DATA WAREHOUSEDATA WAREHOUSEPertemuan ke-3

Intelligence Enterprise

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]

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]

1. Berorientasi subjek,

2. Diintegrasikan,

3. Time-variant,

4. Nonvolatile,

Koleksi data untuk medukung proses pembuatan manajemen

pengambilan keputusan.

[Bill Inmon]

Pengertian Data Warehouse (cont’d)

Sean Kelly :

The data in the data warehouse is:SeparateAvailableIntegratedTime stampedSubject orientedNonvolatileAccessible

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

Pengertian Data Warehouse (cont’d)

• Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung DSS (Decision Suport System) dan EIS (Executive Information System).

Pengertian Data Warehouse (cont’d)

• Salinan dari transaksi data yang terstruktur secara spesifik pada query dan analisa.

Pengertian Data Warehouse (cont’d)

Tujuan :

Meningkatkan kualitas dan akurasi informasi bisnis danmengirimkan informasi ke pemakai dalam bentuk yang dimengerti dan dapat diakses dengan mudah.

Perbedaan DW dan OLTP

OLTP Data Warehouse

Menangani data saat ini Data bisa saja disimpan pada beberapa

platform Data diorganisasikan berdasarkan

fungsi atau operasi seperti penjualan, produksi, dan pemrosesan pesanan

Pemrosesan bersifat berulang Untuk mendukung keputusan harian

(operasional) Melayani banyak pemakai operasional Berorientasi pada transaksi

Lebih cenderung menangani data masa lalu

Data disimpan dalam satu platform

Data diorganisasikan menutut subjek seperti pelkanggan atau produk

Pemrosesan sewaktu-waktu, tak terstruktur, dan bersifat heuristik

Untuk mendukung keputusan yang strategis

Untuk mendukung pemakai manajerial yang berjumlah relatif sedikit

Berorientasi pada analisis

Sumber Data untuk DW

1. Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan

2. 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

4 Karakteristik Data Warehouse

• Subject oriented• Integrated• Time variant• Non-volatile

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.

Subject Oriented (cont’d )

• Subjek• Aplikasi

Integrated

1. Data warehouse dikonstruksikan dengan cara mengintegrasikan

sejumlah sumber data yang berbeda.

2. Data preprocessing diaplikasikan untuk meyakinkan

kekonsistensian data.

Integrated (cont’d)

Savings

Same datadifferent name

Loans

Different dataSame name

Trust

Data found herenowhere else

Credit card

Different keyssame data

Integrated (cont’d)

EncodingStructures

Measurementof attributes

MultipleSources

Data TypeFormats

applapplapplappl

applapplapplappl

applapplapplappl

A - m,fB - 1,0C - x,yD - male, female

A - pipeline - cmB - pipeline - inC - pipeline - feetD - pipeline - yds

A - balanceB - balC - currbalD - balcurr

Integrated (cont’d)

Data Warehouse

Integrated (cont’d)

Data perlu distandarkan :

Sales Inventori Transaksi Penjualan

Format KeyText

KeyInteger

KeyYes/No

Description Nama pelangganU.N.I.J.O.Y.O

Nama pelangganUNIPAHIT

Nama pelangganUniversitas majapahit

Unit Tinggicentimeter

Tinggimeter

Tinggiinch

Encoding SexYes = Laki-lakiNo = Perempuan

SexL = laki-lakiP = Perempuan

Sex1 = Laki-laki0 = Perempuan

Integrated (cont’d)

Time-Variant

1. Menghasilkan informasi dari sudut pandang historical (misal:

5-10 tahun yang lalu).

2. Setiap struktur kunci mengandung elemen waktu.

Time-Variant (cont’d)

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

Time-Variant (cont’d)

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

Nonvolatile (cont’d)

Operasional : Add, change, delete data pada sistem operasional

secara real time setiap transaksi terjadi

Datawarehouse Update ketika kita perlukan saja, bisa secara

periodik

Data pada DW dikhususkan untuk query dan analisa data

Nonvolatile (cont’d)

Nonvolatile (cont’d)

Prinsip Data Warehouse

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?”

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

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.

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

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

DATAMARTDepartemenSatu bisnis prosesStart-Join (fakta dan dimensi)Teknologinya optimal untuk

pengaksesan dan analisis data

Cocok untuk merepresentasikan data departemen

• 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.

DATAWAREHOUSE vs DATAMART

Data Warehousing Architecture

Monitoring & Monitoring & AdministrationAdministration

Metadata Metadata RepositoryRepository

ExtractExtractTransformTransformLoadLoadRefreshRefresh

Data MartsData Marts

External External SourcesSources

Operational Operational dbsdbs

ServServee

OLAP OLAP serversservers

AnalysisAnalysis

Query/ Query/ ReportingReporting

Data Data MiningMining

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)

Two Worlds -> Two Systems

Data warehouse Component

Extract, Transform, Load (ETL) tools DW databases & DBMS tools Data marts Meta data DW administration & management

tools Information delivery system

6 Functional Components

Data about data Field description, business rules (e.g.

profit=? formula), log of file updates Help users understand content &

locate data

Production Data data operasional persh.

Internal Data spreadsheets, dokumen, Profil pelanggan, dan database departemen persh.

Archived Data data operasional yang telah disimpan

External Data data statistik, penelitian dari agenci luar, market share competitor, indikator financial standar, dll

Source data :

Data staging component

dari berbagai SO + eksternal data disimpan pd DW yg hrs dirubah/disamakan formatnya shg dpt disimpan u/ query & analisa

ada 3 komponen : 1.Ekstraksi data2.Transformasi data,3.Loading data (ETL)

Data Storage Component

Repository data warehouse terpisah dengan repositori sistem operasional

Sistem Operasionalmendukung “day-to-day operation” (OLTP)

Data warehousedata histori yang besar untuk kebutuhan analisa data.

KOMPONEN METADATA

Metadata dalam Data WareHouse

=

Kamus Data/ Data Katalog dalam DBMS (Database Management System)

Metadata

– Informasi tentang logical struktur data– Informasi file dan alamatnya– Informasi index– Dll

Intinya – Meta data = data mengenai data pada data

warehouse

Pengenalan Metadata

TIPE-TIPE METADATA OPERASI METADATA EKSTRAKSI DAN TRANSFORMASI

METADATA END – USER METADATA

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

Pengenalan Metadata

EXTRAKSI DAN INFORMASI METADATATerdiri dari data dari data extraksi data dari sistem sumber, yaitu: Extraction frequencies Extraction method Business rules untuk data extraction

Pengenalan Metadata

END-USER METADATA

Adalah Peta Navigasi pada data warehouse

Pengenalan Metadata

FUNGSI METADATAMenggabungkan semua bagian pada data

warehouseMenyediakan informasi tentang isi dan

struktur pada pengembangMembuka pintu bagi end - user dan

membuat isi yang dapat dikenal oleh mereka.

Contoh Software Data Mart

• SmartMart (IBM)• Visual Warehouse (IBM)• PowerMart (Informatica)