Ekoji999 edisi094-11 des12-datawarehousedanpermasalahannya

SERI 999 E-ARTIKEL SISTEM DAN TEKNOLOGI INFORMASI PROF. RICHARDUS EKO INDRAJIT

HALAMAN 1 DARI 4 (C) COPYRIGHT BY RICHARDUS EKO INDRAJIT, 2012

Datawarehouse dan Permaslahannyaoleh Prof. Richardus Eko Indrajit - [email protected]

EKOJI9

99 N

omor

094

, 11

Des

embe

r 201

2

Artikel ini merupakan satu dari 999 bunga rampai pemikiran Prof. Richardus Eko Indrajit di bidang sistem dan teknologi informasi. Untuk berlangganan, silahkan kirimkan permohonan anda melalui alamat email [email protected].

Dalam aktivitas sehari-‐hari, sebuah perusahaan harus terlibat dengan berbagai ragam transaksi yang melibatkan begitu banyak data penting yang harus disimpan dan dijaga kerahasiaannya. Frekuensi transaksi yang sedemikian tinggi menyebabkan bertambah besarnya volume data yang harus dipelihara perusahaan. Keperluan menyimpan data tersebut tidak hanya karena alasan operasional semata, namun merupakan bahan dasar dalam pembentukan suatu informasi strategis bagi pengambil keputusan. Informasi tidak hanya dapat dihasilkan dengan cara mengolah data dari sebuah sumber saja, melainkan dapat dihasilkan melalui interaksi dan pengolahan antara sumber data yang satu dengan yang lainnya. Hubungan keterkaitan antar data dari berbagai sumber tersebut (struktur data) harus dapat dipresentasikan dalam sebuah sistem basis data multi dimensi. Datawarehouse merupakan teknologi baru yang ditawarkan industri kepada perusahaan yang ingin melakukan penyimpanan data bervolume besar untuk keperluan pengolahan data menjadi informasi yang cepat, akurat, dan aman.

Sebagai sebuah produk teknologi mutakhir yang terbilang sukses, datawarehouse telah menjadi salah satu syarat yang harus dimiliki perusahaan-‐perusahaan di abad ini. Kunci dari konsep datawarehouse adalah mengintegrasikan data dari seluruh sumber yang relevan dengan bisnis perusahaan. Contohnya data internal yang didapat dari aktivitas operasional sehari-‐hari seperti pada transaksi penjualan, administrasi, keuangan, personalia, pemasaran, pelayanan pelang-‐gan, dan lain sebagainya. Sementara data yang berasal dari luar perusahaan (eskternal) meliputi data seperti suku bunga bank, kurs mata uang, pajak, market survey, pelanggan, dan lain sebagainya. Di samping itu, ada pula data lain yang berasal dari para rekanan bisnis seperti supplier dan vendor.

Idealnya, data yang berasal dari berbagai jenis sitem dengan format yang beraneka ragam ini dimasukkan ke dalam sebuah gudang data (datawarehouse) dengan format standar dan struktur yang baku. Dengan kata lain, sebelum dimasukkan ke datawarehouse, data mentah yang berasal dari beberapa sumber tersebut harus terlebih dahulu ditranslasikan atau dikonversikan ke bentuk standar (baku) format database pada datawarehouse yang bersangkutan dengan struktur relasi yang telah dide�inisikan terlebih dahulu. Proses konversi ini biasanya dilakukan oleh sebuah program interface yang dapat dikembangkan sendiri atau dibeli di pasaran (untuk beberapa jenis platform). Terkadang tidak semua data relevan untuk dimasukkan ke dalam datawarehouse. Untuk data yang semacam ini, perlu diadakan proses penyaringan (�iltering) terlebih dahulu. Aktivitasnya sendiri dapat dilakukan secara manual atau dengan menggunakan aplikasi tertentu. Masalah lain yang harus diperhatikan sehubungan dengan pengisian data pada datawarehouse adalah hubungan atau relasi antar data yang ada atau struktur data. Sebuah studi untuk menganalisa relasi antar data pada datawarehouse harus dilakukan terlebih dahulu untuk menghasilkan sebuah struktur data yang secara efektif dan e�isien menggambarkan keterkaitan antara data yang berasal dari beragam fungsi pada organisasi (internal) dan dari luar perusahaan (eksternal).

Setelah struktur data selesai dibuat dan seluruh data telah ‘dipindahkan’ ke datawarehouse, manajemen perusahaan siap memanfaatkannya secara optimal. Secara umum, beberapa fasilitas yang sering dipergunakan oleh manajemen perusahaan adalah sebagai berikut:

Mengelompokkan data berdasarkan kriteria tertentu (grouping), dan melihat keterkaitannya dengan data lain secara multi dimensi. Misalnya: melihat total volume produk yang berhasil dijual untuk masing-‐masing daerah, melihat nilai penjualan atau revenue produk per kanal distribusi, melihat jumlah salesman per daerah, melihat jenis-‐jenis produk yang berhasil dijual oleh masing-‐masing salesman, dan lain sebagainya. Walaupun secara gra�is hubungan antar data yang telah dikelompokkan berdasarkan kriteria tersebut hanya dapat ditampilkan dalam format dua atau tiga dimensi, namun secara struktur, data tersebut memiliki hubungan multi dimensi.



Melakukan penyaringan data berdasarkan kriteria tertentu (�iltering dan querying). Contohnya adalah mencari gudang-‐gudang dengan service level di bawah 80%, mencari pelanggan yang telah melakukan transaksi total nilai penjualan 100 juta, mencari karyawan yang tidak pernah mengambil jatah cuti, dan lain sebagainya.

Melakukan peringkasan data (summarizing) dengan cara melakukan perhitungan total seperti yang sering ditemui pada proses-‐proses konsolidasi (total anggaran, total pengeluaran, jumlah pegawai, nilai transaksi, jumlah pelanggan, sisa produk tak terjual, total piutang, dan lain-‐lain).

Melihat dan menganalisa karakteristik sebuah kelas entiti secara portfolio, seperti persentasi jumlah penduduk per area geogra�is, portfolio kinerja (pro�it and loss) SBU (strategic business unit) dalam sebuah grup usaha, jumlah karyawan per departemen, dan lain-‐lain.

Menganalisa data lebih jauh dengan cara melihat perinciannya (breakdown atau drilling down). Contoh konkritnya dalam sebuah rumah sakit dimana tercatat dalam satu tahun 1000 pasien berhasil disembuhkan dan 27 pasien tidak berhasil diselamatkan (meninggal dunia). Manajemen dapat melihat lebih jauh, bahwa dari sekian banyak pasien yang meninggal dunia, 13 disebabkan karena keterlambatan penanganan, dan sisanya karena permasalahan lain. Lebih jauh lagi manajemen dapat mencari informasi bahwa dari pasien-‐pasien yang meninggal karena terlambat ditangani tersebut, 7 orang adalah laki-‐laki. Dan dari 7 laki-‐laki tersebut, 5 orang adalah balita.

Sumber: Renaissance Advisors, 1997

Secara prinsip, dari datawarehouse dapat diperoleh laporan-‐laporan maupun informasi mulai dari yang dibutuhkan oleh para staf (transactional information system), manajemen lini (management information system), sampai dengan manajemen puncak (executive



information system). Untuk keperluan ini, biasanya tersedia aplikasi-‐aplikasi atau tools tambahan untuk mengambil data dari dalam datawarehouse (extraction program) dan menyajikannya dengan berbagai macam tampilan dan fasilitas yang user friendly, sesuai dengan kategori pengguna (users).

Dilihat dari segi bene�it, keberadaan datawarehouse selain mengurangi biaya dalam pembuatan laporan-‐laporan dan aktivitas yang membutuhkan informasi secara cepat dan akurat, secara signi�ikan dapat meningkatkan kualitas keputusan yang dibuat oleh manajemen perusahaan (lihat gambar di atas). Ketika datawarehouse belum diperkenalkan di dunia bisnis, perusahaan mengalami kesulitan dalam memproses informasi yang dihasilkan menjadi suatu knowledge (pengetahuan). Adalah suatu hal yang sulit untuk mengintepretasikan informasi yang sedemikian banyak jumlahnya menjadi sebuah pengetahuan yang relevan dengan kepentingan perusahaan. Di sinilah fungsi utama dari sebuah datawarehouse, karena dengan knowledge yang baik, manajemen akan dengan mudah mengambil keputusan-‐keputusan strategis berdasarkan data yang akurat dan informasi yang berkualitas. Karena walau bagaimanapun juga, keputusan strategis akan sangat mempengaruhi kinerja perusahaan. Dilihat dari segi fasilitas atau features yang ditawarkan, terdapat banyak sekali produk-‐produk unggulan dari berbagai perusahaan terkemuka di dunia yang menawarkan datawarehousenya.

Untuk memilih yang terbaik, tentu saja harus melalui proses analisa cost/bene�it berdasarkan kebutuhan perusahaan. Karakteristik minimal yang harus dimiliki antara lain:

Menggunakan �iloso�i sistem basis data multi-‐dimensi

Mendukung proses OLAP (On-‐Line Application Processing)

Mendukung pemrosesan data secara realtime

Memiliki kemampuan konversi data (export dan import) dari standar database lain secara mudah

Menggunakan arsitektur client/server

Memiliki aplikasi tools tambahan untuk menarik dan merepresentasikan data (DSS, EIS, Sales Analyzer, Query Tools, dan lain-‐lain)

Yang harus selalu diingat dalam mengimple-‐mentasikan datawarehouse adalah �iloso�i “garbage in, garbage out”. Secanggih apapun datawarehous yang dimiliki jika data yang dimasukkan sudah salah, maka informasi yang dihasilkan pun menjadi salah. Mengambil keputusan berdasarkan informasi yang salah dapat menjadi bumerang bagi perusahaan.

-‐-‐-‐ akhir dokumen -‐-‐-‐



Documents

Ekoji999 edisi094-11 des12-datawarehousedanpermasalahannya