Data Warehouse

TRANSLATE TEMA KLASIFIKASI USER DAN PERMINTAAN UNTUK MEMPROSES

ANALISIS SECARA ONLINE

NAMA
NIK

: WATIK ADIDAYA
: 0110212042

Tema Bab 12 : Klasifikasi user

Informasi dari data warehouse
Data warehouse vs sistem oprasional
1. Potensial informasi :
a) Untuk manajemen perusahaan secara keseluruhan
b) Potensial informasi untuk area bisnis, antara lain :
o
o
o
o
o

Pertumbuhan profit
Untuk Marketing yang bersifat strategis
Untuk Manajemen hubungan pelanggan
Menyadari potensial informasi
Pembelian perusahaan

Tingkatan dalam realisasi potensial informasi :

1.
2.
3.
4.
5.
6.

Mendefinisikan kebutuhan bisnis dalam term data warehouse

Pilih data yang sesuai dari warehouse
Memperkaya subset yang dipilih dengan perhitungan
Asosiasikan makna data yang telah diplih
menghasilkan struktur ke format yang sesuai untuk pengguna
mempresentasikan hasil terstruktur dalam berbagai cara

2. Pengguna-Tampilan informasi :
a. Mode penggunaan informasi, antara lain :
i. Mode verifikasi
ii. Mode pencarian/penjelajahan
b. Pendekatan apa saja yang dibutuhkan untuk berinteraksi :
i. Pendekatan infomasi
ii. Pendekatan analisis
iii. Pendekatan data mining
c. Karakteristik dari tampilan informasi :
i. Pra-proses informasi
ii. Pra-definisi query dan Report
iii. Ad hoc konstruksi
Metode Klasifikasi user :
Siapa saja yang akan menggunakan informasi :
1. Kelas user :
a. Tipe dari divisi berinteraksi :
i. Pengguna pemula
ii. Pengguna biasa
iii. Pengguna mahir

b. Tipe pengguna dengan cara mereka ingin berinteraksi untuk memperoleh

informasi :
i. Pra-proses Report / Laporan
ii. Pra-definisi query dan template
iii. Akses ad hoc terbatas
iv. Akses ad hoc kompleks
c. Pengguna berdasarkan dari fungsi pekerjaan mereka :
i. Tingkat tertinggi eksekutif dan Menejer
ii. Teknikal analis
iii. Bisnis analis
iv. Pengguna yang berorientasi bisnis
Kelas pengguna data warehouse :
Miners, analis yang memiliki tujuan khusus tertarik pada hal menjelajahi pengetahuan
Explorers, analis terampi sangat tertarik pada ad hoc analisis
Farmers, analis tertarik pada analisis yang bersifat rutin
Operator, staff pendukung tertarik pada data yang bersifat saat ini
Tourist, eksekutif tertarik pada tiap indiktor bisnis
Apa yang mereka butuhkan :
Tourist
Tampilan
metadata
yang kuat,
Termasuk
memasukkan
Implikasi
kata kunci
arsitektur
Web-enable
user interface

Disesuaikan
untuk
kebutuhan
individu

Navigasi
yang intuitif

Operator
Waktu
respon yang
cepat

Farmers
Waktu
respon yang
wajar

Explorer
Waktu respon
yang wajar

Miners
penyimpanan
data khusus
mendapatkan
data feed dari
gudang

Cakupan
data konten
yang cukup
besar

Data model
multidimensi
dengan
dimensi
bisnis dan
metrik

Model
normalisasi data

Model
normalisasi
data

antarmuka
Arsitektur
Data rinci,
pengguna
special, termasuk hampir tidak
yang
berguna untuk
pernah
sederhana
pengeksplorasian menggunakan
untuk
warehouse
summarized
mendapatkan
(diringkas)
informasi
terkini
Query dan
Antarmuka
Ketentuan untuk Berbagai tool
laporan yang
pengguna
query yang besar
data
sederhana
standar untuk
pada volume
mining,tool
query dan
detail data yang
analisis

laporan

Fitur tool

Pertimbangan
lain

besar

statistic,dan
tool data
visualisasi

Penemuan
untuk pola
dan
hubungan
yang tidak
diketahui
Kemampuan
untuk
menafsirkan
hasil

Mampu
menyediakan
antarmuka
melalui ikon
khusus
Terbatasnya
drill-down

Mampu
menciptakan
menu-driven
yang
sederhana
Secara rutin
menyediakan
indicator
kinerja
utama

Mampu
menciptakan
laporan

Terbatasnya
drill-down

Mendukung
untuk sesi
analisis yang
panjang

Kemampuan
OLAP yang
sangat
sederhana

Set hasil
yang kecil

Analisis rutin
dengan hasil
yang pasti

Biasanya set
hasil yang besar
untuk
pembelajaran
dan analisis lebih
lanjut

Aplikasi
simple untuk
informasi
standar

Biasanya
bekerja
dengan data
summary

Queries
Layanan utama dalam queries :

Definisi query
Penyederhanaan query
Pembentukan kembali query
Kemudahan navigasi
Pengeksekusian query
Hasil presentasi
Kesadaran agregat
Query pemerintahan

Reports / laporan :
Informasi didorong ke pengguna
Laporan yang tidak fleksibel dan telah ditetapkan
Sebagian besar laporan sudah terformat
Pengguna memiliki kontrol yang kurang terhadap laporan yang diterima
Sebuah sistem distribusi yang tepat harus ditetapkan

Laporan produksi biasanya terjadi pada mesin server

Set dari laporan yang sudah diformat
Parameter-Driven laporan telah didefinisikan
Easy-to-use pengembangan laporan
Eksekusi pada server
Laporan penjadwalan
Penerbitan dan berlangganan
Pilihan pengiriman
Beberapa pilihan manipulasi data
Beberapa pilihan presentasi
Administrasi pelaporan lingkungan

Analisis :
a) Siapakah user yang dengan serius tertarik pada analisis ?
a. Strategi bisnis?
b. Peneliti Market?
c. Perencana produk?
d. Analis produksi?
b) Queriy yang telah diformulasikan dan dieksekusi pada kecepatan pikiran
c) Query dalam sesi analisis membentuk rangkaian terkait
Aplikasi :
a. DSS
b. Data mining
c. EIS
Tool penyampaian informasi :
Lingkungan desktop
Kategori tool
Managed query
Ad hoc query

Preformatted reporting

Enhanced reporting

Tujuan dan kegunaan

Template query dan query yang telah
ditetapkan
Pengguna dapat mendefinisikan kebutuhan
informasi dan menulis query mereka sendiri,
dapa menggunakkan template yang kompleks,
hasil pada layar atau report
User memasukkan parameter dalam format
report yang telah didefinisikan dan
menyampaikan report job untuk dijalanka.
Report dapat dijalankan terjadwal ataupun
sesuai permintaan
Pengguna dapat menciptakan report sendiri
menggunakan fitur report writer. digunakan
untuk laporan khusus yang tidak didefinisikan
sebelumnya

Complex analysis

DSS application

Knowledge discovery

Pengguna menulis query kompleks sendiri,

dilakukan analisis interaktif biasanya dalam
sesi panjang, menyimpan hasil sementara,
menyimpan query untuk digunakan dimasa
yang akan datang
Pra desain aplikasi untuk standar dukungan
keputusan, dapat disesuaikan. Contoh :
executive information system. Data berasal
dari warehouse
Set teknik dari data mining. Tool digunakan
untuk pencarian pola dan hubungan yang tidak
jelas atau yang telah diketahui sebelumnya

Tipe aktifitas / kegiatan :

Membentuk tim seleksi tool/alat
Menilai kembali Persyaratan Pengguna
Menetapkan Kriteria Seleksi
Research tool tersedia dan Vendor
Siapkan Daftar panjang untuk Pertimbangan
Mendapatkan Informasi Tambahan
Pilih Tiga Tools teratas
Menghadiri Demonstrasi Produk
Evaluasi lengkap dengan IT
Evaluasi lengkap oleh Pengguna
Membuat Seleksi Akhir
Kriteria seleksi tool :
Kemudahan Penggunaan.
Kinerja.
Kompatibilitas.
Fungsi.
Terintegrasi.
Administrasi tool
Web-enable.
Keamanan data.
Kemampuan Browsing Data.
Kemampuan Data Selector.
Database Connectivity.
Fitur presentasi.
Skalabilitas.
Ketergantungan vendor
Aktifitas bisnis monitoring :

System real-time yang memberi peringatan dalam proses pembuatan keputusan terhadap
permasalahan yang ada dan potensial peluang. Data dikumpulkan dari sumber internal dan
eksternal secara real time, dianalisis on the fly untuk pola tertentu
Teknologi Aktifitas bisnis monitoring :
ETL untuk mengumpulkan data dari berbagai sumber
Proses pemodelan untuk lingkup proses dan kegiatan yang relevan
Mekanisme pengiriman seperti e-mail, portal, layanan Web, dashboard, dan sebagainya
Keuntungan Aktifitas bisnis monitoring :
a. akses real-time ke bisnis intelejen dapat digunakan dalam format yang sesuai
b. Memungkinkan para pembuat keputusan untuk cepat memodelkan masalah,
berkolaborasi untuk bertindak, menimbang alternatif solusi, dan membuat keputusan
lebih cepat dan mungkin lebih baik
Dashboard dan scorecard :

Tujuan
Pengguna
Update
Data
tampilan

Dashboard
Mengukur kinerja
Spesialis, supervisor
Right-time feed
Events
Grafis visual, data mentah

Scorecard
Grafik peningkatan
Executive, manager, staff
Periodic snapshoot
Ringkasan
Grafis visual, komentar tektual

Tema bab 13 : Permintaan untuk memproses analisis secara online

Dibutuhkan untuk analisis yang bersifat multidimensional

Akses yang cepat dan kalkulasi yang hebat
Adanya keterbatasan metode dari proses analisis yang lain

OLAP merupakan jawabannya :

memungkinkan analis,eksekutif, dan manajer untuk mendapatkan wawasan yang
berguna dari penyajian data
dapat mereorganisasi metrik serta beberapa dimensi dan mengijinkan data untuk
dapat dilihat dari berbagai macam sudut pandang ( perspektif ) yang berbeda
mendukung analisis yang bersifat multidimensional
Apakah mampu untuk menelusuri ke masing-masing dimensi ?
Mampu menerapkan rumus matematika dan perhitungan untuk tiap langkah.
Memberikan respon cepat, memfasilitasi kecepatan berpikir dalam analisis
Melengkapi penggunaan teknik penyampaian informasi lain seperti data mining.
Meningkatkan pemahaman set hasil melalui presentasi visual yang menggunakan
grafik dan diagram.
Dapat diimplementasikan pada Web.
Dirancang untuk analisis yang sangat interaktif

Definisi OLAP dan peraturannya :

Analytical Processing (OLAP) adalah kategori teknologi perangkat lunak yang
memungkinkan analis, manajer dan eksekutif untuk mendapatkan informasi mengenai data
secara cepat, konsisten, akses interaktif dalam berbagai kemungkinan pandangan informasi yang
telah berubah dari data mentah untuk mencerminkan dimensi nyata dari perusahaan sebagaimana
yang dipahami oleh pengguna.
Panduan untuk sebuah sistem OLAP :

Pandangan konseptual yang bersifat multidimensional

Transparan
mudah diakses
kinerja pelaporan yang konsisten
Arsitektur client/server
Generik dimensi
dukungan multiuser
Terikat dengan Operasi Cross-Dimensi
Intuitif Manipulasi data
Pelaporan yang bersifat fleksibel
Dimensi Unlimited dan adanya Tingkat Agregasi

Karakteristik OLAP :

Mengijinkan buisness user ( pengguna bisnis) mempunyai sebuah multidimensional dan

tampilan logic dari data dalam sebuah datawarehouse

memfasilitasi query yang bersifat interaktif serta analisis yang kompleks bagi user

Memungkinkan pengguna untuk menelusuri rincian yang lebih besar atau menggulung
agregasi metrik sepanjang dimensi bisnis tunggal atau di beberapa dimensi.

Memberikan kemampuan untuk melakukan perhitungan rumit dan

perbandingan.

Hasil Hadir dalam sejumlah cara yang berarti, termasuk diagram dan grafik.

Fitur utama dan fungsi

Fitur umum
Fitur dasar
Analisis multidimensional
Drill down dan roll up

Kinerja yang konsisten

Beberapa mode tampilan

Navigasi masuk damn keluar

dari rincian
Mudah melakukan skalabilitas

Fitur canggih/kelas menengah

Kalkulasi yang powerfull

Kalkulasi dimensional silang

Penelusuran disetiap
dimensi/detail
Data value yang berasal dari
formula ( rumus )

Penyajian dan tampilan yang

mutakhir
Penerapan teknologi alert

Waktu respon yang cepat ketika

query interaktif
Slice and dice atau rotasi
Time intellegence ( tahun ke
tanggal, Periode fiskal )

Pra- kalkulasi atau prakonsolidasi

Pembuatan keputusan yang
kolaboraif
Laporan generasi dengan
teknologi agen

Analisis dimensional
sebagai contoh kita mempunyai sebuah tabel fakta seperti dibawah ini :
Product key
Time key
Store key
Fixed cost
Variable cost
Indirect sales
Direct sales
Profit margin

Maka dari tabel diatas akan diuraikan menjadi tiap dimensi antara lain dimensi time, product,
dan store
Product key
Product name
sub-category
category
Product line
Department
Time key
Date
Month
Quarter
Year
Store key
Store name
territory
Region

Kegunaan dan manfaat :

Peningkatan produktivitas manajer bisnis, eksekutif, dan analis.

Fleksibilitas yang melekat dari sistem OLAP berarti bahwa memungkinkan pengguna
mandiri dalam menjalankan analisis mereka sendiri tanpa bantuan TI.
Manfaat bagi pengembang IT karena menggunakan perangkat lunak yang khusus
dirancang untuk hasil pengembangan sistem pengiriman lebih cepat dari aplikasi.
Manfaat bagi pengguna adanya Pengurangan backlog
Pengiriman lebih cepat
Operasi yang lebih efisien melalui pengurangan waktu pada eksekusi permintaan dan lalu
lintas jaringan
Kemampuan untuk memenuhi tantangan pemodelan ke dalam dunia nyata dengan metrik
bisnis dan dimensi

MODEL OLAP

ROLAP. Mengacu pada relasional pengolahan analisis online. Dalam hal ini, OLAP
Sistem ini dibangun di atas sebuah database relasional
MOLAP. Mengacu pada pengolahan analisis multidimensi online. Dalam hal ini,
Sistem OLAP diimplementasikan melalui database multidimensi khusus.
HOLAP. Mengacu pada pengolahan analisis hybrid online. Model ini mencoba untuk
menggabungkan kekuatan dan fitur dari ROLAP dan MOLAP.

DOLAP. Mengacu untuk pengolahan analisis online via dekstop. DOLAP dimaksudkan
untuk memberikan portabilitas untuk pengguna dalam pengolahan analisis online. Dalam
metodologi DOLAP, dataset multidimensi diciptakan dan dipindahkan ke mesin desktop,
hanya membutuhkan perangkat lunak DOLAP yang ada pada mesin itu. DOLAP adalah
variasi dari
ROLAP.
Database OLAP. Mengacu pada sistem manajemen database relasional (RDBMS)
ditunjuk untuk mendukung struktur OLAP dan untuk melakukan perhitungan OLAP.
Web OLAP. Mengacu pada pengolahan analisis online dimana data OLAP dapat diakses
dari browser Web.

ROLAP vs MOLAP
ROLAP
DATA STORAGE
TEKNOLOGI UTAMA
FUNGSI DAN FITUR
Data disimpan sebagai relasional
Penggunaan query sql yang
Mengetahui lingkunganya dan
tabel didalam datawarehouse
kompleks untuk mengambil data
tersedia banyak tool
dari warehouse ( gudang )
Ringkasan data yang rinci dan
Pembatasan fungsi analisis yang
Mesin ROLAP dalam server
ringan tersedia
bersifat kompleks
analisis menciptakan data cube
on the fly
Data volume yang sangat besar
Gambaran multidimensi oleh
Penelusuran ke level terendah
lapisan penyajian
lebih mudah
Semua akses data berasal dari
datawarehouse storage
MOLAP
DATA STORAGE
Data disimpan sebagai relasional
tabel didalam datawarehouse

Kesimpulan yang beraneka

ragam disempan dalam database
berbayar (proprietary)
Data volume moderat
Akses ke summary data melalui
MDDB, sedangkan detail data
diakses dari warehouse

TEKNOLOGI UTAMA
Penciptaan data cube prafabrikasi oleh mesin OLAP.
Teknologi berbayar untuk
menyimpan multidimensional
view dalam array bukan tabel.
Matriks pengambilan data
dengan kecepatan tinggi
teknologi sparse matriks untuk
mengelola data sparsity dalam
ringkasan

FUNGSI DAN FITUR

Akses lebih cepat

Memiliki pustaka fungsi yang

lebih besar untuk perhitungan
yang kompleks
Analisis yang mudah tanpa
memperdulikan dimensi angka
Penelusuran yang lebih luas dan
memiliki kemampuan untuk slice
and dice (memotong dan
memutar )

Pertimbangan dalam mengimplementasikan OLAP :

persiapan dan desain data

administrasi dan kinerja
Platform OLAP
OLAP tool dan Produk
Langkah implementasi
contoh khas dari Implementasi

Desain data dan persiapan

sebuah OLAP sistem membutuhkan untuk ditransformasi dan pengintegrasian data
oprasional sistem menjaga history data hanya untuk sampai batas tertentu
sebuah OLAP sistem membutuhkan data pada representasi multidimensi
memisahkan antara interface dengan sistem oprasional untuk ekstraksi data ke dalam tiap
sistem OLAP
Administrasi dan kinerja :

Administrasi (beberapa kunci pertimbangan untuk administrasi dan pengelolaan sistem

OLAP)
ekpektasi pada bagaimana data akan diakses dan bagaimana
pemilihan dimensi bisnis yang tepat
pemilihan filter yang benar untuk memuat data dari data warehouse
metoda dan teknik untuk perpindahan data ke dalam sistem OLAP
pengembangan program aplikasi menggunakan software berbayar dari OLAP vendor
ukuran dari multidimensi database
penelusuran detail sampai ke level terendah
penelusuran melalui data warehouse atau ke sumber sistem
penelusuran diantara sistem instance OLAP
akses dan hak keamanan
fasilitas backup dan restore
-Kinerja
aray level rendah 3 dimensi untuk menyimpan data
array data 2 dimensi untuk dimensi 1 dan dimensi 2
array data 2 dimensi untuk dimensi 2 dan dimensi 3

Platform OLAP
Dimana sistem OLAP secara fisik berada?
Haruskah ia berada pada platform yang sama sebagai data warehouse utama ?
Haruskah ia direncanakan dari awal untuk diletakkan pada platform yang berbeda ?
Bagaimana tentang pertumbuhan data warehouse dan sistem OLAP ?
Bagaimana pola pertumbuhan mempengaruhi keputusan?

Bila ukuran dan penggunaan datawarehouse utama meningkat dan mencapai titik di mana
warehouse mengharuskan semua sumber daya dari platform umum, mulai bekerja pada
pemisahan
jika terlalu banyak departemen memerlukan sistem OLAP, maka OLAP membutuhkan
platform tambahan untuk menjalankan
Pengguna mengharapkan sistem OLAP stabil dan kinerja baik. Refresh data ke sistem
OLAP jauh lebih jarang. Meskipun hal ini dibenarkan oleh sistem OLAP, tetapi untuk
aplikasi yang bersifat rutin (daily) dengan beban yang terus bertambah maka refresh tabel
dibutuhkan untuk gudang data utama. Jika transaksi harian ini berlaku untuk data
warehouse mulai mengganggu stabilitas dan kinerja sistem OLAP, kemudian
memindahkan sistem OLAP ke platform lain
Jelas, di perusahaan-perusahaan terdesentralisasi dengan pengguna OLAP tersebar secara
geografis, satu atau lebih platform yang terpisah untuk sistem OLAP menjadi perlu.
Jika pengguna dari salah satu instance dari sistem OLAP ingin memisahkan diri yang
jauh dari pengguna lain, maka pemisahan platform perlu diperhatikan
Jika alat OLAP yang dipilih membutuhkan konfigurasi berbeda dari platform gudang
data utama, maka sistem OLAP membutuhkan platform terpisah, dan perlu dikonfigurasi
dengan benar

OLAP tool dan Produk

Checklist yang akan digunakan untuk evaluasi OLAP :
Biarkan aplikasi dan pengguna mendorong pemilihan produk OLAP. Jangan terbawa
oleh teknologi mencolok.
Ingat, sistem OLAP Anda akan tumbuh berbarengan dengan jumlah pengguna aktif.
Tentukan skalabilitas dari produk sebelum Anda memilih.
Pertimbangkan bagaimana mudahnya untuk mengelola produk OLAP.
Kinerja dan fleksibilitas adalah kunci utama dalam keberhasilan sistem OLAP Anda.
Sebagai kemajuan teknologi, perbedaan manfaat antara ROLAP dan MOLAP tampak
agak kabur. Jangan khawatir tentang dua metode ini. Berkonsentrasi pada pencocokan
produk vendor dengan kebutuhan analisis Anda. Teknologi Flashy tidak selalu
memberikan yang dibutuhkan.
Kriteria seleksi untuk memilih OLAP tool dan produk:
Representasi multidimensi data
Agregasi, summarization, precalculation, dan derivasi
Rumus dan perhitungan yang rumit berada dalam sebuah perpustakaan yang luas
Perhitungan Cross-dimensi
Waktu intelijen seperti tahun-to-date, saat ini dan periode fiskal terakhir, rata-rata, total
Berputar, cross-tab, drill-down, dan roll-up di sepanjang dimensi satu atau beberapa
dimensi
Antarmuka dari OLAP dengan aplikasi dan perangkat lunak seperti spreadsheet, alat
milik klien, peralatan pihak ketiga, dan lingkungan 4GL.
Langkah implementasi :

pemodelan dimensi

Desain dan pembangunan MDDB yang

Pemilihan data yang akan dipindahkan ke dalam sistem OLAP
Akuisisi data atau ekstraksi untuk sistem OLAP
Loading data ke server OLAP
Perhitungan agregasi data dan asal data
Implementasi aplikasi pada desktop
Pemberian pelatihan pengguna