Anda di halaman 1dari 23

RESUME CHAPTER 6

DASAR-DASAR INTELEGENSI BISNIS :


BASIS DATA DAN MANAJEMEN INFORMASI





Kelompok IBM
ANGGARA WISNU PUTRA 1211011018
CIPTA AJENG PRATIWI 1211011034
DERI KURNIAWAN 1211011040
FEBY GIPANTIUS ZAMA 1211011062
NOVITA LIANA SARI 1211011118
RAMA AGUSTINA 1211011128


FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS LAMPUNG
BANDAR LAMPUNG
2014
BAB 6

DASAR-DASAR INTELEGENSI BISNIS :
BASIS DATA DAN MANAJEMEN INFORMASI





DAPATKAN HP MERAIH KESUKSESAN DARI PERUSAHAAN GUDANG DATA

HP adalah salah satu vendor terbesar dunia teknologi informasi termasuk PC, server
komputer, printer, dan jasa konsultasi. Meskipun perusahaan memiliki keahlian sistem yang
cukup untuk menjual ke perusahaan lain, tetapi perusahaan diganggu oleh masalah teknologi
informasi sendiri. HP punya banyak data, tapi mereka disimpan dalam beberapa aplikasi dan
data repositori di seluruh departemen, unit bisnis, dan lokasi geografis.
CEO mark hurd telah sulit mengumpulkan dan menganalisis "konsisten, data tepat waktu
mencakup bagian yang berbeda dari bisnis". Beberapa sistem penjualan dilacak dan dengan
harga produk, sementara penjualan lainya dilacak melalui informasi geografis.Umumnya
digunakan informasi keuangan seperti marjin laba kotor untuk mengukur profitabilitas
dihitung berbeda dari unit bisnis untuk unit bisnis..
Kurangnya konsistensi data menyeret turun penjualan dan keuntungan. Mengumpulkan
informasi tentang bisnis dari berbagai sistem bisa memakan waktu hingga satu minggu,
sehingga manajer harus membuat keputusan berdasarkan data yang relatif basi.
pertanyaanyang tampaknya sederhana, sepertiberapa banyakperusahaan menghabiskan pasar
untuk di seluruh bisnis yang berbeda,sulit untuk dijawab
Manajemen HP memutuskan solusinya adalah untuk membangun sebuah penyimpanan data
dengan database tunggal diseluruh perusahaan yang dapat dibagikan,visi akurat bisnis.Data
gudang menggantikan 17 teknologi database yang berbeda dan menyatukan 14.000 database
yang sedang digunakan, memberikan akses tenaga kerja HP untuk data secara real time tanpa
batas departemen atau geografis.
PadaNovember 2005, HPCIOrandyMott menciptakan sebuah tim untuk
modeldatabaseperusahaan-lebaryang akanmenjadi dasar dari gudang
data.Merekamengembangkan carapemodelan datadi seluruh perusahaandan
memastikanbahwa dataakanselalu upto date, konsisten untukseluruh perusahaan, dan
lengkap.HP mengembangkan platform miliknya sendiri untuk gudang, yang terdiri dari
serangkaian layanan terpadu, penyimpanan, sistem operasi, sistem manajemen database dan
softwere untuk query dan pelaporan, semua dioptimalkan untuk penyimpanan
data.DataHPgudangplatform yangterbukti sukses sehinggaperusahaan memutuskan
untukmenjualnyake perusahaan lainsebagai"Dataalatgudang" produk yang
disebutNeoview.Setelah selesai,DataHPgudangterdapatlebih dari 400terabyte
datadansedangdigunakan oleh50.000pekerjaHP. SemuadatakeuanganHPdapat
diaksesmelaluigudangdata.
UpayaHPtampaknyaberhasil. Perusahaan ini sekarangmampu
melakukan12kalijumlahpermintaan data, update, dan transaksi lainnyadalam
databasekeuanganselama periode tiga-bulan dari sebelummenerapkangudang data. HPdapat
melacakberapa banyakmenghabiskanpada pemasaranseberangsemua unitusahanya,
pengeluaranolehsektor mediadan segmenpelanggan, di seluruh dunia, atau negara.
Perusahaan inimampu melakukanhal-hal inisebelumnya.Informasiini
membantumanajemenHPmembuatkeputusanlebih baiktentang di manauntuk
menghabiskanuntukmendapatkan bang terbesar.
PengalamanHPmenggambarkan pentingnyapengelolaan datadansistem databaseuntuk bisnis.
Perusahaan initidak dapat sepenuhnyamemahami bagaimanaitutampilsebagaiperusahaan
ataumembuat keputusantepat waktukarenadata yang berlebihan, tidak konsisten,
danterfragmantasiantara banyaksistem yang berbedadanaplikasi. Bagaimanabisnis toko,
terorganisir, dan mengeloladata merekamemilikidampak yang luar
biasapadaeffectivessorganisasi.
Diagrambabpembukaanmeminta perhatian terhadappoin-poin pentingyang diangkat
olehkasus inidanbab ini. Data perusahaanHPtelah disimpandalam sejumlahdatabase yang
berbedadi mana merekatidak bisadengan mudah diambildan dianalisis. Dengan
menciptakansebuah modeldata untuktampilan tunggaldariperusahaan
dandatabasemencerminkanmodel iniuntukpernyataandan pelaporanseluruh perusahaan,
HPtelah menjadi jauhlebih efisiendan manajeryangmembuatkeputusan yang lebih baik.




membangun standars data
perusahaan dan aturan bisnis

modal data desain perusahaan

menyebarkan Neoview teknologi
data warehouse

menghilangkan tecnologies
database warisan

Manajemen
Organisasi
Teknologi
Sistem
Informasi
Solusi
Bisnis
menghasilkan laporan
seluruh perusahaan
mempercepat
proses transaksi
Meningkatkan
pengambilan
keputusan
Meningkatkan
pendapatan
biaya yang lebih
rendah
Data terfragmentasi
Data yang tidak konsisten
Banyak sistem dan apllication
Penantang
Bisnis


6.1MENGORGANISASI DATADALAM LINGKUNGANFILE TRADISIONAL

Sebuah sisteminformasi yang efektifmenyediakan penggunadenganinformasi yang akurat,
tepat waktu, dan relevan. Informasi yang akuratbebas dari kesalahan. Informasitepat
waktusaatini tersedia untukpengambil keputusanketika dibutuhkan. Informasi adalahrelevan
ketikaitu bergunadantepat untukjenis pekerjaandan keputusanyang memerlukannya.
Anda mungkinterkejut mengetahui bahwabanyak bisnistidak memilikiinformasi yang tepat
waktu, akurat, dan relevankarena datadalam sisteminformasi merekatelahkurang
terorganisirdan dipelihara. Itu sebabnyamanajemen datasangatpenting. Untukmemahami
masalah, mari kita lihatbagaimana sisteminformasimengaturdata dalamfile
komputerdanmetode tradisionalmanajemen file.

ISTILAH DAN KONSEPORGANISASI FILE

Konsep ini merupakan suatu konsep yang dibuat untuk pengorganisasian file yang ada dalam
sebuah sistem informasi. Konsep ini meimplementasikan pada sistem komputer yang
mengorganisasikan kedalam suatu hierarki yang dimulai dari bit , byte, field record dan
basisdata.

Bit merupakan unit terkecil dari data yang disimpan dalam komputer, sekumpulan bit disebut
byte yaitu mewakili sebuah karakter tunggal yang berbentuk huruf, angka dan symbol
lainnya.

Field merupakan pengelompokkan sebuah karakter menjadi sebuah kata, kumpulan kata,
bilangan lengkap ( misalnya : nama atau usia seseorang), sedangkan sekumpulan field yang
saling berhubungan dinamakan record, misalnya nama mahasiswa, tanggal, dan nilainya.
Sekumpulan record dinamakan file









Grafik 6-1 herarki data
















Sebagai contoh,catatanpada gambar6.1akan merupakanfileprogrammahasiswa.
Sekelompokfile terkaitmembuatdatabase. Filekursussiswamenggambarkanlatar
belakangkeuanganuntuk membuat databasemahasiswa. Sebuah catatan menggambarkansuatu
entitas. Sebuah entitasadalah orang, tempat, benda, atau peristiwadi mana kitamenyimpan dan
menjaga informasi. Setiapkarakteristikatau kualitasmenggambarkanentitas
tertentudisebutatribut. Sebagai contoh,student_ID, program, tanggal, dan kelasatribut
darientitasprogram. Nilai-nilaitertentu yangatributini dapat memilikiditemukandi
bidangcatatanmenggambarkanprogramentitas.


Course file financial
file
Personal file
Database
course
Student _ID
39044
59432
64029
course
IS 101
IS 101
IS 101
Data
F08
F08
F08
Grade
B+
A
C
Student_ID
39044
course
IS 101
Data
F08
Grade
B+
IS 101(course field
0100 1001 (Letter I in ASCII
0
File
Record
Field
Byte
Bit
MASALAHDENGAN LINGKUNGANFILE TRADISIONAL

Pada kebanyakan organisasi , file data dan sistem cenderung bertumbuh secara mandiri tanpa
rencana mnyeluruh perusahaan. Akuntansi, keuangan, manufaktur, sumber daya manusia,
penjualan dan pemasaran semuanya berkembang dengan sistem dan file dtanya sendiri.
Gambar 6-2menggambarkanpendekatantradisional untukpengolahan informasi

















Penggunaanpendekatantradisional untukpengolahanfile yangmendorongsetiap areafungsional
dalamsebuah perusahaanuntuk mengembangkan aplikasikhusus. Setiap
aplikasimembutuhkandata fileyang unikyang mungkinmenjadi bagian darimaster file.
Subkumpulaninidarimemimpinmaster fileredundansidata daninkonsistensi, pengolahankaku,
dan sumber dayaterbuangpenyimpanan.
Setiap aplikasi, tentu saja, diperlukanfilesendiri danprogram komputersendiriuntuk
beroperasi. Contoh melalui pendekatan tradisional terhadap pemrosesan suatu informasi
Application
program 1
Application
program 2
Application
program 3
Application
program 4
Akuntansi dan
Keuangan
Sumber Daya
Manusia
Pemasaran dan
Penjualan
Manufaktur
user
user
user
user
A B C
D
A B D
E
A B E
G
A E B
G
Master File
Data
Element A
to Z
Suatu aplikasi membutuhkan file dan program komputer sendiri untuk dapat bekerja.
Sebagai contoh aplikasi yang menggunakan pendekatan tradisional :
1) Departemen SDM mempunyai file master personalia, file penggajian, file asuransi
kesehatan, file pensiun, file daftar alamat.
2) Departemen Keuangan mempunyai file penggajian, file pensiun, file daftar utama
karyawan untuk kegiatan pembayaran gaji.

Redundansi DatadanInkonsistensi

Redundasi data merupakan adanya duplikasi data dalam beberapa file data yang sama
disimpan di dalam lebih dari satu lokasi. Redundasi data terjadi kelompok yang berbeda di
dalam suatu orgainisasi mendapatkan data yang sama secara independen dan menyimpannya
secara independen juga. Redundasi data menghabiskan tempat penyimpanan data dan
menimbulkan inkonsistensi data, dalam arti atribut yang sama mungkin nilai yang berbeda.
Contoh Redundasi yaitu:
Didalam sistem yang menggunakan input indentitas mahasiswa tapi di sistem yang lain
menginputnya menggunakan indentitas saja.
Pada sistem pengkodean yang berbeda , misanya pada toko pakaian mengguanakan kode
yang berbeda pada penjualan, persediaan, dan sistem produksi dengan kode yang
digunakan untuk mengkode ukuran akaian yang dijual kepelanggan.

KetergantunganProgram-Data

Ketergantungan program data mengacu pada pasangan data yang tersimapan dalam file dan
program tertentu. Perubahan pada suatu program , juga mempengaruhi perubahan file dan
juga data. Karena file merupakan kumpulan data yang telah dikumpulkan.Setiapprogram
komputertradisionalharusmenggambarkan lokasidansifat datadenganmana ia bekerja. Dalam
lingkunganfile tradisional, setiap perubahandalam program perangkat lunakbisa
memerlukanperubahan dalamdata yang diaksesoleh programitu. Salah satu
programdapatdimodifikasi darilimadigitkesembilandigitkodeZIP. Jika datafile aslidiubah
darilimadigitsampai sembilandigitkodeZIP, makaprogram lain yangdiperlukanlima-digit
kodepostidak lagibekerja dengan baik. Perubahan tersebutdapatbiaya jutaan dolaruntuk
menerapkandengan benar.


KurangnyaFleksibilitas

Sistem file yang tradisional dapat mengirim jadwal rutin setelah dilakukan pemrograman
yang ekstensif, tetapi tidak dapat mengirim laporan khusus atau tidak merespon kebutuhan
informasi yang tidak diantisipasi tepat waktu. Informasi yang dibutuhkan oleh permintaan
khusus tersimpan di suatu tempat dalam suatu sistem, tetapi terlalu mahal untuk
dicari.Beberapaprogrammermungkin harus bekerjaselama berminggu-mingguuntuk
mengumpulkanbarang-barangdata yang dibutuhkandalam filebaru.

Keamanan yang Buruk

Karena kendali pada data dan pengelolaan yang kurang, akses kepada dan penyebaran dari
suatu informasi mungkin dapat dilakukan. Manajemen mungkin dapat mengetahui siapa yang
sedang mengakses atau bahkan membuat perubahan pada data organisasi.

Kurangnyapembagian data danketersediaan

Karenasepotong informasidalam file yang berbedadanbagian yang berbeda dariorganisasi
tidakdapat berhubungan dengansatu sama lain, maka hampir tidak
mungkinbagiinformasiuntuk dibagikanatau diaksespada waktu yang tepat. Informasitidak
dapatmengalir bebasdi area fungsionalyang berbeda ataubagian yang berbeda dariorganisasi.
Jikapengguna menemukannilai yang berbedadaribagian yang sama dariinformasidalam
duasistem yang berbeda, merekamungkintidak ingin menggunakansistemini karena
merekatidak dapat mempercayaikeakuratandata mereka.

6.2PENDEKATANBASIS DATA UNTUKPENGELOLAAN DATA

Tehnologi basis data banyak masalah dalam organisasi file trandisional. Basis data (database)
adalah sekumpulan data organisasi digunakan untuk melayani aplikasi secara efisien dengan
memusatkan data dan mengendalikan redundasi data.Daripadamenyimpan datadalam file
terpisahuntuk setiap aplikasi, data yang disimpansehingga tampakkepada pengguna
karenadisimpandalam satulokasi.Sebuahdatabase tunggalmelayanibeberapa aplikasi.
Misalnya,alih-alihperusahaanmenyimpandata karyawandalam sistem informasiyang
terpisahdan fileterpisah untukpersonil, gaji, dan tunjangan, korporasibisamembuat
databasesumber dayamanusia tunggalumum.

SISTEM MANAJEMEN BASIS DATA

Merupakan peranti lunak yang memudahkan organisasi untuk memusatkan data, mengelola
data secara efisien, dan menyediakan akses data bagi program aplikasi. DBMS (database
management system) membuat basis data fisik tersedia untuk tampilan logis yang berbeda
digunakan pengguna. DBMS digunakan sebagai perantara file dengan program aplikasi yang
diguanakn dalam sebuah sistem.

Sebagai contoh, untuk database sumber daya manusia diilustrasikan pada Gambar 6-3,
spesialis manfaat mungkin memerlukan pandangan yang terdiri dari nama karyawan, nomor
jaminan sosial, dan asuransi kesehatan. Seorang anggota departemen penggajian mungkin
perlu data seperti nama karyawan, nomor jaminan sosial, gaji kotor, dan gaji bersih. Data
untuk semua pandangan ini disimpan dalam database tunggal, di mana mereka dapat lebih
mudah dikelola oleh organisasi.


Gambar 6.3 database Sumber Daya Manusia dengan Beberapa Pandangan














Bagaimana DBMS Memecahkan Masalah Lingkungan File Tradisional

Dengan memperkecil redundasi dan inkonsistensi data dengan meminimalisasi file-file yang
terpisah yang mempunyai data sama. DBMS tidak dapat menghilangkan redunsi, melainkan
mengendalikan redundasi data. Menggunakan DBMS dapat menghilangkan inkonsistensi
data karena pada sistem ini memastikan bahwa data yang sama memilki nilai yang sama.

DBMS Memisahkan program dan data, memungkinkan data untuk berdiri sendiri. Akses dan
ketersediaan informasi akan meningkat dan Program developement dan biaya pemeliharaan
berkurang karena pengguna dan pemrogram dapat melakukan query ad hoc dari data dalam
database. DBMS memungkinkan organisasi untuk mengelola pusat data, penggunaan, dan
keamanan.

Database
Management
System
Name
SSN
Health_Care
Name
SSN
Gross_Pay
Net_Pay
Employee 1B
Name
Position
Date_Hired
Gross Pay
Net_Pay
Life_Insurance
Pension
Health Care
Database
Sumber Daya Manusia
Benefit
view
Payroll
view
DBMSRelasional

Jenis DBMS yang paling popular dfewasa ini untuk PC juga untuk komputer yang lebih besar
dan mainframe adalah DMBS Relasional dapat mempresentasikan tabel dua dimensi yang
disebut relasi. Setiap tabel berisi atribut dan entitasnya . misalnya Microsoft Acess
meruapakan DBMS Relasional untuk sistem desktop, sedangkan DB2, Oracle Databasedan
Microsoft SQL Server meruakan DBMS Relasional mainframe besar.






Supplier_Number Supplier_Name Supplier_Street Supplier_City Supplier_State

8259 CBM Inc. 74 5th Avenue Dayton OH

8261 B.R.Molds 1277 gandolly Street Clevelent OH

8263 Jackson Composite 8233 Micklin Street Lexington KY

8444 Bryant Corporation 4315 Mill Drive Rochester NY



Part_Number Part_Number Unit _Price Supplier_Number
137 Door lanch 22.00 8259
145 Side mirror 12.00 8444
150 Door molding 6.00 826
152 Door lock 31.00 8259
155 Compressor 54.00 8261
178 Door Handle 10.00 8259




Sebuahdatabeserelasionalmengatur datadalam bentuktabeldua dimensi. Digambarkan di
siniadalahtabeluntukentitasPEMASOKdanKOMPONENmenunjukkan bagaimanamereka
mewakilisetiap entitasdanatributnya. PemasokNumber adalahkunci utamauntuk
mejasupplerdankunci asinguntuk tabelPART.
Columns (Attribute,Fields)
Row
(records,Tuples)
Key Field (Primary
Key)
PART
Primary Key Foreign Key
Mari kita melihatbagaimanadatabase relasionalmengatur datatentang pemasokdan bagian.
Database memilikitabel terpisahuntukentitasPEMASOKdanmeja untukentitasPART.Setiap
tabelterdiri darigridkolom danbaris data. Setiap elemenindividualdatauntuk setiap
entitasdisimpansebagaibidang yang terpisah, danmasing-masing
bidangmerupakanatributuntukentitas tersebut.Bidangdalam database relasionaljuga
disebutkolom. UntukPEMASOKentitas, jumlah pemasokidentifikasi, nama, jalan, kota,
negara, dan kodeZIPdisimpansebagaibidang yang terpisahdalam tabelPEMASOKdansetiap
bidangmerupakanatributuntukentitasPEMASOK.
Informasi aktual sederhana tentang pemasok tunggal yang berada dalam sebuah tabel disebut
baris. Baris yang sering disebut sebagai catatan, atau dalam istilah yang sangat teknis, seperti
tuples. Data untuk entitas BAGIAN memiliki tabel terpisah mereka sendiri.
Kolom untuknomorpemasokdalam tabelPEMASOKunik mengidentifikasisetiap
recordsehinggacatatan dapatretrived, diperbarui, ataudiurutkandan ini disebutbidang kunci.
Setiap tabeldalam database relasionalmemilikisatu bidangyangditunjuksebagai
kunciutamanya. Jumlahpemasokfield kunciini adalahidentifikasi unik untuksemua
informasidalam setiapbaris tabeldanprimary keyinitidak dapat diduplikasiadalah kunci
utamauntuk tabelPEMASOKdannomor bagianadalah kunci utamauntuk
tabelPART.Perhatikansupplier_numberyang munculbaik diPEMASOKdantabelPART.Dalam
tabelPEMASOK, nomor pemasokadalah kunci utama.
Ketikasupplier_numberlapanganmuncul dalam tabelBAGIANdisebutkunci asingdanpada
dasarnyabidang pencarianuntuk mencaridata tentangpemasok ataubagian tertentu.

OperasiDBMSrelasional

Menghubungkan lebih mudah untuk mengirim data yang dibutuhkan pengguna, asalkan dua
tabel berbagi elemen data yang sama. Jika ingin mencari nama dan alamat dari pemasok
dalam basis ini membutuhkan dua informasi tabel pemasok dan suku cadang.Misalkan
kitaingin menemukandalam databaseininama-namapemasok yangbisa memberikan kita
denganbagian nomor137ataunomor bagian150Kitaakan membutuhkaninformasi daridua
tabel:. TabelPEMASOKdantabelPART.Perhatikan bahwakedua filememilikielemen
databersama: Pemasok.

Dalamdatabaserelasional, tiga operasi dasar, seperti yang ditunjukkanpada gambar6-5,
yangdigunakan untuk mengembangkansetbergunadata: pilih, bergabung,danproyek.
Pilihoperasimenciptakansubsetyang terdiri darisemua catatandalam fileyang
memenuhikriteria yang ditetapkan. Pilihmenciptakan, dengan kata lain, sebuah subset dari
barisyang memenuhi kriteria tertentu. Dalamcontoh kita, kita ingin memilihcatatandari
tabelbagian di mananomor bagiansama dengan137atau150. Thebergabung dengan
operasimenggabungkantabel relasionaluntuk menyediakanpengguna denganinformasilebih
dariyang tersediadalam tabelindividu.Dalamcontoh kita, kita inginbergabung
dengantabelBAGIANsekarangdiperpendekdantabelpemasokke tabelsingle baru.
Operasi proyek menciptakan subset yang terdiri dari kolom dalam sebuah tabel, yang
memungkinkan pengguna untuk membuat tabel baru yang hanya berisi informasi yang
diperlukan. Dalam contoh kita, kita ingin mengekstrak dari tabel baru hanya kolom berikut:
Part Number, Nama bagian, nomor pemasok, dan pemasok-nama.



DBMS Berorientasi Objek

Aplikasi ini membutuhkan basis data yang dapat menyimpan dan mengambil kembali record
yang tidak hanya berisi nomer atau karakter, tetapi juga gambar, foto, suara dan video.
Digunakan untuk mengorganisasikandata yang terstruktur kedalam baris dan kolomt tidak
cocok untuk aplikasi multimedia.

DBMS Berorientasi Objek digunakan untuk menyimapan data dan prosedur yang
menganggap data tersebut sebagai objek secara otomatis dapat diambil kembali dan
dikembalikan. Dan dapat digunakan untuk mengelola multimedia yang dipakai dalam
aplikasi web.


KAPABILITAS SISTEM MANAJEMEN BASIS DATA

DBMS menyediakan kapabilitas dan perangkat lunak untuk mengorganisasikan, mengelola
dan mengakses data dalam basis data. Mempunyai definisi data untuk menentukan struktur
dari isi basis data. Hal ini digunakan untuk membuat tabel basis data dan untuk
mendefenisikan karakteristik field dalam setiap tabel. Informasi tentang basis data akan
didokumentasikan melalui kamus data. Kamus data merupakan file otomatis atau manual
yang menyimpan definisidari elemen-elemen data dan karakteritiknya.

Permintaan (Querying) dan Pelaporan

Menyertakan perangkat untuk mengakses dan memanipulasi informasi dalam basis data.
DBMS mempunyai bahasa khusus yang disebut bahasa manipulasi data yang digunakan
untuk menambah, mengganti, menghapus, dan mengmbil kembali data di dalam basis data.



MERANCANG BASIS DATA

Untuk merancang basis data harus memahami diantara data, jenis data yang akan dipelihara
data dalam basis data, bagaimana data akan digunakan , dan bagaimana organisasi akan perlu
berubah untuk mengelola data dari perspektif keseluruhan perusahaan.


Dalam Perancangan Basis data memerlukan antara lain :
1) Rancangan konseptual berisi logis dari sebuah basis data
2) Rancangan fisik berisi bagaimana basis data sebenarnya tersusun dalam perangkat
penyimpanan data dengan akses langsung.




Normalisasi dan Diagram Hubungan Relasi Entitas

Rancangan basis data konseptual menggambarkan bagaimana elemen data dalam basis data
dalam basis data dikelompokkan. Proses perancangan mengidentifikasi hubungan diantara
elemen-elemen data dan cara yang paling efisien mengelompokkan data.


Mendistribusikan Basis Data


Sistem informasi dapat dirancang dengan basis data terpusat yang digunakan sebuah prosesor
puasat atau banyak prosesor dalam jaringan klien/server. Basis data berdistribusi merupakan
basis data yang tersimpan lebih dari satu lokasi fisik.

Ada dua metodeutamapenyebarandatabase(lihat gambar 6-12). Dalam sebuah databaseyang
dipartisi, bagiandatabasedisimpandan dipeliharasecara fisikdi satu lokasi danbagian
laindisimpandan dipeliharadi lokasi lain(lihat gambar 6-12A)sehingga setiapprosesorjauh
memilikidata yang diperlukan untukmelayani arealokal. Perubahandalam file lokaldapat
dibenarkandengandatabase pusatsecarabatch.seringdi malam hari. Strategi lain adalahuntuk
meniru(yang duplikatsecara keseluruhan) databasesentral(Gambar 6-12B) di semua
lokasiterpencil.













Gambar 6.12 distribusi database


a. Database dipartisi b. Duplicate Database























Sistem terdistribusimengurangi kerentanantunggal, sisisentralbesar. Mereka
meningkatkanservisdan responsif terhadappengguna lokaldan seringdapat berjalandan lebih
kecil, komputerlebih murah. Namun,database lokalkadang-kadang dapatberangkat
daristandarpusat datadan definisi, dan merekamenimbulkan masalahkeamanandengan
mendistribusikansecara luasakses kedesainerdata.Databasesensitifperlu
mempertimbangkanfaktor-faktor dalamkeputusan mereka.


6.3 MENGGUNAKAN BASIS DATA UNTUK MENINKATKAN KINERJA BISNIS
DAN PROSES PENGAMBILAN KEPUTUSAN

Menggunakan basis data untuk melacak transaksi dasar dan juga digunakan untuk
menyediakan inforamsi yang akan membantu perusahaan menjalankan bisnis secara efisien
dan membantu manajer dan karyawan untuk pengambilan keputusan yang lebih baik.

Sebagai contoh, dengan menganalisisdata daripembelian kartu kreditpelanggan,
trattorialouiseitu, rantai restoranlosangeles, belajar bahwakualitaslebih penting daripadaharga
untuksebagian besarpelanggan, yangkolaseberpendidikandan menyukaianggur. Bertindak
Basis data
pusat
HOST CPU
REMOTE
CPU
REMOTE
CPU
partisi basis
data jauh A
partisi basis
data jauh B
HOST CPU
REMOTE
CPU
REMOTE
CPU
Basis data
pusat
basis data jauh
duplikat
basis data
jauh duplikat

berdasarkaninformasi ini, rantaimemperkenalkanhidangan vegetarian, pilihan makanan laut,
dan anggurlebih mahal, meningkatkanpenjualanlebih dari 10persen.

Dalamsebuah perusahaan besar, dengandatabase yang besaratausistem yang besaruntuk
fungsi-fungsiyang terpisah, seperti manufaktur, penjualan, dan akuntansi, kemampuankhusus
danalat-alat yangdiperlukanuntuk menganalisissejumlah besar datadanuntuk mengaksesdata
daribeberapa sistem. Kemampuan initermasuk pergudangandata,penggalian data, dan alat
untukmengakses databaseinternal melaluiweb.

Gudang Data (Data Warehouse)

Misalkan Andainginringkas,informasi yang dapat dipercayatentang operasisaat ini, tren, dan
perubahandi seluruhperusahaan? Jika Andabekerja disebuah perusahaan besar,
memperolehhal ini mungkin sulitkarena dataseringdipeliharadalam sistem yang terpisah,
seperti penjualan, manufakturdan akuntansi. samadari datayang Anda butuhkanmungkin
ditemukandalam sistempenjualan, dan karya laindalam sistemmanufaktur. Banyak dari sistem
iniadalahsistem warisanlama yang menggunakanteknologipengelolaan datausang atausistem
filedi manainformasi sulitbagi penggunauntuk mengakses. Hewlett-packard, dijelaskan
dalamkasuspembukaanbabmengalamimasalah ini.
Andamungkin harusmenghabiskanbanyak waktumencari danmengumpulkandata
yangdiperlukan,atau Andaakan dipaksa untukmembuat keputusanberdasarkanpengetahuan
yang tidak lengkap. Jika Andaingininformasitentang tren, Anda juga mungkinmemiliki
datatemuantrobletentang peristiwa masa lalukarena sebagian besarperusahaanhanyamembuat
datamereka saat inisegera tersedia. Datapergudanganmembahasmasalah ini.

Apa yang dimaksud dengan gudang data?
Sebuahdata gudangadalah databaseyang menyimpan datasaat ini dan sejarahyang
menarikpotensi untukpengambil keputusandi seluruh. Databerasal daribanyak
sistemintioperasionaltransaksi, seperti sistemuntuk penjualan, piutangpelanggan, dan
manufaktur, dan bisa termasukdata daritransaksisisiweb.
Datagudangmengkonsolidasikandanstandarisasiinformasi dari databaseoperasional yang
berbedasehingga informasidapat digunakandi seluruh perusahaanuntuk
analisismanajemendan pengambilan keputusan.









Gambar 6.13 komponen data warehouse


























Penjelasan : Figur6-13mengilustrasikan bagaimanasebuah gudang databekerja.Gudangdata
membuat datatersediabagi siapa saja untukmengaksessesuai kebutuhan, tetapitidak
dapataltered.Asistemdata warehousejugamenyediakan berbagaiad hocdan alat-
alatstandarpertanyaan,alat-alat analisis, dan fasilitaspelaporan grafis. Banyak
perusahaanmenggunakanportalintranetuntuk membuatinformasigudang databanyak tersediadi
seluruhperusahaan.
Sesiinteraktif padaorganisasimenggambarkan bagaimanalayananpendapatan internal(IRS)
compliencegudang datadapat berfungsi sebagaialat yang ampuhuntuk
meningkatkanpengambilan keputusan danefisiensi operasional. Karena datawajib
pajakyangterfragmentasidi antara banyaksistem yang berbedayang telahdibuat
selamabertahun-tahun,IRStidak dapatmenyusun sebuahgambaran yang lengkapdan
komprehensifdariwajib pajak, tidak bisadengan mudahmenganalisisdata wajib pajakuntuk
mengidentifikasiorang-orang yangpaling mungkinkecurangan padapembayaranpajak
penghasilanmereka. Sebuah gudang datamemungkinkanIRSuntuk
mengintegrasikandanmensentralisasi datataxplayersehinggabisamelakukan tugas
inidanmerespon lebihcepat terhadappermintaanwajib pajak. Ketika Anda membacahal ini,
cobalahAnda mengidentifikasimasalahIRSmenghadapi, apasolusi alternatifyang tersedia
untukmanajemen, dan isu-isumanajemen, organisasi, dan teknologiyang harusdiatasi
ketikamengembangkansolusi.
Data
Operasional
Data
Konsumen
Data
Manufaktur
Data
Sejarah
Arah
Informasi
Akses data
dan analisis
query dan
laporan
OLAP
Data mining
Data
eksternal
ekstrak dan
mengubah
Data
warehouse
SUMBER
DATA
INTERNAL
SUMBER
DATA
EKSTERNAL

Data Mart

Perusahaansering membangungudang dataperusahaan-lebar, di manasebuah gudang
datasentralmelayaniseluruh organisasi, ataumereka menciptakanlebih kecil,
gudangdesentralisasidisebutpasar data. Sebuahpasar dataadalah bagian darisebuah gudang
datayangdirangkumatau bagianyang sangat terfokusafdata organisasiditempatkandalam
databasesaparateuntuk populasitertentu pengguna. Sebagai contoh, sebuahperusahaan
mungkinmengembangkan pemasarandandata penjualanpasaruntuk berurusan
denganinformasipelanggan. Sebuahpasar databiasanyaterfokus padaareasubjectunggal
ataulini bisnis, sehinggabiasanyadapat dibangunlebih cepatdan biaya lebih
rendahdaripadagudang dataperusahaan-lebar.

Intelegensi Bisnis, Analisi Data, Multidemensi, dan Penggalian Data

Setelah datatelah ditangkapdan terorganisir dalamgudang datadanpasar data, mereka yang
tersediauntuk analisislebih lanjut.Serangkaianalatmemungkinkan penggunauntuk
menganalisisdata iniuntuk melihatpola-pola baru, hubungan, dan wawasanyang berguna
untukmembimbingpengambilan keputusan. Alat-alat iniuntukmengkonsolidasikan,
menganalisis, danmenyediakan akses kedata dalam jumlah besaruntuk membantu
penggunamembuat keputusanbisnis yang lebih baiksering disebutkecerdasan bisnis (BI). Alat
utamauntuk intelijen bisnistermasukperangkat lunak untukpertanyaan databasedan pelaporan,
tol untuk analisis datamultidimensi(pengolahan online analitis), danpenggalian data.
Ketikakita berpikir tentangkecerdasansebagaimana diterapkan padamanusia, kitabiasanya
berpikir tentangkemampuan orang untukmenggabungkanpengetahuan yang
dipelajaridenganperilakuinformasi dan perubahanbaruseperticara yang
merekaberhasilditugasnyamereka atauberadaptasi dengansituasi baru. Demikian juga,
kecerdasanbisnismenyediakanperusahaandengan kemampuan untukmengumpulkaninformasi,
mengembangkan pengetahuantentang pelanggan, pesaing, danoperasi internal, danmengubah
perilakupengambilan keputusanuntuk mencapaikeuntungan yang lebih tinggidantujuan
bisnislainnya.
Misalnya, hiburanharrahitu, perusahaanperjudianterbesar kedua diindustri,
terusmenganalisisdata tentangpelangganyangdikumpulkanketikaorang bermainmesin
slotataumenggunakankasinoHarrahdanhotel. departemen pemasaranharrahyangmenggunakan
informasi ini untukmembangunprofilrinciperjudian. didasarkan padapelanggan tertentuyang
ada dinilaiakanperusahaan.Informasi inimemandukeputusan manajemententang
bagaimanauntuk menumbuhkanpelanggan yang palingmenguntungkan, mendorongpara
pelangganuntuk menghabiskan lebih banyak, danmenarik lebih banyak pelanggandengan
potensimenghasilkan pendapatantinggi. Bisnis intelijentelah
meningkatkankeuntunganharrahbegitubanyakyang telah menjadibagiansentraldaristrategi
bisnisperusahaan.


Pemrosesan Analisis Online (Online analytical processing- OLAP)


Online analytical processing- OLAP mendukung analisi data multidemensi, memudahkan
pengguna untuk melihat data yang sama dengan cara yang berbeda dengan berbagai dimensi.


Gambar 6.14 Inteijens Bisnis

Database Data Warehouse Intelijen Bisnis











melacak transaksimenemukan pola keputusan untuk merespon data dan pola
dan wawasan

Gambar6-14menggambarkan bagaimanaintelijen bisnisbekerja. Perusahaan-perusahaanbasis
data operasionalmelacaktransaksiyang dihasilkandengan menjalankanbisnis.Datapakanbasis
datatersebutke gudang data. Manajer menggunakanalat intelijenbisnisuntuk menemukan
poladan maknadalam data. manajerdaripadabertindak atasapa yangtelah mereka pelajari
darimenganalisa datadengan membuatkeputusan bisnis yang lebihdan cerdas.

Data Mining

Database queriestradisionalmenjawab pertanyaan seperti, "Berapa banyak unitnomor
produk403yang dikirimkanpada Februari 2007?" OLAP, dan analisismultidimensi,
mendukungjauh lebih komplekspermintaan informasi, seperti "Bandingkan penjualan
produk403relatifuntuk merencanakandengankuartaldanwilayah penjualanselama duatahun
terakhir. "Dengan OLAPdananalisis datapermintaanberorientasi, penggunaharus memilikiide
yang baiktentang informasiyangmereka cari.
Data Mininglebihpenemuan-driven. Data miningmemberikan wawasan kedata
perusahaanyang tidak dapatdiperolehdenganOLAPdengan mencaripoladan hubunganyang
tersembunyidalam databasedaninferensiaturanbesardari merekauntuk memprediksiperilaku
masa depan. Poladanaturan yang digunakanuntuk memandupengambilan keputusandan
meramalkanefekdari keputusan tersebut.
OLAP
Mining Data




query pelaporan

Jenis-jenisinformasidapat diperoleh daridata miningtermasukasosiasi, urutan, klasifikasi,
cluster, dan prakiraan.
Asosiasiadalah kejadianterkait denganperistiwa tunggal. Sebagai contoh,sebuah
studipolapembeliansupermarketmungkinmengungkapkan bahwa, ketikakeripik
jagungyang dibeli, minumancoladibeli65persen dari waktu, tetapi ketika adapromosi,
coladibeli85persen dari waktu. Informasi inimembantu manajermembuatkeputusan
yang lebih baikkarena mereka telah belajarpembelianrumah45persen dari waktu.
Dalamurutan, peristiwa terkaitdari waktu ke waktu. Kita mungkinmenemukan,
misalnya, bahwa jikarumahdibeli, kulkasbaruakan dibelidalam waktu dua
minggu65persen dari waktu, danovenakan dibelidalam waktu satu
bulandaripembelianrumah45persen dari waktu.
Klasifikasimengakuipolayang menggambarkankelompokyangitemmilikdengan
memeriksaitem yang adayang telahdiklasifikasikan dandengan
menyimpulkanseperangkat aturan. Misalnya,bisnis sepertikartu kreditatau
teleponperusahaankhawatirkehilanganpelanggan tetap.
Klasifikasimembantumenemukankarakteristik pelangganyang cenderunguntuk pergi
dandapat memberikanmodeluntuk membantu manajermemprediksisiapa
orangpelanggansehinggamanajer dapatmerancang kampanyekhususuntuk
mempertahankan pelanggantersebut.
Clusteringbekerja dalam cara yangmirip denganklasifikasiketikaada kelompoktersebut
belumditetapkan. Sebuah alatdata miningdapat menemukankelompok yang
berbedadalamdata,seperti mencarikelompok afinitasuntuk kartubank
ataupartisidatabaseke dalam kelompokpelanggan
berdasarkandemografidanjenisinvestasi pribadi.
Meskipun aplikasi inimelibatkanprediksi, peramalanmenggunakanprediksidengan
cara yang berbeda. Menggunakanserangkaian nilai-nilaiyang adauntuk
meramalkanapa yangnilai-nilai lainakan. Misalnya,peramalanmungkin
menemukanpola dalam datauntuk membantu manajermemperkirakannilai masa depan
darivariabel kontinyu, sepertiangka penjualan.
Sistem inimelakukan analisistingkat tinggipolaatau tren, tetapi mereka juga
dapatmenelusuri kememberikanlebih detailbila diperlukan. Ada aplikasidata
mininguntuk semuabidang fungsional bisnis, danpemerintahan dankarya ilmiah. Salah
satu penggunaanyang populer untukdata miningadalah untuk
menyediakananalisisrincipola dalamdata pelangganuntuk kampanye pemasaransatu-
ke-satu atau untuk mengidentifikasipelanggan yang menguntungkan.
Sebagai contoh,Virgin MobileAustraliamenggunakandata warehousedandata
mininguntuk meningkatkanloyalitas pelanggan danmenggelar layananbaru.
Datawarehousemengkonsolidasikandata darisistemnyaperusahaan, sistem manajemen
hubungan pelanggan, dan sistem penagihanpelanggandalam databasebesar. Data
miningtelah memungkinkanmanajemenuntuk menentukanprofil
demografisdaripelanggan baru danberhubunganke dalamhandsetmereka
belisertakinerjasetiap tokodanpoint-of-sale kampanye, reaksi konsumen
terhadapproduk dan layanan baru, tingkatkehilangan nasabah, danpendapatan yang
dihasilkan olehmasing-masing pelanggan.
Analisisprediktif menggunakanteknikdata mining, data historis, danasumsi
tentangkondisimasa depanuntuk memprediksi hasildariperistiwa,
sepertiprobabilitaspelangganakanmenanggapitawaranatau membeliproduk tertentu.
Sebagai contoh,divisiASTheBody ShopInternationalplc.
analisisprediktifdigunakandengandatabasepelanggantokokatalog, Web, danritel
untukpelangganidentitasyanglebih cenderungmelakukan pembeliankatalog. Informasi
tersebutmembantu perusahaanmembangun sebuah mailing listyang lebih tepatdan
terarahuntuk katalognya, meningkatkantingkat tanggapanuntuk suratkatalog
danpendapatankatalog.

TextMiningdan WebMining

Alat intelijenbisnisberurusan terutama dengandata yangtelah terstrukturdalam
databasedan file. Namun,data tidak terstruktur, sebagian besardalam bentukfile teks,
diyakiniaccount selama lebih dari80 persen dariinformasi yang bergunaorganisasi.E-
mail, memo, transkripcall center, responsurvei, kasus hukum, deskripsipaten, dan
laporanlayanan yang semuanyaberharga untukmenemukanpola dantren yang
akanmembantu karyawanmembuat keputusanbisnis yang lebih baik.
Alatpertambangan tekssekarang tersediauntuk membantu bisnismenganalisis
datatersebut. Alatini mampumengekstrakelemen kuncidari besarsetdata yangtidak
terstruktur, menemukan poladan hubungan, dan
meringkasinformasi.Bisnismungkinberalih kepertambangan teksuntuk
menganalisistranskrippanggilan kepusat layanan pelangganuntuk
mengidentifikasilayanan dan perbaikanmasalah besar.
Produkdan Bahan KimiadiAllentown, Pennsylvania, Airmenggunakantext
mininguntuk membantu mengidentifikasidokumenyang
memerlukancatatanprosedurretensikhususuntuk mematuhiUndang-UndangSarbanes-
Oxley. Perusahaan memilikilebih dari 9terabyte datatidak terstruktur(tidak termasuke-
mail). SoftwarepintarPenemuanmengklasifikasikanwawasanSoftwaredanmengatur
dataini sehinggaperusahaan dapatmenerapkan aturanbisnis
untukkategoridokumendaripadadokumenindividual. Jika dokumenditemukanuntuk
berurusandengan operasitertutupolehSarbanes-Oxley, perusahaan
akanmemastikandokumenmemenuhi persyaratanretensi datahukum.
Web adalah sumber yang kaya informasi yang berharga, beberapa di antaranya
sekarang dapat ditambang untuk pola, tren, dan wawasan ke dalam perilaku
pelanggan. Penemuan dan analisis pola yang berguna dan informasi dari World Wide
Web disebut Web pertambangan. Bisnis mungkin beralih ke pertambangan Web
untuk membantu mereka memahami perilaku pelanggan, mengevaluasi efektivitas
dari sebuah Website tertentu, atau mengukur keberhasilan kampanye pemasaran.
Sebagai contoh, pemasar menggunakan Google Trends dan Google Insight untuk
layanan Search, yang melacak popularitas berbagai kata dan frase yang digunakan
dalam permintaan pencarian Google untuk mempelajari apa yang orang tertarik dan
apa yang mereka tertarik untuk membeli.
Web mining mencari pola dalam data melalui konten struktur pertambangan
pertambangan, dan pertambangan penggunaan. Pertambangan konten web adalah
proses penggalian pengetahuan dari konten halaman Web, yang dapat mencakup teks,
gambar, audio, dan data video. Wen struktur pertambangan memeriksa data yang
terkait dengan struktur situs web tertentu. Sebagai contoh, link yang menunjuk ke
dokumen menunjukkan popularitas dokumen, sementara link yang keluar dari
dokumen menunjukkan kekayaan atau mungkin berbagai topik yang dibahas dalam
dokumen. Pertambangan penggunaan web meneliti data interaksi pengguna dicatat
oleh server Web setiap kali permintaan untuk sumber daya sebuah situs Web yang
diterima. Data penggunaan mencatat perilaku pengguna ketika pengguna menelusuri
atau membuat transaksi di situs Web dan mengumpulkan data dalam log server.
Menganalisis data tersebut dapat membantu perusahaan menentukan nilai pelanggan
tertentu, strategi pemasaran lintas seluruh produk, dan efektivitas kampanye promosi,
dll.



6.4 MENGELOLA SUMBER DAYA DATA

MENETAPKAN KEBIJAKAN INFORMASI

Dengan menentukan aturan-aturan oraganisasi dalam pembagian, penyebaran, perolehan
standarisasi, klasifikasi, dan penyimpanan dari informasi. Kebijakan informasi menjelaskan
prosedur dan akuntabilitas yang spesifik, mengidentifikasi inforamsi dapat saling dibagikan
dimana inforamsi dapat didistribusikan, siapa yang yang bertanggung jawab memperbarui
dan memelihara informasi.

Setiap bisnis ,besar dan kecil ,membutuhkan sebuah kebijakan informasi. Data perusahaan
anda adalah sebuah sumber daya yang penting,dan anda tidak mau orang melakaukan apapun
yang mereka mau pada data perusahaan anda. Anda harus memiliki aturan tentang bagaimana
data harus diorganisir dan dipelihara, dan siapa yang diizinkan untuk melihat data atau
mengubahnya. Sebuah kebijakan informasi menentukan peraturan organisasi untuk berbagi,
menyebarkan, memperoleh, standardisasi, mengklasifikasi, informasi inventarisasi. Sebuah
kebijakan informasi menjabarkan prosedur serta kewajiban yang spesifik, mengidentifikasi
pengguna dan unit organisasi dapat berbagi informasi, di mana informasi dapat
didistribusikan, dan yang bertanggung jawab untuk memperbarui dan memelihara informasi.
menjabarkan prosedur serta kewajiban yang spesifik, mengidentifikasi pengguna dan unit
organisasi dapat berbagi informasi, di mana informasi dapat didistribusikan, dan yang
bertanggung jawab untuk memperbarui dan memelihara informasi. Jika anda menjalankan
sebuah bisnis kecil, kebijakan informasi seharusnya dikelola dan diimplementasikan oleh
pemiliknya atau para manager. Dalam organisasi besar, mengelola dan merencanakan
informasi sebagai sumber daya perusahaan sering membutuhkan fungsi administrasi data
resmi. Data administrasi bertanggung jawab atas kebijakan dan prosedur tertentu di mana
data dapat dikelola sebagai sumber daya organisasi. Tanggung jawab ini mencakup
pengembangan kebijakan informasi, perencanaan untuk data, mengawasi desain database
logis dan pengembangan kamus data, dan pemantauan bagaimana sistem informasi khusus
dan pengguna akhir menggunakan kelompok data.

Anda mungkin mendengar tata data istilah yang digunakan untuk menggambarkan berbagai
aktivitas tersebut dipromosikan oleh IBM, penawaran tata kelola data dengan kebijakan dan
proses untuk mengelola ketersediaan, kegunaan, integritas, dan keamanan data yang
digunakan suatu perusahaan, dengan penekanan khusus pada promosi pribadi , keamanan,
kualitas data, dan sesuai dengan peraturan pemerintah. sebuah organisasi besar juga akan
memiliki desain dan manajemen database kelompok dalam divisi sistem informasi
perusahaan yang bertanggung jawab untuk menentukan dan mengatur struktur dan isi dari
database, dan memelihara database. Dalam kerjasama erat dengan pengguna, kelompok
desain menetapkan database fisik, relasi logis antara unsur-unsur, dan aturan akses dan
prosedur keamanan. fungsi ia melakukan disebut administrasi database.


MEMASTIKAN KUALITAS DATA

Kebijakan databese dan informasi dirancang dengan baik ke arah untuk memastikan bahwa
bisnis memiliki informasi yang dibutuhkan. Namun, langkah-langkah tambahan harus
diambil untuk memastikan bahwa data dalam database organisasi yang akurat dan tetap dapat
diandalkan.

Apa yang akan terjadi jika nomor telepon atau rekening saldo pelanggan tidak benar? Apa
yang akan menjadi dampak jika database memiliki harga yang salah dengan produk yang
Anda dijual atau sistem penjualan dan sistem persediaan menunjukkan harga yang berbeda
untuk produk yang sama? Data yang tidak akurat, tidak tepat waktu, atau tidak konsisten
dengan sumber informasi lain menyebabkan keputusan yang salah, penarikan kembali
produk, dan kerugian keuangan.

Menurut penelitian Forrester, 20 persen dari pos AS dan pengiriman paket komersial
dikembalikan karena nama yang salah atau alamat. Gartner Inc melaporkan bahwa lebih dari
25 persen dari data penting dalam database besar Fortune 1000 perusahaan 'tidak akurat atau
tidak lengkap, termasuk kode buruk produk dan deskripsi produk, deskripsi persediaan rusak,
data keuangan yang salah, informasi pemasok yang tidak benar, dan data karyawan yang
salah. (Gartner, 2007)

Masalah kualitas data, bagaimanapun seperti nama salah eja, nomor dialihkan, atau kode
yang tidak benar atau hilang, berasal dari kesalahan selama input data. Insiden kesalahan
tersebut meningkat sebagai perusahaan memindahkan bisnis mereka ke Web dan
memungkinkan pelanggan dan pemasok untuk memasukkan data ke situs Web mereka yang
secara langsung memperbarui sistem internal.

Sebelum database baru di tempatkan, organisasi perlu identitas dan memperbaiki data yang
rusak dan membangun rutinitas yang lebih baik untuk merubah data setelah database mereka
beroperasi. Analisis kualitas data sering dimulai dengan audit kualitas data, yang merupakan
survei terstruktur dari tingkat keakurasian dan kelengkapan data dalam sistem informasi.
Audit kualitas data dapat dilakukan dengan melakukan survei terhadap pengguna akhir untuk
persepsi mereka terhadap kualitas data.

Pembersihan data, juga dikenal sebagai data scrubbing, terdiri dari kegiatan untuk mendeteksi
dan mengoreksi data dalam database yang tidak benar, tidak lengkap, tidak di format dengan
benar, atau berlebihan. Pembersihan data tidak hanya mengoreksi kesalahan tetapi juga
memaksa konsistensi antara set data yang berbeda yang berasal dari sistem informasi yang
terpisah. Software data pembersihan khusus tersedia untuk secara otomatis file data survei,
memperbaiki kesalahan dalam data, dan mengintegrasikan data dalam format seluruh
perusahaan yang konsisten.