Kubus OLAP memperluas format baris demi kolom dari skema database
relasional tradisional dan menambahkan lapisan untuk dimensi data lainnya.
Misalnya, sementara lapisan atas kubus dapat mengatur penjualan menurut
wilayah, analis data juga dapat "menelusuri" ke dalam lapisan untuk
penjualan menurut negara bagian/provinsi, kota, dan/atau toko tertentu. Data
historis dan teragregasi untuk OLAP ini biasanya disimpan dalam skema
bintang atau skema kepingan salju.
3. Why are data in databases volatile?
Data dalam database bersifat volatil (mudah berubah) karena dapat
diperbarui jutaan kali setiap detik, terutama jika merupakan sistem
pemrosesan transaksi (TPS)
4. Explain what processes DBMSs are optimized to perform.
Pemfilteran dan pembuatan profil data
Memeriksa data untuk kesalahan, inkonsistensi, redundansi, dan informasi
yang tidak lengkap.
Integritas dan pemeliharaan data
Memperbaiki, menstandarisasi, dan memverifikasi konsistensi dan
integritas data.
Sinkronisasi data
Mengintegrasikan, mencocokkan, atau menautkan data dari sumber yang
berbeda.
Keamanan data
Memeriksa dan mengendalikan integritas data dari waktu ke waktu.
Akses data
Menyediakan akses resmi ke data baik secara terencana maupun ad hoc
dalam waktu yang dapat diterima.
5. What are the business costs or risks of poor data quality?
Kerusakan reputasi
Kerusakan reputasi dapat berkisar dari kerusakan kecil sehari-hari hingga
bencana hubungan masyarakat yang besar. Sebagai contoh, data yang
buruk di sebuah bank sebut saja nama bank tersebut adalah Bank
Amanah, dalam praktiknya menjalankan proses perbankan ternyata Bank
Amanah melakukan perdagangan yang tidak disengaja dengan pemodal
teroris yang dikira adalah sebuah instansi milik pemerintah tetapi karena
Bank Amanah tidak memiliki informasi yang cukup akurat tentang
pelanggan yang mereka ajak berdagang dan ternyata malah bekerja sama
dengan teroris yang dicurigai pemerintah. Akhirnya, hal tersebut
mengakibatkan PR dijatuhi denda hukuman dan reputasi bank tersebut
menjadi rusak di mata masyarakat sehingga mengakibatkan kepercayaan
dan loyalitas masyarakat sebagai nasabah menjadi berkurang.
Peluang terlewatkan
Perusahaan mungkin kehilangan peluang penting untuk pengembangan
produk baru atau kebutuhan pelanggan yang disebabkan perusahaan
tersebut memiliki kualitas data yang buruk. Ternyata di sisi lain,
perusahaan pesaing memiliki kualitas pengelolaan data yang baik
sehingga peluang yang disebutkan diawal malah dimanfaatkan oleh
perusahaan pesaing dan hal ini sangat merugikan.
Kehilangan pendapatan
Data yang buruk dapat menyebabkan hilangnya pendapatan dalam
berbagai perspektif. Misalnya, sebuah komunikasi yang gagal dikonversi
menjadi penjualan karena data pelanggan yang mendasarinya salah dan
hal ini disebabkan karena kualitas data yang buruk. Sebagai contoh, dalam
bidang asuransi, informasi properti yang buruk dapat menyebabkan
hilangnya pendapatan dari premi jika ditetapkan terlalu rendah karena data
tersebut.
6. Describe the data life cycle.
Siklus hidup data adalah urutan tahapan yang dilalui oleh unit data tertentu
dari generasi awal atau penangkapan hingga pengarsipan dan/atau
penghapusan pada akhir masa manfaatnya.
7. What is the function of master data management (MDM)?
Fungsi Master Data Management (MDM) adalah untuk memastikan integritas
penyimpanan data perusahaan, sehingga semua layanan dapat mengakses
data yang akurat, relevan, dan terkini setiap saat, dari satu titik akses.