DAFTAR ISIJUDUL……………………………………………………………………………………………………………i

DAFTAR ISI…………………………………………………………………………………………………….ii

IMPLEMENTASI DATA WAREHOUSE

1. Istilah istilah yang berkaitan dengan data warehouse…………………………… 1

1.1 Data Mart…………………………………………………………………………………………… 2

1.2 On-line Analytical Processing (OLAP)………………………………………………….. 3

1.3 On-line Transaction Processing (OLTP)………………………………………………. 4

1.4 Dimension Table…………………………………………………………………………………. 5

1.5 Fact Table…………………………………………………………………………………………… 6

1.6 DSS…………………………………………………………………………………………………….. 7

2. Extraction, Transformation dan Loading……………………………………………….. 8

3. Karakteristik data warehouse………………………………………………………………. 10

4. Meta-Data……………………………………………………………………………………………. 12

5 Manfaat Data Warehouse……………………………………………………………………..12

5.1 Perlunya Data warehouse…………………………………………………………………..12

5.2 Tugas-tugas Data warehouse……………………………………………………………..13

5.3 Keuntungan Data warehouse……………………………………………………………..16

Kesimpulan …………………………………………………………………………………………….. 17

ii

IMPLEMENTASI DATA WAREHOUSE

Sebelum mengimplementasikan warehouse kedalam berbagaibisnis, alangkah baiknya kita mengetahui apa ituwarehouse dan apa saja istilah-istilah yang terdapatdidalamnya untuk mendukung pengimplementasian.

Data warehouse adalah data-data yang beorientasisubjek, terintegrasi, memiliki dimensi waktu, sertamerupakan koleksi tetap (non-volatile), yang digunakandalam mendukung proses pengambilan keputusan.

1. Istilah – istilah yang berkaitan dengandata warehouse1.1. Data Mart

Data mart adalah suatu bagian dari data warehouse yangmendukung pembuatan laporan dan analisa data pada suatuunit, bagian atau operasi pada suatu perusahaan.

Data Mart adalah fasiltas penyimpan data yangberorentasi pada Subject tertentu atau berorentasi padaDepartemen tertentu dari suatu organisasi, fokus padakebutuhan Departemen tertentu seperti Sales, Marketing,Operation atau Collection. Sehingga suatu Organisasibisa mempunyai lebih dari satu Data Mart.

Data Mart pada umumnya di organisasikan sebagai suatuDimensional Model, sperti Star-Schema (OLAP Cube) yangtersusun dari sebuah tabel Fact dan beberapa tabelDimension.

arsitektur Data Mart bisa dibedakan menjadi dua,yaitu :

Dependent Data Mart dan Independent Data Mart.Perbedaan dari kedua arsitektur tersebut hanya terletakpada ketergantungan sumber datanya terhadap datawarehouse.

1

Dependent Data Mart (Inmon advocated) berlakusebagai komponen atau suatu bagian dari enterpriseData Warehouse, Data Mart dibangun dengan caraextract data dari Data Warehouse.

Independent Data Mart (Kimball advocated) dibangundengan cara extract langsung data dari berbagaiSource System.Independent Data Mart tidak tergantung pada pusatpenyimpan data seperti Data Warehouse arsitekturini biasa juga disebut sebagai “Data Warehouse Busstructure”.

2

1.2. On-Line Analytical Proccesing

Menurut Hoffer et al (2009:431), Online AnalyticalProcessing (OLAP) merupakan seperangkat alat grafisyang menyajikan pengguna dengan tampilanmultidimensional dari data dan memungkinkan penggunauntuk menganalisis data menggunakan teknik windowingsederhana.

Menurut Connolly dan Begg (2010:1250), OnlineAnalytical Processing (OLAP) adalah perpaduan dinamisanalisis dan gabungan dari data multidimensional dalamjumlah besar.

Berdasarkan definisi-definisi yang dijabarkan olehpara ahli di atas, maka dapat disimpulkan OnlineAnalytical Processing (OLAP) adalah perpaduan dinamisanalisis dan gabungan dari data multidimensional dalamjumlah besar yang memungkinkan pengguna untukmenganalisis data menggunakan teknik windowingsederhana.

Karakteristik OLAP

Mengizinkan para pelaku bisnis memiliki pandanganlogical dan multidimensional terhadap data didalamdata warehouse.

Memfasilitasi analisis query yang interaktif dankompleks untuk pengguna.

Mengizinkan user untuk melakukan drilld ownsehingga mendapatkan rincian yang lebih jelas atauroll up untuk agregasi metric selama satu dimensibisnis atau melintasi multidimensi.

Menyediakan kemampuan untuk menampilkan kalkulasiyang rumit dan perbandingan.

Menyajikan hasil dalam sejumlah cara yang memilikiarti termasuk kedalam bentuk gambar dan diagram.

3

Keuntungan OLAP

Meningkatkan produktifitas pemakai akhir bisnis,pengembang IT, dan keseluruhan organisasi.Pengawasan yang lebih dan akses tepat waktuterhadap informasi strategis dapat membuatpengambilan keputusan lebih efektif.

Mengurangi “backlog” pengembangan aplikasi bagistaf IT dengan membuat pemakai akhir dapat merubahschema dan membangun model sendiri.

Penyimpanan pengawasan organisasi melaluiintegritas data koorporasi sebagai aplikasi OLAPtergantung pada data warehouse dan system OLTPuntuk memperbaharui sumber tingkatan data mereka.

Mengurangi aktifitas query dan lalu lintas jaringanpada system OLTP atau pada data warehouse.

Meningkatkan hasil dan keuntungan secara potensialdengan mengizinkan organisasi untuk meresponpermintaan pasar lebih cepat.

1.3. On-Line Transaction Proccesing (OLTP)

Menurut Hoffer et al (2009:431), OLTP atau OnlineTransaction Processing adalah sebuah sistem yangdigunakan dalam aplikasi berorientasi transaksi yangmelibatkan pemrosesan transaksi SQL secara real-time.Hal ini memiliki karakteristik berupa entri danpemanggilan kembali data secara cepat dalam lingkunganmultiuser.

Menurut Connolly dan Begg (2005:1149), sistem initelah didesain untuk menangani aliran data transaksiyang tinggi, dimana transaksi biasanya membuatperubahan kecil pada data operasional organisasi,dimana data yang harus ditangani oleh perusahaan adalahdata operasional sehari-hari. Sistem seperti inidisebut Online Transaction Processing (OLTP).

4

Berdasarkan definisi-definisi yang dijabarkan olehpara ahli di atas, maka dapat disimpulkan OnlineTransaction Processing (OLTP) adalah sebuah sistem yangdigunakan dalam aplikasi berorientasi transaksi dimanadapat menangani aliran data transaksi yang tinggi

dimana data yang ditangani adalah data operasionalsehari - hari.

1.4. Dimension Table

Tabel dimensi adalah tempat dimana data-data yangtidak berhubungan yang berelasi dengan table fakta ditempatkan di dalam table multidimensional (inmon,2002). Dimensional table merupakan table yang berisikankategori dengan ringkasan data detail yang dapatdilaporkan. Seperti laporan laba pada table fakta dapatdilaporkan sebagai dimensi waktu (yang berupa perbulan,perkwartal dan pertahun).

Tabel dimensi (dimension table) adalah tabel yangberisi detail yang menjelaskan foreign key yangterdapat pada tabel fakta. Atribut yang terdapat padatabel dimensi dibuat secara berjenjang (hirarki) untukmemudahkan proses query (Lisangan & Saptadi, 2010).

Tabel dimensi biasanya diperoleh dari tabel masterpada database operasional. Tabel dimensi dapatdigunakan untuk melakukan roll up ataupun drill downpada dashboard.

Tabel dimensi adalah salah satu dari istilah yangterdapat dalam pemodelan dimensi (Dimensionalmodeling). Dua yang lainnya adalah table fakta danConformed Dimension

5

1.5 Fact Table (table fakta).

Fact Tabel merupakan table yang umumnya mengandungangka dan data history dimana key (kunci) yangdihasilkan sangat unik, karena key tersebut tediri dariforeign key(kunci asing) yang merupakan primary key(kunci utama) dari beberapa dimension table yangberhubungan.

Tabel fakta (fact table) adalah tabel yang umumnyamengandung sesuatu yang dapat diukur (measure) sepertiharga, jumlah barang, dan sebagainya. Tabel fakta jugamerupakan kumpulan foreign key dari primary key yangterdapat pada masing-masing tabel dimensi. Tabel faktajuga mengandung data yang bersifat historis (Lisangan &Saptadi, 2010).

Tabel fakta biasanya diperoleh dari tabel transaksipada database operasional. Misalnya pada tabelpenjualan, pemesanan, dan lain sebagainya.

Contoh gambar :

6

1.6. DDS (SISTEM PENDUKUNG KEPUTUSAN / DECISION SUPPORTSYSTEM).

Istilah SPK/DSS pertama kali dikemukakan oleh G.Anthony Gorry dan Michael S. Scoot Morton pada tahun1971, keduanya merupakan profesor MIT, USA . Saat itumereka merasakan perlunya suatu pemikiran untukmengarahkan penggunaan aplikasi komputer untuk membantupengambilan keputusan yang dilakukan oleh manajemenberdasarkan kepada konsep Simon mengenai keputusan yangterstruktur dan tidak terstruktur juga berdasarkankepada konsep Robert N. Anthony tentang tingkat-tingkatan manajemen.

DSS : suatu sistem berbasis komputer inter-aktif yangmembantu pengambil keputusan memanfaatkan data danmodel untuk menyelesaikan masalah unstructured. (ScottMorton, 1971)

DSS menggabungkan sumber daya intelektual manusiadengan kemampuan komputer, untuk meningkatkan kualitaskeputusan. Ia merupakan sistem pendukung berbasiskomputer bagi pengambil keputusan manajemen untukmenyelesaikan masalah semi-structured (Keen and ScottMorton, 1978).

Manfaat yang didapat :

• Keputusan yang berkualitas

• Peningkatan komunikasi

• cost reduction

• Peningkatan produktivitas

• Penghematan waktu

• Peningkatan kepuasan karyawan dan pelanggan

7

ALASAN MENGAPA DSS DIBUTUHKAN

Ekonomi tidak stabil

Kesulitan untuk mendeteksi sasaran bisnis yangberagam

Meningkatnya kompetisi Electronic commerce Sistem yang ada tidak mendukung pengambilan

keputusan Kebutuhan akan analisis khusus Kebutuhan informasi yang akurat Kebutuhan informasi yang baru dan tepat waktu Penghematan biaya

2. Extraction, Transformation, dan LoadingMenurut Miranda dan Elfreida (2010, p346). Setiap data

warehouse memiliki data yang berbeda persyaratannya,oleh karena itu, ETL tool yang sesuai adalah solusilebih baik untuk memenuhi persyaratan.

Menurut Miranda dalam jurnalnya (2011:1-12), membuatdata warehouse tidak sekedar memindahkan dataoperasional ke dalam data warehouse, memindahkan datadari beberapa sumber berpotensi menimbulkan masalahbesar terutama terkait dengan isu tidak konsistennyadata. Data warehouse tidak hanya digunakan dalammelakukan loading, integrasi, dan menyimpan data dalamjumlah besar, namun juga berpotensi untuk mendapatkansudut pandang baru dari sebaran data, dan memungkinkanuntuk memberikan pelaporan dan jawaban dari pertanyaanpengguna yang bersifat ad hoc secara cepat dan lebihbaik.

Ekstraksi

Menurut Kimball dan Ross (2002:8), extraction adalahlangkah pertama dalam proses memasukkan data ke dalamlingkungan data warehouse. Extracting berarti membacadan memahami sumber data dan menyalin data yangdibutuhkan untuk data warehouse ke dalam staging areauntuk manipulasi lebih jauh.

8

Perlu menentukan system database yang akan digunakandan juga mencari tahu data apa yang diperlukan sebelummendapatkannya. Penurunan biaya perangkat keras danpenyimpanan telah mengatasi masalah dan menghindariduplikasi data sehingga kekhawatiran pada kurangnyaruangan penyimpanan sebagai tempat penyimpanan datayang berlebihan atau yang tidak diperlukan. Namun,mungkin tidak ada alasan untuk menyimpan data yangtidak diperlukan dan telah diidentifikasi tidak bergunadalam proses pengambilan keputusan. Oleh karena itu,diperlukan untuk mendapatkan hanya ekstrak data yangrelevan sebelum membawa ke data warehouse.

Transformasi

Setelah penggalian data dari berbagai sumber,transformasi dibutuhkan untuk menjamin konsistensidata. Agar mengubah data kedalam data warehouse denganbenar, perlu mengetahui cara pemetaan bidang sumberdata eksternal ke data warehouse. Integrasi ini bisa

menjadi masalah yang kompleks ketika jumlah sumber datamenjadi lebih besar.

Menurut Kimball dan Ross (2002:8), setelah data di–ekstrak ke staging area, ada banyak perubahan yangmungkin dilakukan, seperti cleansing data (memperbaikikesalahan ejaan, mengatasi konflik domain, menanganibagian yang hilang, atau parsing ke dalam formatstandar), menggabungkan data dari berbagai sumber,menghilangkan data berulang, dan memberikan warehousekeys.

Menurut Connolly dan Begg (2010, 1208), langkahtransformasi menerapkan serangkaian aturan atau fungsipada data yang telah diekstrak, yang menentukanbagaimana data akan digunakan untuk analisis dan dapatmelibatkan perubahan seperti merangkum, encoding,penggabungan data, pemisahan data, kalkulasi data, danpenciptaan surrogate key.

9

Loading

Menurut Miranda dalam jurnalnya (2011:1-12), setelahproses penggalian, mengubah dan pembersihan telahdilakukan, data diambil ke dalam data warehouse.Pemuatan data dapat dikategorikan ke dalam dua jenis;pemuatan data yang saat ini ada dalam database

operasional dan pemuatan pembaruan data warehouse dariperubahan yang telah terjadi dalam database operasionaluntuk menjamin kesegaran data, data warehouse perluuntuk terus memperbaharui datanya.

Banyak persoalan yang perlu untuk dipertimbangkanterutama saat memuat data yang sudah diperbaharui kedata warehouse. Sementara pemutakhiran data warehouse,perlu memastikan bahwa tidak ada data yang dilepaskandan juga untuk memastikan overhead minimum selamaproses scanning file yang ada.

3. Karakteristik Data WarehouseMenurut Connolly dan Begg (2010, p1147), data

warehouse memiliki beberapa karakteristik, diantaranyayaitu :

•Subject-oriented, yaitu data warehouse diorganisasiberdasarkan subjek utama dari perusahaan (sepertipelanggan, produk, penjualan, dan pembelian)berdasarkan pada area aplikasi utama (sepertipembuatan faktur pelanggan, pengendalian persediaan danpenjualan produk). Hal ini menggambarkan data yang adadidalam data warehouse merupakan data untuk pengambilankeputusan, bukan data yang berorientasi aplikasi.

•Integrated, data didalam data warehouse berasal darisumber data yang berbeda dan dari sistem aplikasi yangberbeda diseluruh perusahaan. Sumber data biasanya

digunakan secara tidak konsisten, contohnya format yangberbeda. Sumber data yang terintegrasi harus dibuatkonsisten untuk menampilkan pandangan terintegrasi daridata kepada user.

10

•Time- variant, data yang masuk didalam data warehousehanya data yang akurat dan valid dalam suatu waktutertentu atau dalam interval waktu tertentu.

•Non-Volatile, data dalam data warehouse tidak diupdatesecara real time tetapi diperbaharui dari sistemoperasional secara berkala. Data baru selaluditambahkan sebagai tambahan kedalam database bukansebagai penggantian.

Menurut Subhan (2003-2007,p2), pembahasan dari ke-empat karakteristik data warehouse adalah :

Kenapa Subject Oriented?

Data warehouse diorganisasikan pada subjek – subjekutama, seperti pelanggan, barang/produk, dan penjualan.Berfokus pada model dan analisis pada data untukmembuat keputusan, jadi bukan pada setiap prosestransaksi atau bukan pada OLTP. Menghindari data yangtidak berguna dalam mengambil suatu keputusan.

Kenapa Integrated?

Dibangun dengan menggabungkan/menyatukan data yangberbeda relationaldatabase, flat file, dan on-linetransaction record. Menjamin konsistensi dalam

penamaan, struktur pengkodean, dan struktur atributdiantara data satu sama lain.

Data Warehouse Time Variant?

Data disimpan untuk menyediakan informasi dariperspektif historical, data yang tahun – tahun lalu /4-5 tahun. Waktu adalah elemen kunci dari suatu datawarehouse / pada saat pengcapture-an.

Kenapa Non Volatile?

Setiap kali proses perubahan, data akan di tampingdalam tiap – tiap waktu. Jadi tidak di perbaharui terusmenerus. Data warehouse tidak memerlukan pemrosesantransaksi dan recovery. Hanya ada dua operasi initialloading of data dan access of data.

11

4. Meta-dataMenurut Connolly dan Begg (2005:1165), metadata adalah

penjelasan isi data dalam data warehouse, apa yang adadi dalamnya, darimana asalnya, dan apa yang telahdilakukan dalam proses cleansing, integrating, dansummarizing.

Menurut Adir (2009), metadata merupakan hal yangpenting untuk mengelola kompleksitas lingkungan danmengelola kualitas data dalam lingkungannya.

Berdasarkan definisi-definisi yang dijabarkan olehpara ahli di atas, maka dapat disimpulkan metadata

merupakan hal yang penting dalam mengelola kompleksitaslingkungan dan penjelasan data dalam data warehouseyang simpan dalam data warehouse.

Area dari data warehouse yang menyimpan semua definisimeta-data yang digunakan oleh semua proses didalam datawarehouse. Meta-data digunakan untuk beberapa tujuan diantaranya:

Dalam proses ekstraksi dan loading, meta-datadigunakan untuk memetakan sumber data ke view daridata di dalam data warehouse.

Dalam proses manajemen warehouse, meta-datadigunakan untuk table ringkas secara otomatis.

Sebagai bagian dari proses manajemen query, meta-data digunakan untuk melakukan query langsung kesumber data yang sesuai.

5. Manfaat Data Warehouse 5.1 Perlunya data warehouse

Data warehouse diperlukan bagi para pengambilkeputusan manajemen dari suatu organisasi/perusahaan.Dengan adanya data warehouse, akan mempermudahpembuatan aplikasi-aplikasi DSS dan EIS karena memangkegunaan dari data warehouse adalah khusus untukmembuat suatu database yang dapat digunakan untukmendukung proses analisa bagi para pengambil keputusan.

5.2 Tugas Tugas data Warehouse

Ada empat tugas yang bias dilakukan dengan adanya datawarehouse. Menurut Williams, keempat tugas tersebutyaitu :

Pembuatan Laporan

Pembuatan laporan merupakan salah satu kegunaan datawarehouse yang paling umum dilakukan. Denganmenggunakan query sederhana didapatkan laporanperhari,perbulan,pertahun atau jangka waktu kapanpunyang diinginkan.

On-Line Analytical Proccesing (OLAP)

Dengan Adanya data warehouse, semua informasi baikdetail maupun hasilsummary yang dibutuhkan dalam prosesanalisa mudah didapat. OLAP mendayagunakan konsep datamulti dimensi dan memungkinkan para pemakai menganalisadata sampai mendetail, tanpa mengetikan satupunperintah SQL. Hal ini dimungkinkan karenapad konsepmulti dimensi, maka data yang berupa fakta yang samabias dilihat dengan menggunakan fungsi yang berbeda.Fasilitas lain yang ada pada software OLAP adalahfasilitas rool-up dan drill-down. Drill-down adalahkemampuan untuk melihat detail dari suatu informasi danroll-up adalah kebalikannya.

Data Mining

Data Mining merupakan proses untuk menggali (minning)pengetahuan dan informasi baru dari data yang berjumlahbanyak pada data warehouse, dengan menggunakan

kecerdasan buatan (Artificial Intelegence), statisticdan matematika.

Kehadiran data mining dilatar belakangi olehberlimpahnya data (overload data) yang dialami olehberbagai institusi, perusahaan atau organisasi.Berlimpahnya data ini merupakan akumulasi datatransaksi yang terekam bertahun-tahun. Data–datatersebut merupakan data transaksi yang umumnya diprosesmenggunakan aplikasi komputer yang biasa disebut denganOLTP (On Line Transaction Processing).

pemanfaatan data mining dapat dilihat dari dua sudutpandang, yaitu sudut pandang komersial dan sudutpandang keilmuan. Dari sudut pandang komersial,pemanfaatan data mining dapat digunakan dalam menanganimeledaknya volume data. Bagaimana mana menyimpannya,mengestraknya serta memanfaaatkannya. Berbagai teknikkomputasi dapat digunakan menghasilkan informasi yangdibutuhkan. Informasi yang dihasilkan menjadi assetuntuk meningkatkan daya saing suatu institusi.

Data mining tidak hanya digunakan untuk menanganipersoalan menumpuknya data/informasi dan bagaimanamenggudangkannya tanpa kehilangan informasi yangpenting (warehousing). Data mining juga diperlukanuntuk menyelesaikan permasalahan atau menjawabkebutuhan bisnis itu sendiri, misalnya: • Bagaimana mengetahui hilangnya pelanggan karenapesaing • Bagaimana mengetahui item produk atau konsumen yangmemiliki kesamaan karakteristik

• Bagaimana mengidentifikasi produk-produk yang terjualbersamaan dengan produk lain.• Bagaimana memprediski tingkat penjualan• Bagaimana menilai tingkat resiko dalam menentukanjumlah produksi suatu item.• Bagaimana memprediksi prilaku bisnis di masa yangakan datang

Data mining merupakan teknologi yang diharapkan dapatmenjembatani komnikasi antara data dan pemakainya.Beberapa solusi yang diberikan data mining antarlain :ƒ

Menembak target pasar Data mining dapat melakukan pengelompokan(clustering) dari model-model pembeli dan melakukanklasifikasi terhadap setiap pembeli sesuai dengankarakteristik yang diinginkan seperti kesukaan yangsama, tingkat penghasilan yang sama, kebiasaanmembeli dan karakteristik lainnya.

Melihat pola beli pemakai dari waktu ke waktuData mining dapat digunakan untuk melihat pola beliseseorang dari waktu ke waktu. Sebagai contoh,ketika seseorang menikah bisa saja dia kemudianmemutuskan pindah dari single account ke jointaccount (rekening bersama) dan kemudian setelah itupola beli-nya berbeda dengan ketika dia masihbujangan.

Cross-Market Analysis

Kita dapat memanfaatkan data mining untuk melihathubungan antara penjualan satu produk dengan produklainnya.

Profil CustomerData mining dapat membantu Anda untuk melihatprofil customer/pembeli/nasabah sehingga kita dapatmengetahui kelompok customer tertentu suka membeliproduk apa saja.

Identifikasi Kebutuhan Customer Anda dapat mengidentifikasi produk-produk apa sajayang terbaik untuk tiap kelompok customer danmenyusun faktor-faktor apa saja yang kira-kiradapat menarik customer baru untuk bergabung/membeli

Informasi Summary Anda juga dapat memanfaatkan data mining untukmembuat laporan summary yang bersifat multi-dimensidan dilengkapi dengan informasi statistik lainnya.

Proses informasi executive

Data warehouse dapat membuat ringkasan informasi yangpenting dengan tujuan membuat keputusan bisnis, tanpaharus menjelajahi keseluruhan data. Dengan menggunakandata warehouse segala laporan telah diringkas dan dapatpula mengetahui segala rinciannya secara lengkap,sehingga mempermudah proses pengambilan keputusan.Informasi dan data pada laporan data warehouse menjaditarget informative bagi user.

5.3 Keuntungan Data Warehouse

Data warehouse merupakan pendekatan untuk menyimpandata dimana sumber-sumber data yang heterogen (yangbiasanya tersebar pada beberapa database OLTP)dimigrasikan untuk penyimpanan data yang homogen danterpisah. Keuntungan yang didapatkan dengan menggunakandata warehouse tersebut dibawah ini (Ramelho).

Data diorganisir dengan baik untuk query analisisdan sebagai bahan untuk pemrosesan transaksi.

Perbedaan antara struktur data yang heterogen padabeberapa sumber yang terpisah dapat diatasi.

Aturan untuk transformasi data diterapkan untukmemvalidasi dan mengkosolidasi data apabila datadipindahkan dari data base OLTP ke data warehouse.

Masalah keamanan dan kinerja bias dipecahkan tanpaperlu mengubah system produksi.

Membangun data warehouse tentu saja memberikankeuntungan lebih bagi suatu perusahaan, Karena datawarehouse dapat memberikan keuntungan strategis padaperusahaan tersebut melebihi pesaing-pesaing mereka.Keuntungan tersebut diperoleh dari beberapa sumber(Sean Nolan,Tom Huguelet):

Kemampuan untuk mengakses data yang besar.

Kemampuan untuk memliki data yang konsisten. Kemampuan kinerja analisa yang cepat Mengetahui adanya hasil yang berulang ulang. Menumukan adanya celah pada business knowledge atau

business process. Mengurangi biaya administrasi. Memberi wewenang pada semua anggota dari perusahaan

dengan menyediakan kepada mereka informasi yangdibutuhkan agar kinerja bisa lebih efektif.

Kesimpulan