Kecerdasan Bisnis

Andrey Ferriyan
Week 2
Kriteria Penilaian

1. Kriteria penilaian 2. Tugas: 10%

a. Nilai A :>= 85 3. UTS: 25%
b. Nilai B+ :80 - 84 4. UAS: 25%
5. Partisipasi kelas: 10%
c. Nilai B :75 - 79
6. Final project: 30%
d. Nilai C+ :70 - 74
e. Nilai C :60 - 69
f. Nilai D :50 - 59
g. Nilai E :<50

2
Konsep KB

Gambar 2. Evolusi dari KB

(source: Decision Support and Business Intelligence, Efraim Turban) 3
Konsep KB
● Efektif bila digabungkan dengan data yang didapat dari market
tempat perusahaan beroperasi (data eksternal) dengan data dari
sumber internal bisnis seperti data operasi dan finansial
(data internal)
● Penggabungan data internal dan eksternal dapat menyediakan
data yang sangat lengkap
● Menciptakan insight baru yang tidak didapatkan dari kumpulan
data tunggal

4
Arsitektur dari KB

● Data warehouse (DW)

● Business analytics
● Business Performance Management
● User Interface (Dashboard)

5
Arsitektur dari KB

Gambar 3. Arsitektur dari KB

(source: Decision Support and Business Intelligence, Efraim Turban)
6
Data dan Informasi
Data: kumpulan keadaan yang menjelaskan karakteristik paling
mendasar mengenai sesuatu, benda, peristiwa, aktivitas dan
transaksi yg direkam.

- Terdiri dari internal (data korporat) atau eksternal

(komersial, Sensor dan Satelit (GIS), lembaga riset, bank,
dan lain-lain)

Informasi: data yang telah diolah menjadi sesuatu yang lebih

berarti dan bernilai.

7
Permasalahan pada Data
- Seorang executive membutuhkan membutuhkan data, informasi dan
pengetahuan
- Data mentah diperoleh secara manual atau menggunakan instrumen
(alat/sensor scanner/GPS/PDA/RFID) atau dari mana pun
- Garbage In Garbage Out

8
Permasalahan pada Data
- Contextual data quality (relevansi, nilai tambah, batasan
waktu, kelengkapan, dan jumlah data)
- Intrinsic data quality (akurasi, objektivitas, kemampuan
untuk dapat dipercaya, reputasi)
- Accessibility data quality (kemudahan akses, dan keamanan
akses)
- Representation data quality (pemahaman, kemampuan untuk
diinterpretasikan (representasi tepat dan konsisten)

9
Permasalahan pada Data

10
Data Warehouse

11
Pengantar Data Warehouse
- Sejak 1980s
- Meningkatnya data pada organisasi dengan signifikan
- SQL query sudah tidak mencukupi untuk memenuhi kebutuhan data
analysis (low query performance)
- Masalah pada kualitas data

12
Pengantar Data Warehouse (DW)

- Sebagai sebuah arsitektur data strategis untuk

melakukan analisis pendukung keputusan.
- Pemanfaatan sebagai data mining: kemampuan untuk
menggali sejumlah besar informasi untuk menemukan
memperoleh kebenaran-kebenaran tersembunyi dalam
data.
- Portal data sebagai UI (user interface) untuk DW

13
Kelebihan dari DW

- Menyimpan dan menganalisis sejumlah besar berbagai

macam data dan mengekstrak informasi dengan tetap
menyimpan data historis untuk pencatatan.
- Data berorientasi subjek. Fokus pada area tertentu.
- Kemampuan untuk integrasi data dari berbagai macam
sumber data
- Stabil
- Time-variant: data dapat langsung berubah seiring
dengan perubahan waktu

14
Arsitektur DW

(source: Decision Support and Business Intelligence, Efraim Turban)

15
Arsitektur DW
- Data source: Data bersumber dari beberapa sistem operasional
independen dan mungkin dari penyedia data eksternal (seperti
data sensus dari pemerintah).
- Data extraction and transformation: Data diekstraksi dan
ditransformasikan dengan benar menggunakan ETL.
- Data loading: Data dimuat pada staging area, di mana mereka
ditransformasikan dan dibersihkan.
- Metadata: mendeskripsikan konten dari data warehouse, membantu
dalam mengkonversi data menjadi informasi/pengetahuan.
- Enterprise DW: Sebuah DW dengan skala enterprise yang
digunakan untuk mendukung pengambilan keputusan.

16
Arsitektur DW
- Data mart: adalah sebuah data warehouse yang lebih
kecil (per departemen). Ada dua jenis data mart:
- 1) Dependent data mart, sebuah subset yang diturunkan
langsung dari data warehouse;
- 2) Independent data mart, sebuah data warehouse kecil yang
khusus didesain untuk suatu unit bisnis atau departemen
- Operational data stores (ODS): short-term DW

17
Arsitektur Sistem Informasi yang digunakan DW

(source: Decision Support and Business Intelligence, Efraim Turban) 18

Arsitektur Sistem Informasi yang digunakan DW

(source: Decision Support and Business Intelligence, Efraim Turban)

19
DW dari sisi Sistem Informasi

20
Pemilihan arsitektur dari DW
1. DBMS (Database Management System) yang digunakan
2. Apakah ada parallel processing dan/atau partitioning
yang akan digunakan?. Apa jenis partitioning yang
digunakan?
3. Apa data migration tools yang digunakan untuk mengisi
DW?
4. Apa saja tools yang digunakan untuk mendukung
pengambilan data dan analisis yang digunakan?

21
Membersihkan Data
1. Ketika menggunakan DW
2. Data quality action plan
3. Best practices untuk kualitas data
4. Evaluasi hasil

22
Integritas Data
1. Uniformity (keseragaman)
2. Version (pemeriksaan versi ketika diubah
menggunakan metadata dan memastikan data
asli tidak berubah)
3. Completeness check (periksa kelengkapan)
4. Conformity check (periksa konsistensi)
5. Genealogy or drill-down (turunan)

23
Kegagalan dari implementasi DW
1. Hanya fokus pada sisi penerapan /
implementasi teknis
2. Tidak fokus pada end-user (lupa pada apa
yang diinginkan dari customer)
3. Tidak fokus pada delivering value
4. Data di lead oleh orang IT (terlalu fokus
pada implementasi)
5. Kesalahan dalam mendiagnosa permasalahan
24