• Bill Inmon (William Harvey Inmon) 1970 • Buku: Building the Data Warehouse • Fokus: proses pembentukan Data Warehouse • “Sekumpulan data dari berbagai sumber yang digudangkan memiliki 6 sifat” berupa: • Berorientasi subjek • Terintegrasi • Berorientasi proses • Time-variant • Dapat diakses dengan mudah • Non-volatile Definisi Data Warehouse (2) • Ralph Kimball • Buku: Data Warehouse Toolkit • Fokus: fungsionalitas Data Warehouse • “Sistem pengumpulan data transaksional dari berbagai sumber data, yang mengutamakan 2 hal yaitu Query dan Analisa data” • Definisi ini kelak menjadikan dua buah istilah untuk teknologi transaksi data (OLTP) dan analaisa data (OLAP) Tujuan Data Warehouse Mukesh Kumar 1. Memudahkan pengaksesan informasi milik organisasi 2. Menjaga privasi/keamanan informasi milik organisasi 3. Membantu pengambilan keputusan pada organisasi 4. Mendukung perubahan pada organisasi 5. Meningkatkan kualitas dan konsistensi informasi pada organisasi Data Warehouse vs Database Data warehouse Database Menyimpan data dan informasi, serta menggabungkan Hanya menyimpan data dan informasi dua database atau lebih Tidak ada proses manipulasi data, data bersifat tetap Terjadi proses manipulasi data (insert, delete, update, edit) Bersifat OLAP Bersifat OLTP Berada pada satu layer di atas layer untuk database Berjalan pada Application Layer di dalam jaringan komputer Waktu pemakaian lebih singkat (berorientasi subjek) Lebih lama kurun waktu pemanfaatannya (berorientasi objek) Tren dan Peluang Data Warehouse • John Foley (Oracle) 1. Tren Datafication 2. Big Data (Apache Hadoop) 3. Customer Experience 4. Peran di Dunia Bisnis 5. Kemudahan analisis data 6. In Memory Technologies 7. Kompresi data skala tinggi 8. On Demand Analytic dan Information Discovery 9. Konsolidasi fisik dan logik untuk efisiensi biaya 10. System engineering dan manajemen informasi skala besar Datafication • Prof Yike Guo (Data Science Institute Imperial College London) • “Bentuk pemanfaatan teknologi informasi untuk mendigitalkan segala aspek kehidupan sehari-hari ke dalam bentuk data untuk kemudian diolah menjadi informasi” • Menuntun terciptanya Data Science: bidang keilmuan dimana data menjadi sedemikian pentingnya sebagai sumber dan bahan penelitian maupun produk penelitian. Layer Arsitektur Data Warehouse • Ken Orr (1999) 1. Operational Database layer 2. Informational Access layer 3. Data access layer 4. Data directory layer 5. Process Management layer 6. Application Messaging layer 7. Data warehouse layer 8. Data Staging layer Data Mart • Michael J. Cullinan • “Sub bagian dari Data Warehouse” • James Standen: 5 perbedaan data mart dengan data warehouse Data Mart Data Warehouse Terbatas pada subjek tertentu Menampilkan semua area subjek Informasi spesifik kepada subjek Informasi lengkap dan detail Integrasi data berasal dari sub bagian di Integrasi data lebih baik karena berasal Data Warehouse dari sumber data Fokus ke model Star Schema Tidak terikat pada model data multidimensional Analisis secara spesifik sebagai jawaban Fokus pada strategi dalam penyediaan akan kebutuhan mendesak dari user dan pemanfaatan data untuk analisis 10 Objek Data Multidimensi • Dimensions • Relations • Composites • Formula • Program • Data Agregation Mapping • Model Data • Surrogates • Value Sets • Worksheets Tabel Multidimensi vs Tabel Relasional Multidimensi Relasional Terdapat lebih dari 1 primary key dimana setiap Memuat field (kolom) dan record (baris) , namun Primary key menjadi fakta berbeda untuk dimensi hanya satu dimensi. berbeda Data tidak dipandang dalam satu dimensi saja Memuat data yang berasal dari tabel yang menggunakan relasi dalam bentuk ERD (Entity Relationship Diagram)