PERBEDAAN DATA WAREHOUSE MENURUT KIMBALL VS INMON
Data warehouse adalah suatu konsep dan kombinasi teknologi yang memfasilitasi organisasi untuk mengelola dan memelihara data historis yang diperoleh dari sistem atau aplikasi operasional [Ferdiana, 2008].
Data warehouse memungkinkan integrasi berbagai macam jenis data dari berbagai macam aplikasi atau sistem. Hal ini menjamin mekanisme akses satu pintu bagi manajemen untuk memperoleh informasi, dan menganalisisnya untuk pengambilan keputusan.
Karakteristik data warehouse:
- Subject oriented
- Integrated
- Time-variant (time series)
- Nonvolatile
- Summarized
- Not normalized
- Metadata
- Web based relational/multidimensional
- Client/server
- Real-time/right-time
Ada beberapa konsep data warehouse yang akan akan di jelaskan di bawah ini;
Data warehouse adalah data-data yang berorientasi subjek, terintegrasi, memiliki dimensi waktu, serta merupakan koleksi tetap (non-volatile), yang digunakan dalam mendukung proses pengambilan keputusan oleh para manajer di setiap jenjang (namun terutama pada jenjang manajerial yang memiliki peringkat tinggi).
Data warehouse adalah suatu paradigma baru dilingkungan pengambilan keputusan strategik. Data warehouse bukan suatu produk tetapi suatu lingkungan dimana user dapat menemukan informasi strategik [Poniah, 2001, h.14]. Data warehouse adalah kumpulan data-data logik yang terpisah dengan database operasional dan merupakan suatu ringkasan.
Data warehouse adalah data yang diperoleh dari proses dimana organisasi mengekstraksi makna dari aset infromasi yang mereka miliki. Data warehouse adalah inovasi baru dalam hal teknologi informasi. Sejak dimulai sekitar 15 tahun lalu, konsep data warehouse ini berkembang secara cepat sehingga saat ni konsep data warehouse ini adalah konsep yang paling banyak dibicarakan oleh para ahli di bidang tekhnologi informasi.
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).
Salinan dari transaksi data yang terstruktur secara spesifik pada query dan analisa.
Salinan dari transaksi data yang terstruktur spesifik untuk querydan laporan.
Arsitektur Data warehouse adalah sekumpulan aturan atau struktur yang menyediakan sebuah framework untuk keseluruhan desain dari sistem atau produk. Di dalam arsitektur terdapat arsitektur jaringan, arsitektur client-server, arsitektur untuk produk spesifik, dll.
Karakteristik arsitektur data warehouse menurut Poe (1996, p41) adalah:
- Data diekstrak dari source system, database, dan file.
- Data dari source system diintegrasikan dan ditranformasikan sebelum diload kedalam data warehouse.
- Data warehouse adalah database read-only yang terpisah yang dibuat khusus untuk decision support.
User dapat mengakses data warehouse melalui tool front end dan aplikasi.
Arsitektur data warehouse (lihat gambar di atas) mencakup proses ETL (Extraction, Transformation, Loading) untuk memindahkan data dari operational data source dan sumber data eksternal lainnya ke dalam data warehouse . Berikut adalah penjelasan dari tiap proses.
Ekstraksi Data (Extract)
Ekstraksi data adalah proses dimana data diambil atau diekstrak dari berbagai sistem operasional, baik menggunakan query, atau aplikasi ETL. Terdapat beberapa fungsi ekstraksi data, yaitu :
- Ekstraksi data secara otomatis dari aplikasi sumber.
- Penyaringan atau seleksi data hasil ekstraksi.
- Pengiriman data dari berbagai platform aplikasi ke sumber data.
- Perubahan format layout data dari format aslinya.
- Penyimpanan dalam file sementara untuk penggabungan dengan hasil ekstraksi dari sumber lain.
Transformasi Data (Transformation)
Transformasi adalah proses dimana data mentah (raw data) hasil ekstraksi disaring dan diubah sesuai dengan kaidah bisnis yang berlaku. Langkah-langkah dalam transformasi data adalah sebagai berikut :
- Memetakan data input dari skema data aslinya ke skema data warehouse.
- Melakukan konversi tipe data atau format data.
- Pembersihan serta pembuangan duplikasi dan kesalahan data.
- Penghitungan nilai-nilai derivat atau mula-mula.
- Penghitungan nilai-nilai agregat atau rangkuman.
- Pemerikasaan integritas referensi data.
- Pengisian nilai-nilai kosong dengan nilai default.
- Penggabungan data.
Pengisian Data (Loading)
Proses terakhir yang perlu dilakukan adalah proses pemuatan data yang didapatkan dari hasil transformasi ke dalam data warehouse. Cara untuk memuat data adalah dengan menjalankan SQLscript secara periodik.
Kelebihan Arstitektur Data warehouse
– Memahami tren bisnis dan membuat keputusan berdasarkan peramalan (forecasting)
– Menghadirkan produk-produk ke pasar tepat waktu
– Melakukan analisis harian dan membuat keputusan cepat untuk meningkatkan performa perusahaan
– Menyediakan model data yang bervariasi, dan tidak bergantung pada satu sumber data saja. Hal ini memudahkan pimpinan perusahaan/manager membuat laporan dan menganalisis.
Kekurangan
– Tidak cocok untuk data yang tidak struktur.
– Data perlu di extract, diubah, dan di load ke datawarehouse, sehingga membutuhkan waktu
– Semakin lama masa hidup bisnis yang menggunakan datawarehouse, maka semakin banyak biaya yang dikeluarkan oleh perusahaan untuk perawatan/memodifikasi teknologi datawarehouse
Pengembangan dan Implementasi
~ Pendekatan Ralph Kimball (bottom-up)
pertama-tama data pada kantor cabang diidentifikasi dan dibuat terlebih dahulu, untuk menyediakan kapabilitas laporan dan analisis untuk proses bisnus tertentu. Data cabang ini dapat dikombinasikan untuk membuat sebuah datawarehouse.
Pendekatan Bill Inmonn (top-down)
datawarehouse dirancang menggunakan data model yang telah dinormalisasi
Referensi:
https://opistation.wordpress.com/2013/10/15/pengertian-data-warehouse/
http://blog.umy.ac.id/aliefsetya/2014/09/30/data-warehouse-architecture/
http://simplehilmi.blogspot.sg/2013/01/data-warehouse-data-mart-data-mining.html
