Pengertian Data Warehousing

Beberapa pengertian dari beberapa ahli tentang definisi datawarehousing:

• W.H. Inmon dan Richard D.H., data warehousing adalah koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management.
• Vidette Poe, data warehousing merupakan basisdata yang bersifat analisis dan read only yang digunakan sebagai fondasi dari sistem penunjang keputusan.
• Paul Lane, data warehousing merupakan basisdata relasional yang didesain lebih kepada query dan analisa dari pada proses transaksi, biasanya mengandung history data dari proses transaksi dan bisa juga data dari sumber lainnya. Data warehousing memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi menggabung/konsolidasi data dari berbagai macam sumber.

Jadi, data warehousing merupakan metode dalam perancangan basisdata, yang menunjang DSS(Decission Support System) dan EIS (Executive Information System). Secara fisik data warehousing adalah basisdata, tapi perancangan data warehousing dan basisdata sangat berbeda. Dalam perancangan basisdata tradisional menggunakan normalisasi, sedangkan pada data warehousing normalisasi bukanlah cara yang terbaik.

Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data warehousing adalah basisdata yang saling bereaksi yang dapat digunakan untuk query dan analisisis, bersifat orientasi subjek, terintegrasi, timevariant, tidak berubah yang digunakan untuk membantu para pengambil keputusan.

Istilah-istilah yang berkaitan dengan data warehousing 

• Data Mart, Adalah suatu bagian pada data warehousing yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan.
• On-Line Analytical Processing(OLAP), merupakan suatu pemrosesan basisdata yang menggunakan tabel fakta dan dimensi untuk dapat menampilkan berbagai macam bentuk laporan, analisis, query dari data yang berukuran besar.
• On-Line Transaction Processing(OLTP), merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan operasional transaksi sehari-hari.
• Dimension Table, Tabel yang berisikan kategori dengan ringkasan data detail yang dapat dilaporkan. Seperti laporan laba pada tabel fakta dapat dilaporkan sebagai dimensi waktu(yang berupa perbulan, perkwartal dan pertahun).
• Fact Table, merupakan tabel yang umumnya mengandung angka dan data history dimana key (kunci) yang dihasilkan sangat unik, karena key tersebut terdiri dari foreign key(kunci asing) yang merupakan primary key (kunci utama) dari beberapa dimension table yang berhubungan.
• Decision Suport System, merupkan sistem yang menyediakan informasi kepada pengguna yang menjelaskan bagaimana sistem ini dapat menganalisa situasi dan mendukung suatu keputusan yang baik.

Karakteristik Data Warehousing

Berorientas Subyek

Data warehousing berorientasi subject artinya data warehousing didesain untuk menganalisa data berdasarkan subyek-subyek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu. Data warehousing diorganisasikan disekitar subjek-subjek utama dari perusahaan (konsumen, produk dan penjualan) dan tidak diorganisasikan pada area-area aplikasi utama (pelayanan konsumen, pengontrolan stok dan penjualan produk). Hal ini dikarenakan kebutuhan dari data warehousing untuk menyimpan data-data yang bersifat sebagai penunjang suatu keputusan, daripada aplikasi yang berorientasi data. Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subyek bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan data warehousing yaitu :

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. Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti konsisten dalam penamaan variable,konsisten dalam ukuran variable,konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data.

Contoh pada lingkungan operasional terdapat berbagai macam aplikasi yang mungkin pula dibuat oleh developer yang berbeda. Oleh karena itu, mungkin dalam aplikasi-aplikasi tersebut ada variable yang memiliki maksud yang sama tetapi nama dan format nya berbeda. Variable tersebut harus dikonversi menjadi nama yang sama dan format yang disepakati bersama. Dengan demikian tidak ada lagi kerancuan karena perbedaan nama, format dan lain sebagainya. Barulah data tersebut bisa dikategorikan sebagai data yang terintegrasi karena kekonsistenannya.

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 antara lain :

• Cara Pertama, paling sederhana adalah menyajikan data warehousing pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.
• Cara  kedua, dengan menggunakan variasi/perbedaan waktu yang disajikan dalam data warehousing baik implicit maupun explicit secara explicit dengan unsur waktu dalam hari, minggu, bulan dsb. Secara implicit misalnya pada saat data tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan. Unsur waktu akan tetap ada secara implisit didalam data tersebut.
• Cara ketiga, variasi waktu yang disajikan data warehousing melalui serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari sebagian data tertentu sesuai keinginan pemakai dari keseluruhan data yang ada bersifat read-only.

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.

Berbeda dengan basisdata operasional yang dapat melakukan update, insert dan delete terhadap data yang mengubah isi dari basisdata sedangkan pada data warehousing hanya ada dua kegiatan memanipulasi data yaitu loading data (mengambil data) dan akses data (mengakses data warehousing seperti melakukan query atau menampilan laporan yang dibutuhkan, tidak ada kegiatan dating data).

Ringkas

Data warehousing menyediakan ringkasan-ringkasan data operasional yang sederhana dan mudah dipahami oleh pihak manajemen jika diperlukan.

Tidak ternormalisasi

Data dalam sebuah data warehousing biasanya tidak dinormaslisasi sehingga basisdatanya sangat redudansi.

Data dari berbagai sumber

Data yang diolah diperoleh dari berbagai sumber baik sumber internal maupun sumber eksternal.

 

Memiliki Metadata

Metadata menjadi bagian data warehousing karena metadata mempunyai dampak yang besar pada bagaimana data warehousing berfungsi. Metadata menguraikan struktur dan arti data, sehingga mendukung penggunaan efektik atau tidak efektifnya data. Metadata menyimpan kunci agar pengguna merasa nyaman dan akrab memanfaatkan teknologi.

Manfaat Data Warehousing

Data warehousing diperlukan bagi para pengambil keputusan manajemen dari suatu organisasi/perusahaan. Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi DSS dan EIS karena memang kegunaan dari data warehousing adalah khusus untuk membuat suatu basisdata yang dapat digunakan untuk mendukung proses analisa bagi para pengambil keputusan.

Tugas-tugas Data Warehouse

Tugas-tugas yang dilakukan data warehouse

• Pembuatan laporan, Pembuatan laporan merupakan salah satu kegunaan data warehousing yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari,perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.
• On-Line Analytical Processing (OLAP), Dengan adanya data warehouse, semua informasi baik detail maupun hasil summary yang dibutuhkan Data Mining Bab II Konsep Data Ware Housing M. Fairuzabadi\ 21 dalam proses analisa mudah didapat. OLAP mendayagunakan konsep data multi dimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.
• Proses informasi eksekutif, data warehousing dapat membuat ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data warehousing segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data warehousing menjadi target informatif bagi pengguna.

Keuntungan Data warehousing

Data warehousing merupakan pendekatan untuk menyimpan data dimana sumber-sumber data yang heterogen (yang biasanya tersebar pada beberapa basisdata OLTP) dimigrasikan untuk penyimpanan data yang homogen dan terpisah. Keuntungan yang didapatkan dengan menggunakan data warehousing tersebut di bawah ini (Ramelho).

• Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi.
• Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi.
• Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data apabila data dipindahkan dari basisdata OLTP ke data warehouse.
• Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.

Membangun data warehousing tentu saja memberikan keuntungan lebih bagi suatu perusahaan, karena data warehousing dapat memberikan keuntungan strategis pada perusahaan tersebut melebihi pesaing-pesaing mereka. Keuntungan tersebut diperoleh dari beberapa sumber (Sean Nolan,Tom Huguelet):

• Kemampuan untuk mengakses data yang besar • Kemampuan untuk memiliki data yang konsistent
• Kemampuan kinerja analisa yang cepat
• Mengetahui adanya hasil yang berulang-ulang
• Menemukan adanya celah pada business knowledge atau business process.
• Mengurangi biaya administrasi
• Memberi wewenang pada semua anggota dari perusaahan dengan menyediakan kepada mereka informasi yang dibutuhkan agar kinerja bisa lebih efektif.