Tahap – Tahap dalam Data Life Management (DLM)
Saat ini pengolahan data menjadi suatu hal yang penting bagi perusahaaan, dimana data yang hasil data yang sudah diolah dapat memberikan informasi bagi perusahaan dalam mengambil keputusan. Dalam mengelola data tersebut menjadi hal yang bermanfaat dikenal dengan Data Life Management (DLM). Data Life Management (DLM) adalah suatu pendekatan berbasis kebijakan untuk mengelola aliran data sistem informasi dari pembuatan dan penyimpanan awal sampai data tersebut usang dan dihapus. Adapun tahap – tahap dalam Data Life Management (DLM), yaitu:
- Data Collection:
Pada tahap ini akan dilakukan pengumpulan informasi terlebih dahulu yang dapat memungkinkan terbentuknya informasi yang belum ada. Terdapat 3 cara untuk mengumpulkan data, yaitu:
-
- Data acquisition merupakan proses pengumpulan data untuk diolah oleh perusahaan dengan menggunakan data yang sudah ada dan diproduksi oleh organisasi diluar perusahaan.
- Data entry merupakan proses pengumpulan data yang dilakukan oleh manusia atau perangkat dengan membuat nilai data baru untuk perusahaan.
- Signal receipt merupakan proses pengumpulan data dengan megumpulkan data dari perangkat yang menjadi lebih penting untuk sistem informasi dengan menggunakan Internet of Things.
- Data Maintenance:
Pada tahap ini akan dilakukan pemeliharaan data yang sudah dikumpulkan dimana data yang dikumpulkan harus tetap bersih dengan maksud sebagai penyedia data ke titik sintesis data dan penggunaan data. Hal ini bertujuan agar dalam pengelolaan data dapat membuat proses binis berjalan secara efektif. Proses pada tahap ini melibatkan tugas, seperti: pergerakan, integrasi, pembersihan, pengayaan, dan pengambilan data yang berubah.
- Data Synthesis:
Tahap ini perlu dilakukan untuk kasus membuat data yang memiliki nilai melalui penalaran induktif, sehingga tahap ini tidak umum untuk semua informasi yang diproses. Tahap ini merupakan arena analitik dengan menggunakan pemodelan untuk mendapatkan data yang memiliki nilai, pemodelan tersebut dapat meggunakan pemodelan risiko, pemodelan aktuaria, dan pemodelan untuk keputusan investasi.
- Data Usage:
Pada tahap ini ditandai dengan menerapkan data yang telah dikumpulkan dan diproses. Pada tahap ini, kita perlu untuk mengetahui potensi pembatasan penggunaan yang mungkin berlaku untuk informasi tersebut dan pengggunaan data juga memperhatikan apakah legal atau tidak mengenai cara penggunaan data yang diinginkan oleh pelaku bisnis. Hal ini menjadi tantangan bagi tata kelola data.
- Data Publication:
Pada tahap ini, ada kemungkinan penggunaan informasi dari data yang sudah diolah dapat dikirim ke luar perusahaan, seperti: pengiriman laporan bulanan kepada klien.
- Data Storage:
Pada tahap ini, data akan disimpan tanpa ada proses yang lebih lanjut. Arsip data hanya sebagai tempat data disimpan, namun tidak ada pemeliharaan, penggunaan, atau publikasi yang terjadi. Sehingga data yang disimpan pada tahap ini merupakan data yang menunggu penghapusan dari lingkungan produktif aktif atau pemulihan data jika diperlukan.
- Data Cleaning:
Pada tahap ini akan dilakukan penghapusan data dimana data yang dihapus adalah data yang diolah dengan dengan cara apapun, tidak menghasilkan manfaat bagi perusahaan. Pada tahap ini, sangat penting untuk dilakukan secara benar untuk menjamin manajemen data yang baik.
Sources:
