Recap Kecerdasan Bisnis

Definisi Data Warehouse (1)

• 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
Terbatas pada subjek tertentu
Informasi spesifik kepada subjek
Integrasi data berasal dari sub bagian di
Data Warehouse
Fokus ke model Star Schema
Analisis secara spesifik sebagai jawaban
akan kebutuhan mendesak dari user
Data Warehouse
Menampilkan semua area subjek
Informasi lengkap dan detail
Integrasi data lebih baik karena berasal
dari sumber data
Tidak terikat pada model data
multidimensional
Fokus pada strategi dalam penyediaan
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
Terdapat lebih dari 1 primary key dimana setiap
Primary key menjadi fakta berbeda untuk dimensi
berbeda
Data tidak dipandang dalam satu dimensi saja
Relasional
Memuat field (kolom) dan record (baris) , namun
hanya satu dimensi.
Memuat data yang berasal dari tabel yang
menggunakan relasi dalam bentuk ERD (Entity
Relationship Diagram)