Sebelum mengetahui Alur Data Warehouse sampai ke pihak Eksekutif, mari kita bahas sebagian ulasan dari Data Warehouse,EIS, OLAP, dan Data Mining.
DATA WAREHOUSE
Adalah kumpulan data yang berorientasi subjek, terintegrasi, time-variant, dan non volatile dalam mendukung proses pengambilan keputusan.
- Berorientasi Objek : dalam hal ini data warehouse mengorganisasikan subjek utama perusahaan bukan area aplikasi utama, atau dapat menggambarkan bahwa kebutuhan untuk menyimpan data pendukung keputusan daripada aplikasi yang berorientasi data.
- Integrated : pengambilan secara bersamaan sumber data yang berasal dari sistem aplikasi berbagai perusahaan besar yang berbeda. Pada Sumber data biasanya sering tidak konsisten. sumber data terintegrasi harus dapat dibuat konsisten untuk menggambarkan view gabungan data ke pemakai.
- Time Variant : Data Warehouse hanya akurat serta valid pada saat-saat tertentu atau dalam beberapa interval waktu tertentu.
- Non Volatile : Data yang ada tidak diperbaharui secara real time tetapi diperbaharui dari sistem operasional secara reguler.
Data Warehouse berguna untuk mendukung pengambilan keputusan, bukan untuk melaksanakan pemrosesan transaksi. Di dalam data warehouse berisi informasi yang relevan bagi kebutuhan pemakai yang dipakai untuk pengambilan keputusan.
Kelebihan dari Data Warehouse yaitu:
- Keuntungan yang kompetitif
- Meningkatkan produktifitas para pembuat keputusan korporasi
- Pengembalian investasi yang tinggi
SISTEM INFORMASI EKSEKUTIF (EIS)
EIS (Executive Information System)
adalah Suatu bagian yang menyediakan informasi bagi para eksekuif mengenai kinerja secara keseluruhan dari suatu perusahaan.
Di Dalam membangun EIS, dalam hal ini para eksekutif menggunakan beberapa konsep dasar yang bertujuan memungkinkan para eksekutif dapat memantau seberapa baik kinerja perusahaan dalam mencapai tujuannya.
Konsep dasar tersebut terbagi atas 3 hal, yaitu :
a. Faktor penentu keberhasilan (critcal success factor)
Adalah Faktor yang menentukan keberhasilan atau kegagalan segala jenis kegiatan organisasi. dimana dalam setiap perusahaaan memilik faktor yang berbeda-beda tergantung dari kegiatan yang dilakukan.
b. Management By Exception (MBE)
Perbandingan antara kinerja yang direncanakan dengan kinerja actual. Sehingga informasi dapat langsung didapat dan digunakan untuk menyelesaikan setiap permasalahan.
c. Model Mental
Peran utama EIS adalah membuat sari dari data dan informasi yang volumenya besar untuk meningkatkan kegunaannya. Pengambilan sari ini disebut penempatan informasi (information compression). Dimana dalam hal ini menghasilkan suatu gambaran atau model mental dari operasi perusahaan.
Dengan Model tersebut, dapat memungkinkan seseorang membuat penilaian dan perkiraan untuk memahami, memutuskan tindakan yang perlu diambil dan untuk mengembalikan pelaksanaannya
Faktor-faktor penentu keberhasilan penerapan EIS
a. Sponsor Eksekutif (CEO) Yang Mengerti dan Berkomitmen
b. Sponsor Operasi
c. Staf Jasa Informasi Yang Sesuai
d. Teknologi Informasi yang sesuai
e. Manajemen data yang baik
f. Kaitan Yang Jelas Dengan Tujuan Bisnis
g. Manajemen Atas Penolakan Organisasi
OLAP
OLAP (Online Analytical Processing) adalah sebuah pendekatan yang secara cepat menyediakan jawaban-jawaban terhadap query analitik yang multidimensi di dalam alam.OLAP juga dapat merangkum hubungan antara pelaporan dan penggalian data. OLAP memiliki aplikasi khusus yaitu pelaporan bisnis untuk penjualan, pemasaran, manajemen pelaporan, manajemen proses bisnis (MPB), penganggaran dan peramalan, laporan keuangan dan bidang-bidang yang serupa.
Keluaran dari queri OLAP ditampilkan secara khusus dalam format matrik atau pivot. Dimana dimensinya membentuk baris berupa ukuran dan kolom berupa nilai dari matrik.
OLAP memiliki berbagai jenis software, yaitu: Express Server (Oracle), Power Play(Cognos Software), Metacube (Informix/Stanford Technology Group), HighGate Project (Sybase).
DATA MINING
Data Mining atau dikenal dalam bahasa Indonesia sebagai Penggalian Data
adalah ekstraksi pola yang menarik dari data dalam jumlah yang besar. Dan untuk dapat mengetahui pola yang dikatakan menarik yaitu apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan berguna. Di dalam data mining memiliki urutan proses pencarian data, Berikut ini adalah urutan proses pencarian polanya:
1. Pembersihan Data : menghapus data penggangu dan mengisi data yang hilang
2. Integrasi Data : menggabungkan berbagai sumber data.
3. Pemilihan Data : memilih data yang relevan.
4. Transformasi Data : Dengan mentransformasi data ke dalam format untuk diproses dalam penggalian data.
5. Penggalian Data : menerapkan metode cerdas untuk ekstraksi pola.
6. Evaluasi Pola : mengenali berbagai pola yang menarik saja.
7. Penyajian Pola : memvisualisasi pola ke pengguna.
Dan berikut ini adalah gambar alur data warehouse hingga sampai ke EIS (pihak eksekutif)
Keterangan:
1. Dapat dilihat bahwa Data Warehouse memiliki 2 sumber data, yaitu Data Operasional dalam organisasi misalnya basis data pelanggan dan produk. Kemudian sumber kedua berasal dari sumber eksternal yang diperoleh misalnya melalui internet, basis data komersial, basis data pemasok atau pelanggan.
2. Berbagai data dari berbagai sumber yang ada kemudian digabungkan dan diproses lebih lanjut oleh manajer data warehouse dan disimpan dalam basis data tersendiri. Dan data yang ada dalam data warehouse memiliki beberapa alur data, yaitu:
a. Inflow
Merupakan proses pengektrasian, pembersihan dan juga pemuatan sumber data.
b. Upflow
Yaitu Menambahkan nilai data ke dalam warehouse melalui ringkasan, pemaketan data, dan juga pendistribusian data.
c. Downflow
Yaitu pengarsipan dan backup data ke dalam data warehouse.
d. Outflow
Yaitu membuat data agar dapat tersedia bagi pemakai akhir atau dapat disebut End User.
e. Meta-flow
Yaitu untuk pengaturan meta-data.
3. Langkah selanjutnya Data yang berada dalam data warehouse akan digali untuk mencari pola yang menarik dari data warehouse tersebut oleh Data Mining.
4. Kemudian hasil olahan dari data mining akan kembali dimasukkan ke dalam data warehouse, untuk dapat digunakan kembali oleh pihak lain.
5. Setelah mendapatkan pola yang menarik di dalam data warehouse, maka akan dianalisa dengan bantuan OLAP. Dan data akan dikembalikan ke dalam data warehouse untuk digunakan kembali.
6. Setelah melalui proses OLAP maka data yang ada dalam data warehouse oleh manager data warehouse akan dilaksanakan proses Outflow sehingga data tersebut telah siap digunakan.
7. Data yang telah siap digunakan tersebut akan dipakai Oleh EIS dengan dukungan berbagai perangkat , seperti: perangkat EIS, perangkat pelaporan, dan juga perangkat pengembangan aplikasi.
8. Dan melalui EIS juga data telah siap digunakan bagi pihak Eksekutif (End User).
Sumber:
http://oktadymalik.multiply.com/journal/item/44
http://id.wikipedia.org/wiki/OLAP
http://id.wikipedia.org/wiki/Penggalian_data
http://mti.ugm.ac.id/~adji/courses/resources/lectures/InformSystem/AKA/si-6-2.ppt
http://mugi.or.id/blogs/luki/archive/2010/06/07/business-intelligence-dan-data-warehouse-1.aspx
