NIM : 21911021
Analasis membedakan bisnis di abad ke-21. Data transaksional, sosial, seluler, cloud,
web, dan sensor menawarkan potensi yang sangat besar. Namun tanpa alat untuk
menganalisis jenis dan volume data ini, tidak akan ada banyak perbedaan antara bisnis di
abad ke-20 dan bisnis saat ini, kecuali untuk akses seluler. Data berkualitas tinggi dan
keahlian manusia sangat penting untuk nilai analitis. Basis data, gudang data, big data, dan
teknologi business intelligence (BI) berinteraksi untuk menciptakan ekosistem biz-tech baru.
Analitik big data dan BI menemukan wawasan atau hubungan kepentingan yang mungkin
tidak dikenali. Mereka memungkinkan manajer untuk membuat keputusan dan bertindak
dengan jelas, cepat, dan percaya diri. Analisis big data bukan hanya tentang mengelola lebih
banyak atau beragam data. Sebaliknya, ini tentang mengajukan pertanyaan baru, merumuskan
hipotesis baru, eksplorasi dan penemuan, dan membuat keputusan berdasarkan data. Pada
akhirnya, sebagian besar upaya analitik big data adalah penggunaan teknik analitik baru.
Fungsi DBMS
Diperlukan tampilan data yang akurat dan konsisten diseluruh perusahaan sehingga
seseorang dapat membuat keputusan yang terinformasi dan dapat ditindaklanjuti yang
mendukung strategi bisnis. Fungsi yang dilakukan oleh DBMS untuk membantu membuat
tampilan seperti itu adalah:
1. Penyaringan dan pembuatan profil data: Memproses dan menyimpan data secara
efisien. Periksa data untuk kesalahan, inkonsistensi, redundansi, dan informasi yang
tidak lengkap.
2. Integritas dan pemeliharaan data: Mengoreksi, menstandarkan, dan memverifikasi
konsistensi dan integritas data.
3. Sinkronisasi data: Mengintegrasikan, mencocokkan, atau menautkan data dari sumber
yang berbeda.
4. Keamanan data: Periksa dan kendalikan integritas data dari waktu ke waktu.
5. Akses data: Menyediakan akses resmi ke data dengan cara terencana dan ad hoc
dalam waktu yang dapat diterima.
Faktor Yang Menentukan Kinerja DBMS
Faktor-faktor yang perlu dipertimbangkan ketika mengevaluasi kinerja database
adalah sebagai berikut.
1. Latensi data adalah waktu yang berlalu (atau penundaan) antara saat data dibuat dan
saat tersedia untuk pelaporan.
2. Kemampuan untuk menangani volatilitas data. Basis data memiliki kekuatan
pemrosesan untuk menangani volatilitas data. Tingkat dimana data ditambahkan,
diperbarui, atau dihapus menentukan beban kerja yang harus dapat dikontrol oleh
database untuk mencegah masalah dengan tingkat respon terhadap kueri.
3. Waktu respon permintaan. Volume data memengaruhi waktu respon terhadap kueri
dan eksplorasi data. Banyak database data pra tahap yaitu, meringkas atau
menghitung hasil sebelumnya, sehingga kueri memiliki tingkat respon yang lebih
cepat.
4. Konsistensi data. Konsistensi langsung berarti bahwa segera setelah data diperbarui,
tanggapan terhadap setiap kueri baru akan mengembalikan nilai yang diperbarui.
Dengan konsistensi akhirnya, tidak semua respon kueri akan mencerminkan
perubahan data secara seragam. Hasil kueri yang tidak konsisten dapat menyebabkan
masalah serius untuk analisis yang bergantung pada data yang akurat.
5. Prediktabilitas kueri. Semakin besar jumlah kueri ad hoc atau tak terduga, semakin
fleksibel database yang dibutuhkan. Manajemen kinerja database atau kueri lebih sulit
ketika beban kerja sangat tidak terduga sehingga tidak dapat dipersiapkan
sebelumnya. Kemampuan untuk menangani beban kerja adalah kriteria yang paling
penting ketika memilih database.
Kerugian utama dari database terpusat, seperti semua sistem terpusat, adalah
penundaan transmisi ketika pengguna tersebar secara geografis. Perangkat keras dan jaringan
yang lebih kuat mengimbangi kerugian ini.
Daftar Pustaka
Turban, E., L. Volonino, and G.R. Wood. (2015). Information Technology for Management:
Digital Strategies for Insight, Action, and Sustainable Performance 10th Ed. Danvers, MA:
John Wiley and Sons.