Data WareHouse, Data Mart, Data Mining, OLAP (Online Analytical Processing), MOLAP, ROLAP,HOLAP. (Kelebihan,Kekurangan, dan Deskripsi dan Pengertian Business Intelligence)

Warehouse

Data warehouse (yang secara harafiah berarti gudang data) adalah kumpulan seluruh data yang dimiliki oleh perusahaan guna melakukan analisis dan pelaporan, bukan untuk proses transaksi. Jadi, dalam istilah yang lebih sederhana, data warehouse adalah basis data yang ditujukan untuk analisis, pelaporan, dan terkadang juga untuk penambangan pengetahuan (knowledge mining).

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

Menurut Paul Lane, data warehouse merupakan database relasional yang di desain lebih kepada query dan analisa daripada proses transaksi, biasanya mengandung history 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.

Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data warehouse adalah database yang saling bereaksi yang dapat digunakan untuk query dan analisis, bersifat orientasi objek, terintegerasi, time-variant, idak berubah yang digunakan untuk membantu para pengambil keputusan.





Keuntungan data warehouse adalah sebagai berikut :
  1. Data diorganisisr dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi
  2. Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi.
  3. Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data apabila data dipindahkan dari database OLTP ke data warehouse.
  4. Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.





Data Mart

Yang kedua adalah data Mart, sebuah data mart adalah lapisan akses dari data warehouse lingkungan yang digunakan utuk mendapatkan data keluar bagi pengguna. Data mart adalah subset dari data warehouse yang biasanya berorientasi pada lini bisnis tertentu atau tim.

Dalam beberapa penyebaran, masing-masing departemen atau unit bisnis dianggap sebagai pemilik data mart yang termasuk semua perangkat lunak, perangkat keras dan data.

Perbedaan Data Mart dan Data Warehouse

Keuntungan dan Kerungian Data Mart
  • Keuntungan  
Data mart dapat meningkatkan waktu respon pengguna akhir, karena berisi data mentah yang memungkinkan sistem komputer untuk fokus pada satu tugas, sehingga menginkatkan kinerja. Berbeda dengan sistem OLTP, data mart juga dapat menyimpan data historis yang memungkinkan pengguna untuk menganalisis kecenderungan data. Selain itu, data mart tidak begitu mahal dan kompleks sebagai data gudang untuk setup dan melaksanakan karena masalah teknis tidak begitu sulit untk diselesaikan.
  • Kerugian
Memiliki nilai yang terbatas karena mereka tidak dapat melihat organisasi secara keseluruhan dan pelaporan serta analisis potensi terbatas.

Pengertian Data Maining 
Data Mining merupakan serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual daru suatu basis data atau bisa disebut dengan KKD (Knowledge Discoovery in Database). Informasi yang dihasilkan diperoleh dengan cara mengekstrasi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basis data.

Konsep Data Maining 
  1. Data Cleaning & Integrati
Digunakan untuk membuang data yang tidak konsisten dan bersifat noise dari kata yang terdapat di berbagai basis data yang mungkin berbeda format maupun platform yang kemudian diintegrasikan dalam suatu database data warehouse.
  2. Data Selection
Data yang relevan dengan tugas analisis yang dikembalikan ke dalam database. 
  3. Data Transformation
Data yang berubah atau bersatu menjadi bentuk yang tepat untuk menambang dengan ringkasan performa atau ringkasan agresi.
  4. Knowledge Discovery
Proses esensial dimana metode yang intelejen digunakan unk mengekstrak pola data.
  5. Pattern Evolution
Untuk mengidentifikasi pola yang benar-benar menarik yang mewakili pengetahuan berdasarkan atas beberapa tindakan yang menarik.
  6. Knowledge Presentation
Dimana gambaran eknik visualisasi dan pengetahuan digunakan untk memberikan pengetahuan yang telah ditambahkan kepada user.


OLAP (Online Analytical Processing)
Pengertian OLAP
Pemrosesan database yang menggunakan tabel fakta dan dimensi untu dapat menampilkan berbagai macam bentuk laporan analisis query transaksi sehari-hari.

Keuntungan OLAP
  • Meningkatkan produktifias pemakai akhir bisnis, pengembang IT, dan keseluruhan organisasi. Pengawasan yang lebih dan akses tepat waktu terhadap informasi strategis dapat membuat pengambilan keoputusan lebih efektif.
  • Mengurangi "Backlog" pengembangan aplikasi bagi staff IT dengan membuat pemakai akhir dapat merubah schema dan membangun model sendiri.

ROLAP (Relaional OLAP)

ROLAP adalah tipe OLAP yang bergantung kepada databse relational atau RDBMS (Relational Database Management System) sebagai media penyimpanan (storage) data yang akan diolah. dengan strategi tersebut maka OLAP Server terhindar dari masalah pengolahan data storage dan hanya menerjemahkan proses query analysis (MDX) ke relational query (SQL). Otomatis proses optimasi ROLAP akan sangat ditentukan di sisi produk RDBMS yang digunakan misalkan dari sis penanganan jumlah data dan strategi indexing. 


Cara Kerja ROLAP secara umum adalah sebagai berikut:
  • OLAP client mengirimkan query analisis ke OLAP server
  • OLAP server akan melakukan pemerikasaan di cache apakah sudah bisa melayani permintaan query dari client tersebut, jika sudah maka akan dikirimkan.
  • Jika pada cache belum terdapat data yang diminta, akan dilakukan query SQL ke data mart dan hasil eksekusinya disimpan di cache dan dikirimkan kepada client, demikian seterusnya.
  • Cache akan disimpan selama periode waktu tertentu dan akan dibersihkan total jika server dimatikan.


MOLA (Multi Dimensional OLAP)
Pengertian MOLAP
MOLAP adalah tipe OLAP yang memiliki storage sendiri, yang isinya merupakan precomputed agregasi data-sum, count, min, max, dan sebagainya yang terlibat pada berbagai level detil. Storage ini berupa format yang hanya dikenali oleh MOLAP server tersebut dan telah khusus dioptimalkan untuk penggunaan oleh aplikasi tersebut.

Cara kerja MOLAP secara umum dibagi ke dalam dua tahap sebagai berikut :
  • Tahap konstruksi dan populasi data, pada tahap ini sumber data akan dibaca, dilakukan perhitungan agegrasi (summary group) pada berbagai level dimensi, dan hasilnya akan disimpan di storage MOLAP. Jika objek data diperumpamakan dengan table, maka untuk satu cube akan banyak fragmen table yang isinya adalah detil agegrasi dari level tertentu.
  • Tahap query atau layanan permintaan data analisis, pada tahap ini OLAP server akan melayani permintaan query dari client dan membaca data dari storage MOLAP. Table yang akan dibaca adalah suatu fragmen yang akan disesuaikan dengan permintaan dari client. Pada fase query ini, jika OLAP server terputus dengan data source tidak apa-apa karena sudah ada kaitannya.

Keuntungan dari MOLAP ini yang paling jelas adalah performa kecepatan akses yang sangat baik. Namun kelemahannya adalah jika kombinasi agegrasi data yang dihasilkan untuk semua level, maka ukuran penyimpanan akan bisa lebih besar daripada sumbernya sendiri.


HOLAP (Hybrid OLAP)
HOLAP untuk mengatasi kelemahan dari ROLAP dan MOLAP, kelemahan tersebut adalah:
  • Performa ROLAP tidak begitu baik karena agegrasi selalu dilakukan ulang apabila cache sudah expired.
  • Keterbatasan storage dari MOLAP jika digunakan untuk menyimpan kombinasi agegrasi pada semua level.
Jadi HOLAP merupakan kombinasi atau "jalan tengah" antara keduanya dimana HOLAP akan menyimpan data precomputed aggregate pada media penyimpanan (storage) HOLAP sendiri. Yang disimpan pada storage HOLAP adalah data untuk beberapa level teratas atau high level view. Sedangkan untuk level yang lebih rendah atau lebih rinci akan disimpan di database relasional.

Pengertian Business Intelligence

Istilah Business Intelligence pertam kali didengungkan pada tahun 1989 oleh Howard Dresner. Dia menggambarkan istilah tersebut sebagai seperangkat konsep dan metode yang berguna untk menigkatkan pembuatan keputusan dengan bantuan sistem yang berbasiskan fakta atau realita yang terjadi. Menurut tim studi Business Intelligence pada Departemen Keuangan Indonesia menyatakan , Business Intelligence (BI) merupakan sisem dan aplikasi yang berfungsi untuk mengubah data-data dalam suatu perusahaan atau organisasi (data operasional, data transaksional, atau data lainnya) ke dalam bentuk pengetahuan. Aplikasi ini melakukan analisis data-data di masa lampau, menganalisanya dan kemudian menggunakan pengetahuan tersebut untuk mendukung keputusan dan perencanaan organisasi (Indonesai, 2007).

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

Dari definisi itu, dapat dikatakan bahwa Business Intelligence merupakan suatu sistem pendukung keuputusan yang berdasarkan pada data-data fakta kinerja perusahaan. Business Intelligence berguna untuk mengefisiensikan finansial, manusia, material serta beberapa sumber daya lainnya.



0 komentar:

Poskan Komentar

Diberdayakan oleh Blogger.

Copyright © / riffStudio

Template by : Urang-kurai / powered by :blogger