Nama : Ilham Attamimi Scenda Putra

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.

Sistem Manajemen Basis Data

Data adalah kekuatan pendorong di balik setiap bisnis yang sukses. Operasi,
perencanaan, kontrol, dan semua fungsi manajemen lainnya sangat bergantung pada
informasi yang diproses, bukan data mentah. Teknologi manajemen data yang terus memberi
informasi kepada pengguna dan mendukung berbagai tuntutan bisnis adalah sebagai berikut:
1. Database menyimpan data yang dihasilkan oleh aplikasi bisnis, sensor, operasi, dan
transaction processing systems (TPS) atau sistem pemrosesan transaksi. Data dalam
database sangat fluktuatif. Perusahaan menengah dan besar biasanya memiliki banyak
database dari berbagai jenis. Database adalah kumpulan set data atau catatan yang
disimpan dengan cara yang sistematis.
2. Gudang data mengintegrasikan data dari beberapa database dan silo data, dan
mengaturnya untuk analisis kompleks, penemuan pengetahuan, dan untuk mendukung
pengambilan keputusan. Misalnya, data diekstraksi dari database, diproses untuk
menstandarisasi formatnya, dan kemudian dimuat ke gudang data pada waktu tertentu,
seperti mingguan. Dengan demikian, data dalam gudang data tidak mudah berubah
dan siap untuk dianalisis.
 3. Data mart adalah gudang data skala kecil yang mendukung satu fungsi atau satu
departemen. Perusahaan yang tidak mampu berinvestasi dalam pergudangan data
dapat memulai dengan satu atau lebih data mart.
4. Business intelligence (BI) alat dan teknik memproses data dan melakukan analisis
statistik untuk mengetahui dan menemukan hubungan yang bermakna dalam data,
tetap mendapat informasi secara real time, mendeteksi tren, dan mengidentifikasi
peluang dan risiko.
Database management systems (DBMSs) atau sistem manajemen basis data
terintegrasi dengan sistem pengumpulan data seperti TPS dan aplikasi bisnis; menyimpan
data dengan cara yang terorganisir; dan menyediakan fasilitas untuk mengakses dan
mengelola data tersebut. Manajemen basis data sistem adalah perangkat lunak yang
digunakan untuk mengelola penambahan, pembaruan, dan penghapusan data saat transaksi
terjadi, dan untuk mendukung kueri dan pelaporan data.
Relational management systems (RDBMSs) atau sistem manajemen relasional
menyediakan akses ke data menggunakan bahasa deklaratif atau bahasa kueri terstruktur
(SQL). Bahasa deklaratif menyederhanakan akses data dengan mengharuskan pengguna
hanya menentukan data apa yang ingin mereka akses tanpa menentukan bagaimana akses
akan dicapai.

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.

Pemrosesan Transaksi Online dan Pemrosesan Analisis Online

Mengingat fungsinya, DBMS disebut sebagai online transaction-processing (OLTP)
atau sistem pemrosesan transaksi online. OLTP adalah desain database yang memecah
informasi kompleks menjadi tabel data yang lebih sederhana untuk mencapai keseimbangan
antara efisiensi pemrosesan transaksi dan efisiensi kueri. Namun, database tidak dapat
dioptimalkan untuk penambangan data, sistem pemrosesan analitik online kompleks (OLAP),
dan dukungan keputusan.
Keterbatasan ini menyebabkan pengenalan teknologi data warehouse. Gudang data
dan data mart dioptimalkan untuk OLAP, penambangan data, BI, dan dukungan keputusan.
OLAP adalah istilah yang digunakan untuk menggambarkan analisis data kompleks dari
gudang data. Singkatnya, database dioptimalkan untuk pemrosesan transaksi dan pemrosesan
kueri yang sangat cepat. Gudang data dioptimalkan untuk analisis.

Arsitektur Database Terpusat

Basis data terpusat menyimpan semua file terkait di lokasi pusat. Selama beberapa
dekade platform database utama terdiri dari file database terpusat pada komputer mainframe
besar. Manfaat konfigurasi database terpusat meliputi:
1. Kontrol kualitas data yang lebih baik. Konsistensi data lebih mudah ketika data
disimpan di satu lokasi fisik karena penambahan, pembaruan, dan penghapusan data
dapat dilakukan dengan cara yang terawasi dan teratur.
2. Keamanan TI yang lebih baik. Data diakses melalui komputer host terpusat, di mana
mereka dapat dilindungi dengan lebih mudah dari akses atau modifikasi yang tidak
sah.

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.

Arsitektur Database Terdistribusi

Sistem basis data terdistribusi memungkinkan aplikasi di komputer dan ponsel
mengakses data dari basis data lokal dan jarak jauh. Database terdistribusi menggunakan
arsitektur klien/server untuk memproses permintaan informasi. Komputer dan perangkat
seluler yang mengakses server disebut klien. Basis data disimpan di server yang berada di
pusat data perusahaan, cloud pribadi, atau cloud publik.

Siklus Hidup Data Dan Prinsip Data

Siklus hidup data adalah model yang menggambarkan cara perjalanan data melalui
suatu organisasi. Tiga prinsip data umum terkait dengan perspektif siklus hidup data dan
membantu memandu keputusan investasi TI:
1. Prinsip nilai data yang semakin berkurang. Nilai data berkurang seiring bertambahnya
usia. Ini adalah prinsip yang sederhana, namun kuat. Sebagian besar organisasi tidak
dapat beroperasi pada kinerja puncak dengan titik buta (kurangnya ketersediaan data)
selama 30 hari atau lebih. Lembaga jasa keuangan global mengandalkan data yang
mendekati waktu nyata untuk kinerja puncak.
2. Prinsip penggunaan data 90/90. Menurut prinsip penggunaan data 90/90, sebagian
besar data yang disimpan, setinggi 90 persen, jarang diakses setelah 90 hari (kecuali
 untuk tujuan audit). Artinya, sekitar 90 persen data kehilangan sebagian besar nilainya
setelah 3 bulan.
3. Prinsip data dalam konteks. Kemampuan untuk menangkap, memproses, memformat,
dan mendistribusikan data dalam waktu dekat atau lebih cepat memerlukan investasi
besar dalam arsitektur data dan infrastruktur untuk menghubungkan sistem POS jarak
jauh ke penyimpanan data, sistem analisis data, dan aplikasi pelaporan. Investasi
tersebut dapat dibenarkan dengan prinsip bahwa data harus diintegrasikan, diproses,
dianalisis, dan diformat menjadi informasi yang dapat ditindaklanjuti.

Gudang Data dan Analisis Big Data

Big Data dapat memiliki dampak dramatis pada keberhasilan perusahaan mana pun,
atau dapat menjadi pengeluaran besar dengan kontribusi rendah. Namun, kesuksesan tidak
dicapai dengan teknologi saja. Keberhasilan juga bergantung pada bagaimana kita
menghindari asumsi yang tidak valid, yang dapat dilakukan dengan menguji asumsi selama
analisis.
Data tidak berharga jika Anda tidak dapat menganalisis, menafsirkan, memahami, dan
menerapkan hasilnya dalam konteks. Hal ini memunculkan beberapa tantangan:
1. Data perlu disiapkan untuk analisis, misalnya, data yang tidak lengkap atau duplikat
perlu diperbaiki.
2. Data kotor menurunkan nilai analitik. “Kebersihan” data sangat penting untuk proyek
penambangan dan analisis data. Analis mengeluh bahwa analitik data seperti
pekerjaan kebersihan karena mereka menghabiskan begitu banyak waktu untuk proses
manual yang rawan kesalahan untuk membersihkan data. Volume dan variasi data
yang besar berarti lebih banyak data yang kotor dan lebih sulit untuk ditangani.
3. Data harus dimasukkan ke dalam konteks yang berarti. Jika analisis atau kumpulan
data yang digunakan salah, hasilnya akan menjadi tidak masuk akal.
Gudang data yang mengumpulkan data dari sumber dan basis data yang berbeda di
seluruh perusahaan disebut gudang data perusahaan (enterprise data warehouses/EDW).
Tingginya biaya gudang data dapat membuatnya terlalu mahal untuk diterapkan oleh
perusahaan. Data mart adalah versi yang diperkecil dan berbiaya lebih rendah yang dapat
diimplementasikan dalam waktu yang jauh lebih singkat, misalnya, dalam waktu kurang dari
90 hari.
Ringkasan Perbedaan Antara Database dan Gudang Data
a. Database:
1) Dirancang dan dioptimalkan untuk memastikan bahwa setiap transaksi dicatat dan
disimpan dengan segera.
2) Tidak stabil karena data terus diperbarui, ditambahkan, atau diedit.
3) Sistem OLTP.
b. Gudang Data:
1) Dirancang dan dioptimalkan untuk analisis dan respons cepat terhadap pertanyaan.
2) Tidak mudah menguap. Stabilitas ini penting untuk dapat menganalisis data dan
membuat perbandingan. Saat data disimpan, data tersebut mungkin tidak akan
pernah diubah atau dihapus untuk melakukan analisis tren atau membuat
perbandingan dengan data yang lebih baru.
3) Sistem OLAP.
4) Berorientasi subjek, yang berarti bahwa data yang diambil diatur untuk memiliki
data serupa yang dihubungkan bersama.

Prosedur untuk Mempersiapkan Data EDW untuk Analisis

Sebaliknya, data di gudang relatif stabil, sesuai kebutuhan untuk analisis. Oleh karena
itu, pilih data yang dipindahkan dari database ke gudang. Secara khusus, datanya adalah:
● Diambil dari database yang ditunjuk.
● Ditransformasikan dengan menstandardisasi format, membersihkan data,
mengintegrasikannya.
● Dimuat ke dalam gudang data.

Data Warehousing Mendukung Tindakan serta Keputusan

Banyak organisasi membangun gudang data karena mereka frustrasi dengan data yang
tidak konsisten yang tidak dapat mendukung keputusan atau tindakan. Dilihat dari perspektif
ini, data warehouse adalah investasi infrastruktur yang dilakukan perusahaan untuk
mendukung operasi yang sedang berlangsung dan yang akan datang, seperti:
1. Pemasaran dan penjualan. Membuat orang tetap mendapat informasi tentang status
produk, efektivitas program pemasaran, dan profitabilitas lini produk; dan
memungkinkan mereka mengambil tindakan cerdas untuk memaksimalkan
profitabilitas per pelanggan.
 2. Harga dan kontrak. Menghitung biaya secara akurat untuk mengoptimalkan harga
kontrak. Tanpa data biaya yang akurat, harga mungkin di bawah atau terlalu dekat
dengan biaya; atau harga mungkin tidak kompetitif karena terlalu tinggi.
3. Peramalan. Memperkirakan permintaan pelanggan untuk produk dan layanan.
4. Penjualan. Menghitung profitabilitas dan produktivitas penjualan untuk semua
wilayah dan wilayah; menganalisis hasil berdasarkan geografi, produk, grup
penjualan, atau individu.
5. Keuangan. Menyediakan data waktu nyata untuk persyaratan kredit yang optimal,
analisis portofolio, dan tindakan yang mengurangi risiko atau beban piutang tak
tertagih.

Analisis Big Data dan Penemuan Data

Analisis data membantu pengguna menemukan wawasan. Wawasan ini
dikombinasikan dengan keahlian manusia memungkinkan orang untuk mengenali hubungan
yang bermakna dengan lebih cepat atau mudah; dan lebih jauh lagi, menyadari implikasi
strategis dari situasi ini. Bayangkan mencoba memahami data yang cepat dan luas yang
dihasilkan oleh kampanye media sosial di Facebook atau oleh sensor yang dipasang pada
mesin atau objek. Sensor berbiaya rendah memungkinkan untuk memantau semua jenis hal
fisik, sementara analitik memungkinkan untuk memahami data tersebut untuk mengambil
tindakan secara real time. Misalnya, data sensor dapat dianalisis secara real time:
1. Untuk memantau dan mengatur suhu dan kondisi iklim makanan yang mudah rusak
saat diangkut dari peternakan ke supermarket.
2. Untuk mengendus tanda-tanda pembusukan buah-buahan dan sayuran mentah dan
mendeteksi risiko kontaminasi e-coli.
3. Untuk melacak kondisi mesin yang beroperasi dan memprediksi kemungkinan
kegagalan.
4. Untuk melacak keausan mesin dan menentukan kapan perawatan preventif
diperlukan.

Penambangan Data dan Teks

Penambangan data dan teks digunakan untuk menemukan pengetahuan yang
sebelumnya tidak Anda ketahui ada dalam basis data. Analisis bisnis menggambarkan seluruh
fungsi penerapan teknologi, algoritme, keahlian manusia, dan penilaian. Penambangan data
dan teks adalah teknik analitik khusus.
 Perangkat lunak penambangan data memungkinkan pengguna untuk menganalisis
data dari berbagai dimensi atau sudut, mengkategorikannya, dan menemukan korelasi atau
pola di antara bidang-bidang di gudang data. Penambangan teks adalah kategori luas yang
melibatkan penafsiran kata dan konsep dalam konteks. Penambangan teks membantu
perusahaan memanfaatkan ledakan opini pelanggan yang diungkapkan secara online.
Komentar sosial dan media sosial sedang ditambang untuk analisis sentimen atau untuk
memahami maksud konsumen.

Business Inteligence (BI)

Bidang BI dimulai pada akhir 1980-an dan telah menjadi kunci keunggulan kompetitif
diseluruh industri dan di perusahaan dari semua ukuran. Apa yang dimulai sebagai alat untuk
mendukung departemen penjualan, pemasaran, dan layanan pelanggan telah berkembang
secara luas menjadi platform strategis seluruh perusahaan. Selain sistem BI digunakan dalam
manajemen operasional divisi dan proses bisnis, BI juga digunakan untuk mendukung
pengambilan keputusan strategis perusahaan.

Manfaat Business Inteligence (BI)

BI menyediakan data di momen berharga untuk pembuat keputusan yang
memungkinkannya untuk mengekstrak fakta penting dari data perusahaan secara real time
atau mendekati real time. Solusi BI dengan dasbor yang dirancang dengan baik, misalnya,
memberi pengecer visibilitas yang lebih baik ke inventaris untuk membuat keputusan yang
lebih baik tentang apa yang harus dipesan, berapa banyak, dan kapan untuk mencegah
kehabisan stok atau meminimalkan inventaris yang ada di rak gudang.
Perusahaan menggunakan solusi BI untuk menentukan pertanyaan apa yang harus
diajukan dan menemukan jawabannya. Alat BI mengintegrasikan dan mengkonsolidasikan
data dari berbagai sumber internal dan eksternal dan kemudian memprosesnya menjadi
informasi untuk membuat keputusan yang cerdas. BI menjawab pertanyaan seperti ini:
1. Produk mana yang memiliki tingkat penjualan berulang tertinggi dalam enam bulan
terakhir?
2. Apakah kesukaan pelanggan di Facebook berhubungan dengan pembelian produk?
3. Bagaimana tren penjualan dibagi berdasarkan kelompok produk selama lima tahun
terakhir?
4. Seperti apa penjualan harian di setiap wilayah penjualan saya?
Dalam hal ini, sebagai contoh, dari sumber internal bisa diambil dari dashboard
memberarea yang menampung data pelanggan, jumlah penjualan, produk terlaris, dan
sebagainya. Sedang dari sumber eksternal, contohnya adalah fitur facebook ad library yang
memungkinkan untuk menganalisa apa saja model promosi yang dilakukan pesaing, sehinga
bisa dianalisa sudah sejauh mana pangkah pesaing dalam melakukan promosi yang nantinya
bisa juga ditiru dan dimodifikasi.

Tantangan Umum: Pemilihan Data dan Kualitas Data

Perusahaan tidak dapat menganalisis semua data mereka, dan sebagian besar tidak
akan menambah nilai. Oleh karena itu, tantangan tanpa akhir adalah bagaimana menentukan
data mana yang akan digunakan untuk BI dari opsi yang tampaknya tidak terbatas
(Schroeder, 2013). Salah satu tujuan strategi BI adalah menyediakan kerangka kerja untuk
memilih data yang paling relevan tanpa membatasi pilihan untuk mengintegrasikan sumber
data baru. Informasi yang berlebihan merupakan masalah utama bagi eksekutif dan
karyawan. Tantangan umum lainnya adalah kualitas data, terutama yang berkaitan dengan
informasi online, karena sumber dan keakuratannya mungkin tidak dapat diverifikasi.

Manajemen Arsip Elektronik

Semua organisasi membuat dan mempertahankan catatan bisnis. Catatan adalah
dokumentasi dari peristiwa bisnis, tindakan, keputusan, atau transaksi. Contohnya adalah
kontrak, penelitian dan pengembangan, dokumen sumber akuntansi, memo, komunikasi
pelanggan/klien, keputusan perekrutan dan promosi, notulen rapat, posting sosial, teks, email,
konten situs web, catatan database, dan file kertas dan elektronik. Dokumen bisnis seperti
spreadsheet, pesan email, dan dokumen pengolah kata adalah jenis catatan. Sebagian besar
arsip disimpan dalam format elektronik dan dipelihara sepanjang siklus hidupnya mulai dari
pembuatan hingga pengarsipan akhir atau pemusnahan oleh electronic records management
(ERM) system atau sistem manajemen catatan elektronik.
Sistem ERM terdiri dari perangkat keras dan perangkat lunak yang mengelola dan
mengarsipkan dokumen elektronik dan dokumen kertas gambar, kemudian mengindeks dan
menyimpannya sesuai dengan kebijakan perusahaan. Misalnya, perusahaan mungkin
diwajibkan oleh hukum untuk menyimpan dokumen keuangan setidaknya selama tujuh tahun,
desain produk untuk banyak dekade, dan pesan email tentang promosi pemasaran selama
setahun. Alat ERM utama adalah perangkat lunak alur kerja, alat pembuat, pemindai, dan
basis data. Sistem ERM memiliki kemampuan query dan pencarian sehingga dokumen dapat
diidentifikasi dan diakses seperti data dalam database. Sistem ini berkisar dari yang dirancang
untuk mendukung kelompok kerja kecil hingga sistem perusahaan yang mendukung Web
dengan fitur lengkap.
Manfaat ERM
Departemen atau perusahaan yang karyawannya menghabiskan sebagian besar
waktunya untuk mengarsipkan atau mengambil dokumen atau menyimpan catatan kertas
dapat mengurangi biaya secara signifikan dengan ERM. Sistem ini meminimalkan inefisiensi
dan frustrasi yang terkait dengan pengelolaan dokumen kertas dan alur kerja. Namun, mereka
tidak membuat kantor tanpa kertas seperti yang diperkirakan sebelumnya.
ERM dapat membantu bisnis menjadi lebih efisien dan produktif dengan:
1. Memungkinkan perusahaan untuk mengakses dan menggunakan konten yang terdapat
dalam dokumen.
2. Memotong biaya tenaga kerja dengan mengotomatisasi proses bisnis.
3. Mengurangi waktu dan upaya yang diperlukan untuk menemukan informasi yang
dibutuhkan bisnis untuk mendukung pengambilan keputusan.
4. Meningkatkan keamanan konten, sehingga mengurangi risiko pencurian kekayaan
intelektual.
5. Meminimalkan biaya yang terkait dengan pencetakan, penyimpanan, dan pencarian
konten.

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.