PENGENALAN DATA WAREHOUSE (Pertemuan 1)
NIM : 10410100104
Sejarah
Data warehouse
Awal mula data warehouse berangkat
dari tahun 80 an, dimana peneliti IBM Barry Devlin and Paul Murphy
mengembangkan "business data warehouse". Pada dasarnya bertujuan
untuk menyediakan model arsitektur untuk perubahan data dari sistem operasional
menuju sistem DSS. Beberapa hal penting berkisar sejarah data warehouse adalah
:
1960s - General Mills dan Dartmouth
College, mengembangkan istilah dimensions and facts.
1970s - ACNielsen dan IRI menyediakan
imensional data marts untuk penjualan retail
1983s - Teradatamemperkenalkan sistem
database yang khusus untuk DSS
1988s - Barry Devlin dan Paul Murphy
mempublikasikan artikel An architecture for a business and information systems
in yang memperkenalkan istilah "business data warehouse".
1990s - Red Brick Systems memperkenalkan
Red Brick Warehouse, sistem manajemen database khusus untuk data warehousing.
1991s - Bill Inmon mempublikasikan buku
Building the Data Warehouse.
1995s - The Data Warehousing Institute,
organisasi profit yang mempromosikan data warehouse didirikan 1996 - Ralph
Kimball mempublikasikan buku The Data Warehouse Toolkit.
2000s - Daniel Linstedt mempublikasikan
the Data Vault, yang memungkinkan audit data warehose.
Seiring dengan semakin meningkatnya
kompetisi bisnis, tiap organisasi harus dapat melakukan tindakan bisnis yang
tepat. Di masa yang lampau keputusan bisnis didasarkan pada intuisi pihak
manajemen. Saat ini dibutuhkan informasi yang menunjang, tepat, cepat dan
efisien dalam pengambilan keputusan. Informasi yang dibutuhkan berupa informasi
yang telah tersumarisasi (summarized), dan terspesialisasi (spesialized) hasil
dari analisa data operasional organisasi.
Informasi yang dibutuhkan dapat hadir
dalam bentuk laporan khusus, dan forecasting (peramalan) berdasarkan trend.
Informasi dihasilkan oleh Business Intelligence atau sistem informasi eksekutif
(Executive Support System) yang mendapatkan data dari data warehouse.
Kenapa
Membangun Data Warehouse?
DW yang dikombinasikan dengan BI
(Business Intelligence) dapat digunakan untuk mendapatkan informasi :
-
Lebih memahami apa yang terjadi pada bisnis
-
Menentukan trend historis
-
Prediksi kesempatan di masa datang
-
Mengukur performance
Manfaat
Data Warehouse
Berdasarkan pada
penjelasan-penjelasan tersebut di atas, dapat disebutkan bahwa penggunaan data
warehouse akan memberikan berbagai manfaat, diantaranya :
·
Walaupun
mahal dalam pembuatannya, namun untuk kebutuhan pelaporan dan analisis dapat
lebih menghemat biaya dan waktu.
·
Dikarenakan
terlebih dahulu mengisi data ke data warehouse, ketidak konsistenan yang ada
dapat diketahui dan diatasi sehingga akan mempermudah pelaporan dan analisis.
·
Data
yang ada di dalam data warehouse dapat digunakan untuk sistem pendukung
keputusan.
·
Data
yang ada di dalam data warehouse akan tetap ada walaupun data di sistem
operasional telah berubah atau dihapus
·
Data
diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan
transaksi.
·
Perbedaan
diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat
diatasi.
· Aturan
untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data
apabila data dipindahkan dari database OLTP ke data warehouse.
·
Masalah
keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.
Nilai Data
Warehouse
Data warehouse digunakan untuk sistem
BI (Business Intelligence) yang memiliki nilai untuk :
1.
Tracking and trending key performance indicators
2.
Measuring business performance
3.
Reporting and understanding financial results
5.
Identifying high-value customers
6.
Better selection or development of new products
7.
Understanding which products should be scaled back or eliminated
8.
Understanding business competitors
Data warehouse pertama kali
diperkenalkan oleh W.H.Inmon, sehingga W.H.Inmon sering disebut Bapak Data
Warehouse. Definisi data warehouse sebagai berikut:
Ø 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 kumpulan data dalam
mendukung proses pengambilan keputusan manajemen.
Ø Menurut Vidette Poe, data warehouse
merupakan database yang bersifat analisis dan read only yang digunakan sebagai
fondasi dari sistem penunjang keputusan.
Ø Menurut Paul Lane, data warehouse
merupakan database relasional yang didesain lebih kepada query dan analisis
daripada proses transaksi, biasanya mengandung history data dari proses
transaksi dan bisa juga data dari sumber lainnya.
Nah…dari ketiga definisi tersebut, dapat saya peroleh kesimpulan bahwa
data warehouse adalah sebuah “database” yang berukuran besar yang menyimpan
data dari berbagai sumber yang kemudian diproses menjadi bentuk penyimpanan
multidimensional dan didesain untuk querying dan reporting. Hal ini bertujuan
untuk menghasilkan informasi yang akurat dari waktu ke waktu, berguna untuk
pengambilan keputusan, analisis penjualan, analisis pasar, dan sebagainya.
Ø 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 :
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).
v Berikut ini adalah istilah-istilah yang akan kita sering jumpai
dalam membahas tentang data warehouse:
1. OLAP (Online
Analytical Processing)
OLAP adalah suatu pemrosesan data
warehouse yang menggunakan fact table dan dimension table untuk dapat
menampilkan berbagai bentuk laporan, analisis, dan query.
2. OLTP (Online Transaction Processing)
OLTP adalah suatu pemrosesan yang
menyimpan data mengenai kegiatan operasional transaksi dalam perusahaan
sehari-hari.
3. Fact Table
Fact table (tabel fakta) adalah tabel
yang umumnya mengandung sesuatu yang dapat diukur (measure), seperti harga,
jumlah barang, dan sebagainya. Fact table juga merupakan kumpulan foreign key
dari primary key yang terdapat pada masing-masing dimension table. Fact table
juga mengandung data yang historis.
4. Dimension Table
Dimension table (tabel dimensi)
adalah tabel yang berisi data detail yang menjelaskan foreign key yang terdapat
pada fact table. Atribut-atribut yang terdapat pada dimension table dibuat
secara berjenjang (hirarki) untuk memudahkan proses query.
§ Pemanfaatan data warehouse
menggunakan data mining, OLAP (online Analytical processing), DSS Namun, metode
untuk mendapatkan, dan menganalisa data berupa proses extract, transform dan
load data, serta manajemen data dictionary masih termasuk pokok bahasan utama
sebagai komponen sistem data warehouse. Definisi lanjutan dari data warehousing
termasuk business intelligence tools, tools untuk extract, transform dan load
data ke repository, dan tools untuk manajemen metadata.
Ø SUMBER REFERENSI :
[1] Inmon, W.H. (2002).
Building the Data Warehouse third edition. Toronto : John Wiley & Sons.
[2] Imhoff, Claudia.,
Galemmmo, Nicholas. and Geiger, Jonathan G. (2003). Mastering Data Warehouse
Design Relational and Dimensional Techniques. Indianapolis : Wiley Publishing
[3] Power, Daniel. (2005). Data-driven DSS: What
do I need to know about Data Warehousing/OLAP? [Online]. Tersedia:
http://dssresources.com/faq/index.php?action=artikel&cat=5&id=47&artlang=en
[17 Oktober 2009]
[4]
http://chrezsoft.blogspot.com/2012/10/pengenalan-data-warehouse.html
[5] http://erick1719.wordpress.com/2010/08/21/pengertian-data-warehouse/
[6]
http://risyana.wordpress.com/2009/11/17/pengantar-data-warehouse/
