Terminologgi Data Mart, data Warehause, data mining, OLAP, MOLAP, ROLAP, HOLAP dan Bussiness Intelegence
27 Jan 2013
DATA MART
Data mart adalah fasilitas penyimpanan data yang berorientasi pada subject tertentu atau berorientasi pada departemen tertentu dari suatu organisasi, fokus pada kebutuhan depertemen tertentu seperti sales, marketing, operation atau collectin. Sehingga suatu organisasi bisa mempunyai lebih dari satu data mart.
Data mart pada umunya di organisasikan sebagai suatu dimensional model, seperti star-schema (OLAP Cube) yang tersusun dari sebuah fact dan beberapa tabel dimension.
- Akses mudah ke data yang sering digunakan
- Penciptaan pandang kolektif untuk sekelompok pengguna
- Peningkatan respon-time dari pengguna akhir
- Fleksibel dan mudah cara pembuatan
- Lebih hemat biaya daripada Data warehouse
- Definisi pengguna lebih jelas dari sebuah gudang data.
- Tidak bisa sepenuhnya menilai kinerja LAN berbasis sistem manajemen database sementara port dari satu lingkungan yang lain.
- Dapat mendukung kelompok-kelompok pengguna kecil atau sederhana sumber data, yang tidak ideal untuk aplikasi perangkat lunak didistribusikan dan pengembangan skala besar Perusahaan-lebar sistem manajemen database
Data Warehause merupakan kumpulan data yang berorientasi subjek, terintegrasi, time-variant, dan non volatile untuk mendukung proses pengambilan keputusan.
Kelebihan data warehouse:
- Pengembalian investasi yang tinggi
- Keuntungan yang kompetitif
- Meningkatkan produktifitas pasa pembuat keputusan korporas
- Datawarehouse Bukan merupakan Pelanggan Customers Yang cocok untuk data yang tidak terstruktur Yang.
- Data Perlu di Ekstrak, diubah (ETL) Dan di beban Ke datawarehouse sehingga membutuhkan tenggang waktu untuk memindahkannya.
- Semakin lama dipelihara, semakin Besar Wesel untuk merawat sebuah datawarehouse.
- Datawarehouse dapat menjadi ketinggalan bahasa Dari Data terbarunya Yang relatif yang CEPAT, karena data yang digunakan di datawarehouse Yang tidak di pembaruan secara CEPAT. sehingga Data Yang ADA optimal tidak.
Alur data warehouse
Inflow : pengekstrasian, pembersihan dan pemuatan sumber data.
Upflow : menmbahkan nilai data ke dalam warehouse melalui ringkasan, pemaketan, dan pendistribusian data.
Downflow : pengarsipan dan back up data kedalam warehouse.
Outflow : membuat data agar tersedia untuk pemakai akhir.
Meta-flow : pengaturan meta-data
DATA MINING
Data mining digunakan di banyak tempat, dan bidang penerapannya juga dapat bermacam macam, misalnya:
militer menggunakan data mining untuk mempelajari apa saja yang menjadi fator utama dalam ketepatan sasaran pengeboman
OLAP (Online Analytical Processing)
OLAP adalah aplikasi analytical dengan kemampuan pivot menyerupai spreadsheet - seperti Microsoft Excel, Open Office Calc, dll. OLAP merupakan komponen penting dari aplikasi BI (Business Intelligence).
Database OLAP memiliki struktur skema tersendiri dan biasanya berupa suatu data warehouse. Namun tidak tertutup kemungkinan OLAP mengambil dari database operasional (transaksional) – ini dengan catatan database ini telah memiliki struktur rancangan yang “OLAP friendly”
Keuntungan OLAP
MOLAP (Multi Dimensional OLAP)
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.
Keuntungan dari MOLAP ini yang paling jelas adalah performa kecepatan akses yang sangat baik. Namun kelemahannya adalah jika kombinasi agregasi data yang dihasilkan untuk semua level, maka ukuran penyimpanan akan bisa lebih besar daripada sumbernya sendiri.
ROLAP (Relational OLAP)
ROLAP adalah tipe OLAP yang bergantung kepada database relasional atau RDBMS (Relational Database Management System) sebagai media penyimpanan (storage) data yang akan diolah.
Dengan strategi tersebut maka OLAP Server terhindar dari masalah pengelolaan 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 sisi penanganan jumlah data dan strategi indexing.
Keuntungan dari ROLAP ini adalah tidak memerlukan storage tambahan. Namun kelemahannya adalah jika data untuk suatu cube sangat besar (masif) maka performa pengambilan data akan cukup buruk.
HOLAP (Hybrid OLAP)
Gabungan model MOLAP dan ROLAP dapat kita peoleh dari HOLAP (Hibrid online analitycal processing) Detil data tersmpan pada tabel relasional tapi aggregasi data disimpan dalam format multidimensi. Misalkan proses drill down dilakukan pada sebuah tabel fakta, makaretrive data akan dilakukan dari tabel database relasional sehingga query tidak secepat MOLAP. Kubus HOLAP lebih kecil daripada kubus MOLAP tapi response time query masih lebih cepat jika dibandingkan dengan ROLAP. Model penyimpanan HOLAP ini biasanya sesuai untuk kubus yang membutuhkan performa query yang bagus dengan jumlah data yang besar.
Business Intelligence
Business Intelligence (BI) pertama kali didengungkan pada tahun 1958 oleh seorang peneliti dari IBM yang bernama Hans Peter Luhn. istilah intelligence sebagai “Kemampuan dalam mengerti dan memahami suatu hubungan timbal balik antara fakta-fakta yang disajikan sedemikian rupa menjadi suatu landasan dalam bertindak untuk mencapai tujuan yang dikehendaki”.
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.
BI seperti yang kita ketahui pada saat ini bisa dikatakan sebagai hasil evolusi dari Decision Support System (DSS) yang dimulai sekitar tahun 1960 dan berkembang sampai tahun 1980an. Sekitar tahun 1980an mulai dari DSS, EIS (Executive Information System), data warehouse, OLAP dan BI mulai menjadi perhatian dan menjadi suatu kesatuan system.
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, antara lain:
Pada dasarnya komponen BI mencakup, gathering, storing, analysing dan providing access to data.
Dalam perkembanganya bahwa Business Intelligence telah banyak mencakup beberapa area teknologi dan proses, antara lain adalah:
SAP juga telah menawarkan solusi ERP sejak tahun 70an, terkenal dengan sebutan SAP BIW (Business Warehouse Information System), yang kemudian terus ber evolusi menjadi SAP BW (Business Warehouse) produk solusi SAP yang dirilis dari awal sudah mendukung realtime processing, dapat dikenali dengan SAP R1 – R3. Kali ini SAP BW telah ber evolusi lagi menjadi SAP BI (Business Intelligence) berkembang bersamaan dengan jajaran produk baru sap Netweaver yang sudah mendukung teknologi portal dan web application. SAP juga memiliki berbagai jenis varian solusi BI yang dapat disesuaikan berdasarkan jenis Industri bisnis yang ada. Selain itu jika sudah menggunakan SAP ERP, mengintegrasikan SAP BI akan menjadi sangat mudah dan seamless karena berasal vendor yang sama.
Dengan kemampuan nya yang multi platform dan multi database, SAP sangat mudah untuk mengadaptasi platform yang digunakan oleh berbagai perusahaan, apakah database anda SQL Server, ORacle, DB2 dapat didukung dengan mudah, platform OS seperti Windows dan Unix/Linux varian juga dapat diimplementasikan oleh SAP. Kali ini SAP BI menjadi salah satu portofolio solusi produk dari SAP BusinessObject.
Nama : Brilian Listiana Visi
Kelas : Teknik Informatika - 3E
NPM : 1103191
Inflow : pengekstrasian, pembersihan dan pemuatan sumber data.
Upflow : menmbahkan nilai data ke dalam warehouse melalui ringkasan, pemaketan, dan pendistribusian data.
Downflow : pengarsipan dan back up data kedalam warehouse.
Outflow : membuat data agar tersedia untuk pemakai akhir.
Meta-flow : pengaturan meta-data
DATA MINING
Data Mining adalah sebuah proses penggalian pola dari data, dalam penjabaran yang lebih luas Data mining adalah sebuah proses dari pencarian korelasi yang baru, pola dan trend yang memberikan informasi, dengan cara menyaring data dalam kuantitas yang besar, menggunakan teknologi pola pengenalan yang serupa dengan teknik statistik dan teknik matematika.Data mining semakin menjadi hal yang sangat penting dalam mengubah data menjadi informasi. Tidak seperti statistik yang menggunakan sampel populasi sebagai datanya, data mining membutuhkan data yang besar, semakin besar, proses menambangan akan semakin efektif menemukan pola-pola tertentu.
Data mining digunakan di banyak tempat, dan bidang penerapannya juga dapat bermacam macam, misalnya:
militer menggunakan data mining untuk mempelajari apa saja yang menjadi fator utama dalam ketepatan sasaran pengeboman
- Agen intelejen dapat mengaplikasikan data mining dalam menangkap dan memilah informasi-informasi yang sesuai dengan apa yang ingin dipelajari
- Spesialis keamanan jaringan dapat memanfaatkan data mining untuk melihat paket data mana yang berpotensi memicu ancaman
- Analis kartu kredit dapat menggunakan data mining dalam memilah calon nasabah kartu kredit yang berpotensi melakukan kredit macet.
- Pelaku retail dapat menggunakan data mining untuk melihat karakteristik dan perilaku pembelinya, sehingga dapat selalu menjual produk yang diinginkan oleh customer.
- Kemampuan dalam mengolah data dalam jumlah yang besar.
- Pencarian Data secara otomatis.
- Kekurangan Data Mining :
- Kendala Database ( Garbage in garbage out ).
- Tidak bisa melakukan analisa sendiri.
- Kendala Database ( Garbage in garbage out ).
- Tidak bisa melakukan analisa sendir
OLAP (Online Analytical Processing)
OLAP adalah aplikasi analytical dengan kemampuan pivot menyerupai spreadsheet - seperti Microsoft Excel, Open Office Calc, dll. OLAP merupakan komponen penting dari aplikasi BI (Business Intelligence).
Database OLAP memiliki struktur skema tersendiri dan biasanya berupa suatu data warehouse. Namun tidak tertutup kemungkinan OLAP mengambil dari database operasional (transaksional) – ini dengan catatan database ini telah memiliki struktur rancangan yang “OLAP friendly”
Keuntungan OLAP
- Meningkatkan produktifitas pemakai akhir bisnis, pengembang IT, dan keseluruhan organisasi. Pengawasan yang lebih dan akses tepat waktu terhadap informasi strategis dapat membuat pengambilan keputusan lebih efektif.
- Mengurangi “backlog” pengembangan aplikasi bagi staf IT dengan membuat pemakai akhir dapat merubah schema dan membangun model sendiri.
MOLAP (Multi Dimensional OLAP)
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.
Keuntungan dari MOLAP ini yang paling jelas adalah performa kecepatan akses yang sangat baik. Namun kelemahannya adalah jika kombinasi agregasi data yang dihasilkan untuk semua level, maka ukuran penyimpanan akan bisa lebih besar daripada sumbernya sendiri.
ROLAP (Relational OLAP)
ROLAP adalah tipe OLAP yang bergantung kepada database relasional atau RDBMS (Relational Database Management System) sebagai media penyimpanan (storage) data yang akan diolah.
Dengan strategi tersebut maka OLAP Server terhindar dari masalah pengelolaan 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 sisi penanganan jumlah data dan strategi indexing.
Keuntungan dari ROLAP ini adalah tidak memerlukan storage tambahan. Namun kelemahannya adalah jika data untuk suatu cube sangat besar (masif) maka performa pengambilan data akan cukup buruk.
HOLAP (Hybrid OLAP)
Gabungan model MOLAP dan ROLAP dapat kita peoleh dari HOLAP (Hibrid online analitycal processing) Detil data tersmpan pada tabel relasional tapi aggregasi data disimpan dalam format multidimensi. Misalkan proses drill down dilakukan pada sebuah tabel fakta, makaretrive data akan dilakukan dari tabel database relasional sehingga query tidak secepat MOLAP. Kubus HOLAP lebih kecil daripada kubus MOLAP tapi response time query masih lebih cepat jika dibandingkan dengan ROLAP. Model penyimpanan HOLAP ini biasanya sesuai untuk kubus yang membutuhkan performa query yang bagus dengan jumlah data yang besar.
Business Intelligence
Business Intelligence (BI) pertama kali didengungkan pada tahun 1958 oleh seorang peneliti dari IBM yang bernama Hans Peter Luhn. istilah intelligence sebagai “Kemampuan dalam mengerti dan memahami suatu hubungan timbal balik antara fakta-fakta yang disajikan sedemikian rupa menjadi suatu landasan dalam bertindak untuk mencapai tujuan yang dikehendaki”.
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.
BI seperti yang kita ketahui pada saat ini bisa dikatakan sebagai hasil evolusi dari Decision Support System (DSS) yang dimulai sekitar tahun 1960 dan berkembang sampai tahun 1980an. Sekitar tahun 1980an mulai dari DSS, EIS (Executive Information System), data warehouse, OLAP dan BI mulai menjadi perhatian dan menjadi suatu kesatuan system.
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, antara lain:
- 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
- Komponen Dasar BI
Pada dasarnya komponen BI mencakup, gathering, storing, analysing dan providing access to data.
Dalam perkembanganya bahwa Business Intelligence telah banyak mencakup beberapa area teknologi dan proses, antara lain adalah:
- Forecasting
- Budgeting
- Dashboarding
- Reporting
- Strategic Planning
- Analysis
- Scorecarding
- Data Mining
- Data Warehousing
- SAP
SAP juga telah menawarkan solusi ERP sejak tahun 70an, terkenal dengan sebutan SAP BIW (Business Warehouse Information System), yang kemudian terus ber evolusi menjadi SAP BW (Business Warehouse) produk solusi SAP yang dirilis dari awal sudah mendukung realtime processing, dapat dikenali dengan SAP R1 – R3. Kali ini SAP BW telah ber evolusi lagi menjadi SAP BI (Business Intelligence) berkembang bersamaan dengan jajaran produk baru sap Netweaver yang sudah mendukung teknologi portal dan web application. SAP juga memiliki berbagai jenis varian solusi BI yang dapat disesuaikan berdasarkan jenis Industri bisnis yang ada. Selain itu jika sudah menggunakan SAP ERP, mengintegrasikan SAP BI akan menjadi sangat mudah dan seamless karena berasal vendor yang sama.
Dengan kemampuan nya yang multi platform dan multi database, SAP sangat mudah untuk mengadaptasi platform yang digunakan oleh berbagai perusahaan, apakah database anda SQL Server, ORacle, DB2 dapat didukung dengan mudah, platform OS seperti Windows dan Unix/Linux varian juga dapat diimplementasikan oleh SAP. Kali ini SAP BI menjadi salah satu portofolio solusi produk dari SAP BusinessObject.
Nama : Brilian Listiana Visi
Kelas : Teknik Informatika - 3E
NPM : 1103191
