Foundation of Business Intelligence : Database and Information Management

Ivena Rahma P (C1C015005)

 Agustina K. Sujarwo (C1C015062)

 Alfiandita Rizka Meivita (C1C015069)

 Sita Evitasari (C1C01070)

Foundation of Business Intelligence : Database and Information Management

6.1 MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE TRADISIONAL

Sebuah sistem informasi yang efektif menyediakan pengguna dengan informasi yang akurat, tepat waktu, dan relevan bagi para penggunanya. Informasi yang akurat tidak memiliki kesalahan. Informasi yang tepat waktu dapat dipakai oleh pembuat keputusan ketika dibutuhkan. Informasi yang relevan artinya informasi itu sangat berguna dan tepat untuk jenis pekerjaan dan keputusan yang membutuhkannya.

l   Konsep Pengorganisasian File

Sistem komputer mengorganisasikan data ke dalam sebuah hierarki yang dimulai dengan bit dan byte, menuju field, record, dan basis data. Sekumpulan bit disebut byte. Pengelompokan karakter menjadi sebuah kata, kumpulan kata, atau bilangan lengkap dinamakan field. Sekumpulan field yang saling berhubungan berkumpul menjadi record. Sekelompok record yang jenisnya sama dinamakan file. Sekelompok file yang berhubungan membentuk basis data. Sebuah record menggambarkan sebuah entitas. Entitas adalah orang, tempat, hal, atau kejadian yang informasinya disimpan dan dipelihara. Setiap karakteristik atau kualitas yang menggambarkan entitas khusus disebut atribut.

l   Masalah dengan Lingkungan File Tradisional

Pada kebanyakan organisasi, file, data dan sistem cenderung bertumbuh secara mandiri tanpa rencana menyeluruh untuk perusahaan. Akuntansi, keuangan, manufaktur, sumber daya manusia, juga penjualan dan pemasaran, semuanya berkembang dengan sistem dan file datanya sendiri. Setiap aplikasi, diperlukan file dan program komputer sendiri untuk beroperasi. Sebagai contoh, sumber daya manusia area fungsional mungkin memiliki file personel induk, file penggajian, file asuransi kesehatan, file pensiun, sebuah mailing list file, dan sebagainya sampai puluhan, mungkin ratusan, file dan program yang ada. Selain itu, masalah lainnya adalah redundansi dan inkonsistensi data, ketergantungan Program-data, kurangnya fleksibilitas, keamanan yang buruk, kekurangan dalam pembagian dan ketersediaan data.

l   Data Redundancy dan Inkonsistensi

Data redundansi adalah adanya duplikasi data dalam beberapa file data sehingga data yang sama disimpan dalam lebih dari tempat atau lokasi. Redundansi data terjadi ketika kelompok yang berbeda dalam sebuah organisasi independen mengumpulkan potongan data yang sama dan menyimpannya secara independen satu sama lain. Redundansi data sumber daya penyimpanan limbah juga menyebabkan inkonsistensi data, di mana atribut yang sama mungkin memiliki nilai yang berbeda.

l   Ketergantungan Program Data

Ketergantungan program-data mengacu pada kopling data yang disimpan dalam file dan program-program khusus yang diperlukan untuk memperbarui dan memelihara file-file, sehingga perubahan dalam program memerlukan perubahan data. Setiap program komputer tradisional harus menggambarkan lokasi dan sifat data dengan yang bekerja. Dalam lingkungan file tradisional, setiap perubahan dalam program perangkat lunak bisa memerlukan perubahan dalam data diakses oleh program itu.

l   Kurangnya Fleksibilitas

Sistem file tradisional dapat memberikan laporan rutin yang dijadwalkan upaya pemrograman yang ekstensif, tetapi tidak dapat memberikan laporan ad hoc atau menanggapi kebutuhan informasi yang tidak diantisipasi secara tepat waktu. Beberapa programmer mungkin harus bekerja selama berminggu-minggu untuk mengumpulkan item data yang dibutuhkan dalam sebuah file baru.

l   Keamanan yang buruk

Karena ada sedikit kontrol atau manajemen data, akses dan penyebaran informasi mungkin di luar kendali. Manajemen mungkin tidak memiliki cara untuk mengetahui siapa yang mengakses atau bahkan membuat perubahan data organisasi.

l   Kurangnya Pembagian dan Ketersediaan Data

Karena potongan informasi dalam file dan bagian yang berbeda dari organisasi tidak dapat berhubungan satu sama lain, maka hampir tidak mungkin untuk informasi untuk dibagikan atau diakses pada waktu yang tepat. Informasi tidak dapat mengalir dengan bebas di area fungsional yang berbeda atau bagian yang berbeda dari organisasi. Jika pengguna menemukan nilai yang berbeda dari bagian yang sama dari informasi dalam dua sistem yang berbeda, mereka mungkin tidak ingin menggunakan sistem ini karena mereka tidak dapat mempercayai keakuratan data mereka.

6.2 PENDEKATAN BASIS DATA TERHADAP PENGELOLAAN DATA

A.     Sistem Manajemen Basis Data

Sistem manajemen database (DBMS) adalah perangkat lunak yang memudahkan organisasi untuk memusatkan data, mengelola secara efisien, dan menyediakan akses data bagi program aplikasi. DBMS bertindak sebagai antarmuka antara program aplikasi dan file data fisik.

DBMS meringankan programmer dari pemahaman di mana dan bagaimana data sebenarnya disimpan dengan memisahkan pandangan logis dan fisik dari data. Pandangan logis menyajikan data karena mereka akan dirasakan oleh pengguna akhir atau spesialis bisnis, sedangkan tampilan fisik menunjukkan bagaimana data sebenarnya terorganisir dan terstruktur pada media penyimpanan fisik. Perangkat lunak manajemen database membuat database fisik tersedia untuk tampilan logis yang berbeda yang dibutuhkan oleh pengguna.

B.     Kemampuan Sistem Manajemen Berbasis Data

DBMS menyertakan kapabilitas dan perangkat lunak untuk mengorganisasikan, mengelola, dan mengakses data dalam basis data. Hal yang paling penting antara lain:

Ø  Kemampuan definisi data: menentukan struktur isi database, digunakan untuk membuat tabel dan mendefinisikan karakteristik bidang

Ø  Kamus data: berkas otomatis atau manual yang menyimpan definisi unsur data dan karakteristiknya

Ø  Bahasa manipulasi data: digunakan untuk menambah, mengubah, menghapus, mengambil data dari database

C.     Merancang Basis Data

Untuk membuat basis data, sebelumnya harus memahami hubungan antara data, jenis data yang akan dijaga dalam database, bagaimana datanya digunakan, dan bagaimana organisasi perlu mengubah untuk mengelola data dari perspektif keseluruhan perusahaan. Basis data membutuhkan desain konseptual dan sebuah desain fisik

Ø  Desain konseptual (logis): Model abstrak dari perspektif bisnis

Ø  Desain fisik: Bagaimana database diatur pada perangkat penyimpanan akses langsung

6.3 MENGGUNAKAN BASIS DATA UNTUK MENINGKATKAN KINERJA BISNIS DAN PROSES PENGAMBILAN KEPUTUSAN

Perusahaan menggunakan basis data untuk melacak transaksi dasar, seperti membayar pemasok, memproses pesanan, melacak pelanggan, dan membayar gaji karyawan. Perusahaan juga membutuhkan basis data untuk menyediakan informasi yang akan membantu perusahaan menjalankan bisnis dengan lebih efisien, dan membantu manajer dan karyawan membuat keputusan lebih baik.

A.     GUDANG DATA

Ø  Gudang data

Menyimpan data terkini dan historis dari banyak sistem transaksi operasional utama seperti sistem penjualan, akun pelanggan, manufaktur yang mungkin diminati dan digunakan di seluruh perusahaan, namun data tidak dapat diubah.

Gudang data menggabungkan dan menstandarkan informasi dari basis data operasional yang berbeda sehingga informasi dapat digunakan di seluruh perusahaan untuk analisis dan pembuatan keputusan manajemen. 

Ø  Data mart:

Subset data warehouse, bagian data perusahaan yang diringkas atau sangat terfokus untuk digunakan oleh populasi pengguna tertentu. Biasanya berfokus pada subjek tunggal atau bidang usaha.

TOOLS DALAM BUSINESS INTELLIGENCE : ANALISIS DATA MULTIDIMENSIONAL DAN PENGGALIAN DATA

Peralatan utama untuk Business Intelligence meliputi :

• Software for database query and reporting

• Online Analytical Processing (OLAP)

• Data mining (Penggalian Data)

1. Asosiasi (associations) adalah kejadian yang terkait dengan satu peristiwa.

1. Urutan (sequences). Dalam urutan, suatu peristiwa dikaitkan dari waktu ke waktu.

1. Klasifikasi (classifications). Klasifikasi mengenali pola yang menggambarkan kelompok dimana item tersebut berada dengan memeriksa item yang ada yang telah diklasifikasikan dan dengan menentukan aturan.

1. Kelompok (clusters). Clustering bekerja dengan cara yang mirip dengan klasifikasi apabila belum ada kelompok yang ditetapkan.

1. Peramalan (forecasts). Peramalan menggunakan serangkaian nilai yang ada untuk meramalkan nilai-nilai lain.

• Teks Mining mampu mengekstrak elemen kunci dari kumpulan data tidak terstruktur yang besar, menemukan pola dan hubungan, dan meringkas informasinya. Bisnis mungkin beralih ke teks untuk menganalisis transkrip panggilan ke pusat layanan pelanggan untuk mengidentifikasi layanan utama dan masalah perbaikan.

• Web Mining adalah penemuan dan analisis pola dan informasi berguna dari World Wide Web. Bisnis dapat beralih ke web mining untuk membantu mereka memahami perilaku pelanggan, mengevaluasi keefektifan situs web tertentu, atau mengukur keberhasilan kampanye pemasaran.

• Web Mining mencari pola dalam data melalui :

• Web server

• Application server/middleware/CGI scripts

• Database server (hosting DBM)

• Kemudahan penggunaan perangkat lunak browser

• Antarmuka web hanya memerlukan sedikit atau tidak ada perubahan pada basis data

• Murah untuk menambahkan antarmuka Web ke sistem

• Audit kualitas data, yang merupakan survei terstruktur tentang keakuratan dan tingkat kelengkapan data dalam sebuah sistem informasi. Audit kualitas data dapat dilakukan dengan menyurvei seluruh file data, menyurvei sampel dari file data, atau menyurvei pengguna akhir untuk persepsi kualitas data mereka.

• Pembersihan data, juga dikenal dengan data scrubbing, terdiri dari kegiatan untuk mendeteksi dan memperbaiki data dalam database yang salah, tidak lengkap, tidak diformat dengan benar, atau berlebihan. Pembersihan data tidak hanya memperbaiki kesalahan tetapi juga memberlakukan konsistensi antar kumpulan data yang berbeda yang berasal dari sistem informasi terpisah. Perangkat lunak pembersihan data khusus tersedia untuk secara otomatis menyurvei file data, memperbaiki kesalahan dalam data, dan mengintegrasikan data dalam format keseluruhan perusahaan yang konsisten.

1)    Online Analytical Processing (OLAP)

            OLAP mendukung analisis data multidimensi, memungkinkan pengguna melihat data yang sama dengan berbagai cara menggunakan banyak dimensi. Setiap aspek informasi seperti produk, harga, biaya, wilayah, atau periode waktu mewakili dimensi yang berbeda. OLAP memungkinkan pengguna memperoleh jawaban online atas pertanyaan ad hoc dalam jumlah waktu yang cukup cepat, bahkan saat data disimpan dalam database yang sangat besar.

            Contohnya adalah suatu perusahaan menjual berbagai macam produk seperti mur, baut, mesin cuci dan sekrup di wilayah Timur, Barat dan Tengah. Dengan menggunakan OLAP, perusahaan tersebut dapat mengetahui berapa banyak mesin cuci yang dijual di wilayah Timur pada bulan Mei.

Model data multidimensional

Tampilan yang ditunjukkan di atas adalah produk versus wilayah. Jika Anda kubus di putar 90 derajat, wajah yang akan ditampilkan adalah produk versus penjualan aktual dan yang diproyeksikan. Jika kubus di putar 90 derajat lagi, yang terlihat adalah daerah versus penjualan aktual dan proyeksi. Pandangan lain mungkin dilakukan.

2)    Data Mining

Data mining lebih sering digunakan oleh para penemu dibandingkan OLAP. Data mining memberikan informasi tentang data perusahaan yang tidak dapat diperoleh dengan OLAP dengan menemukan pola dan hubungan tersembunyi di database besar dan petunjuk awal untuk memprediksi perilaku masa depan.

Jenis informasi yang dapat diperoleh dari data mining meliputi :

3)    Analisis Prediktif

            Analisis prediktif menggunakan teknik data mining, data historis, dan asumsi tentang kondisi masa depan untuk memprediksi hasil kejadian, seperti probabilitas seorang pelanggan akan menanggapi penawaran atau membeli produk tertentu.

4)    Teks Mining dan Web Mining

- Web content mining, adalah proses mengekstrak pengetahuan dari konten halaman web, yang mungkin mencakup data teks, gambar, audio, dan video.

- Web structure mining, mengekstrak informasi yang berguna dari link yang tertanam dalam dokumen web.

- Web usage mining, menguji data interaksi pengguna yang dicatat oleh server Web kapan pun permintaan untuk sumber daya situs web diterima.

5)    Database dan Web

- Banyak perusahaan menggunakan Web untuk membuat beberapa database internal tersedia  bagi pelanggan atau partner.

- Konfigurasi tipikal meliputi :

- Keuntungan menggunakan Web untuk akses database :

Menghubungkan database internal ke web

Pengguna mengakses database internal organisasi melalui Web menggunakan komputer desktop dan perangkat lunak browser Web.

6.4 MENGELOLA SUMBER DAYA DATA MENETAPKAN KEBIJAKAN INFORMASI

            Kebijakan informasi menentukan peraturan organisasi untuk berbagi, menyebarkan, memperoleh, membuat standarisasi, mengklasifikasi, dan menginventarisasi informasi.

            Dalam sebuah organisasi besar, mengelola dan merencanakan informasi sebagai sumber daya perusahaan seringkali memerlukan fungsi administrasi data formal. Administrasi data bertanggung jawab atas kebijakan dan prosedur spesifik dimana data dapat dikelola sebagai sumber organisasi. Tanggung jawab ini meliputi pengembangan kebijakan informasi, perencanaan data, pengawasan perancangan basis data logis dan pengembangan kamus data, dan pemantauan bagaimana pakar sistem informasi dan kelompok pengguna akhir menggunakan data.

            Tata kelola data adalah kebijakan dan proses untuk mengelola ketersediaan, kegunaan, integritas, dan keamanan data perusahaan, terutama yang berkaitan dengan peraturan pemerintah.

            Administrasi database mendefinisikan, mengatur, menerapkan, memelihara database; Dilakukan dengan desain database dan kelompok manajemen.

MEMASTIKAN KUALITAS DATA

            Sebelum database baru tersedia, organisasi perlu mengidentifikasi dan memperbaiki data yang salah dan membuat rutinitas yang lebih baik untuk mengedit data setelah basis data mereka beroperasi. Analisis kualitas data sering dimulai dengan :

• Audit kualitas data, yang merupakan survei terstruktur tentang keakuratan dan tingkat kelengkapan data dalam sebuah sistem informasi. Audit kualitas data dapat dilakukan dengan menyurvei seluruh file data, menyurvei sampel dari file data, atau menyurvei pengguna akhir untuk persepsi kualitas data mereka.
• Pembersihan data, juga dikenal dengan data scrubbing, terdiri dari kegiatan untuk mendeteksi dan memperbaiki data dalam database yang salah, tidak lengkap, tidak diformat dengan benar, atau berlebihan. Pembersihan data tidak hanya memperbaiki kesalahan tetapi juga memberlakukan konsistensi antar kumpulan data yang berbeda yang berasal dari sistem informasi terpisah. Perangkat lunak pembersihan data khusus tersedia untuk secara otomatis menyurvei file data, memperbaiki kesalahan dalam data, dan mengintegrasikan data dalam format keseluruhan perusahaan yang konsisten.