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