
Data Warehouse
Seconds to hours
Snapshots over time
Subject, time
Large to very large
Operational, Internal,
External
Analysis
Primarily read only
Meningkatkan produktivitas knowledge
worker
mendukung semua kebutuhan data pembuat
keputusan
Menyediakan akses ke data kritis yang
senantiasa siap
Memisahkan basisdata operasi dengan ad-
hoc processing
Menyediakan rangkuman informasi bagi level
manajemen tingkat tinggi
Menyediakan kemampuan drill-down
Organisasi yang .
Memiliki data pada berbagai macam sistem/aplikasi
Menggunakan pendekatan manajemen berbasis
informasi
Besar, memiliki pelanggan dengan lokasi yang
terpisah atau berbeda-beda
Memiliki data yang sama namun dengen
representasi yang berbeda pada berbagai sistem
yang berbeda pula

Data detil kini
Detil data lampau
Data terangkum tingkat rendah
Data terangkum tingkat tinggi
Metadata
Merupakan direktori terkait apa yang ada di DW,
panduan pemetaan data dari data operasional ke
bentuk DW, aturan yang digunakan untuk
perangkuman (summarization)
Bagian dari DW yang berisi data yang relevan
untuk fungsi bisnis tertentu (fokus pada 1
subjek)
Dependent DM : Subset DW
Independent DM: DW kecil (mis: untuk 1
departemen/unit bisnis)

Memerlukan detil data level rendah
Property Data Warehouse Data Mart
Scope Enterprise Department
Subject Multiple Single-subject, LOB
Data Source Many Few
Size(typical) 100 GB to>1 TB <100 GB
Implementation time Months to years Months
Data
Warehouse
Data
Mart
Marketing
Sales
Finance
Human Resources
Marketing
Marketing
Marketing
External Data
Data
Warehouse
Operational
Systems
Flat Files
Data Marts
Operational
Systems
External Data
Sale or Marketing
Flat Files
Metadata
respository
Serves
Extract Clean
Transform Load
Refresh
OLAP
Data Warehouse
External Data
Sources
Operational
Databases
Visualisation
Data Mining
Data Mart Centric
Virtual Federated
Hub-and-Spoke DW
Enterprise DW
Plus
Secara organisasi dan teknis mudah dibangun

Minus
Tidak ada sudut pandang enterprise
Redundansi biaya data
Biaya ETL dan operasional tinggi

Plus
Tidak perlu platform tersendiri

Minus
Cocok hanya untuk volume rendah
Kompleksitas tinggi
Perlu bandwith besar
Masalah pada metadata

Plus
Kustomisasi UI dan laporan mudah

Minus
Tantangan pada sudut pandang enterprise
Redundan biaya data
Biaya operasi tinggi
Data terlambat
Plus
Menyediakan sudut pandang enterprise
Konsistensi data tinggi
Data dapat dipakai ulang (reusable)

Minus
Perlu visi, komitmen dan kepemimpinan enterprise
Inmon Model (pendekatan EDW)
Top-Down
Adaptasi dari basisdata relasional untuk keperluan
enterprise

Kimball Model (pendekatan DM)
Bottom-Up
Plan Big, Build Small