Kecerdasan Bisnis

Andrey Ferriyan
Week 3
Arsitektur dari KB

● Data warehouse (DW)

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

2
In-depth Data Warehouse (DW)

3
Apa itu DW?
- DW adalah sebuah relational database yang di desain untuk
melakukan query dan analisis dan bukan untuk pemrosesan
transaksi.
- DW menyimpan data sekarang dan masa lampau yang diambil dari
berbagai sumber.
- DW memisahkan antara beban kerja analisis dari beban kerja
transaksi yang memungkinkan sebuah organisasi menggabungkan
data dari berbagai sumber.

4
Review DW
- 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

5
Review DW

- Sebagai sebuah arsitektur data strategis untuk

mendukung analisis dalam pengambilan keputusan dan
bukan untuk melaksanakan proses transaksi.
- 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

6
Operasi dari DW

- Extraction, transportation, transformation, loading

solution (ETL), Online Analytical Processing (OLAP),
client analysis tool, aplikasi yang mengatur proses
pengumpulan data dan mengirimkan ke business user.
- Contoh: data penjualan pada sebuah perusahaan. DW dapat
menjawab,
- “Jumlah barang yang laris dalam 4 tahun terakhir”
- “Siapa pelanggan paling banyak pada akhir tahun?”

7
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

8
Perbedaan DW dengan OLTP (Online Transaction Processing)

Perbedaan utama terletak pada bentuk normalisasi data

9
Perbedaan DW dengan OLTP (Online Transaction Processing)
1. Beban kerja (workload)
a. DW didesain untuk menampung query dalam jumlah besar
b. OLTP hanya mendukung operasi tertentu
2. Data modification
a. DW melakukan update secara periodik (hari, pekan,
bulan). User tidak secara langsung melakukan update
data.
b. Pada OLTP, update dilakukan secara rutin dan langsung
3. Desain Schema
a. DW bisa tidak ternormalisasi atau sebagian
b. OLTP dilakukan normalisasi untuk kebutuhan konsistensi
data
10
Perbedaan DW dengan OLTP (Online Transaction Processing)
4. Karakteristik operasi

a. DW menjalankan query dengan banyak baris (dari ratusan

hingga jutaan). Contoh: kalkulasi jumlah penjualan pada
dua tahun terakhir.
b. OLTP hanya melakukan eksekusi pada 1 record. Contoh:
mencari customer dengan pemesanan tertentu

5. Data History

a. DW menyimpan data selama beberapa bulan hingga tahun

dengan tujuan untuk mendukung proses analisis
b. OLTP menyimpan data hanya beberapa pekan atau bulan
11
Arsitektur DW

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

12
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.

13
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

14
Arsitektur DW dengan lebih sederhana

(source: Architecture of Data Warehouse, Oracle 10gR2 documentation)

15
Arsitektur DW with staging area

Staging area
menyederhanakan
proses summary dan
management DW secara
umum

(source: Architecture of Data Warehouse, Oracle 10gR2 documentation)

16
Arsitektur DW with staging area dan data marts
Kustomisasi
arsitektur DW untuk
tiap grup

Data marts = DW versi

lebih kecil

(source: Architecture of Data Warehouse, Oracle 10gR2 documentation)

17
Sumber Data DW dan fungsi
- Sumber data internal: data operasional organisasi.
Contoh: basis data pelanggan, penjualan, inventory.
- Sumber data eksternal: basis data penyetok barang,
pelanggan

- DW: data dari sumber internal dan eksternal digabungkan

dan diproses oleh SysAdmin / DB Admin / Manajer DW dan
disimpan dalam basis data tersendiri.
- OLAP: tools dari OLAP yang bekerja baik untuk data
mining dengan mengakses ke DW
18
Data flow dari DW

Sumber Data Internal

Sumber Manajer OLAP

Data 1 DW
Sumber
Data 3
Sumber Data
Data 2 Mining

Reporting
Sumber Data DW
Eksternal

19
Sifat dari DW

(source: Oracle OLAP documentation)

Multidimensional: terdapat
banyak kolom dan baris
20
Sifat dari DW

21
Data Mart

22
Data Mart
- Data mart adalah versi simpel dari DW yang fokus pada 1
bidang dalam organisasi.
- Data mart fokus pada kebutuhan-kebutuhan pemakai yang
terkait dalam sebuah departemen atau fungsi bisnis.
Contoh: keuangan, penjualan, marketing.
- Data mart biasanya tidak mengandung data operasional
yang rinci seperti pada data warehouse.
- Data mart hanya mengandung sedikit informasi
dibandingkan dengan data warehouse. Data mart lebih
mudah dipahami dan dinavigasi.

23
Kenapa Data Mart dibutuhkan?
Contoh kasus:
Tim marketing perusahaan membutuhkan data untuk improvisasi
marketing mereka saat adanya hari libur, atau hari-hari
besar.

24
Keunggulan dari Data Mart
- Dari satu sumber
- Cepat dalam pengaksesan
- Mempercepat dalam mendapatkan insight yang berujung pada
mempercepat dalam pengambilan keputusan
- Lebih simpel dan mudah dalam implementasi
- Lebih scalable dan agile dalam manajemen

25