Data Warehouse

Apabila berbagai basis data selama beberapa tahun selalu dipelihara dan dikumpulkan maka
kumpulan berbagai data periodik ini bisa disebut sebagai data warehouse. Kumpulan basis data ini
dapat menjadi bahan untuk analisis data dan terutama untuk mendukung pengambilan keputusan,
dan pada umumnya tidak digunakan oleh organisasi untuk memproses transaksi. Sistem untuk
transaksi data harian biasa disebut sebagai On Line Transaction Processing (OLTP), sebagai
perbandingan
berikut
ini
disajikan
tabel
perbedaan
Data
Warehouse
dan
OLTP.
Perbandingan

antara

Data

Warehouse

dan

OLAP

Data
Warehouse
*
Lebih
cendrung
menangani
data
masa
lalu
*
Data
disimpan
dalam
satu
macam
platform
*
Melayani
permintaan
insidentil,
tak
berstruktur,
dan
bersifat
heuristik
*
Mendukung
pengambilan
keputusan
strategis
*
Data
diorganisasi
menurut
subjek,
misalnya
menurut
produk,
supplier
*
Ber-orientasi
pada
analisis
*
Dapat
mendukung
kelompok
manajerial
yang
berjumlah
sedikit
OLTP
*
Menangani
data
masa
kini
*
Data
bisa
saja
tersimpan
dalam
berbagai
platform
*
Melayani
permintaan
yang
periodik
atau
berulang
*
Mendukung
pengambilan
keputusan
operasional
(sehari-hari)
* Data diorganisasi menurut fungsi, misalnya menurut penjualan atau menurut produksi
*
Ber-orientasi
pada
transaksi
*
Mendukung
kelompok
kerja
operasional,
berjumlah
banyak
Sumber data dari Data Warehouse adalah data operasional dalam suatu organisasi seperti data
pelanggan, data produk, dsb, kemudian ditambah dengan data eksternal misalnya dari Internet seperti
data
pemasok,
dan
data
komersial
lainnya.
Data Warehouse bersifat multidimensional, lebih dari dua dimensi, sementara tabel relasional untuk
OLAP hanya berdimensi dua. Sebagai contoh berikut ini adalah tayangan data tiga dimensi dari data
pembelian
barang
selama
beberapa
tahun.

GAMBAR:

Gambaran

Data

Tiga

Dimensi

Berdasarkan susunan data dimensional seperti diatas, analisis data dapat dilakukan misalnya untuk
menjawab pertanyaan : Berapa jumlah barang-1 yang disalurkan oleh pemasok-2 antara tahun (n-3)
sampai dengan tahun (n-1)?. Persoalan utama yang mungkin dihadapi adalah volume data warehouse
tentu sangat besar sehingga diperlukan teknologi pemrosesan paralel seperti Symmetric Multi
Processor
(SMP)
atau
Massively
Parallel
Processor(MPP).
Data Warehouse dapat dibangun menggunakan program aplikasi yang dirancang sendiri, tetapi
tersedia beberapa perangkat lunak yang dipasarkan khusus untuk membangun data warehouse pada
suatu
organisasi,
antara
lain:
*
*
*

SourcePoint
Intelligent

HP

(Software
Warehouse
FlowMark

(Hewlett

AG)
Packard)
(IBM)

Laudon dan Laudon (1998) dalam bukunya menuliskan beberapa langkah untuk membangun data
warehouse
organisasi,
yaitu:
1. Menentukan misi dan sasaran bisnis yang akan dicapai dengan membangun data warehouse.
2. Melakukan identifikasi komponen data yang diperlukan dari basisdata operasional untuk
membangun
data
warehouse.
3.
Merancang
struktur
basis
data
untuk
data
warehouse.
4. Membangun kebijakan dalam mengarsipkan data lama sehingga ruang penyimpanan bisa diatur
sedemikian
rupa
agar
eksekusi
program
analisa
data
tidak
terlalu
lamban.
5. Mentransfer data operasional secara periodik ke dalam basis data warehouse.
Selain data warehouse dikenal pula istilah data mart yang tidak merupakan bagian dari data
warehouse untuk melayani kebutuhan organisasi dalam lingkup yang lebih sempit, misalnya
kebutuhan bagian atau departemen tertentu dalam organisasi. Perbedaan antara data warehouse dan
data
mart
antara
lain:
* Data mart difokuskan untuk keperluan pemakai yang terkait dalam sebuah departemen atau suatu
fungsi
bisnis.
* Data mart biasanya mengandung data operasional yang tidak terlalu rinci seperti pada data
warehouse.
* Data mart umumnya mengandung informasi yang lebih sedikit dibanding dengan data warehouse.
Beberapa

contoh

*
*
* PowerMart (Informatica)

produk

data

mart

adalah

SmartMart
Visual

Warehouse

sebagai

berikut:
(IBM)
(IBM)