Descriptive Analytics II: Business Intelligence and Data
Warehousing
1.Why is it important for IRS and for U.S. state governments to
use data warehousing and business intelligence (BI) tools in
managing state revenues?
Karena data werehouse merupakan data yang sangat penting bagi
Business Intelligent sebagai penunjang dalam permasalah bisnis.
Karena data warehouse memiliki hasil yang kompleks dan memiliki
banyak sumber. Keragaman dan detail ini membuat pemahaman data
menjadi sulit, sehingga bisa menghambat efisiensi. Penggunaan alat
Business Intelligent memungkinkan untuk analisis, pemahaman, dan
tata kelola yang baik. Serta memiliki ketepatan waktu yang baik.
2. What were the challenges the state of Maryland was facing with
regrad to fax fraud?
(1)Maryland menghadapi penipuan pajak seperti penipuan yang
dialami negara – negara lain.. (2)Penyeledikan dan proses mendeteksi
penipuan tersebut sangat membutuhkan waktu yang lama.
3.What was the solution they adopted? Do you agreewith their
approach? Why?
Setuju karena bekerja dengan Teradata dan ASR Analytic dan
mengubah data yang mereka miliki menjadi informasi yang
bermakna, detemukannya ciri – ciri umum, memberi representasi
visual, mempermudah interpretasi dan membuat proses menjadi lebih
efisien karena tidak banyak memakan waktu.
4.What were the results that they obtained? Did the investment
in BI and data warehousing pay off?
Mampu untuk mengurangi False Positive Rate dan meningkatkan
akurasi prediksi. Tim juga mampu menandai sejumlah kecil
kemungkinan hasil penipuan yang memugkinkan The state of
Maryland untuk memulihkan $7 juta lebih banyak, dan mampu
membuat ivestasi berbayar bagi BI dan data warehouse.
5.What other problems and challenges do you think federal and
state governments are having that can benefit from BI and data
warehousing?
Masalah yang berkaitan dengan pembayaran BPJS, alokasi
penggunaan BPJS, penipuan saat pemilu, dan masalah pajak.
Business Intelligence and Data Warehousing
Business Intelligence, sebagai istilah untuk menggambarkan
pengambilan keputusan manajerial berbasis fakta, telah ada selama
lebih dari 20 tahun. dengan munculnya bisnis, popularitas BI
digunakan untuk menggambarkan tahap awal analitik bisnis.
menggambarkan hubungan antara BI dan analitik bisnis dari
perspektif konseptual.
What Is a Data Warehouse?
gudang data adalah kumpulan data yang dihasilkan untuk mendukung
pengambilan keputusan, juga gudang data saat ini dan historis yang
berpotensi menarik bagi para manajer di seluruh organisasi.
A Historical Perspective to Data Warehousing
Karakteristik Data Warehousing
(1) Berorientasi pada subjek, data disusun oleh subjek yang
terperinci, seperti penjualan, produk, atau pelanggan, yang hanya
berisi informasi yang relevan untuk dukungan keputusan. (2)
Terintegrasi, integrasi berkaitan erat dengan orientasi subjek.
gudang data harus menempatkan data dari sumber yang berbeda ke
dalam format yang konsisten. (3) varian waktu (deret waktu),
gudang menyimpan data historis. data tidak selalu memberikan status
saat ini (kecuali dalam sistem waktu nyata). mereka mendeteksi tren,
penyimpangan, dan hubungan jangka panjang untuk peramalan dan
perbandingan, yang mengarah ke pengambilan keputusan. setiap
gudang data memiliki kualitas temporal. (4) tidak stabil, setelah data
dimasukkan ke dalam gudang data, pengguna tidak dapat mengubah
atau memperbarui data. data yang sudah usang dibuang, dan
perubahan dicatat sebagai data baru. Karakteristik Tambahan: (1)
Web-based : gudang data biasanya dirancang untuk menyediakan
lingkungan komputasi yang efisien untuk aplikasi berbasis web. (2)
relational / multidimensional, data warehouse menggunakan
struktur relasional atau struktur multidimensi. (3) Client / server,
gudang data menggunakan arsitektur klien / server untuk
menyediakan akses mudah bagi pengguna akhir. (4) Real Time,
gudang data yang lebih baru menyediakan kemampuan akses data dan
analisis real-time, atau aktif. (5) Include Metadata, gudang data
berisi metadata (data tentang data) tentang bagaimana data
diorganisasikan dan cara menggunakannya secara efektif.
Data Mart biasanya lebih kecil dan berfokus pada subjek atau
departemen tertentu. DM adalah subset dari gudang data, biasanya
terdiri dari area subjek tunggal, DM dapat berupa dependen atau
independen. mart data dependen adalah subset yang dibuat
langsung dari gudang data. memiliki kelebihan untuk menggunakan
model data yang konsisten dan menyediakan data yang berkualitas.
data mart independen adalah gudang kecil yang dirancang untuk
unit bisnis strategis atau departemen, tetapi sumbernya bukan EDW.
Operational Data Store (ODS) menyediakan bentuk file informasi
pelanggan yang cukup baru. database jenis ini sering digunakan
sebagai area pementasan sementara untuk data warehouse.
Enterprise Data Warehouse (EDW) adalah gudang data berskala
besar yang digunakan untuk mendukung pengambilan keputusan.
sifat skala besar dari EDW menyediakan integrasi data dari banyak
sumber ke dalam format standar untuk aplikasi pendukung BI dan
keputusan yang efektif.
Metadata menggambarkan struktur dan beberapa makna tentang
data, sehingga berkontribusi pada penggunaannya yang efektif atau
tidak efektif.
Data Warehousing Process