DATA WAREHOUSE

1. DATA WAREHOUSE Pertemuan ke-3

2. Intelligence Enterprise

3. Pengertian Data Warehouse Sebuah tempat penyimpanan data yang lengkap dan konsisten yang berasal dari sumber-sumber yang berbeda dibuat untuk penggunanya agar mereka dapat mengerti dan menggunakannya dalam konteks bisnis. [Barry Davlin]

4. Pengertian Data Warehouse (cont’d) Sebuah proses transformasi data ke dalam sebuah informasi dan membuat informasi ini dapat diakses oleh penggunanya tepat waktu untuk membuat perubahan-perubahan (strategi bisnis). [Forrester Research, 1996]

5. Pengertian Data Warehouse (cont’d) 1. Berorientasi subjek, 2. Diintegrasikan, 3. Time-variant, 4. Nonvolatile, Koleksi data untuk medukung proses pembuatan manajemen pengambilan keputusan. [Bill Inmon]

6. Pengertian Data Warehouse (cont’d) Sean Kelly : The data in the data warehouse is: • Separate • Available • Integrated • Time stamped • Subject oriented • Nonvolatile • Accessible

7. Pengertian Data Warehouse (cont’d) • Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal) yang menjadi perhatian penting bagi manajemen dalam organisasi dan ditujukan untuk keperluan analisis dan pelaporan manajemen dalam rangka pengambilan keputusan • Data warehouse digunakan untuk mendukung pengambilan keputusan, bukan untuk melaksanakan pemrosesan transaksi • Data warehouse hanya berisi informasi-informasi yang relevan bagi kebutuhan pemakai yang dipakai untuk pengambilan keputusan

8. Pengertian Data Warehouse (cont’d) • Data Warehouse adalah Pusat repositori informasi yang mampumemberikan database berorientasi subyek untuk informasi yangbersifat historis yang mendukung DSS (Decision Suport System)danEIS (Executive Information System).

9. Pengertian Data Warehouse (cont’d) • Salinan dari transaksi data yang terstruktur secara spesifik padaquery dan analisa.

10. Tujuan : Meningkatkan kualitas dan akurasi informasi bisnis danmengirimkan informasi ke pemakai dalam bentuk yangdimengerti dan dapat diakses dengan mudah.

11. Perbedaan DW dan OLTP

12. Sumber Data untuk DW • Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan • Sumber eksternal yang diperoleh misalnya melalui Internet, basis data komersial, basis data pemasok atau pelanggan • Berbagai data yang berasal dari sumber digabungkan dan diproses lebih lanjut oleh manajer data warehouse dan disimpan dalam basis data tersendiri. • Selanjutnya, perangkat lunak seperti OLAP dan data mining dapat digunakan oleh pemakai untuk mengakses data warehouse

13. 4 Karakteristik Data Warehouse • Subject oriented • Integrated • Time variant • Non-volatile

14. Subject Oriented 1. Data warehouse diorganisasikan dalam lingkup subjek, sebagai contoh: Penjualan, Produk, dan Pelanggan. 2. Berfokus ke dalam pemodelan dan analisis data untuk pihak- pihak pembuat keputusan. 3. Memisahkan data yang tidak berguna di dalam proses pendukung keputusan.

15. Subject Oriented (cont’d ) • Subjek • Aplikasi

16. Integrated 1. Data warehouse dikonstruksikan dengan cara mengintegrasikan sejumlah sumber data yang berbeda. 2. Data preprocessing diaplikasikan untuk meyakinkan kekonsistensian data.

17. Integrated (cont’d) Trust Data found here nowhere else Credit card Different keys same data Savings Same data different name Loans Different data Same name

18. Integrated (cont’d) Encoding Structures Measurement of attributes Multiple Sources Data Type Formats

19. Integrated (cont’d) Data Warehouse appl appl appl appl appl appl appl appl appl appl appl appl A - m,f B - 1,0 C - x,y D - male, female A - pipeline - cm B - pipeline - in C - pipeline - feet D - pipeline - yds A - balance B - bal C - currbal D - balcurr

20. Integrated (cont’d)

21. Integrated (cont’d) Data perlu distandarkan :

22. Time-Variant 1. Menghasilkan informasi dari sudut pandang historical (misal: 5-10 tahun yang lalu). 2. Setiap struktur kunci mengandung elemen waktu.

23. Time-Variant (cont’d)

24. Time-Variant (cont’d)

25. Time-Variant (cont’d) Operasional : • Data pada saat ini (current value) Datawarehouse : • Analisa data pada masa lampau • Informasi pada saat ini • Forecast untuk masa yang akan datang

26. Nonvolatile 1. Sekali data direkam maka data tidak bisa diupdate. 2. Data warehouse membutuhkan dua operasi pengaksesan data, yaitu: a. Initial loading of data b. Akses data

27. Nonvolatile (cont’d)

28. Nonvolatile (cont’d) Operasional : • Add, change, delete data padasistemoperasionalsecara real time setiaptransaksiterjadi Datawarehouse • Update ketikakitaperlukansaja, bisasecaraperiodik Data pada DW dikhususkanuntuk query dananalisa data

29. Nonvolatile (cont’d)

30. Prinsip Data Warehouse

31. Sifat Data Warehouse • Multidimensional yang berarti bahwa terdapat banyak lapisan kolom dan baris (Ini berbeda dengan tabel pada model relasional yang hanya berdimensi dua) • Berdasarkan susunan data seperti itu, amatlah mudah untuk memperoleh jawaban atas pertanyaan seperti: “Berapakah jumlah produk 1 terjual di Jawa Tengah pada tahun n-3?”

32. Petunjuk Membangun DW • Menentukan misi dan sasaran bisnis bagi pembentukan data warehouse • Mengidentifikasi data dari basis data operasional dan sumber lain yang diperlukan bagi data warehouse • Menentukan item-item data dalam perusahaan dengan melakukan standarisasi penamaan data dan maknanya • Merancang basis data untuk data warehouse • Membangun kebijakan dalam mengarsipkan data lama sehingga ruang penyimpanan tak menjadi terlalu besar dan agar pengambilan keputusan tidak menjadi terlalu lamban. • Menarik data produksi (operasional) dan meletakkan ke basis data milik data warehouse

33. Data Mart • Bagian dari data warehouse yang mendukung kebutuhan pada tingkat departemen atau fungsi bisnis tertentu dalam perusahaan. Karakteristik yang membedakan data mart dan data warehouse adalah sebagai berikut (Connolly, Begg, Strachan 1999). • Data mart memfokuskan hanya pada kebutuhan-kebutuhan pemakai yang terkait dalam sebuah departemen atau fungsi bisnis. • Data mart biasanya tidak mengandung data operasional yang rinci seperti pada data warehouse. • Data mart hanya mengandung sedikit informasi dibandingkan dengan data warehouse. Data mart lebih mudah dipahami dan dinavigasi.

34. Data mart = subset of DW for community users, e.g. accounting department • Sometimes exist as Multidimensional Database • Info mart = summarized data + report for community users

35. DATAMART • Departemen • Satu bisnis proses • Start-Join (fakta dan dimensi) • Teknologinya optimal untuk pengaksesan dan analisis data • Cocok untuk merepresentasikan data departemen DATAWAREHOUSE vs DATAMART DATAWAREHOUSE • Perusahaan, melingkupi semua proses • Gabungan datamart • Data didapat dari proses Staging • Merepresentasikan data dari perusahaan atau organisasi • Diorganisasi dlm E-R Model

36. DATAWAREHOUSE vs DATAMART • Datawarehouse = gabungan dari beberapa datamart yang levelnya berada pada perusahaan atau organisasi. • Datamart = bagian dari datawarehouse yang berada level departemen pada perusahaan atau organisasi tersebut. Data mart menangani sebuah business proses, misalkan penjualan.

37. Monitoring & Administration OLAP servers Data Warehousing Architecture Metadata Repository Analysis Query/ Reporting Data Mining Data Warehouse Extract Transform Load Refresh External Sources Serve Operational dbs Data Marts

38. Three-Tier Architecture • Warehouse database server • Almost always a relational DBMS; rarely flat files • OLAP servers • Relational OLAP (ROLAP): extended relational DBMS that maps operations on multidimensional data to standard relational operations. • Multidimensional OLAP (MOLAP): special purpose server that directly implements multidimensional data and operations. • Clients • Query and reporting tools. • Analysis tools • Data mining tools (e.g., trend analysis, prediction)

39. Two Worlds -> Two Systems

40. Data warehouse Component

41. 6 Functional Components • Extract, Transform, Load (ETL) tools • DW databases & DBMS tools • Data marts • Meta data • DW administration & management tools • Information delivery system

42. Data about data • Field description, business rules (e.g. profit=? formula), log of file updates • Help users understand content & locate data

43. Source data : • Production Data  data operasionalpersh. • Internal Data  spreadsheets, dokumen, Profilpelanggan, dan database departemenpersh. • Archived Data  data operasional yang telahdisimpan • External Data  data statistik, penelitiandariagenciluar, market share competitor, indikator financial standar, dll

44. Data staging component dariberbagai SO + eksternal data disimpan pd DW yg hrs dirubah/disamakanformatnyashgdptdisimpan u/ query & analisa ada3 komponen : • Ekstraksi data • Transformasi data, • Loading data (ETL)

45. Data Storage Component Repository data warehouse terpisahdenganrepositorisistemoperasional SistemOperasional mendukung “day-to-day operation” (OLTP) Data warehouse data histori yang besaruntukkebutuhananalisa data.

46. KOMPONEN METADATA Metadata dalam Data WareHouse = Kamus Data/ Data Katalog dalamDBMS(Database Management System)

47. Metadata • Informasi tentang logical struktur data • Informasi file dan alamatnya • Informasi index • Dll Intinya • Meta data = data mengenai data pada data warehouse

48. Pengenalan Metadata TIPE-TIPE METADATA • OPERASI METADATA • EKSTRAKSI DAN TRANSFORMASI METADATA • END – USER METADATA

49. Pengenalan Metadata OPERASI METADATA • Terdiri dari semua informasi tentang data sumber • Proses: Pilih data dari sistem sumber untuk data warehouse, pisah recordnya, gabungkan bagian record dengan file sumber lainnya, dan berhasil dengan skema multiple coding dan panjang field

50. Pengenalan Metadata EXTRAKSI DAN INFORMASI METADATA Terdiridari data dari data extraksi data darisistemsumber, yaitu: • Extraction frequencies • Extraction method • Business rules untuk data extraction