Terminologi Data Warehouse, Data Mart, Data Mining, OLAP(On-Line Analytical Processing), MOLAP, ROLAP, HOLAP (Keuntungan, Kekurangan, dan Deskripsi)

Data Warehouse

Ada beberapa ahli yang menyampaikan tentang pengertian Data Warehouse, yaitu :

1. 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.
2. Menurut Vidette Poe, data warehouse merupakan database yang bersifat analisis dan read only yang digunakan sebagai fondasi dari sistem penunjang keputusan.
3. Menurut Paul Lane, data warehouse merupakan database relasional yang didesain lebih kepada query dan analisa dari pada proses transaksi, biasanya mengandung history 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  motode dalam perancangan database yang menunjang DSS (Decission Support System) dan EIS (Executive Information System).  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 dapat melakukan query dengan 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).

Istilah-istilah yang berkaitan dengan data warehouse :

1. Data Mart
2. Data Mining
3. On-Line Analytical Processing(OLAP)

Keuntungan Data Warehouse

Data warehouse merupakan pendekatan untuk menyimpan data dimana sumber-sumber data yang heterogen(yang biasanya tersebar pada beberapa database (OLTP) dimigrasikan untuk penyimpanan data yang homogen dan terpisah. Keuntungan dengan menggunakan data warehouse adalah :

1. Data diorganisir 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

   Data Mart adalah  bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasional pada suatu persahaan. Data mart sering digunakan untuk memberikan informasi kepada segmen fungsional organisasi.

Karakteristik Data Mart

• Data mart memfokuskan hanya pada kebutuhan-kebutuhan pemakai yang terkait dalam sebuah departemen atau fungsi bisnis.
• Data mart biasanya tidak mengandung data operasional yang rinci seperti pada data warehouse.
• Data mart hanya mengandung sedikit informasi dibandingkan dengan data warehouse. Data mart lebih mudah dipahami.

Keutungan dan Kelemahan Data Mart :

 Keuntungan Data Mart, sebagai berikut:

1. Akses mudah ke data yang sering digunakan
2. Penciptaan pandang kolektif untuk sekelompok pengguna
3. Peningkatan respon-time dari pengguna akhir
4. Fleksibel dan mudah cara pembuatan
5. Lebih hemat biaya daripada Data warehouse
6. Definisi pengguna lebih jelas dari sebuah gudang data.

Kelemahan Data Mart, sebagai berikut :

1. Tidak bisa sepenuhnya menilai kinerja LAN berbasis sistem manajemen database sementara port dari satu lingkungan yang lain.
2. 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 Mining

   Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basisdata dengan melakukan penggalian pola pola dari data dengan tujuan untuk memanipulasi data menjadi informasi yang lebih berharga yang diperoleh dengan cara mengekstrasi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basis data.

OLAP (Online Analytical Processing)

   OLAP adalah Pemrosesan database yang menggunakan tabel fakta dan dimensi untuk dapat menampilkan berbagai macam bentuk laporan analisis query transaksi sehari-hari.

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.

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 dengantable, maka untuk satu cube akan banyak fragmen table yang isinya adalah detil agregasi 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 tidak ada kaitannya.

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.

Cara kerja ROLAP secara umum adalah sebagai berikut :

• OLAP client mengirimkan query analisis ke OLAP Server.
• OLAP server akan melakukan pemeriksaan di cache apakah sudah bisa melayani permintaan query dari client tersebut, jika sudah akan dikirimkan.
• Jika pada cache belum terdapat data 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.

Keuntungan dari ROLAP ini adalah tidak memerlukan storage tambahan. Namunkelemahannya adalah  jika data untuk suatu cube sangat besar (masif) maka performa pengambilan data akan cukup buruk.

HOLAP (Hybrid OLAP)
HOLAP untuk mengatasi kelemahan dari ROLAP dan MOLAP, kelemahan tersebut adalah :

• Performa ROLAP tidak begitu baik karena agregasi selalu dilakukan ulang apabila

cache sudah expired.

• Keterbatasan storage dari MOLAP jika digunakan untuk menyimpan kombinasi agregasi 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.

Business intelligence
Business intelligence 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. Pada umumnya solusi yang disediakan oleh BI berupa sumber-sumber data dimana data yang sifatnya transaksional dikumpulkan, data warehouses/data marts, reporting dan alat visualisasi, seperti analisis prediksi dan modelling.

Komponen-Komponen Business intelligence

1. Data Operasional
   • Customer
   • Inventory
   • Credit
   • Sales
   • Operational
   • External
2. ETL
3. Data Warehouse
4. Data Mining
5. OLAP (On-Line Analytical Processing)
6. OLTP (On-Line Transaction Processing)

Manfaat dan Keuntungan mengimplementasikan Business Intelligence

1. Meningkatkan Profit
Mengapa dapat meningkatkan profit? Bagi perusahaan atau organisasi yang mengimplementasikan Business Intelligence, dapat membantu pebisnis dalam mengevaluasi para pelanggannya. Dengan Business Intelligence, perusahaan dapat mengetahui pelanggannya, berapa pelanggan yang kita punyai, apakah pelanggan dapat menghasilkan keuntungan secara jangka panjang atau pelanggan tersebut hanya menguntungkan dalam jangka pendek saja. Dengan Business Intelligence pebisnis memanfaatkan keuntungan ini, pebisnis dapat meningkatkan layanannya untuk menjawab kebutuhan-kebutuhan dari pelanggan. Maka dengan demikian pelanggan pun akan puas akan pelayanan yang diberikan dan menjadikan nilai lebih bagi perusahaan yang mengimplementasikan Business Intelligence, secara otomatis juga profit perusahaan semakin meningkat.

2. Menurunkan Biaya
Dalam mengimplementasikan Business Intelligence dalam suatu perusahaan atau organisasi, secara tidak langsung akan menurunkan beberapa biaya yang juga menjadi beban bagi organisasi tersebut. Seperti menurunkan biaya operasional yang berlebih, biaya pencarian pelanggan baru, karena dengan Business Intelligence perusahaan dapat mengetahui informasi pelanggan lama yang berpotensial dalam perusahaan, cukup meningkatkan pelayanan kepada tersebut, dibandingkan kita harus mengeluarkan biaya untuk pelanggan baru yang kita belum mengenal potensi pelanggan baru. Business Intelligence dapat membantu mengevaluiasi biaya organisasi yang dikeluarkan.

3. Meningkatkan Pemasaran
Di dalam persaingan bisnis yang semakin memanas, banyak perusahaan besar menerapkan Business Intelligence untuk bertahan dalam persaingan bisnis karena dapat dimanfaatkan untuk mengevaluasi, menganalisis pelanggan. Dengan demikian pula perusahaan dapat mengetahui pangsa pasar yang produktif serta menguntungkan bagi  perusahaan, sehingga perusahaan dapat tetap bartahan dalam mempertahankan pasarnya bahkan memperluas pemasarannya. Ini menjadikan suatu strategi bagi perusahaan tersebut.

4. Mempermudah Pengambilan Keputusan
   Business Intelligence sering kali digunakan untuk membantu dalam pengambilan keputusan. Business Intelligence memanfaatkan dan menganalisis data, informasi dan pengetahuan untuk memberikan nilai tersendiri bagi perusahaan serta membantunya dalam pengambilan keputusan. Business Intelligence mampu memberikan solusi melalui informasi yang diperoleh dari perusahaan itu sendiri. Suatu data yang pada awalnya tidak dapat membantu dalam pengambilan keputusan, dengan Business Intelligence data atau informasi yang ada dapat di terintegrasikan dan mudah dimengerti. Dengan demikian, Business Intelligence membantu perusahaan agar dapat mengambil keputusan yang tepat karena pemanfaatan informasi yang baik.

Tantangan dan Kerugian Mengimplementasikan Business Intelligence

1. Membutuhkan banyak data
Biasanya implementasi Business Intelligence diterapkan pada perusahaan besar, dalam artian perusahaan yang memiliki data transaksi yang banyak, dengan demikian untuk mendapatkan data yang besar maka dibutuhkan pula waktu yang cukup lama, biasanya perusahaan sudah berdiri 5-10tahun lebih sehingga memiliki data yang cukup banyak. Ini menjadi suatu tantangan bagi perusahaan yang memiliki data transaksi kecil, karena jika ingin mendapatkan data yang besar harus menunggu waktu yang cukup lama menjadikannya tidak efektif untuk meningkatkan perusahaan kecil.

2. Perubahan Budaya Perusahaan
Banyak perusahaan yang tidak bisa menerima perubahan budaya yang terjadi pada perusahaanya. Maka ini menjadi suatu tantangan bagi perusahaan dalam mengubah budaya lama pada perusahaan menjadi budaya baru yakni dalam mengimplementasikan Business Intelligence. Perusahaan yang pada awalnya memiliki data, informasi yang tidak di olah dengan baik, dengan Business Intelligence data tersebut diolah sebaik mungkin agar memiliki nilai bagi perusahaanya. Dibutuhkan juga pekerja yang intelektual untuk dapat mengolah data dan informasi dengan baik.

3. Resiko Kegagalan
Dalam mengimplementasi apapun pasti memiliki resiko, resiko ini menjadi suatu tantangan maupun kerugian bagi suatu perusahaan. Business Intelligence dibutuhkan untuk mengolah data, informasi dan pengetahuan agar menjadi bermanfaat bagi perusahaan. Memiliki resiko kegagalan yang cukup riskan dalam mengolah data dan informasi, mengapa? Karena data dan informasi yang diolah itu cukup banyak dan akibat data yang sangat banyak maka pengumpulan datanya pun tidak teratur, cukup rumit untuk diolah. Sehingga dapat menyebabkan adanya resiko kegagalan yang akan terjadi jika tidak dikelola dengan sebaik mungkin.

contoh perusahaan yang menggunakan business intelligence :

1. United Pipe & Supply Co.
2. PT. Adaro Energy Tbk
3. PT. INTEGRITY INDONESIA

Sumber : zakki.dosen.narotama.ac.id