RESUME PTI 6

Data Warehouse

—  Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal) yang menjadi perhatian penting bagi manajemen dalam organisasi dan ditujukan untuk keperluan analisis dan pelaporan manajemen dalam rangka pengambilan keputusan

—  Data warehouse digunakan untuk mendukung pengambilan keputusan, bukan untuk melaksanakan pemrosesan transaksi 

Sumber Data untuk DW

1. Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan
2. Sumber eksternal yang diperoleh misalnya melalui Internet, basis data komersial, basis data pemasok atau pelanggan

Sifat Data Warehouse

—  Multidimensional yang berarti bahwa terdapat banyak lapisan kolom dan baris (Ini berbeda dengan tabel pada model relasional yang hanya berdimensi dua)

 

Data Warehouse

—  Mengingat sistem data warehouse memerlukan pemrosesan data dengan volume yang besar, sistem ini biasa diterapkan dengan menggunakan teknologi pemrosesan SMP (Symmetric Multiprocessing) dan MPP (Multiple Parallel Processing) 

Petunjuk Membangun DW

—  Menentukan misi dan sasaran bisnis bagi pembentukan data warehouse

—  Mengidentifikasi data dari basis data operasional dan sumber lain yang diperlukan bagi data warehouse

—  Menentukan item-item data dalam perusahaan dengan melakukan standarisasi penamaan data dan maknanya 

Kemampuan OLAP

—  Konsolidasi melibatkan pengelompokan data. Sebagai contoh kantor-kantor cabang dapat dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat ditinjau menurut tahun, triwulan, bulan, dan sebagainya. Kadangkala istilah rollup digunakan untuk menyatakan konsolidasi

—  Drill-down adalah suatu bentuk yang merupakan kebalikan dari konsolidasi, yang memungkinkan data yang ringkas dijabarkan menjadi data yang lebih detail

Software OLAP

—  Express Server (Oracle)

—  PowerPlay (Cognos Software)

—  Metacube (Informix/Stanford Technology Group)

Data Mining

—  Perangkat lunak yang digunakan untuk menemukan pola-pola tersembunyi maupun hubungan-hubungan yang terdapat dalam basis data yang besar dan menghasilkan aturan-aturan yang digunakan untuk memperkirakan perilaku di masa medatang 

Teknologi Untuk Data Mining

—  Statistik

—  Jaringan saraf (neural network)

—  Logika kabur (fuzzy logic)

—  Algoritma genetika 

Data Mining : Visualisasi Data

—  Pendekatan data mining juga ada yang melalui visualisasi data

—  Pada sistem seperti ini, pemakai akan dibantu untuk menemukan sendiri pola dari sejumlah data berukuran besar dengan didasarkan visualisasi oleh data mining

Free Template Blogger collection template Hot Deals BERITA_wongANteng SEO theproperty-developer