3 MEMANFAATKAN DATABASE UNTUK MENINGKATKAN KINERJA BISNIS
DAN PENGAMBILAN KEPUTUSAN Database digunakan oleh organisasi bisnis dalam melakukan pemantauan transaksi dasar, contohnya pembayaran pemasok, melakukan proses pesanan, melakukan pemantauan pelanggan, dan penggajian karyawan. Database diperlukan dalam menyajikan informasi untuk melaksanakan bisnis dengan efisien dan juga membantu manajer dan karyawan dalam pengambilan keputusan yang tepat.
6.3.1 Tantangan dalam Menangani Besarnya Volume Data
Data dikumpulkan oleh organisasi yang terdiri dari data transaksi yang dengan mudahnya diletakkan ke kolom dan baris pada DBMS relasional. Setelah itu, adanya lonjakan data dari lalu lintas web, pesan surel, dan konten media sosial, dan juga data yang dihasilkan mesin. Data besar (big data) digunakan untuk memberi gambaran mengenai serangkaian data dengan volume besar yang melampaui kemampuan yang dimiliki DBMS dalam melakukan pengelolaan, penyimpanan, dan penganalisisan data. Data yang besar tidak memiliki acuan pada kespesifikan jumlah, tetapi memiliki acuan pada kisaran petabyte dan exabyte. Organisasi bisnis memiliki ketertarikan pada data besar karena pola berbentuk dan anomali-anomali menarik dapat dilihat oleh organisasi tersebut yang dapat memberikan ilmu baru mengenai perilaku pelanggan, pola cuaca, dan aktivitas pada pasar saham. Untuk mendapatkan nilai bisnis dari data, organisasi membutuhkan teknologi baru yang memiliki kemampuan dalam melakukan pengelolaan data non-tradisional dan data perusahaan.
6.3.2 Infrastruktur Intelijen Bisnis
Saat ini, infrastruktur dari intelijen bisnis mempunyai serangkaian perangkat dalam mendapatkan informasi yang dibutuhkan dari jenis data yang berbeda-beda dalam organisasi saat ini, termasuk data memiliki kapasitas besar yang tidak terstruktur atau semi terstruktur. Berikut adalah kemampuan- kemampuan yaitu data: a. Data Warehouse dan Data Mart Perangkat tradisional yang digunakan dalam melakukan penganalisisan data hingga 20 tahun yang lalu merupakan data warehouse. Data warehouse merupakan data yang melakukan penyimpanan data historis dan data saat ini yang memiliki pengaruh bagi pengambil keputusan. Data itu ditujukan pada bagi sistem operasional transaksi penting, seperti penjualan, data pelanggan, manufaktur, dan data transaksi web. Data warehouse menghasilkan data historis dan saat ini dari seluruh sistem operasi organisasi. Data tersebut digabungkan dengan data sumber sumber eksternal dan melakukan pengoreksian data yang tidak memiliki keakuratan serta melakukan perbaikan pada data untuk kepentingan pelaporan dan analisis data pihak manajemen sebelum disimpan pada data warehouse. Data warehouse memiliki jaminan dalam menyediakan data untuk siapa saja yang dapat diakses namun tidak bisa diubah. Sistem data ini menyediakan serangkaian perangkat dalam melakukan pencarian keterangan secara khusus atau terstandarlisasi dan juga pelaporan dengan tampilan grafis. Perusahaan menciptakan data warehouse yang memiliki ukuran lebih kecil dan terstandarlisasi yang disebut data mart. Data mart merupakan bagian data warehouse yang dilakukan peringkasan dalam menangani jenis data pada database yang terpisash untuk kelompok pengguna yang sudah ditentukan. b. Hadoop Dalam melakukan penanganan pada data yang memiliki kapasitas besar yang tidak terstruktur atau semi terstruktur biasanya perusahaan akan menggunakan hadoop. Hadoop merupakan sebuah kerangka kerja open source yang dikelola Apache Software Foundation yang memiliki kemungkinan melakukan distribusi pada proses data yang memiliki kapasitas besar pada komputer berbiaya terjangkau. Hadoop melakukan pemecahan masalah data besar menjadi bagian kecil, lalu dilakukan pendistribusian ke ribuan titik pemrosesan komputer yang memudahkan dalam analisis. Hadoop memiliki beberapa layanan pokok: 1. Hadoop Distributed File System (HDFS) Layanan ini digunakan untuk menyimpan file data. 2. MapReduce Layanan ini digunakan untuk memroses data paralel dengan tampilan grafis tinggi. HDFS melakukan penghubungan file-file sistem pada titik dalam cluster Hadoop untuk dilakukan perubahan menjadi file sistem tunggal yang besar. Database non relasional buatan Hadoop yang bernama Hbase memberikan penyediaan akses cepat ke data yang tersimpan di HDFS dan platform transaksional dalam melakukan pengoprasian aplikasi-aplikasi real time yang memiliki skala tinggi. c. Komputasi dalam-Memori Cara yang digunakan untuk memberikan fasilitas pada analisis data besar adalah dengan menggunakan komputasi dalam-memori yang mengandalkan memori utama dari komputer (computer’s main memory-RAM) untuk data yang disimpan. Pengguna akan melakukan akses pada data yang disimpan di memori sistem utama, maka dapat menghilangkan kemacetan akibat melakukan pengambilan dan pembacaan dalam database tradisional, didasarkan dari disk dan juga akan melakukan penyingkatan waktu tunggu. Perhitungan bisnis yang rumit biasanya membutuhkan waktu yang banyak akan dapat diselesaikan dalam hitungan detik dan bahkan dapat diselesaikan dengan perangkat genggam. d. Platform Analitis Vendor database komersial melakukan pengembangan pada platform analitis (analytic platforms) yang memiliki kecepatan tinggi terspesialisasi dengan menggunakan teknologi terkait atau tidak terkait yang dioptimalkan dalam melakukan analisis kumpulan data yang besar. Platform analitis, seperti IBM Netezza dan Oracle Exadata, menampilkan sistem perangkat keras dan perangkat lunak yang telah terkonfigurasi, yang dirancang untuk pemrosesan permintaan dan analitis. Gambar tersebut memberikan ilustrasi infrastruktur intelijen bisnis kontemporer dengan teknologi yang baru digambarkan. Data terkini dan data historis akan dilakukan pengekstrakan dari sistem operasional yang banyak seiring dengan data web, data dari mesin, data audio atau visual yang tidak terstruktur, dan data dari smber eksternal yang direstrukturisasi dan diorganisasikan ulang dalam membuat laporan dan analisis. Cluster Hadoop memroses data yang berkapasitas besar yang digunakan dalam data warehouse, data mart atau platform analitis atau permintaan langsung oleh pengguna power.
6.3.3 Perangkat Analisis : Hubungan, Pola, Tren
Saat data telah dilakukan perekaman dan pengorganisasian dengan teknologi intelijen bisnis, tersedia bagi analisis lebih lanjut dengan menggunakan perangkat lunak untuk men-query dan melakukan pelaporan database, analisis data multidimensional (online analytical processing-OLAP), dan data mining. a. Pemrosesan Analitis Online (OLAP) Pemrosesan analitis online (online analytical processing-OLAP) mendukung analis data yang multidimensional, yang memberi kemungkinan pengguna dalam melihat data yang sama dalam cara yang berbeda dengan menggunakan banyak dimensi. OLAP memberi kemungkinan pengguna dalam mendapatkan jawaban atas secara online atas pertanyaan yang khusus, seperti hal itu dalam jumlah waktu yang cukup cepat, bahkan saat data dilakukan penyimpanan dalam database yang besar. Gambar di atas memperlihatkan model multidimensional yang bisa diciptakan dalam melakukan perwakilan untuk produk, wilayah, penjualan aktual, dan penjualan yang diproyeksi. Matriks mengenai penjualan aktual dapat dilakukan penuumpukan pada bagian atasnya penjualan yang diproyeksi dalam melakukan pembentukan kubus sisi 6. Jika melakukan pemutaran 90 derajat satu arah, maka sisi yang ditunjukkan menjadi produk versus penjualan aktual dengan penjualan yang diproyeksi. Jika melakukna pemutaran 90 derajat lagi, maka dapat dilihat wilayah versus penjualan aktual dengan penjualan yang diproyeksi. Jika melakukan pemutaran 180 derajat dari sudut pandang awal, maka dapat dilihat penjualan yang diproyeksi dan produk versus wilayah. b. Data Mining Data mining memberi wawasan pada korporat, data yang tidak bisa didapatkan dengan OLAP dengan menemukan pola yang tersembunyi dan hubungan dalam database besar dan aturan menarik kesimpulan untuk melakukan prediksi perilaku di masa depan. Pola dan aturan yang digunakan dalam memberikan bimbingan untuk mengambil keputusan dan peramalan dampak dari keputusan. Tipe dari informasi yang bisa didapatkan dari data mining, meliputi : 1. Asosiasi Asosiasi adalah kejadian yang berkaitan dengan peristiwa tunggal. Informasi ini akan membantu manajer dalam pengambilan keputusan yang baik karena telah mempelajari manfaat promosi. 2. Dalam sekuen Dalam sekuen berarti peristiwa yang berkaitan dengan waktu. 3. Klasifikasi Klasifikasi melakukan pembahasan mengenai pola yang melakukan penggambaran kelompok barang yang dimiliki dengan memerikasa barang yang ada yang telah terklasifikasi dan telah menyimpulkan dari serangkaian aturan. Klasifikasi akan membantu dalam menemukan ciri-ciri pelanggan yang mempunyai kecenderungan berhenti dan menyediakan model untuk memberi bantuan pada manajer melakukan prediksi siapa pelanggan tersebut sehingga manajer bisa melakukan perancangan kampanye khusus dalam mempertahankan pelanggan. 4. Pengklasteran Pengklasteran bekerja dengan cara yang dilakukan klasifikasi saat tidak ada kelompok yang masih belum didefinisikan. Data mining akan membantu dalam menemukan pengelompokan berbeda di dalam data. 5. Peramalan Peramalan menggunakan rangkaian nilai yang ada dalam meramalkan berapa besar dari nilai lainnya. Penggunaan data mining yang terkenal adalah menyediakan analisis pola dalam data pelanggan yang terperinci bagi kampanye pemasaran one-to-one atau melakukan identifikasi pada pelanggan yang memberikan keuntungan. c. Teks Mining dan Web Mining Text mining (penelusuran teks) tersedia untuk memberikan bantuan pada bisnis dalam melakukan analisis data. Alat ini dapat melakukan pengekstrakan elemen kunci dari rangkaian data yang besar dan tidak terstruktur, menemukan pola dan hubungan, dan melakukan peringkasan informasi. Bisnis dapat beralih pada text mining dalam melakukan analisis transkrip dari panggilan kepada pusat layanan pelanggann untuk melakukan identifikasi layanan utama dan melakukan penyelesaian masalah atau untuk melakukan pengukuran pada pendapat pelanggan mengenai perusahaan. Perangkat lunak analisis sentimen (sentiment analysis) dapat menelusuri komentar teks dalam pesan surel, blog, percakapan dalam media sosial, atau bentuk survei dalam melakukan deteksi opini yang menyenangkan dan tidak menyenangkan mengenai topik bahasan. Web adalah sumber utama lain dari data besar yang tidak terstruktur dalam melakukan pengungkapan pola, kecenderungan, dan wawasan dalam perilaku konsumen. Penemuan dan analisis pola serta informasi yang memiliki manfaat dari World Wide Web disebut web mining. Bisnis akan beralih pada web mining untuk memberi bantuan dalam memahami perilaku konsumen, melakukan evaluasi atas efektifnya situs web, atau kuantitas keberhasilan kampanye pemasaaran.
6.3.4 Database dan Web
Gambar di atas memberikan ilustrasi mengenai bagaimana pelanggan mengakses database internal dari peritel melalui web. Pengguna mengakses peritel melalui internet menggunakan perangkat lunak browser web pada komputer kliennya. Browser web akan meminta data dari database organisasi dengan menggunakan perintah HTML dalam melakukan komunikasi dengan server web. Dikarenakan database back-end tidak bisa melakukan penerjemahan pada perintah tertulis di HTML maka server web mengirimkan permintaan data pada perangkat lunak yang menerjemahkan perintah HTML menjadi SQL sehingga pemrosessan perintah dengan DBMS yang bekerja sama dengan database. Pada lingkungan klien, DBMS disimpan pada komputer yang khusus disebut dengan server database (database server). Middleware akan melakukan pemindahan informasi dari database internal organisasi kembali ke server web untuk dikirimkan dalam bentuk laman web kepada pengguna. Gambar di atas memperlihatkan middleware bekerja diantara server web dengan DBMS dapat berupa server aplikasi yang bekerja pada komputer khusus. Server aplikasi melakukan penanganan pada semua operasional aplikasi, meliputi proses transaksi dan akses data antara komputer berbasis browser dengan aplikasi bisnis atau database back-end perusahaan. Server aplikasi mengambil permintaan dari server web, melaksanakan logika bisnis dalam melakukan pemrosesan transaksi yang didasarkan permintaan dan menyediakan konektivitas kepada sistem atau database back-end organisasi. Ada beberapa keuntungan dengan menggunakan web untuk melakukan akses database internal organisasi : 1. Penggunaan browser web lebih mudah daripada perangkat query yang dimiliki. 2. Tampilan web memerlukan perubahan atau tidak sama sekali terhadap database internal.