Data Warehouse

Data warehouse merupakan sekelompok data yang diproduksi untuk mendukung pembuatan
keputusan; juga merupakan tempat penyimpanan saat ini dan data historis dari potensi
ketertarikan manager seluruh perusahaan. Karakteristik data warehouse adalah subject
oriented, integrated, time variant (time series), dan nonvolatile.
Yang termasuk karakteristik tambahan data warehouse antara lain web based,
relational/multidimensional, client/server, real time, include metadata.
Proses Data Warehouse
Berikut merupakan komponen utama dalam proses data warehouse data source, data
extraction, data loading, comprehensive database, metadata, dan middleware tools.
Arsitektur data warehouse
Arsitektur data warehouse terbagi dalam tiga bagian yaitu
Data warehouse itu sendiri, yang terdiri dari data-data dan software yang berasosiasi.
Data acquisition (back-end) software, yang mengekstrak data dari system legal dan
sumber-sumber eksternal, mengkonsolidasi dan merangkumnya, dan memprosesnya ke
dalam data warehouse.
Client (front-end) software, yang mengijinkan user mengakses dan menganalisis data dari
warehouse.
Beberapa manfaat data warehouse adalah data warehouse menyediakan model data umum
untuk semua data yang menarik terlepas dari sumber data itu sehingga lebih mudah untuk
melaporkan dan menganalisa informasi, informasi dalam data warehouse berada di bawah
kontrol pengguna data warehouse sehingga jika sistem sumber data dibersihkan informasi
dalam warehouse dapat disimpan dengan aman untuk waktu yang lama, data warehouse
menyediakan pengambilan data tanpa memperlambat sistem operasional, dan data warehouse
memfasilitasi aplikasi decision support system.

Data Mining
Data mining adalah istilah yang digunakan untuk mendeskripsikan penemuan atau mining
pengetahuan dari sejumlah besar data. Yang termasuk data mining antara lain knowledge
extraction, pattern analysis, data archaeology, information harvesting, pattern searching, dan
data dredging. Berikut merupakan karakteristik umum dan objektivitas data mining.
Data seringnya terpendam dalam dalam database yang sangat besar yang kadang-kadang
datanya sudah bertahun-tahun.
 Lingkungan data mining biasanya berupa arsitektur client-server atau arsitektur system
informasi berbasis web.
Tool baru yang canggih, termasuk tool visualisasi tambahan, membantu mennghilangkan
lapisan informasi yang terpendam dalam file-file yang berhubungan atau record-record
arsip public.
Pemilik biasanya seorang end user, didukung dengan data drill dan tool penguasaan query
yang lain untuk menanyakan pertanyaan ad hoc, dan mendapatkan jawaban secepatnya,
dengan sedikit atau tidak ada kemampuan pemrograman.
Tool data mining dengan kesediaannya dikombinasikan dengan spreadsheet dan tool
software pengembangan yang lainnya.
Karena besarnya jumlah data dan usaha pencarian yang besar-besaran, kadang-kadang
diperlukan penggunaan proses parallel untuk data mining.
Bagaimana Data mining Bekerja
Data mining secara umum mencari untuk mengidentifikasikan empat tipe pattern utama yaitu:
Associations, menemukan secara umum mengacu pada pengelompokan hal-hal.
Predictions, memberitahukan kejadian-kejadian alami di masa yang akan datang di even
yang tepat berdasar pada apa yang terjadi di masa lampau.
Cluster, mengidentifikasikan pengelompokan hal-hal natural berdasar pada karakteristik
yang diketahui.
Sequential relationship, menemukan event dengan waktu yang berurutan.
Proses Data Mining
Proses data mining terdiri dari beberapa step antara lain
1. Pemahaman bisnis.
2. Pemahaman data.
3. Persiapaan data.
4. Pembangunan model.
5. Testing dan evaluasi.
6. Deployment.
MetodeData Mining
1. Klasifikasi.
2. Decision tree.
3. Cluster analysis untuk data mining.
4. Association rule mining.
 OLAP
Online Analytical Processing, atau disingkat OLAP adalah metode pendekatan untuk menyajikan
jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain
dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data
multidimensi untuk tujuan analis. OLAP adalah bagian dari kategori yang lebih global dari
pemikiran bisnis, yang juga merangkum hubungan antara pelaporan dan penggalian data.
Aplikasi khusus dari OLAP adalah pelaporan bisnis untuk penjualan, pemasaran, manajemen
pelaporan, manajemen proses bisnis (MPB), penganggaran dan peramalan, laporan keuangan
dan bidang-bidang yang serupa. Istilah OLAP merupakan perampingan dari istilah lama
database OLTP (Online Transaction Processing).
Database yg dikonfigurasikan untuk pelayanan OLAP model data multidimensi, bisa digunakan
untuk analisis komplek dan kueri khusus (ad hoc) dengan suatu laju waktu eksekusi. Mereka
meminjam aspek database navigasi dan database hierarki yang lebih cepat daripada yang
sefamilinya.
Nigel Pendse menyarankan suatu alternatif dan mungkin istilahnya lebih deskriptif yang
menjelaskan bahwa konsep OLAP adalah Analisis Cepat dari Informasi Multidimensi yang dapat
di-sharing (FASMI)
Keluaran dari kueri OLAP ditampilkan secara khusus dalam format matrik atau pivot.
Dimensinya membentuk baris berupa ukuran dan kolom berupa nilai dari matrik.

SCM (Supply Chain Management)

Supply Chain Management adalah koordinasi sistem strategis fungsi bisnis tradisional dan
taktik seluruh fungsi-fungsi bisnis dalam suatu perusahaan tertentu dan di seluruh perusahaan
dalam rantai pasokan, untuk tujuan meningkatkan kinerja jangka panjang perusahaan individu
dan pasokan rantai secara keseluruhan (Mentzer et. al., 2001) .pengertian lain dari supply chain
management strategi rantai suplai yang memerlukan totalitas hubungan dalam rantai tersebut
yang bekerja sama secara efisien untuk menciptakan kepuasan pelanggan di titik akhir. Sebagai
konsekuensi biaya harus diturunkan dan memfokuskan perhatian pada nilai tambah.
Berdasarkan kedua definisi tersebut bisa dikatakan bahwa supply chain management adalah
suatu system antar fungsi-fungsi bisnis dalam suatu organisasi yang berperan dalam mengelola
tugas-tugas yang berhubungan dengan pemenuhan kebutuhan pelanggan mulai dari
penyediaan bahan mentah hingga pengiriman barang kepada pelanggan.
Sasaran dan Tujuan
Meneyediakan barang dan jasa dengan tingkat ketersediaan yang tinggi dan memenuhi
permintaan dari pelanggan adalah sasaran dan tujuan dari SCM. Tujuan lain dari SCM adalah
Tujuan dari manajemen rantai suplai ialah meningkatkan kepercayaan dan kolaborasi diantara
rekanan rantai suplai, dan meningkatkan inventaris dalam kejelasannya dan meningkatkan
percepatan inventori.Berdasarkan tujuan tersebut dapat terlihat disini bahwa hasil yang
diberikan dari SCM dapat berupa :
Pemenuhan permintaan pelanggan
Tingkat ketersediaan barang dan jasa yang lebih baik
Adanya peningkatan kerjasama antar rekanan yang terlibat dalam suatu rantai supply
Aktivitas SCM
SCM ialah pendekatan antar-fungsi (cross functional) untuk mengatur pergerakan material
mentah kedalam sebuah organisasi dan pergerakan barang jadi keluar organisasi menuju
konsumen akhir. Sebagaimana korporasi lebih fokus dalam kompetensi inti dan lebih fleksibel,
mereka harus mengurangi kepemilikan mereka atas sumber material mentah dan kanal
distribusi. Fungsi ini meningkat menjadi kekurangan sumber ke perusahaan lain yang terlibat
dalam memuaskan permintaan konsumen, sementara mengurangi kontrol manajemen dari
logistik harian. Pengendalian lebih sedikit dan partner rantai suplai menuju ke pembuatan
konsep rantai suplai.
Secara garis besar, fungsi manajemen ini bisa dibagi tiga, yaitu distribusi, jejaring dan
perencaan kapasitas, dan pengembangan rantai suplai. Beberapa model telah diajukan untuk
memahami aktivitas yang dibutuhkan untuk mengatur pergerakan material di organisasi dan
batasan fungsional. SCOR adalah model manajemen rantai suplai yang dipromosikan oleh
Majelis Manajemen Rantai Suplai. Model lain ialah SCM yang diajukan oleh Global Supply Chain
Forum(GSCF). Aktivitas suplai rantai bisa dikelompokan ke tingkat strategi, taktis, dan
operasional.