Pengertian data warehouse
Data warehouse adalah database yang berisi data dari
beberapa system operasional yang terintegrasi dan terstruktur sehingga dapat
digunakan untuk mendukung analisa dan proses pengambilan keputusan dalam
bisnis. Data warehouse didesain untuk kita bisa melakukan query secara cepat.
Informasi diturunkan dari data lain, dilakukan rolling up untuk dijadikan
ringkasan, dilakukan operasi drilling down untuk mendapatkan informasi lebih
detail, atau melihat pola yang menarik atau melihat trend (kecenderungan).
Kebutuhan akan data
warehouse
1. 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.
2. On-Line
Analytical Processing (OLAP)
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.
3. Data mining
Data mining merupakan proses untuk menggali 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 :
·
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.
·
Melihat pola beli dari
waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli dari waktu
ke waktu.
1.
cross-market analysis
Data mining dapat dimanfaatkan untuk melihat hubungan antara
satu produk dengan produk lainnya.
2. Profil pelanggan
Data mining bisa membantu pengguna untuk melihat profil pembeli
sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada suatu produk
apa saja.
3.
Informasi summary
Data mining dapat membuat laporan summary yang bersifat multi
dimensi dan dilengkapi dengan informasi statistik lainnya.
4. 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.
Karakteristik Data
Warehouse
1. Subject
Oriented (Berorientasi subject)
Data warehouse berorientasi subject artinya data warehouse
didesain untuk menganalisa data berdasarkan subject-subject tertentu dalam
organisasi,bukan pada proses atau fungsi aplikasi tertentu. Data warehouse
diorganisasikan disekitar subjek-subjek utama dari
perusahaan(customers,products dan sales) dan tidak diorganisasikan pada
area-area aplikasi utama(customer invoicing,stock control dan product sales).
Hal ini dikarenakan kebutuhan dari data warehouse untuk menyimpan data-data
yang bersifat sebagai penunjang suatu keputusan, dari pada aplikasi yang
berorientasi terhadap data.
Jadi dengan kata lain, data yang disimpan adalah berorientasi
kepada subjek bukan terhadap proses. Secara garis besar perbedaan antara data
operasional dan data warehouse yaitu :
Data
Operasional
|
Data
Warehouse
|
Dirancang berorientasi hanya pada aplikasi dan fungsi tertentu
|
Dirancang berdasar pada subjek-subjek tertentu(utama)
|
Focusnya pada desain database dan proses
|
Focusnya pada pemodelan data dan desain data
|
Berisi rincian atau detail data
|
Berisi data-data history yang akan dipakai dalam proses
analisis
|
Relasi antar table berdasar aturan terkini(selalu mengikuti
rule(aturan) terbaru)
|
Banyak aturan bisnis dapat tersaji antara tabel-tabel
|
2. Integrated (Terintegrasi)
Data Warehouse dapat menyimpan data-data yang berasal dari
sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling
terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipecah-pecah
karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep
data warehouse itu sendiri.
Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara
sepeti konsisten dalam penamaan variable,konsisten dalam ukuran
variable,konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik
dari data.
Contoh pada lingkungan operasional terdapat berbagai macam
aplikasi yang mungkin pula dibuat oleh developer yang berbeda. Oleh karena itu,
mungkin dalam aplikasi-aplikasi tersebut ada variable yang memiliki maksud yang
sama tetapi nama dan format nya berbeda. Variable tersebut harus dikonversi
menjadi nama yang sama dan format yang disepakati bersama. Dengan demikian
tidak ada lagi kerancuan karena perbedaan nama, format dan lain sebagainya.
Barulah data tersebut bisa dikategorikan sebagai data yang terintegrasi karena
kekonsistenannya.
3. Time-variant
(Rentang Waktu)
Seluruh data pada data warehouse dapat dikatakan akurat atau
valid pada rentang waktu tertentu. Untuk melihat interval waktu yang digunakan
dalam mengukur keakuratan suatu data warehouse, kita dapat menggunakan cara
antara lain :
·
Cara yang paling
sederhana adalah menyajikan data warehouse pada rentang waktu tertentu,
misalnya antara 5 sampai 10 tahun ke depan.
· Cara yang kedua,
dengan menggunakan variasi/perbedaan waktu yang disajikan dalam data warehouse
baik implicit maupun explicit secara explicit dengan unsur waktu dalam hari,
minggu, bulan dsb. Secara implicit misalnya pada saat data tersebut diduplikasi
pada setiap akhir bulan, atau per tiga bulan. Unsur waktu akan tetap ada secara
implisit didalam data tersebut.
· Cara yang
ketiga,variasi waktu yang disajikan data warehouse melalui serangkaian snapshot
yang panjang. Snapshot merupakan tampilan dari sebagian data tertentu sesuai
keinginan pemakai dari keseluruhan data yang ada bersifat read-only.
4. Non-Volatile
Karakteristik keempat dari data warehouse adalah
non-volatile,maksudnya data pada data warehouse tidak di-update secara real
time tetapi di refresh dari sistem operasional secara reguler. Data yang baru
selalu ditambahkan sebagai suplemen bagi database itu sendiri dari pada
sebagai sebuah perubahan. Database tersebut secara kontinyu menyerap data baru
ini, kemudian secara incremental disatukan dengan data sebelumnya.
Berbeda dengan database operasional yang dapat melakukan
update,insert dan delete terhadap data yang mengubah isi dari database
sedangkan pada data warehouse hanya ada dua kegiatan memanipulasi data yaitu
loading data (mengambil data) dan akses data (mengakses data warehouse seperti
melakukan query atau menampilan laporan yang dibutuhkan, tidak ada kegiatan
updating data).
On Line Transaction
Processing (OLTP)
On Line Transaction Processing (OLTP) adalah suatu
pemrosesan yang menyimpan data kegiatan operasional transaksi harian.
Ciri-ciri
umum sistem OLTP adalah :
·
Mendukung jumlah pengguna yang banyak yang sering menambah dan
merubah data transaksi
·
Mengandung data dalam jumlah besar, termasuk di dalamnya
validasi data transaksi
·
Memiliki struktur yang kompleks dan rumit
·
Diarahkan secara maksimal untuk melayani aktivitas transaksi
harian
·
Menyediakan teknologi infrastruktur yang mendukung operasional
transaksi data dalam perusahaan
On Line Analytical Processing (OLAP)
OLAP (OnLine
Analytical Processing) adalah jenis perangkat lunak yang digunakan untuk
melakukan permintaan terhadap data dalam bentuk yang kompleks dan bersifat
sementara serta sewaktu-waktu. OLAP memanipulasi dan menganalisis data bervolume
besar dari berbagai perspektif (multidimensi). Oleh karena itu OLAP seringkali
disebut analisis data multidimensi.
Kemampuan OLAP
1.
Konsolidasi
melibatkan pengelompokan data. Sebagai contoh kantor-kantor cabang dapat
dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat
ditinjau menurut tahun, triwulan, bulan, dan sebagainya. Kadangkala istilah
rollup digunakan untuk menyatakan konsolidasi
2.
Drill-down adalah
suatu bentuk yang merupakan kebalikan dari konsolidasi, yang memungkinkan data
yang ringkas dijabarkan menjadi data yang lebih detail.
3.
Slicing and dicing
(atau dikenal dengan istilah pivoting) menjabarkan pada kemampuan untuk melihat
data dari berbagai sudut pandang.
Adapun karakterisik
aplikasi-aplikasi OLAP:
1.
permintaan data sangat kompleks,
2.
jarang ada pemutakhiran, dan
3.
transaksi mengakses banyak bagian dalam basis data.
Contoh perangkat lunak
OLAP:
·
Express Server (Oracle)
·
PowerPlay (Cognos Software)
·
Metacube (Informix/Stanford Technology Group)
·
HighGate Project (Sybase)
Perbedaan OLTP
dan OLAP
Referensi
