data warehouse dan business intelligence

Nama/NIM : I Wayan Cita Ekayana/1304505085
Jurusan/Fakultas/Perguruan Tinggi : Teknologi Informasi/Teknik/Universitas Udayana
Mata Kuliah : Data Warehouse
Dosen : I Putu Agus Eka Pratama, S.T., M.T.

Data Warehouse dan Business Intelligence

Business Intellegence (BI)

Secara umum Business Intelligence (BI) merupakan sebuah proses untuk melakukan ekstraksi data-data operasional perusahaan dan mengumpulkannya dalam sebuah data warehouse yang selanjutnya diproses menggunakan berbagai analisis statistik dalam proses data mining, sehingga didapat berbagai kecenderungan atau pattern dari data (Choirul, 2006). Pada Business Intelligence menjelaskan tentang suatu konsep dan metode bagiamana untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem yang berbasiskan data. BI seringkali dipersamakan sebagaimana briefing books, report and query tools, dan sistem informasi eksekutif.

bi

Gambar Alur Keputusan, Informasi dan Data

(Sumber :http://www.unisbank.ac.id/ojs/index.php/fti1/article/viewFile/65/60,page 2)

Gambar diatas menjelaskan bahwa BI memerlukan data untuk dapat membantu memberikan keputusan kepada penggunananya. Data akan memberikan informasi dan informasi akan mendukung suatu keputusan, unuk dapat membantu keputusan perlu adanya informasi yang akurat dan itu di ambil dari data-data yang ada.

Sistem Business Intelligence yang baik mempunyai berbagai karakteristik (Stevans,2008), diantaranya :

  • Tujuan utama

Seluruh sistem komputer mempunyai tujuan utama bagi seluruh pengguna sesuai dengan kebutuhan penguna masing-masing.

  • Ketersediaan data yang relevan

Masalah ketersediaan data merupakan poin yang paling penting dalam sistem business intelligence yang efektif. Dalam proses pembuat keputusan sering terjadi penyampaian informasi yang tidak lengkap atau bahkan yang tidak sebenarnya. Namun dengan dukungan BI, ketersediaan data yang relevan dapat diatasis ehingga dapat menyuguhkan data-data yang relevan.

  • Kemampuan
    Dalam hal ini terdapat kemampuan BI yang paling utama yaitu dapat memberikan kemudahan akses untuk informasi terbaru dari bisnis yang berjalan serta peluang yang diproyeksikan, selain itu Bi dapat memenuhi kapabilitas untuk melakukan analisis dan memenuhi permintaan pengguna
  • Struktur Pendukung

Dalam BI, sistem pendukung didalamnya tidak hanya terdiri dari hardware dan software, namun juga terdiri dari suatu proses yang dibuat untuk pengambilan keputusan yang lebih baik serta untuk menentukan strategi untuk misi dan tujuan kedepan.

Perbedaan Artificial Intelligence (AI) dengan Business Intelligence (BI)

Artificial Intellligence merupakan sebuah system yang mampu memberikan keputusan secara langsung ke pada penguna, sehingga pengguna dapat mengambil hasil keputusan yang diberikan oleh AI, sedangkan Business Intelligence merupakan sebuah system yang mampu membantu pengguna dalam proses pengambilan keputusan berdasarkan data- data yang ada.

Ada beberapa teknologi yang diperlukan untuk menunjang Business Intelligence, diantaranya:

  • Data Warehouse (Analisa Data)

Data warehouse merupakan basis data yang saling berhubungan dan dapat diambil suatu informasi yang dapat di olah, serta bersifat orientasi subjek, terintegrasi, timevariant, tidak berubah yang juga dapat digunakan untuk membantu pengambil keputusan dalam proses menganalisa data-daya yang ada.. Data warewhouse sangat mengacu pada suatu organisasi ataupun perusahaan besar atau lebih spesifik dari yang lainnya, dan berperan sebagai gudang data yang sewaktu-waktu dapat diambil.

  • Data Mart

Data mart adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan. Dalam beberapa implementasi data warehouse, data mart adalah miniature data warehouse. Data mart sering digunakan untuk memberikan informasi kepada segmen fungsional organisasi

data matData Mart

(Sumber :http://docs.oracle.com/cd/B19306_01/server.102/b14220/img/cncpt172.gif)

  • OLAP

OLAP (Online Analytical Proccessing) merupakan suatu proses yang digunakan untuk melakukan permintaan terhadap data dalam bentuk yang kompleks dan menganalisa data yang bervolume besar. OLAP merupakan teknologi yang memproses data di dalam database dalam struktur multidimensi, menyediakan jawaban yang cepat untuk query dan analisis yang kompleks. Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut ukuran. Contoh atribut dimensi adalah nama barang dan warna barang, sedangkan contoh atribut ukuran adalah jumlah barang.

  • Data Mining

Secara sederhana data mining adalah suatu proses untuk menemukan interesting knowledge dari sejumlah data yang di simpan dalam basis data atau media penyimpanan data lainnya. Dengan melakukan data mining terhadap sekumpulan data, akan didapatkan suatu interesting pattern yang dapat disimpan sebagai knowledge baru.Pattern yang didapat akan digunakan untuk melakukan evaluasi terhadap data data tersebut untuk selanjutnya akan didapatkan informasi.

Tabel aplikasi area Data Mining

(Sumber :http://www.unisbank.ac.id/ojs/index.php/fti1/article/viewFile/65/60,page 5)

data miningTabel diatas menjelaskan area dari aplikasi data mining, ada tiga hal yang di prioritaskan, diantaranya; Manajemen Pemasasaran,  Manajemen Resiko dan Manajemen Proses. ketiga hal ini sangat penting utnuk mengetahui bagimanakah laju pemasaran, berapakh target pemasaran dan tentunya ada analisis-analisis resiko yang didapatkan dalam proses pemasaran.

  • Open Data

Open data merupakan suatu konsep yang menerapkan data dapat diakases secara bebas oleh pengguna, data tersebut siapa saja dapat mengaksesn nya, untuk pengguna yang mengaksesnya tentunya memiliki Previllages (hak akases pengguna). Open data ini bisa sebuah informasi ataupun data-data yang belum diolah.

Arsitektur Data Warehouse (DW)

  • Data Warehouse Central

Data Warehouse Central merupakan suatu data yang terpusat. Semua data data berada dalam satu database besar. Kelebihan dari Data Warehouse centaral adalah kemudahan dalam mengolahnya, namun kekurangannya adalah memungkinkan terjadinya redundancy Data, karena terpengaruh pada beban kerjanya.

central

Gambar Arsitektur Data Warehouse Central

(Sumber:lia.univ-avignon.fr/fileadmin/documents/Users/…/ed/Architecture02.pdf,page 14)

  • Data Warehouse Federated

Data Warehouse Federated merupakan data yang terkonsolidasi secara logical, namun data disimpan pada tempat yang berbeda. Sebelum data di simpulkan menjasi satu kesatuan, data tersebut dapat diperloeh dari masing-masing database yang berbeda, misalnya toko X. untuk mengetahui tock barang maka dilihat pada database gudang, untuk melihat riwayat pegawai dilihat pada database member. Kelebihan yang ada pada Federated Datawarehouse Architecture ini yaitu pada gudang data yang lebih terstruktur. Sedangkan kelemahannya yaitu pada kerumitan sistem.

federated

Gambar Arsitektur Data Warehouse Federated

(Sumber:lia.univ-avignon.fr/fileadmin/documents/Users/…/ed/Architecture02.pdf, page 14)

  • Data Warehouse Tiered

Pada Tiered Datawarehouse Architecture, data tersebar pada satu gudang data atau gudang data yang bertingkat. Data hanya akan dikumpulkan atau dikurangi bergiliran melalui tingkatan-tingkatan tersebut. Kelebihan Tiered Datawarehouse Architecture adalah dalam hal redundansi yang minim dan penyaluran data yang mudah. Sedangkan kekurangannya terletak pada kerumitan sistem dan sulitnya dalam mengelola sistem dengan arsitektur seperti ini.

tiered

Gambar Arsitektur Data Warehouse Tiered
(Sumber: http://cs.ulb.ac.be/public/_media/teaching/infoh415/dwnotes.pdf, page 16)

Daftar Pustaka

[1] Heri. 2008. (Data Mining Untuk Dunia Bisnis). from (www.unisbank.ac.id/ojs/index.php/fti1/article/viewFile/65/60)

[2] Arrie. 2013. (Terminologi Data Warehouse, Data Mart, Data Mining, OLAP, MOLAP, HOLAP, ROLAP Business Intelligence dan contoh perusahaan yang mengimplementasikannya). from (https://arrie0905.wordpress.com/2013/01/26/terminologi-data-warehouse-data-mart-data-mining-olap-molap-holap-rolap-business-intelligence-dan-contoh-perusahaan-yang-mengimplementasikannya/)

[3] Jensen, Christian S., Torben Bach Pedersen, Christian Thomsen. 2002.Introduction to Data Warehousing and Business Intelligence. http://cs.ulb.ac.be/public/_media/teaching/infoh415/dwnotes.pdf.

[4] 2013. (Pengertian Data Warehouse). from (https://opistation.wordpress.com/2013/10/15/pengertian-data-warehouse/)

[5] Ratih, Anggraeny. 2013. (Business Intelligence). from (http://bisnisonlineratih.blogspot.co.id/2013/10/business-intelligence.html)

Advertisements