Sabtu, 01 Maret 2014

Bisnis serta Sistem dan Teknologi Informasi Pada PT.KAI dan PT POS Indonesia

Sebelum bertransformasi menjadi PT KAI 1 juni 1999 tentu kita tidak akan pernah pula lupa pada sejarah Perumka alias Perusahaan Umum Kereta Api yang lalu berubah nama menjadi PJKA alias Perusahaan Jawatan Kereta Api. Tentu saja dengan embel-embel kenangan pahit tentang pelayanan Kereta api masa itu yang menggenaskan. 2 tahun yang lalu semenjak Dirut PT KAI dijabat Ignasius Jonan dan Kementerian BUMN di bawah Kepemimpinan Dahlan Iskan, sinergitas dan Reformasi mulai berjalan cukup kencang.PT KAI dengan system penjualan karcis secara online dan mekanisasi sistem gate-nya, sementara ini telah sanggup merubah citra KAI dari bisnis KA Pemerintah yang termasuk “ ala kadarnya”, menjadi moda transportasi massal dengan pelayanan “mendekati mirip Eropa”.

PT Pos Indonesia optimistis dapat memperluas dan mengembangkan infrastruktur jaringan dan layanannya. Dengan demikian PT Pos Indonesia tak hanya bergerak di bisnis pengiriman paket dan surat belaka. Langkah revolusioner ini diambil, juga sebagai upaya lebih mendekatkan diri kepada masyarakat tentang apa dan bagaimana perkembangan PT Pos Indonesia saat ini. Tidak bisa dipungkiri bahwasanya perkembangan teknologi yang sangat maju telah mengubah banyak hal. PT Pos Indonesia, badan usaha milik negara yang kehadirannya telah dimulai sejak zaman penjajahan Belanda, juga dituntut terus melakukan pembenahan.
PT Pos Indonesia yang sebelumnya mulai redup karena ditinggalkan penggunanya kini dapat berkembang lagi. Berbagai bentuk terobosan usaha bisnis dilakukan, mulai dari transformasi infrastruktur, rencana IPO, memperluas usaha bisnis, utilisasi properti, sampai membangun jaringan sistem online.

Berbicara tentang perkembangan ICT (Information and Communications Technology), di mana surat tergantikan oleh SMS dan email, wesel pos beralih ke ATM, bagi Mardjana, IT harus dirangkul. ICT akan menjadi tulang punggung dari seluruh aktivitas perusahaan. Tantangan bagi PT Pos Indonesia, lanjutnya, bahwa bisnis surat masih tumbuh, seperti rekening koran, pemberitahuan tagihan-tagihan. Mardjana justru mengatakan sama sekali kami tidak khawatir dengan ICT yang berkembang.

PT Pos Indonesia juga siap mereposisi dari post company menjadi network company dengan meningkatkan infrastruktur jaringan dengan memperluas layanan. Sejauh ini sudah ada 3.800 outlet di Indonesia, belum ditambah outlet kecil yang tersebar di Indonesia yang jumlahnya bisa mencapai 24.000 outlet.Pada 3.800 outlet utama tersebut sudah dilengkapi interkoneksi teknologi informasi dan online realtime, dengan integrasi secara fisik dan virtual. Kelebihan lain yang dimiliki PT Pos yakni memiliki jaringan tersebar di Indonesia.

Selasa, 15 Oktober 2013

Resume Data Warehouse Pertemuan Ke 6

Data Logis

   Digunakan untuk mendeskripsikan data pada tingkat konseptual dan view, pendeskripsian data pada model ini dibuat berdasarkan fakta sehingga memberikan kemampuan penstrukturan secara flexibel, dan memungkinkan untuk menspesifikasikan kendala - kendala datanya secara eksplisit. Data Logis suatu database dapat dilihat dari tingkatan user.

Contoh :

Data Fisik

Merupakan konsep bagaimana data disimpan pada media penyimpanan (storage) dalam suatu susunan secara fisik. Aspek yang menentukan kualitas dari model dan arsitektur data adalah :
  • Structure, menerangkan bagaimana data disusun, secara hierarchical, network, relational, atau object-oriented.
  • Integrity, menunjukkan bagaimana data dapat dihubungkan sesuai aspek strukturnya.
  • Manipulation, menunjukkan bagaimana data dapat diolah berdasarkan logika pengolahan data tertentu.
  • Querying, menunjukkan bagaimana kumpulan data dapat diseleksi sesuai logika pengolahan data tertentu.

Contoh :

OLTP vs OLAP

Kita dapat membagi sistem TI menjadi transaksional (OLTP) dan analitis (OLAP). Secara umum kita dapat mengasumsikan bahwa sistem OLTP menyediakan sumber data untuk data warehouse, sedangkan sistem OLAP membantu menganalisanya. 

OLTP (On-line Transaction Processing) ditandai oleh sejumlah besar transaksi on-line singkat (INSERT, UPDATE, DELETE). Penekanan utama untuk sistem OLTP disimpan di pemrosesan query sangat cepat, menjaga integritas data dalam lingkungan multi-akses dan efektifitas diukur dengan jumlah transaksi per detik. Dalam database OLTP ada data rinci dan saat ini, dan skema yang digunakan untuk menyimpan database transaksional adalah model entitas (biasanya 3NF). - OLAP (On-line Analytical Processing) ditandai dengan volume yang relatif rendah transaksi. Pertanyaan sering sangat kompleks dan melibatkan agregasi. Untuk sistem OLAP waktu respon merupakan ukuran efektifitas. Aplikasi OLAP secara luas digunakan oleh teknik Data Mining. Dalam database OLAP ada agregat, data historis, disimpan dalam skema multi-dimensi (biasanya skema bintang). Tabel berikut menyajikan perbedaan utama antara OLTP dan desain sistem OLAP.



Sumber Ke - 1.
               Ke - 2.

Repost Juga Untuk Tugas Starflake pada Tabel HR di Oracle

Starflake Schema dari tabel Fact Sales (dim Cust, dim Promotions, dim Products, dim Times, dim Channels) dari user HR di oracle



Repost Untuk Perusahaan Yang Memakai Data Warehouse Yaitu Pada PT Semen Padang

     Suatu perusahaan, terutama perusahaan yang bergerak dibidang komersil (berorientasi laba) perlu melakukan analisis kinerja penjualan. Dengan melakukan analisis kinerja penjualan, perusahaan dapat meningkatkan kinerja penjualannya. Salah satu cara melakukan analisis kinerja penjualan adalah dengan mengumpulkan data historis yang berkaitan dengan penjualan dan kemudian mengolah data tersebut sehingga menghasilkan informasi yang menampilkan kinerja penjualan perusahaan.

   Sebuah data warehouse merupakan kumpulan data yang bersifat subject-oriented, terintegrasi, time variant, dan nonvolatile yang membantu manajemen perusahaan dalam proses pembuatan keputusan. Pembuatan data warehouse dimulai dari pengumpulan data yang terkait dengan penjualan seperti data produk, customer, wilayah penjualan, transaksi penjualan, dan lain-lain. Setelah semua data yang dibutuhkan untuk membangun data warehouse dikumpulkan, proses selanjutnya adalah ekstraksi dan transformasi data. Ekstraksi data merupakan proses memilih data yang akan dimasukkan ke dalam data warehouse.

    Transformasi data adalah melakukan beberapa perubahan terhadap data yang sudah diekstraksi agar lebih konsisten dan seragam sesuai dengan kebutuhan data warehouse. Setelah transformasi dilakukan, data tersebut dimasukkan ke dalam data warehouse. Data yang sudah ada dalam data warehouse diolah dengan OLAP (OnLine Analytical Processing) untuk menghasilkan informasi.

      Informasi yang dihasilkan dari pengolahan data warehouse dengan OLAP adalah berupa grafik dan query. Informasi berupa grafik diantaranya grafik penjualan berdasarkan jenis semen, grafik penjualan berdasarkan wilayah penjualan, grafik penjualan berdasarkan plant pengantongan, grafik penjualan bulanan, grafik penjualan tahunan, dan grafik keluhan pelanggan. Informasi berupa query diantaranya penjualan berdasarkan jenis semen, wilayah penjualan, plant pengantongan, dan customer.
Kata

   Kinerja penjualan merupakan sebuah kondisi yang mencerminkan keadaan suatu perusahaan yang bergerak dalam bidang komersial. Sebuah perusahaan akan berada dalam kondisi sehat apabila perusahaan tersebut memiliki kinerja penjualan yang baik yang tidak hanya pada satu periode melainkan selalu mengalami peningkatan kinerja penjualan. Begitu juga sebaliknya, sebuah perusahaan dapat dikatakan dalam kondisi buruk apabila ia mengalami penurunan kinerja penjualan, bahkan bukan hanya ketika mengalami penurunan tetapi ketika kinerja penjualan berada pada posisi yang berubah-ubah. Saat mengalami penurunan, turun secara drastis dan ketika mengalami kenaikan, naik secara drastis.

    Salah satu solusi yang dapat dilakukan oleh perusahaan untuk menjaga agar kinerja penjualannya selalu berada dalam posisi baik adalah dengan menganalisis dan mengetahui faktor-faktor yang dapat menjaga kinerja penjualan itu sendiri berada dalam posisi baik. Analisis dapat dilakukan dengan mengumpulkan data penjualan yang bersifat historis atau lampau dan kemudian melihat grafik kinerja penjualan perusahaan. Di dalam data penjualan akan dapat terlihat banyak komponen yang terkait dengan penjualan diantaranya hubungan antara variasi produk yang dijual, jumlah produk yang dijual, waktu penjualan, promosi produk yang dijual, dan segmentasi pasar yang berhubungan dengan pendistribusian produk, termasuk kondisi pelanggan yang menikmati produk yang dijual.

       Untuk melakukan analisis, maka perusahaan perlu mengumpulkan atau harus memiliki data yang banyak secara kuantitas dan baik secara kualitas. Semakin banyak dan baik data yang dimiliki, maka akan semakin baik pula hasil analisis yang akan dihasilkan. Namun, untuk memenuhi hasil analisis yang baik tergantung pada jumlah dan kualitas data yang akan digunakan maka dibutuhkan suatu teknologi yang dapat membantu pihak manajemen perusahaan dalam memahami analisis yang akan dilakukan.
     Keuntungan dari menerapkan data warehouse adalah kemampuan mengakses data enterprise, kemampuan dalam konsistensi data, kemampuan menampilkan hasil analisis secara cepat, menemukan gap antara pengetahuan bisnis dan bisnis proses, mengurangi biaya administrasi, dan menampilkan informasi yang memang dibutuhkan secara efektif (Nolan & Huguelet, 2000). Dengan adanya keuntungan yang dijanjikan oleh data warehouse maka akan sangat membantu pihak manajemen perusahaan dalam membuat keputusan yang akan berdampak pada kelangsungan hidup perusahaannya sendiri.


Selasa, 01 Oktober 2013

Rancangan Arsitektur Data Warehouse Penjualan Di PT. Semen Padang

Di bawah ini merupakan gambar rancangan arsitektur data warehouse penjualan PT. SEMEN PADANG


      Arsitektur data warehouse penjualan di PT. Semen Padang dimulai dengan mengumpulkan data yang berkaitan dengan penjualan yang bersumber dari berbagai database seperti database penjualan, promosi, customer, dan produksi.
    
     Setelah data dari berbagai database dikumpulkan, terhadap data tersebut dilakukan ekstraksi sesuai dengan kebutuhan data warehouse yang akan dibangun. Seperti dari database penjualan, data yang dibutuhkan adalah data penjualan dari tahun 2010 – 2011, data wilayah penjualan, data tipe pembayaran dan jenis penjualan.

     Dari data yang sudah diekstraksi dilakukan proses transformasi data. Pada proses transformasi dilakukan proses seperti merapikan data yang tidak konsisten seperti pemberian kode customer, memperbaiki penamaan pada field, dan lain-lain.

      Proses selanjutnya adalah data loading ke dalam gudang data yang sudah dibangun dengan menggunakan script yang ada di SQL. Sehingga terbentuklah sebuah data warehouse yang siap digunakan untuk menghasilkan informasi.

    Dengan teknologi OLAP (OnLine Analytical Processing), dihasilkan beberapa view yang disesuaikan dengan kebutuhan user diantaranya analisis penjualan berdasarkan jenis semen tiap tahun, analisis penjualan berdasarkan wilayah penjualan tiap tahun, analisis penjualan berdasarkan plant pengantongan semen tiap tahun, analisis penjualan berdasarkan customer tiap tahun, analisis penjualan berdasarkan bulan penjualan, dan analisis penjualan berdasarkan tahun penjualan.

Sumber

Selasa, 24 September 2013

Data Warehouse pada PT. Olympindo Multi Finance Palembang Area Regional Sumatera II


Telah banyak perusahaan pembiayaan atau yang biasa disebut leasing yang kini mulai berkembang, salah satunya adalah PT. Olympindo Multi Finance Palembang Area Regional Sumatera II. Leasing umumnya membiayai pembelian kendaraan nasabah atau konsumen, dimana nasabah yang bersangkutan dapat membayar kendaraan nya secara bertahap sesuai dengan ketentuan dan perjanjian kontrak. Banyak nya data yang hanya tersimpan pada database perusahaan ini mengakibatkan penumpukan data dan tidak di dapatnya informasi dari kumpulan data tersebut, maka dirancanglah sebuah data warehouse sehingga data-data tersebut terkumpul pada suatu tempat penyimpanan dan saling terintegrasi sehingga di dapat informasi yang dibutuhkan perusahaan dengan menganalisis data tersebut untuk melihat kenginan konsumen dan kinerja perusahaan itu sendiri dalam penjualan kendaraan nya.

Penulis mendapatkan informasi – informasi sebagai berikut :
1. PT. Olympindo Multi Finance memiliki volume penjualan besar.
2. Memiliki 6 cabang pada area regional Sumatera II..
3. PT. Olympindo Multi Finance juga memiliki debitur yang tersebar dari pelosok daerah.

     Perancangan data warehouse menggunakan data yang berasal dari data penjualan selama 4,5 tahun terakhir yang terdiri dari 1 buah tabel fakta (Fakta_Penjualan) dan 7 buah tabel dimensi (Bank, Cabang, Nasabah, CMO, Vendor, Kendaraan dan waktu). Dari data warehouse yang telah dirancang, maka di dapat, Kendaraan dengan kategori minibus, merk Toyota dan Type Pick Up Carry 1.5 merupakan kendaraan yang paling banyak diminati dengan cabang Palembang yang merupakan cabang yang melakukan penjualan tertinggi selama kurun waktu 4,5 tahun terakhir. Sedangkan CMO yang bekerja aktif Untung Suripno dan pembiayaan sendiri atau Self Finance, menjadi cara yang paling disukai nasabah PT. Olympindo Multi Finance ini. Serta vendor yang paling sering melakukan kerjasama adalah ND Mobil sebanyak 403 kali kerjasama.

    Dengan Adanya data warehouse yang telah dirancang oleh penulis, pimpinan perusahaan dapat dengan mudah menganalisis karakteristik penjualan serta mempermudah administrator untuk membuat laporan penjualan di Perusahaan tersebut.

         Berdasarkan laporan yang di dapat dari data warehouse DWPenjualan yang dirancang, maka penulis dapat memberikan saran :

Pimpinan PT. Olympindo Multi Finance Palembang dapat mengambil keputusan dari informasi yang di dapat pada data warehouse yang telah di rancang.



Pimpinan PT. Olympindo Multi Finance Palembang juga diharapkan dapat menindak lanjuti Cabang, CMO yang kinerja nya tidak aktif.

(Permasalahan Dan Solusi Tentang Data Warego)


1. Sebutkan dan jelaskan permasalahan data warehouse yang terjadi pada perusahaan ?

  • Data perusahaan tersebar kebanyak tipe system dan struktur yang tidak kompitable.
  • Sistem proses pemesanan mungkin dikembangkan 20 th yg lalu dan berjalan pada mainframe lama.
  • Beberapa data disimpan dalam file VSAM.
  • Data pada perusahaan berada pada berbagai macam system, banyak platform dan struktur yang berbeda.

2. Ada berapa karekteristik yang dimiliki oleh sebuah data warehouse ?
  1. Orientasi Subyek.
    Suatu data warehouse didesain dan dibangun secara khusus dari database transaksional berdasarkan keperluan perusahaan, semisal data warehouse untuk kastemer, sales, dan lain-lain. Hanya data yang benar-benar diperlukan yang dimasukkan kedalam database.
  2. Integrasi data.
    Untuk mendapatkan informasi yang diinginkan, data yang ada dalam data warehouse akan dibangun dari beberapa macam sistem yang ada diperusahaan. Kemudian data tersebut ditransformasi dan diload. Karena itu ketika disimpan ke dalam data warehouse data tersebut akan diintegrasikan sehingga hanya ada satu cara dan atribut dengan format dan unit yang sama.
  3. Nonvolatile
    Pada database transaksional, operasi yang dilakukan adalah operasi update (insert, delete, dan update). Sedangkan dalam data warehouse metode ini tidak digunakan. Data disimpan
    ke dalam data warehouse pada periode waktu tertentu setelah dilakukan beberapa perhitungan (calculation) dan rangkuman (summary).
  4. Setiap unit data akan relevan dengan waktu tertentu
    Setiap data yang dimasukkan ke data warehouse pasti memiliki dimensi waktu. Dimensi waktu ini dipergunakan sebagai pembanding dalam perhitungan untuk menghasilkan laporan yang diinginkan. Selain itu, dengan menggunakan dimensi waktu pembuat keputusan dapat mengenal kecenderungan (trend) dan pola dari suatu data.



3. Dalam dimensional modeling, ada berapa pendekatan yang digunakan untuk membuat data warehouse ?

  1. Skema bintang (star schema)
    Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta (fact table) di pusat bintang dengan beberapa tabel dimensi (dimensional tables) yang mengelilinginya. Semua tabel dimensi berhubungan dengan ke tabel fakta. Tabel fakta memiliki beberapa key yang merupakan kunci indek individual dalam tabel dimensi.
  2. Skema bola salju (snowflake Schema)
    Skema bola salju merupakan perluasan dari skema bintang dengan tambahan beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta. Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain.
  3. Fact constellations
    Pada skema ini terdapat beberapa tabel fakta yang menggunakan satu atau beberapa tabel dimensi secara bersama-sama sehingga jika digambarkan akan terlihat seperti sekumpulan bintang. Skema ini juga dikenal dengan galaxy schema.

Selasa, 17 September 2013

Kebutuhan Data Warehouse Dalam Dunia Bisnis

Perkembangan komputer yang semakin pesat diikuti dengan perkembangan perangkat lunak untuk aplikasi bisnis, sejak tahun 1970-an sampai awal tahun 1980 manajemen berbasis file tradisional berkembang menjadi manajemen basis data. Di dalam manajemen basis data dikenal berbagai model data yang dapat digunakan untuk mendeskripsikan sebuah data dalam merancang suatu basis data. Manajemen ini memungkinkan banyak user untuk mengakses data secara bersamaan sehingga fasilitas yang dimiliki oleh manajemen sudah semakin banyak yaitu fasilitas pemanipulasian data, kontrol konkurensi data, recovery data, keamanan data dan didukung dengan fasilitas komunikasi data karena manajemen ini sudah terhubung dengan suatu jaringan . Perkembangan dunia usaha semakin meningkat ditunjang dengan perkembangan komunikasi yang mempermudah organisasi atau perusahaan untuk mengakses data, sehingga mengubah manajemen basis data menjadi manajemen basis data tingkat lanjut didukung dengan fasilitas data warehousing dan fasilitas basis data berbasis web sebagai salah satu strategi organisasi dalam meningkatkan kinerja dan keuntungan organisasi. Data Collection and Database Creation (1960s and earlier).


Database Management Systems (1970s – early 1980s)

- Hierarchical and Network Database Systems
- Relational Database Systems
- Data modeling tools : entity relationship model, etc
- Indexing and data organization techniques : b+ tree, hashing, etc
- Query language : SQL, etc
- User interface, forms, and reports
- Query processing and query optimizaztion


Advance Database Systems (mid-1980s-present)

- Advance data models : extended relational, object oriented, object relational, deductive
- Application oriented : spatial, temporal, multimedia, active, scientific, knowledge bases
Web-Based Database Systems (1990s – present)
- XML-based database systems
- Web mining
Data Warehouse and Data Mining (late 1980s – present)
- Data warehouse and OLAP technology
- Data mining and knowledge discovery

Informasi strategis digunakan untuk mencapai tujuan bisnis.

  1. Mempertahankan pelanggan saat ini.
  2. Meningkatkan pelanggan sebesar 15% lebih dalam 5 th   kedepan.
  3. Penguasaan keuntungan pasar sebesar 10% dalam 3 th   kedepan.
  4. Meningkatkan mutu produk.
  5. Meningkatkan layanan pelanggan dalam hal pengiriman.
  6. Membawa 3 produk baru kepasar dalam 3 th.
  7. Meningkatkan penjualan sebesar 15% dalam definisi north   earth.
Syarat-syarat yang diinginkan oleh informasi strategis yang akan digunakan dalam bisnis,
diantaranya:
  • Integrated : harus terintergrasi dengan pandangan-pandangan sistem lain yang ada dalam perusahaan.
  • Data integrity : informasi yang dihasilkan haruslah akurat dan sesuai dengan aturan bisnis yang ada.
  • Accesible : kemudahan dalam mengaksesnya dan dapat mendukung dalam analisa bisnis.
  • Credible : informasi yang dihasilkan pun juga harus bisa dipercaya dan bersumber pada satu pandangan bisnis yang tejaga.
  • Timely : informasi yang tersedia memiliki jangka waktu tertentu dan siap pada waktu yang dibutuhkan.


Sumber : http://s4nbao.blogspot.com/2013/01/bisnis-inteligent-dan-data-maning.html