ENTERPRISE DATAWAREHOUSE
Enterprise Data Warehouse adalah kumpulan data yang dikelola dari berbagai sumber, baik data terkini maupun data historis. Data Warehousemerupakan komponen kunci dari arsitektur analisis data yang menciptakan lingkungan untuk pengambilan keputusan, analisa, kecerdasan bisnis (Business Intelligence) dan Data Mining.
DataMart adalah salah satu bentuk dari Data Warehouse yang didesign untuk digunakan pada departemen spesifik dalam suatu organisasi/perusahaan. Data Mart dapat memberikan data kepada Data Warehouse dan sebaliknya. Data Mart mempermudah end-user untuk mengakses data yang spesifik karena sudah dikelompokkan berdasarkan kategori yang terperinci.
EDWmemiliki keunggulan bahwasannya setiap data sifatnya tersimpan secara terpusat pada satu tempat dan EDW dapat membantu merekapitulasi data dengan lengkap karena seluruh data sudah tersentralisasi, sehingga mempermudah RM Semuarasa dalam mengambil keputusan terbaik dengan juga dapat mempertimbangkan aspek lain. Sedangkan Data Mart merupakan pendekatan yang lebih cocok untuk dIterapkan pada departemen bagian yang spesifik (contoh : departemen keuangan, departemen HRD, dan sebagainya)
Gambar Arsitektur dengan pendekatan Enterprise Data Warehouse :
Keterangan :
- Operational Data
- Berfokus pada fungsi-fungsi transaksional
- Merupakan bagian dari infrastruktur perusahaan
- Detail, tidak ada redudansi, dapat diupdate
- Merefleksikan nilai sekarang
- OperasionalData Store (ODS)
- Tempat penyimpanan sementara dari data operasional saat ini
- Menyuplai data yang sudah diekstrak dari sistem sumber dan dibersihkan
- Menyederhanakan proses integrasi dan restrukturisasi data di data warehouse
- Load Manager
Menampilkansemua operasi yang terkait dengan ekstrak dan load data ke dalam data warehousedan data bisa diekstrak langsung dari sumber data atau ODS
- Warehouse Manager
Menampikan semua operasi yang terkait dengan manajemen data dari data warehouse:
- Analisis data untuk menjamin konsistensi
- Transformasi dan penggabungan sumber data dari ODS ke table data warehouse
- Pembuatan indeks dan view pada table base
- Membuat Denormalisasi dan Agregasi, jika diperlukan Backing up dan Archiving Data
- Query Manager
- Menampilkan semua operasi yang terkait dengan manajemen query pengguna
- Mengarahkan query pada table yang cocok
- Menjadwalkan pelaksanaan query
- Detailed Data
Komponen yang menyimpan detail data dalam skema database
- Current Detail Data adalah Langsung dari operasional database dan mengacu pada data perusahaan sekarang , contoh : profil pelanggan, data aktivitas pelanggan, data sales, data demografik
- Old Detail Data& Current Detail Data yang berumur atau histori dari subyek area
- Lightly dan Highly Summarized Data
Menyimpan semuadata Lightly dan Highly Summarized yang sudah terdefinisi sebelumnya yang dibuat oleh Warehouse Manager, Tujuannya untuk meningkatkan performance query
- Back Up Data/Archive Data
MenyimpanDetailed Data dan Summarized Data dengan tujuan mengarsip dan melakukan backup
- Metadata
Digunakan untuk membangun, memelihara, mengatur, dan menggunakan data warehouse.
Mengandung lokasi dan deskripsi :
- Komponen data warehouse (nama, definisi, struktur, dan isi dari data warehouse dan end user view)
- Identifikasi dari pembuat sumber data (record system)
- Aturan-aturan integrasi dan transformasi yang digunakan untuk mempopulasikan data warehouse
- Histori dari update dan refresh data warehouse
- Pola-pola matriks yang digunakan untk performa menganalisa data warehouse
- End User Access Tools
Komponenyang menyediakan informasi dari data warehouse yang ada bagi user dalam membantu mengambil keputusan Tools mencakup :
- Reporting dan Query Tool
- Reporting : Menghasilkan laporan operasional yang teratur
- Query: Relasi data warehouse untuk dapat menerima SQL atau untuk menghasilkan pernyataan SQL agar dapat melakukan query pada data yang disimpan dalam data warehouse
- Application Development Tools
Dirancang untuk kebutuhan Client Server
- Executive Information System (EIS) Tool
Mendukung pengambilan tingkat tinggi
- OLAP Tool
Konsep multidimensi yang mengizinkan pengguna untuk menganalisis data menggunakan view yang kompleks
- Data Mining Tool
Proses menemukankorelasi, pola, dan gaya baru yang bermanfaat dengan ‘mengeksplorasi’ data dalam jumlah yang banyak dengan menggunakan teknik statistika dan matematika