Arsitektur dan Infrastruktur Data Warehouse Penjualan Pendukung Kebutuhan Informasi Eksekutif Cemerlang Skin Care

           Perancangan data warehouse difokuskan pada perancangan arsitektur data warehouse yang berfokus pada penyediaan data sehingga mampu memenuhi kebutuhan informasi penjualan untuk managemen. Cemerlang skin care sebuah klinik yang tersebar dibeberapa kota besar sehingga membutuhkan sebuah sistem yang mampu mengintegrasikan data dari cabang-cabang yang ada dan menyajikan informasi dengan cepat. Data warehouse ini dirancang dengan menerapkan Nine-Step Methodology dari Kimball sehingga data dapat terintegrasi dan mendukung informasi yang bersifat global yang dapat dilihat dari berbagai sudut pandang sebagai solusi dari permasalahan yang ada. Data warehouse, menjadikan data perusahaan yang tersebar menjadi terintegrasi dan ringkas untuk membantu pengguna menganalisis data yang ada untuk pengambilan keputusan yang bersifat strategis secara cepat dan tepat.

Gambar Arsitektur :

           Arsitektur data warehouse (lihat gambar di atas) terdiri dari Sumber data, ETL, data mart dan cube. Sumber data, merupakan data operational yang disimpan dalam database, yang akan diproses (ETL) dan diintegrasikan kedalam data warehouse. Sedangkan datamart dan cube berisi data-data yang mendukung fungsi bisnis, seperti yang dikatakan oleh Inmon (2005, p321) datamart adalah sub-set dari data warehouse yang umumnya terdiri dari sebuah subjek tunggal. Jadi, data mart merupakan serangkaian data yang hanya menjelaskan satu fungsi dari operasi perusahaan. Dari gambar tersebut, terlihat aliran data dari operational ke data warehouse, dilanjutkan dengan pengembangan aplikasi (reporting) yang akan digunakan untuk menganalisis dan mengevaluasi bisnis. Seperti apa yang disampaikan oleh Inmon (2005, p35), data mengalir dari lingkungan operasional ke dalam data warehouse dimana data mengalami transformasi dari tingkatan operasional ke tingkatan data warehouse.

ETL (Extract, Transform, Load)

ETL merupakan proses yang sangat penting dalam data warehouse, dengan ETL inilah data dari operational

dapat dimasukkan ke dalam data warehouse. ETL juga dapat digunakan untuk mengintegrasikan data dengan

sistem yang sudah ada sebelumnya (uUntuk lebih jelasnya dapat dilihat pada Gambar 1 diatas).

Tujuan ETL adalah mengumpulkan, menyaring, mengolah, dan menggabungkan data-data yang relevan dari

berbagai sumber untuk disimpan ke dalam data warehouse. Hasil dari proses ETL adalah dihasilkannya data

yang memenuhi kriteria data warehouse seperti data yang historis, terpadu, terangkum, statis, dan memiliki

struktur yang dirancang untuk keperluan proses analisis.

o Extract

Langkah pertama pada proses ETL adalah mengekstrak data dari sumber-sumber data. Kebanyakan proyek data warehouse menggabungkan data dari sumber-sumber yang berbeda. Sistem-sistem yang terpisah sangat mungkin menggunakan format data yang berbeda. Ektraksi adalah mengubah data ke dalam suatu format yang berguna untuk proses transformasi.

o Transform

Tahapan transformasi menggunakan serangkaian aturan atau fungsi untuk mengekstrak data dari sumber dan selanjutnya akan dimasukkan ke data warehouse. Berikut adalah hal-hal yang dapat dilakukan dalam tahapan transformasi:

• Hanya memilih kolom tertentu saja untuk dimasukkan ke dalam data warehouse.

• Menterjemahkan nilai-nilai yang berupa kode.

• Mengkodekan nilai-nilai ke dalam bentuk bebas (Contohnya memetakan “Pria” dengan “P” dan

“Wanita” ke dalam “W”).

• Melakukan perhitungan nilai-nilai baru (Contohnya nilai = qty * harga_satuan).

• Menggabungkan data secara bersama-sama dari berbagai sumber.

• Membuat ringkasan dari sekumpulan baris data.

• Men-generate nilai surrogate key.

• Transposing atau pivoting (Mengubah sekumpulan kolom menjadi sekumpulan baris atau sebaliknya).

• Memisahkan sebuah kolom menjadi berbagai kolom.

• Menggunakan berbagai bentuk validasi data baik yang sederhana maupun kompleks.

o Load

Fase load merupakan tahapan yang berfungsi untuk memasukkan data ke dalam target akhir, yang biasanya ke dalam suatu data warehouse. Jangka waktu proses ini tergantung pada kebutuhan organisasi. Beberapa data warehouse dapat setiap minggu mengisi keseluruhan informasi yang ada secara kumulatif, data diubah, sementara data warehouse yang lain (atau bagian lain dari data warehouse yang sama) dapat menambahkan data baru dalam suatu bentuk yang historikal, contohnya setiap jam. Waktu dan jangkauan untuk mengganti atau menambah data tergantung dari perancangan data warehouse pada waktu menganalisis keperluan informasi.

Fase load berinteraksi dengan suatu database, constraint didefinisikan dalam skema database sebagai suatu trigger yang diaktifkan pada waktu me-load data (Contohnya uniqueness, referential integrity, mandatory fields), yang juga berkontribusi untuk keseluruhan tampilan dan kualitas data dari proses ETL.
Masalah-masalah yang terjadi dalam ETL adalah sumber-sumber data umumnya sangat bervariasi diantaranya:

o Platform mesin dan sistem operasi yang berlainan.

o Mungkin melibatkan sistem kuno dengan teknologi basis data yang sudah ketinggalan zaman.

o Kualitas data yang berbeda-beda.

o Aplikasi sumber data mungkin menggunakan nilai data (representasi) internal yang sulit dimengerti.

Arsitektur Data warehouse

       Dalam perancangan data warehouse ini, arsitektur yang digunakan adalah arsitektur data warehouse dengan menggunakan staging area. Untuk lebih jelasnya dapat dilihat pada gambar 4 dibawah ini. Dimana data warehouse yang dirancang, akan dimulai dari pengumpulan data di tingkat operational yang biasa disebut dengan OLTP. Data operational yang dikumpulkan berupa data-data perawatan dari pasien dan penjualanobat obatan serta kosmetik dari seluruh cabang dikumpulkan di pusat. Setelah data-data dari cabang terkumpul, maka proses akan dijalankan dengan cara di tampung terlebih dahulu di staging area. Setelah data masuk dalam staging area, data akan dibersihkan, di integrasikan serta di standarisasikan, baru setelah itu di loading ke data warehouse. Setelah masuk ke data warehouse, data dikelompokkan kedalam data mart sesuai dengan fungsi-fungsi yang akan menghasilkan informasi yang dibutuhkan oleh user.

Kegunaan Data Warehouse serta Dampak Penerapannya

Hello Guys,
Kali ini mau shared tentang salah satu mata kuliahku semester 5, yaitu Data Warehouse.
Berikut ada beberapa bahasan dan uraian tentang :

1. Apa kegunaan Data Warehouse ?
2. Mengapa Data Warehouse digunakan dalam perusahaan ?
3. Apa keuntungannya ?
4. Dan apa kelemahan yang dimiliki Data Warehouse ?

Oke.. Mau tau ulasan dan jawaban dari pertanyaan di atas, let's checked this out ;)

Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi DSS dan EIS karena memang kegunaan dari data warehouse adalah  khusus untuk membuat suatu database yang dapat digunakan untuk mendukung proses analisa bagi para pengambil keputusan. 

Disamping itu ada empat tugas yang bisa dilakukan dengan adanya data warehouse

Menurut Williams, keempat tugas tersebut yaitu:

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) : Dengan adanya data warehouse,semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. 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(mining) 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.
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.

Beberapa solusi yang diberikan data mining antara lain :

1.    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.

2.    Melihat pola beli dari waktu ke waktu

Data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu.

3.    cross-market analysis

Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan produk lainnya.

4.    Profil pelanggan

Data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja.

5.    Informasi summary

Data mining dapat membuat laporan summary yang bersifat multi dimensi dan dilengkapi dengan informasi statistik lainnya.

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 yang didapatkan dengan menggunakan data warehouse tersebut dibawah ini (Ramelho).

Ø  Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi.

Ø  Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi.

Ø  Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data apabila data dipindahkan dari database OLTP ke data warehouse.

Ø  Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.

Membangun data warehouse tentu saja memberikan keuntungan lebih bagi suatu perusahaan, karena data warehouse dapat memberikan keuntungan strategis pada perusahaan tersebut melebihi pesaing-pesaing mereka. Keuntungan tersebut diperoleh dari beberapa sumber (Sean Nolan,Tom Huguelet):

Ø  Kemampuan untuk mengakses data yang besar

Ø  Kemampuan untuk memiliki data yang konsistent

Ø  Kemampuan kinerja analisa yang cepat

Ø  Mengetahui adanya hasil yang berulang-ulang

Ø  Menemukan adanya celah pada business knowledge atau business process.

Ø  Mengurangi biaya administrasi

Ø  Memberi wewenang pada semua anggota dari perusaahan dengan menyediakan kepada mereka informasi yang dibutuhkan agar kinerja bisa lebih efektif. 

Kelemahan Data Warehouse

* Data warehouse bukan merupakan lingkungan yang cocok untuk data yang tidak terstruktur.

* Data perlu di ekstrak, diubah (ETL) dan di load ke datawarehouse sehingga membutuhkan tenggang waktu untuk memindahkannya. 

* Semakin lama dipelihara, semakin besar biaya untuk merawat sebuah datawarehouse.

* Data warehouse dapat menjadi ketinggalan dari data terbaru yang relatif cepat, karena data yang digunakan di datawarehouse tidak di update secara cepat. sehingga data yang ada tidak optimal.

Paper Data Warehouse

Berikut link untuk download paper tugas kuliah data warehouse tentang pengembangan data warehouse dalam suatu perusahaan.

Mungkin sedikit belum bisa mengelola blog dengan baik, but checked this out :)

* http://www.4shared.com/office/2156d9Aw/Paper_Data_Warehouse.html?

Lupa Kasih Judul ;) "Konsep Data Warehouse"

KONSEP DATA WAREHOUSE

Dibandingkan database tradisional, Data Warehouse umumnya terdiri dari data berukuran sangat besar dari banyak sumber dan mungkin terdiri dari database model data yang berbeda dan terkadang file dari sistem dan platform yang independen.

Tidak seperti  database transaksional. Data Warehouse biasanya mendukung analisa tren dan time-series, dimna keduanya membutuhkan data historik.
Data Warehouse itu bersifat nonvolatile, artinya informasi dalam Data Warehouse jarang diubah dan bisa dianggap non-real-time.

Data Warehouse bisa digambarkan sebagai "kumpulan teknologi pendukung keputusan, dimaksudkan untuk memungkinkan pekerja yang berhubungan dengan informasi (eksekutif, manajer dan analis) untuk membuat keputusan lebih baik dan lebih cepat."

PENGERTIAN DATA WAREHOUSE

Pengertian Data Warehouse dapat bermacam-macam tergantu pada teori yang diacu. Namun dari semua teori yang ada memilik inti yang sama antara lain sebagai berikut :

Menurut M. Klimavicius (2008, p85), sistem data warehouse mempresentasikan sebuah sumber informasi untuk menganalisa pengembangan dan hasil dari sebuah perusahaan atau organisasi di dalam lingkungan yang selalu berubah. Dara di dalam data warehouse menggambarkan peristiwa dan status dari proses bisnis, produk dan jasa tujuan dan unit-unit organisasi.

Menurut Inmon (2005, p29), sebuah data warehouse adalah sebuah kumpulan data yang integrated, subjected-oriented, nonvolatile, time variant yang mendukung manajemen pengambilan keputusan.

Data warehouse merupakan metode dalam perancangan database yang menunjang DSS(Decission Support System) dan EIS (Executive Information System). Secara fisik data warehouse adalah database, namun perancangan data warehouse dan database sangat berbeda. Dalam perancangan database tradisional menggunakan normalisasi, sedangkan paa data warehouse normalisasi bukan cara yang terbaik.

Dari definisi tersebut dapat disimpulkan data warehouse adalah database yang saling berinteraksi, dapat digunakan dalam untuk query dan analisis, bersifat orientasi subyek, terintegrasi, time-variant, dan dapat digunakan untuk membantu pengambilan keputusan.

PERBANDINGAN DATA WAREHOUSE DENGAN OLTP

to be continued...

Sumber : http://thesis.binus.ac.id/doc/Bab2/2011-2-00305-IF%20Bab%202.pdf