analisa implemetasi data warehouse

Abstract

Dewasa ini perkembangan teknologi komputer mengalami kemajuan yang pesat,hampir setiap perusahaan berusaha untuk mengoptimalkan fungsi dari teknologi komputer it sendiri.didesak adanya kebutuhn akan informasi yang tepat dan juga semakin bertambahnya data ang harus didokumentasikan maka hal ini mendukung berkembangnya berbagai aplikasi yang mencoba untuk memaksimalkan penyimpanan data itu sendiri

Dari uraian di atas dapat dilihat bahwa dalam suatu organisasi perusahaan,kebutuhan akan data sanat lah besar,namun ada beberapa yang masih mengalami kesulitan dalam hal memproses data itu sendiri khususnya data enjualan menjadi sebuah informasi yang nantinya akan mendukung proses pengambilan keputusan

Untuk itu penulis mencoba untuk merancang suatu sistem yang dapat memproses data penjualan dengan mencoba menerapkan apa yang disebut dengan data warehouse,data warehouse memiliki kemampuan melakukan query yang kompleks,model data yang lengkap dan menekankan pada dukungan analisa data,pada junal ini natinya akan dibahas lebih jauh bagaimana sistem dapat menghasilkan suatu analisa OLAP dan bukan proses transaksi

Dengan data warehouse ini diharapakan perusahan dapat mengorganisasi data penjualan sehingga memiliki nilai tambah sehingga dapat digunakan untuk mendukung pengambila keputusan pad tingkat manajemen

repository.library.uksw.edu/bitstream/handle/123456789/1064/ART_R..

ANALISIS

Dengan adanya sistem data warehouse penjualan mobil ini,data data penjualan lebih terangkum ke dalam bentuk laporan yang detail berdasarkan dimensi yang telah disaring sebelumnya,pada sistem data warehouse penjualan ini juga dapat menampilkan laporan berupa grafik,dengan begitu diharapkan dapat memudahkan manajemen untuk memahami area area data penjualan mobil,laporan yang juga ditampilkan dalam bntuk grafik tersebut juga memberikan gambaran trend pnjualan mobil baik dari warna ataupun tipe

Tingkat pengukuran keberhasilan sistem ini yang lainnya ialah dapat melakukan impor data secara cepat tanpa harus memasukkan data secara manual dan juga dapat menggolongkan data penjualan ke dalam beberapa dimensi yang kompleks yakni,waktu,tipe,lokasi,perusahaan leasing warna dll

Mengenal Data Mart dan Meta data

Definisi Data Mart 

Data Mart adalah sekumpulan informasi yang clisimpan di dalam basis data yang menunjang proses pengambilan keputusan perusahaan. Data di dalam Data Mart berasal dari Tactical Application tetapi memungkinkan juga untuk mengumpulkan data dari sumber lain. 

Keberadaan Data Mart memungkinkan data-data akan terpusat di suatu tempat. Ini membuat para pengambil keputusan hanya perlu pergi ke satu tempat untuk dapat mengakses segala data mengenai perusahaan yang dapat memberikan informasi yang berguna untuk pengambilan keputusan. 

Perbedaan utama antara Data Mart dengan Data Warehouse adalah

Kadang kala kita sulit untuk membedakan antara data warehouse dan data mart karena keduanya hampir sama. Namun, jika dikaji lebih jauh ada beberapa perbedaan yang dimiliki keduanya. Data warehouse merupakan gabungan dari beberapa data mart dan levelnya berada pada perusahaan atau organisasi. 
Sedangkan data mart merupakan bagian dari datawarehouse dan berada level departemen pada perusahaan atau organisasi tersebut. Data mart menangani sebuah business proses, misalkan penjualan, maka hanya proses penjualan saja yang ditangani pada data mart, Perbandingan antara data warehouse dan data mart dapat dilihat pada tabel berikut ini:

 

Berikut Link youtube tentang Datamart http://www.youtube.com/watch?v=q-ujADG0Nf8

Karakterisik Data Warehouse

A. Subject oriented

sebuah data warehouse disusun dalam subjek utama, seperti pelanggan, suplier, produk, dan sales. Meskipun data warehouse terkonsentrasi pada operasi harian dan proses transaksi dalam perusahaan, data warehouse fokus pada pemodelan dan analisis data untuk pembuat keputusan. Oleh karena itu data warehouse mempunyai karakter menyediakan secara singkat dan sederhana gambaran seputar subjek lebih detail yang dibuat dari data luar yang tidak berguna dalam proses pendukung keputusan.

B. Integrated

Data warehouse biasanya dibangun dari bermacam-macam sumbe yang berbeda, seperti database relasional, flat files, dan on-line transaction records. Pembersihan dan penyatuan data diterapkan untuk menjamin konsistensi dalam penamaan, struktur kode, ukuran atribut, dan yang lainnya.

C. Time Variant

data disimpan untuk menyajikan informasi dari sudut pandang masa lampau (misal 5 – 10 tahun yang lalu). Setiap struktur kunci dalam data warehouse mempunyai elemen waktu baik secara implisit maupun eksplisit.

D. Nonvolatile

sebuah data warehouse secara fisik selalu disimpan terpisah dari data aplikasi operasional. Penyimpanan yang terpisah ini, data warehouse tidak memerlukan proses transaksi, recovery dan mekanisme pengendalian konkurensi. Biasanya hanya membutuhkan dua operasi dalam akses data yaitu initial load of data dan access of data.

Alasan untuk membuat data mart

• Akses mudah ke data yang sering dibutuhkan
• Membuat tampilan kolektif oleh sekelompok pengguna
• Meningkatkan pengguna akhir waktu respon
• Kemudahan penciptaan
• Biaya lebih rendah daripada menerapkan× Data warehouse penuh
• Potensi pengguna yang lebih jelas daripada di sebuah gudang Data penuh

Pengertian Metadata

Metadata biasa didefinisikan sebagai “data tentang data” atau dapat juga disebut dengan “informasi mengenai suatu data”. Metadata mendeskripsikan isi, kualitas, kondisi, dan karakteristik lainnya mengenai suatu data yang ditulis dengan format standard Metadata membantu seseorang untuk menemukan dan memahami suatu data tertentu. Metadata juga memberikan informasi history suatu data. History ini memuat informasi mengenai Who, What, Where, Why dan How, yaitu:

1. Siapa yang membuat dan memaintain data?
2. Apa isi dan struktur dari data tersebut?
3. Kapan data tersebut dikumpulkan atau dipublikasikan?
4. Dimana lokasi data tersebut disimpan?
5. Mengapa data tersebut dibuat?
6. Bagaimana data tersebut dibuat?

Contoh mudah untuk lebih memahami metadata dapat anda lihat ketika mengambil foto menggunakan kamera digital. Di dalam foto tersebut pasti tersimpan informasi mengenai tanggal foto tersebut diambil, jenis kamera yang digunakan, geolocation (tempat diambilnya foto) dan resolusi foto.

Fungsi Metadata

Metadata memiliki fungsi yang sama seperti katalog yaitu untuk:

1. mengidentifikasi suatu data
2. mengelompokkan data yang serupa
3. membedakan data menurut kriteria tertentu
4. memberikan informasi penting berkaitan dengan data

Sumber  http://azuharu.net/blog/pengertian-metadata-adalah/

                http://blog-harianvirgo.blogspot.com/2013/05/karakterisik-data-warehouse-dan.html

                http://articontohnya.blogspot.com/2013/06/definisi-data-mart.html

                http://visilubai.wordpress.com/2010/04/28/data-mart/

                http://duniawebhouse.blogspot.com/2013/01/definisi-data-mart.html

Resume Datawarehouse OLAP vs OLTP dan Business Intelligence

Pengertian Data Warehouse dapat bermacam-macam namun mempunyai inti yang sama, seperti pendapat beberapa ahli berikut ini :

·         Menurut W.H. Inmon dan Richard D.H., data warehouse adalah koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management.

·         Menurut Vidette Poe, data warehouse merupakan database yang bersifat analisis danread only yang digunakan sebagai fondasi dari sistem penunjang keputusan.

·         Menurut Paul Lane, data warehouse merupakan database relasional yang didesain lebih kepada query dan analisa dari pada proses transaksi, biasanya mengandunghistory data dari proses transaksi dan bisa juga data dari sumber lainnya. Data warehouse memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi menggabung/konsolidasi data dari berbagai macam sumber.

Jadi, data warehouse merupakan metode dalam perancangan database, yang menunjang DSS(Decission Support System) dan EIS (Executive Information System). Secara fisik data warehouse adalah database, tapi perancangan data warehouse dan database sangat berbeda. Dalam perancangan database tradisional menggunakan normalisasi, sedangkan pada data warehouse normalisasi bukanlah cara yang terbaik.

Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data warehouse adalah database yang saling bereaksi yang dapat digunakan untuk query dan analisisis, bersifat orientasi subjek, terintegrasi, time-variant,tidak berubah yang digunakan untuk membantu para pengambil keputusan.

TUGAS DATA WAREHOUSE

Ada empat tugas yang bisa dilakukan dengan adanya data warehouse

Menurut Williams, keempat tugas tersebut yaitu:

a. Pembuatan laporan

Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari,perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.

b. On-Line Analytical Processing (OLAP)

Dengan adanya data warehouse,semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat.

OLAP mendayagunakan konsep data multi dimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.

c. Data mining

Data mining merupakan proses untuk menggali(mining) pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.

Beberapa solusi yang diberikan data mining antara lain :

1.    Menebak target pasar

Data mining dapat mengelompokkan (clustering) model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli dan melakukan klasifikasi terhadap setiap pemebeli sesuai dengan karakteristik yang diinginkan.

2.    Melihat pola beli dari waktu ke waktu

Data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu.

3.    cross-market analysis

Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan produk lainnya.

4.    Profil pelanggan

Data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja.

5.    Informasi summary

Data mining dapat membuat laporan summary yang bersifat multi dimensi dan dilengkapi dengan informasi statistik lainnya.

d. Proses informasi executive

Data warehouse dapat membuat ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data warehouse segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data warehouse menjadi target informative bagi user.

PERBEDAAN OLAP VS OLTP

·        
User

Dalam OLTP, penggunanya adalah IT PRoffesional sedangkan OLAP penggunanya adalah Knowledge worker maksdunya penggunanya adalah seorang yang bertindak dalam subyek tertentu, atau petinggi dalam suatu perusahaan.

·         Function

OLTP digunakan sehari-hari untuk proses bisnis seperti toko atau swalayan, sedangkan OLAP digunakan untuk pengambilan keputusan.

·         Design DB

Desain dalam OLTP bersifat Entity Relational atau databasenya dinormalisasi dulu sebelum digunakan. Untuk OLAP desain databasenya di de-normalisasi.

·         Data

Dalam OLTP datanya adalah hari ini, update setiap saat sedangkan OLAP datanya adalah sekarang dan hari ini yang berguna untuk melakukan analisis ke depan.

·         Penggunaan

OLTP digunakan setiap saat, sedangkan OLAP digunakan seperlunya saja.Access OLTP aksesnya bisa write, read dan lain-lain. Sedangkan OLAP sering dibaca karena digunakan untuk analisa.Unit Pekerjaan Kalau OLTP pekerjaannya hanya sederhana misalnya transaksi dalam swalayan. Untuk OLAP query untuk menampilkan data sangat kompleks

·         Jumlah rekaman yang di akses

Kalau OLTP sekitar ratusan sampai ribuan, tapi jika OLAP data yang diakses bisa sampai jutaan bahkan milyaran.

·         Jumlah Pengguna

Untuk OLTP penggunanya adalah puluhan, tapi kalau OLAP penggunanya bisa sampai ratusan bahkan ribuan

·         Ukuran Database

Ukuran database untuk OLTP sekitar MB-GB, sedangkan OLAP bisa sampai GB-TB

BUSINESS INTELEGENCE

Menurut Nadia Branon, Business Intelligence merupakan kategori yang umum digunakan untuk aplikasi dan teknologi untuk mengumpulkan, menyimpan, menganalisa, dan menyediakan akses pada data agar dapat membantu pengguna dari kalangan perusahaan agar dapat mengambil keputusan dengan lebih baik dan tepat

Kegunaan BI

Perusahaan menggunakan BI untuk memperoleh lebih dalam lagi mengenai segala informasi yang berhubungan dengan kinerja bisnis. Hal ini digunakan untuk memahami, meningkatkan kinerja, penganggaran biaya yang lebih efisien dan mengidentifikasi peluang bisnis baru. Beberapa hal kegunaan BI, antaralain:

• Analisa dalam perilaku konsumen, pola pembelian dan trend penjualan
• Mengukur, melacak dan memprediksi penjualan dan kinerja keuangan
• Penganggaran, perencanaan keuangan dan peramalan
• Mengetahui kinerja kegiatan pemasaran
• Optimalisasi proses dan kinerja operasional
• Meningkatkan efektifitaspengiriman dan pasokan
• Analisa CRM (Customer Relationship Management)
• Analisa Resiko
• Analisa nilai strategis
• Analisa social media

Keberadaan BI dalam suatu perusahaan haruslah diawali dari pelaku bisnis itu sendiri karena merekalah yang lebih mengetahui informasi dan analisa apa-apa saja yang dibutuhkan dalam rangka meningkatkan kinerja bisnis dan mereka jugalah yang membutuhkan BI. Disinilah nilai BI bisa menjadi besar dan berguna bagi perusahaan. Pelaku bisnis mulai dari eksekutif, manajemen bahkan sampai ke operasional harus berperan aktif juga dalam penerapan BI dan divisi IT harus bisa berkolaborasi dalam hal penyiapan data-data dan arsitektur sistem. Terlepas dari perangkat lunak apa yang digunakan. Bagaimana bisa di sebut business intelligence jika kita tidak bisa menghadirkan analisa yang dibutuhkan oleh para pelaku bisnis? Bukan hanya sekedar suatu pelaporan atau analisa saja tapi BI diharapkan dapat menjadi alat bantu utama bagi pelaku bisnis dalam meningkatkan kinerja bisnis, tentunya kebutuhan ini dalam tiap masa akan selalu berubah mengikuti perkembangan bisnis itu sendiri.

SUMBER :     http://qlikweb.blogspot.com/2012/11/pengertian-business-intelligence.html

http://giriayoga.com/2011/03/16/perbedaan-oltp-dan-olap/

http://blog.ub.ac.id/rodeo/2010/11/02/pengertian-gudang-data-atau-warehouse/