OLAP
OLAP adalah sistem Pemrosesan Analitik Online. Database OLAP menyimpan data
historis yang telah diinput oleh OLTP. Hal ini memungkinkan pengguna untuk melihat
ringkasan yang berbeda dari data multi-dimensi. Menggunakan OLAP, Anda dapat
mengekstrak informasi dari database besar dan menganalisisnya untuk pengambilan
keputusan.
OLAP juga memungkinkan pengguna untuk mengeksekusi kueri kompleks untuk
mengekstrak data multidimensi. Di OLTP bahkan jika transaksi gagal di tengah, itu
tidak akan merusak integritas data karena pengguna menggunakan sistem OLAP untuk
mengambil data dari database besar untuk dianalisis. Cukup pengguna dapat
menjalankan kueri lagi dan mengekstrak data untuk analisis.
Transaksi di OLAP panjang dan karenanya membutuhkan lebih banyak waktu untuk
diproses dan membutuhkan ruang yang besar. Transaksi di OLAP lebih jarang
dibandingkan dengan OLTP. Bahkan tabel dalam database OLAP mungkin tidak
dinormalisasi. Contoh untuk OLAP adalah untuk melihat laporan keuangan, atau
penganggaran, manajemen pemasaran, laporan penjualan, dll.
Perbedaan OLTP dan OLAP
1) Yang membedakan OLTP dan OLAP adalah OLTP merupakan sistem transaksi
online sedangkan OLAP adalah sistem pengambilan dan analisis data online.
2) Data transaksi online menjadi sumber data OLTP. Namun, database OLTP yang
berbeda menjadi sumber data untuk OLAP.
3) Operasi utama OLTP adalah menyisipkan, memperbarui, dan menghapus
sedangkan, operasi utama OLAP adalah mengekstrak data multidimensi untuk
analisis.
4) OLTP memiliki transaksi yang pendek tetapi sering sedangkan, OLAP memiliki
transaksi yang panjang dan lebih jarang.
5) Waktu pemrosesan untuk transaksi OLAP lebih banyak dibandingkan dengan
OLTP.
6) Kueri OLAP lebih kompleks sehubungan dengan OLTP.
7) Tabel di database OLTP harus dinormalisasi (3NF) sedangkan tabel di database
OLAP mungkin tidak dinormalisasi.
8) Karena OLTP sering melakukan transaksi dalam basis data, jika ada transaksi
yang gagal di tengah, itu dapat merusak integritas data dan karenanya harus
menjaga integritas data. Sementara di OLAP transaksi lebih jarang, tidak terlalu
mengganggu integritas data.
Pemodelan data vault merupakan pemodelan yang cocok untuk pemodelan enterprise
data warehouse karena data vaultbersifat historical.
1) Star Schema
Paradigma pemodelan yang paling umum adalah star schema, yang terdiri dari tabel
pusat yang besar (fact table) yang berisi bagian terpenting dari data, dan
sekumpulan tabel pembantu (dimension table) yang mana satu untuk setiap
dimensi. Grafik dari star schema menyerupai bintang besar. Tabel dimensi
ditampilkan dalam pola lingkaran sekitar pusat fact table.
2) Snowflake Schema
Snowflake schema merupakan pengembangan dari star schema dengan tambahan
beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta.
Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain. Perbedaan
lainnya terletak pada normalisasi data dan jumlah tabel. Pada snowflake
schema tabel dimensi dinormalisasi secara sebagian atau keseluruhan untuk
mengurangi nilai duplikat pada tabel.
3) Fact constellations
Pada skema ini terdapat beberapa tabel fakta yang menggunakan satu atau beberapa
tabel dimensi secara bersama-sama sehingga jika digambarkan akan terlihat seperti
sekumpulan bintang. Skema ini juga dikenal dengan galaxy schema.
4) Data Vault Modeling
Data vault modeling adalah pemodelan yang menjelaskan keseluruhan data secara
rinci dan menyimpan sejarah perubahan data melalui sekumpulan tabel normal
dengan hubungan yang unik yang mendukung satu atau lebih fungsi area bisnis. Ini
adalah pendekatan yang meliputi bentuk normal 3 (3NF) dan star schema.
Desainnya fleksibel, konsisten dan mudah beradaptasi dengan kebutuhan
perusahaan. Data vault adalah model data yang cocok khususnya untuk memenuhi
kebutuhan data warehouse perusahaan saat ini.
Terima Kasih.