Jumat, 23 Juli 2021

Fitur dan Komponen Datawarehouse

Pengertian Datawarehouse

Definisi umum dari gudang data atau data warehouse adalah sistem komputer yang bertugas untuk mengarsipkan dan menganalisis sebuah data historis untuk keperluan suatu organisasi atau bisnis tertentu. Informasi yang dikelola dapat berupa data terkait penjualan, gaji, serta informasi harian lainnya. 

Dengan menganalisa sebuah data secara terstruktur, maka dapat menghasilkan informasi yang lebih akurat untuk menunjang pengambilan keputusan oleh suatu perusahaan. Itulah mengapa, gudang data termasuk dalam salah satu parameter penunjang kegiatan business intelligence.

Gudang data sendiri pertama kali digunakan dan ditemukan pada tahun 1980-an yang saat itu juga banyak bisnis besar yang menerapkan DSS (Decision Support System). Hingga saat ini, banyak perusahaan yang menerapkan strategi tersebut untuk membantu dalam meningkatkan kualitas dan produktivitas kerja. 

 

Fitur Datawarehouse terdiri dari 

  • Berorientasi Subjek, artinya data warehousing didesain untuk menganalisa data berdasarkan subyek-subyek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu.
  • Data Yang Terintegrasi, Terintegrasi Data warehousing dapat menyimpan data-data yang berasal dari sumbersumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipecahpecah karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep data warehousing itu sendiri.
  • Data Time Variant, Rentang Waktu Seluruh data pada data warehousing dapat dikatakan akurat atau valid pada rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam mengukur keakuratan suatu data warehousing, dapat digunakan berbagai cara.
  • Non Volatile, Non-Volatile Karakteristik keempat dari data warehousing adalah non-volatile, maksudnya data pada data warehousing tidak di-update secara real time tetapi di refresh dari sistem operasional secara reguler. Data yang baru selalu ditambahkan sebagai suplemen bagi basisdata itu sendiri dari pada sebagai sebuah perubahan. Basisdata tersebut secara kontinyu menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya.
  • Butiran Data,  Ringkas Datawarehousing menyediakan ringkasan- ringkasan data operasional yang sederhana dan mudah dipahami oleh pihak manajemen jika diperlukan.

Komponen Datawarehouse

 

1. Gudang

Komponen yang pertama adalah gudang atau tempat penyimpanan dari data tersebut. Bentuknya pun bisa berbeda – beda disesuaikan dengan kebutuhan anda, diantaranya adalah meliputi data warehouse appliance, analytics, cloud – hosted, dan typical relational database.

2. Manajemen Gudang Data

Peran dari manajemen gudang data sangatlah kompleks, dimana harus ada pihak yang mampu untuk mengelola gudang data dengan baik. Hal yang harus diperhatikan dalam pengelolaan gudang data antara lain, dari segi keamanan, pembaharuan data, pemilihan prioritas tugas, serta mengelola backup dan recovery apabila terdapat suatu keadaan yang dianggap mendesak.

3. Metadata

Komponen yang ketiga adalah metadata, yaitu sebuah keterangan singkat dalam data tersebut. Fungsi dari metadata sendiri adalah memberikan konteks atau gambaran mengenai sebuah informasi agar tampak lebih jelas dan selaras.

4. Tools Akses

Terdapat beberapa tools yang dapat anda manfaatkan untuk mendukung strategi bisnis anda menggunakan data warehouse. Pertama, anda dapat menggunakan konsep data mining dan OLAP. 

Untuk lebih jelasnya, anda dapat mencari beberapa referensi yang ada dalam internet. Kedua, anda dapat menggunakan query reporting atau mengembangkan tools analytics sendiri apabila anda memiliki tim developer atau pengembang aplikasi.

5. Tools ETL

ETL merupakan singkatan dari Extract, Transform, and load, yang berarti sebuah proses pengambilan data yang nantinya dapat dimodifikasi formatnya. Dan pada akhirnya, deretan informasi tersebut akan dimasukkan ke dalam data warehouse. Tools tersebut nantinya akan mempengaruhi waktu, metode, dan tipe modifikasi dari data tersebut. 

 


0 komentar:

Posting Komentar