View
42
Download
1
Category
Preview:
DESCRIPTION
ppt ini adalah bahan materi ajar dosen UII
Citation preview
Data WarehouseBusiness Intelligence
Hendrik
Arsitektur BI
Fragmentasi sistem informasi secara vertical
Menghasilkan pengembangan sistem operasional yang berbasis aplikasi (pengguna)
Problem: Manajemen Data pada Perusahaan Besar
Sales Administration Finance Manufacturing ...
Sales PlanningStock Mngmt
...
Suppliers
...Debt Mngmt
Num. Control
...Inventory
Mengumpulkan dan menggabungkan informasi Menyediakan sudut pandang yang terintegrasi,
antaramuka pengguna yang seragam Mendukung berbagi pakai
Goal: Penyatuan Akses ke Data
Integration System
WorldWideWeb
Digital Libraries Scientific Databases
PersonalDatabases
Pendekatan Tradisional (Query-Driven/ Lazy/ on-demand approach)
Pendekatan Warehousing
Solusi
Pendekatan Tradisional
Source SourceSource. . .
Integration System
. . .
Metadata
Clients
Wrapper WrapperWrapper
Kelemahan◦ Delay saat pemrosesan query
Sumber informasi yang lambat atau tidak tersedia Proses integrasi dan penyaringan data yang
kompleks◦ Untuk penggunaan yang sangat intens,
berpotensi tidak efisien dan mahal◦ Adanya kompetisi pemrosesan pada sumber data
Pendekatan Tradisional
Pendekatan Warehousing
DataWarehouse
Clients
Source SourceSource. . .
Extractor/Monitor
Integration System
. . .
Metadata
Extractor/Monitor
Extractor/Monitor
Informasi terintegrasi di awal
Tersimpan pada gudang data (WH) untuk query dan analisis langsung
Kinerja query yang tinggi Tidak saling mengganggu saat pemrosesan
pada sumber data◦ Query kompleks dilakukan pada DW◦ OLTP dilakukan pada sumber informasi
Informasi digandakan pada DW◦ Dapat digunakan untuk memodifikasi,
mendokumentasi, merangkum dan merestruktutisasi data.
◦ Dapat menyimpan informasi historis Banyak digunakan pada dunia industri
Pendekatan Warehousing
Pendekatan Query-driven tetap lebih baik dalam kasus◦ Perubahan informasi yang sangat cepat◦ Perubahan sumber informasi yang sangat cepat◦ Klien dengan kebutuhan yang sulit diprediksi
“A data warehouse is simply a single, complete, and consistent store of data obtained from a variety of sources and made available to end users in a way they can understand and use it in a business context.” -- Barry Devlin, IBM Consultant
Definisi DataWarehouse (DW)-sudut pandang praktisi
Berorientasi subjek Terintegrasi Runtun waktu (time series) Tak berubah (non volatile)
Karakteristik DataWarehouse (DW)
Data disimpan dan dikategorisasikan berdasarkan subjek bisnis.
Data diorganisir sedemikian rupa sehingga semua elemen data berelasi dengan kejadian atau objek dunia nyata yang dihubungkan bersama
Menyediakan pandangan menyeluruh terhadap data
Karakteristik - Berorientasi Subjek
Aplikasi vs berorientasi subjek
Mengambil data dari berbagai sumber data Disajikan dalam format yang konsisten Menangani konflik nama dan satuan
Karakteristik - Terintegrasi
OLTP Applications
Savings
Currentaccounts
Loans
Data Warehouse
Customer
Digunakan untuk keperluan analisis trend, deviasi, peramalan, perbandingan, …
Waktu: harian, mingguan, bulanan
Karakteristik – Runtun Waktu
Data tidak untuk diubah (read-only)
Karakteristik – Tak Berubah
Insert UpdateDelete
Read Read
Operational Warehouse
Load
Perubahan dianggap sebagai data baru
Karakteristik – Tak Berubah
Warehouse Database
First time load
Refresh
Refresh
Refresh
Operational Database
Data Operasional vs DWProperty
ResponseTime
Operations
Nature of Data
Data Organization
Size
Data Source
Activities
Operational
Sub seconds to seconds
DML
30-60 days
Applications
Small to large
Operational, Internal
Processes
Data Warehouse
Seconds to hours
Snapshots over time
Subject, time
Large to very large
Operational, Internal,External
Analysis
Primarily read only
Meningkatkan produktivitas knowledge worker
mendukung semua kebutuhan data pembuat keputusan
Menyediakan akses ke data kritis yang senantiasa siap
Memisahkan basisdata operasi dengan ad-hoc processing
Menyediakan rangkuman informasi bagi level manajemen tingkat tinggi
Menyediakan kemampuan drill-down
Keuntungan
Organisasi yang ….◦ Memiliki data pada berbagai macam
sistem/aplikasi◦ Menggunakan pendekatan manajemen berbasis
informasi◦ Besar, memiliki pelanggan dengan lokasi yang
terpisah atau berbeda-beda◦ Memiliki data yang sama namun dengen
representasi yang berbeda pada berbagai sistem yang berbeda pula
Sesuai untuk……
Data detil kini Detil data lampau Data terangkum tingkat rendah Data terangkum tingkat tinggi Metadata
◦ Merupakan direktori terkait apa yang ada di DW, panduan pemetaan data dari data operasional ke bentuk DW, aturan yang digunakan untuk perangkuman (summarization)
Struktur DW
Bagian dari DW yang berisi data yang relevan untuk fungsi bisnis tertentu (fokus pada 1 subjek)◦ Dependent DM : Subset DW◦ Independent DM: DW kecil (mis: untuk 1
departemen/unit bisnis)
Memerlukan detil data level rendah
Data Mart
DW vs DM
DataWarehouse
DataMart
Dependent Data Mart
MarketingSales
FinanceHuman Resources
Marketing
Marketing
Marketing
External Data
DataWarehouse
OperationalSystems
Flat Files
Data Marts
Independent Data Mart
OperationalSystems
External Data
Sale or Marketing
Flat Files
Arsitektur
Metadata respository Serves
Extract Clean
Transform Load
Refresh OLAP
Data Warehouse
External Data Sources
Operational Databases
Visualisation
Data Mining
Data Mart Centric Virtual Federated Hub-and-Spoke DW Enterprise DW
Arsitektur Integrasi Data
Data Mart Centric (1)
Plus◦ Secara organisasi dan teknis mudah dibangun
Minus◦ Tidak ada sudut pandang enterprise◦ Redundansi biaya data◦ Biaya ETL dan operasional tinggi
Data Mart Centric (2)
Virtual Federated (1)
Plus◦ Tidak perlu platform tersendiri
Minus◦ Cocok hanya untuk volume rendah◦ Kompleksitas tinggi◦ Perlu bandwith besar◦ Masalah pada metadata
Virtual Federated (2)
Hub and Spoke DW (1)
Plus◦ Kustomisasi UI dan laporan mudah
Minus◦ Tantangan pada sudut pandang enterprise◦ Redundan biaya data◦ Biaya operasi tinggi◦ Data terlambat
Hub and Spoke DW (2)
Enterprise DW (1)
Plus◦ Menyediakan sudut pandang enterprise◦ Konsistensi data tinggi◦ Data dapat dipakai ulang (reusable)
Minus◦ Perlu visi, komitmen dan kepemimpinan
enterprise
Enterprise DW (2)
Inmon Model (pendekatan EDW)◦ Top-Down◦ Adaptasi dari basisdata relasional untuk
keperluan enterprise
Kimball Model (pendekatan DM)◦ Bottom-Up◦ “Plan Big, Build Small”
Pengembangan DW
InMon vs Kimball Model (1)
InMon vs Kimball Model (2)
Recommended