Pengertian maksud diagram diatas seperti Sistem sumber adalah sistem OLTP yang berisi data yang ingin Anda load ke data gudang
|
|
- Ari Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 NAMA : MUCHAMAD PARTA SUWANDHA NBI : KELAS : B Data Warehouse Sebuah( gudang data)adalah sistem yang mengambil dan mengkonsolidasikan data yang secara periodik dari sistem sumber ke dalam dimensi atau dinormalisasi menyimpan data. Biasanya Setiap tahun ada pertanyaan untuk para pelaku intelijen bisnis atau aktifitas analitis lainnya. Hal ini biasanya diperbaharui dalam beberapa kelompok. tidak setiap kali transaksi terjadi di sistem sumber. Sebuah Diagram dari sistem data warehouse Pengertian maksud diagram diatas seperti Sistem sumber adalah sistem OLTP yang berisi data yang ingin Anda load ke data gudang Pengolahan Transaksi online (OLTP) adalah sistem yang tujuan utamanya adalah untuk menangkap dan menyimpan transaksi bisnis. Data Sumber sistem 'diperiksa menggunakan data profiler untuk memahami karakteristik data. S
2 ebuah profiler data adalah alat yang memiliki kemampuan untuk menganalisis data, seperti mencari tahu berapa banyak baris dalam setiap tabel, berapa banyak baris mengandung nilai NULL, dan sebagainya. ETL (extract, transform, and load) maksudnya membawa data dari berbagai sumber sistem ke area staging. ETL adalah sistem yang memiliki kemampuan untuk terhubung ke sumber sistem, membaca data, mengubah data, dan beban ke sistem target (sistem target tidak harus menjadi gudang data). Sistem ETL kemudian mengintegrasikan, mengubah, dan load data ke dalam menyimpan data dimensi (DDS). Sebuah DDS adalah database yang menyimpan data. data warehouse dalam format yang berbeda dari OLTP. Meta Data yang berisi informasi tentang struktur data, arti data, penggunaan data, data aturan kualitas, dan informasi lainnya tentang data Sistem audit log operasi sistem dan penggunaan ke database metadata. sistem audit merupakan bagian dari sistem ETL yang memonitor kegiatan operasional ETL proses dan log statistik operasional mereka. Hal ini digunakan untuk memahami apa yang terjadi selama proses ETL. Pengguna menggunakan berbagai alat seperti spreadsheet, tabel pivot, alat pelaporan, dan Alat query SQL untuk mengambil dan menganalisis data dalam DDS Beberapa aplikasi beroperasi pada format database multidimensi. Untuk aplikasi ini, data di DDS dimuat ke database multidimensi (MDB), yang juga dikenal sebagai kubus, Database Multidimensi adalah suatu bentuk database di mana data disimpan dalam sel dan posisi masing-masing sel ditentukan oleh sejumlah variabel yang disebut sel dimension. Masing-masing merupakan event dan nilai-nilai dimensi menunjukkan kkapan dan dimana peristiwa ini terjadi. Ada pendekatan alternative lain untuk ETL. Dalam pendekatan ini, data dimuat ke dalam gudang data pertama dalam format baku. itu transformasi, pencarian, dan sebagainya, yang dilakukan di dalam data warehouse. Berbeda dengan pendekatan ETL, pendekatan ELT tidak perlu server ETL. pendekatan ini biasanya diimplementasikan untuk mengambil keuntungan dari mesin database data warehouse yang kuat seperti processing asmassively paralel (MPP) sistem. Saya akan membahas lebih lanjut tentang ELT Consolidates Data menurut laporan dapat memiliki banyak sistem transaksional. Sebagai contoh, bank dapat menggunakan 15 berbeda aplikasi untuk layanan, satu untuk, satu untuk layanan pelanggan pemrosesan pinjaman, satu untuk teller dan lain-lain. Sebuah Data Warehouse mengkosolidasikan banyak system transaksional Konsepnya : Data Availability : Ketika mengkonsolidasikan data dari sistem sumber yang berbeda, adalah mungkin bahwa masing-masing data tersedia dalam satu sistem, tetapi tidak dalam sistem
3 lainnya. Misalnya, system Mungkin memiliki tujuh bidang alamat (address1, address2, address3, kota, kabupaten, ZIP, dan negara), tetapi sistem B tidak memiliki lapangan address3 dan bidang negara. Dalam sistem A, Agar dapat memiliki dua tingkat-order header dan baris pesanan. Namun, dalam sistem B, perintah memiliki empat tingkat-order header, agar bundel, item baris pesanan, dan komponen keuangan. Time Ranges : bagian yang sama dari data yang ada dalam sistem yang berbeda, tetapi mereka memiliki berbeda periode waktu. Anda perlu berhati-hati ketika mengkonsolidasikan mereka. Anda selalu perlu untuk memeriksa apa jangka waktu berlaku yang data sebelum Anda mengkonsolidasikan data. Jika tidak, Anda berisiko memiliki data yang tidak akurat di gudang karena Anda dicampur periode waktu yang berbeda. Misalnya, dalam sistem A rata-rata pemasok biaya overhead dihitung mingguan, tetapi dalam sistem B itu dihitung bulanan hal ini tidak bisa hanya mengkonsolidasikan mereka. Dalam contoh ini, Definisi: Kadang-kadang data yang sama mungkin berisi hal yang berbeda. Dalam sistem A, kolom yang disebut "Jumlah Pesanan Nilai" mungkin berisi pajak, diskon, tagihan kartu kredit, dan biaya pengiriman, sedangkan dalam sistem B tidak mengandung biaya pengiriman. Dalam sistem A, lalu lintas jangka mingguan bisa merujuk kepada pengunjung situs web yang unik, sedangkan dalam sistem B itu berarti nonunique pengunjung situs web. Convertion : Konversi: Ketika mengkonsolidasikan data di sistem sumber yang berbeda, kadangkadang Anda perlu melakukan konversi karena data dalam sistem sumber dalam unit yang berbeda ukuran. Jika Anda menambahkan mereka tanpa mengubahnya terlebih dahulu, maka Anda akan memiliki data yang salah dalam gudang. Dalam beberapa kasus, tingkat konversi tetap (selalu nilai yang sama), tetapi dalam kasus lain perubahan tingkat konversi dari waktu ke waktu. Jika perubahan dari waktu ke waktu, Anda perlu tahu apa waktu periode untuk digunakan saat mengkonversi. Misalnya, konversi antara waktu di satu negara ke negara lain dipengaruhi oleh daylight savings time, sehingga Anda perlu tahu tanggal untuk dapat melakukan konversi Matching: Pencocokan adalah proses penentuan apakah bagian data dalam satu sistem sama dengan data dalam sistem lain. Pencocokan ini penting karena jika Anda cocok dengan data yang salah, Anda akan memiliki data akurat dalam data warehouse. Periodically.
4 Pengambilan data dan konsolidasi tidak terjadi hanya sekali, mereka terjadi berkali-kali dan biasanya secara berkala, misalnya setiap hari atau beberapa kali sehari. Jika pengambilan data terjadi hanya sekali, maka data akan menjadi usang, dan setelah beberapa waktu tidak akan berguna. Dimensional Data Store Sebuah Data Warehouse adalah sistem yang mengambil data dari sistem sumber dan meletakkannya ke dalam dimensi menyimpan data atau menyimpan data dinormalisasi. beberapa Data Warehouse dalam format dimensi, tetapi beberapa Data Warehouse dalam format normal. format dan perbedaan antara mereka.adds adalah satu atau beberapa database yang berisi kumpulan data mart dimensi. A Data mart dimensi adalah sekelompok tabel fakta terkait dan dimensi yang berhubungan tabel yang berisi pengukuran dari kegiatan bisnis dikategorikan oleh dimensi mereka.data Adimensional storeis denormalized, dan dimensi yang sesuai. Dimensi sesuai berarti baik mereka persis tabel dimensi yang sama atau satu adalah subset dari yang lain. Normalized Data Store Jenis lain dari data warehouse adalah menempatkan data tidak dalam menyimpan data dimensi tetapi dalam menyimpan data dinormalisasi. Maksud dari menyimpan data dinormalisasi adalah satu atau lebih database relasional dengan sedikit atau tanpa redundansi data. Sebuah database relasional adalah database yang terdiri dari tabel entitas dengan hubungan parent child antara mereka. Normalizationis suatu proses menghilangkan redundansi data dengan menerapkan normalisasiaturan.
5 Sebuah Dimensi penyimpanan data adalah format yang lebih baik untuk menyimpan data dalam gudang untuk tujuan query dan menganalisa data dari Penyimpanan data normal. Hal ini karena lebih sederhana (satu tingkat jauh di semua arah dalam skema bintang) dan memberikan kinerja query yang lebih baik. Normalisasi penyimpanan data adalah format yang lebih baik untuk mengintegrasikan data dari berbagai sistem sumber, terutama di ketiga bentuk normal dan lebih tinggi. Hal ini karena hanya ada satu tempat untuk memperbarui tanpa redundansi data seperti dalam menyimpan data dimensi.
6 Beberapa aplikasi dijalankan pada DDS, yaitu, database relasional yang terdiri dari tabel dengan baris dan kolom History Salah satu perbedaan utama antara sistem transaksional dan sistem data warehouse adalah kemampuan dan kapasitas untuk menyimpan History. Kebanyakan sistem transaksional menyimpan beberapa History, Query Query adalah proses mendapatkan data dari data store, yang memenuhi kriteria tertentu. di sini adalah contoh queri sederhana: "Berapa banyak pelanggan yang Anda miliki sekarang" Salah satu Berikut adalah contoh query yang kompleks: "Tunjukkan nama dan pendapatan dari semua lini produk yang memiliki 10 kerugian persen atau lebih di Q3 TA 2006, dikategorikan oleh stopkontak. " Sebuah data warehouse dibangun untuk bertanya. Itu adalah nomor satu tujuan keberadaannya. Pengguna tidak diperbolehkan untuk memperbarui data warehouse. Pengguna hanya bisa query data warehouse. Hanya sistem ETL diperbolehkan untuk
7 memperbarui data warehouse. Ini adalah salah satu kunci perbedaan antara data warehouse dan sistem transaksi. Bussiness Inteliegence merupakan kumpulan kegiatan untuk memahami situasi bisnis dengan melakukan berbagai jenis analisis data perusahaan serta data eksternal dari ketiga pihak untuk membantu membuat keputusan bisnis strategis, taktis, dan operasional dan mengambil tindakan yang diperlukan untuk meningkatkan kinerja bisnis. Hal ini mencakup mengumpulkan, menganalisis, pemahaman, dan pengelolaan data tentang kinerja operasi, pelanggan dan pemasok kegiatan, kinerja keuangan, pergerakan pasar, persaingan, kepatuhan terhadap peraturan, dan kontrol kualitas Contoh-contohnya : Report Business performance management, termasuk menghasilkan indikator kinerja utama seperti penjualan sehari-hari, pemanfaatan sumber daya, dan biaya operasional utama untuk masing-masing daerah, lini produk, dan jangka waktu, serta agregat mereka, untuk memungkinkan orang untuk mengambil tindakan taktis untuk mendapatkan kinerja operasional pada trek yang diinginkan. Customer profitability analysis, yaitu, untuk memahami mana pelanggan yang menguntungkan dan layak disimpan dan yang kehilangan uang dan karena itu perlu ditindaklanjuti. Kunci untuk latihan ini mengalokasikan biaya seakurat mungkin sampai yang terkecil unit transaksi bisnis, yang mirip dengan kegiatan berbasis biaya. Statistical analysis seperti pembelian kemungkinan atau analisis keranjang. Analisis keranjang adalah Proses analisis data penjualan untuk menentukan produk mana yang kemungkinan akan dibeli atau memerintahkan bersama-sama. Kemungkinan ini dinyatakan dalam ukuran statistik seperti tingkat kepercayaan supportand. Itis terutama berlaku untuk ritel dan manufaktur industri tetapi juga untuk tingkat tertentu untuk industri jasa keuangan. analisis prediktif seperti peramalan penjualan, pendapatan, dan angka biaya untuk tujuan perencanaan anggaran tahun depan dan mempertimbangkan faktor-faktor lain seperti pertumbuhan organik, situasi ekonomi, dan arah masa depan perusahaan Dalam konteks data warehousing, sebuah reportis program yang mengambil data dari data warehouse dan menyajikan kepada pengguna di layar atau di atas kertas. Pengguna juga dapat berlangganan ini laporan sehingga mereka dapat dikirim ke pengguna secara otomatis melalui pada waktu tertentu ( harian atau mingguan, misalnya) atau dalam menanggapi peristiwa.laporan yang dibangun sesuai dengan spesifikasi fungsional. Mereka menampilkan DDS data yang dibutuhkan oleh pengguna bisnis untuk menganalisis dan memahami situasi bisnis.
8 yang paling bentuk umum dari laporan adalah bentuk tabel yang berisi kolom sederhana. Ada bentuk lain dari Laporan yang dikenal sebagai laporan lintas tabor matrix.these seperti Excel pivot tabel, di mana satu data yang atribut menjadi baris, data atribut lain menjadi kolom, dan setiap sel pada Laporan berisi nilai yang sesuai dengan atribut baris dan kolom Laporan data warehouse digunakan untuk menyajikan data bisnis kepada pengguna, tetapi mereka juga digunakan untuk keperluan administrasi data warehouse. Mereka digunakan untuk memantau kualitas data, untuk memantau penggunaan aplikasi data warehouse, dan untuk memantau kegiatan ETL Online Analytical Processing ( OLAP ) OLAP adalah kegiatan interaktif menganalisis data transaksi bisnis yang disimpan dalam gudang data dimensi untuk membuat keputusan bisnis yang taktis dan strategis. Orang biasa yang melakukan pekerjaan OLAP adalah analis bisnis, manajer bisnis, dan eksekutif. fungsi khas di OLAP termasuk menggabungkan ( total ), pengeboran bawah ( mendapatkan rincian ), dan mengiris dan dicing ( memotong kubus dan menjumlahkan nilai-nilai dalam sel ). Fungsi OLAP dapat disampaikan dengan menggunakan database relasional atau menggunakan database multidimensi. OLAP yang menggunakan database relasional dikenal sebagai relasional pengolahan analisis online ( ROLAP ). OLAP yang menggunakan database multidimensi dikenal sebagai multidimensi pengolahan analisis online( MOLAP ).Contoh dari OLAP adalah menganalisis efektivitas dari inisiatif kampanye pemasaran pada produk tertentu dengan mengukur pertumbuhan penjualan selama periode tertentu. Contoh lain adalah untuk menganalisis dampak kenaikan harga terhadap penjualan produk di berbagai daerah dan kelompok produk pada periode waktu yang sama Data Mining Data mining adalah proses untuk mengeksplorasi data untuk menemukan pola dan hubungan yang menggambarkan data dan untuk memprediksi nilai-nilai yang tidak diketahui atau masa depan data. Nilai kunci dalam data mining adalah kemampuan untuk memahami mengapa beberapa hal terjadi di masa lalu dan untuk memprediksi apa akan terjadi di masa depan. Ketika data mining digunakan untuk menjelaskan situasi saat ini atau masa lalu, itu disebut analytics.when deskriptif data mining digunakan untuk memprediksi masa depan, hal itu disebut analisis prediktif. Other Analytical Activities Selain untuk intelijen bisnis, data warehouse juga digunakan untuk kegiatan analisis di tujuan non-bisnis, seperti kantor penelitian ilmiah, departemen pemerintah (statistik, kantor cuaca, analisis ekonomi, dan prediksi), intelijen militer, darurat dan penanggulangan bencana, organisasi amal, monitoring kinerja server, dan jaringan analisis lalu lintas. Data warehouse juga digunakan untuk manajemen hubungan pelanggan (CRM). CRM adalah serangkaian kegiatan yang dilakukan oleh organisasi (bisnis dan non-bisnis) untuk mengelola dan melakukan analisis tentang pelanggan
9 mereka, untuk tetap berhubungan dan berkomunikasi dengan pelanggan mereka, untuk menarik dan memenangkan pelanggan baru, produk dan jasa kepada pelanggan mereka, untuk melakukan transaksi dengan pelanggan mereka (kedua transaksi non-bisnis bisnis dan), untuk layanan dan dukungan pelanggan mereka, dan menciptakan ide-ide baru dan produk atau jasa baru bagi para pelanggan mereka. Data warehouse juga digunakan dalam analisis analytics.web web adalah kegiatan memahami perilaku dan karakteristik lalu lintas situs web. Ini termasuk mengetahui jumlah kunjungan, pengunjung, dan pengunjung unik pada setiap halaman untuk setiap hari / minggu / bulan; pengarah situs, rute khas yang mengambil pengunjung dalam situs; karakteristik teknis dari pengunjung 'browser, domain dan analisis geografis, jenis robot mengunjungi, tingkat keluar setiap halaman, dan tingkat konversi pada proses checkout. Web analytics terutama penting untuk bisnis online Updated in Batches Sebuah gudang data biasanya read-only system, yaitu, pengguna tidak dapat memperbarui ataumenghapus data di gudang data. Data warehouse data diperbarui menggunakan mekanisme standar yang disebut ETL pada waktu tertentu dengan membawa data dari sistem sumber operasional. ini berbeda dari sistem transaksional atau OLTP di mana pengguna dapat memperbarui system setiap saat. Alasan untuk tidak memungkinkan pengguna untuk memperbarui atau menghapus data di gudang data adalah untuk menjaga konsistensi data sehingga Anda dapat menjamin bahwa data dalam data warehouse akan konsisten dengan sistem sumber operasional, seperti jika data warehouse adalah mengambil data yang dari dua sistem sumber, A dan B. Sistem A berisi 11 juta nasabah, sistem B berisi8million pelanggan, dan ada 2 juta pelanggan yang ada di kedua sistem. Data gudang akan berisi 17 juta pelanggan. Jika pengguna meng-update data di gudang data ( misalnya, menghapus 1 juta pelanggan ), maka tidak akan konsisten dengan sistem sumber. Juga, ketika update berikutnya datang dari ETL, Alasan kedua untuk memperbarui data warehouse dalam batch daripada secara real time adalah kinerja sistem sumber. Memperbarui data warehouse secara real time berarti bahwa saat ada pembaruan dalam sistem sumber, Anda memperbarui data warehouse segera, yaitu, dalam beberapa detik. Untuk melakukan ini, Anda perlu : menginstal database memicu pada setiap meja dalam sistem sumber atau memodifikasi aplikasi sistem sumber untuk menulis ke dalam gudang data segera setelah menulis ke database sistem sumber Master Data Management (MDM) data master adalah pertama. Dalam sistem OLTP, ada dua kategori data: data transaksi dan data master. Data Transaksi terdiri dari badan usaha dalam sistem OLTP bahwa transaksi bisnis rekaman terdiri dari identitas,
10 nilai, dan kolom atribut. Data master terdiri dari badan usaha dalam sistem OLTP yang menggambarkan transaksi bisnis yang terdiri dari identitas dan atribut kolom. Data transaksi terkait dengan master data sehingga data master menggambarkan transaksi bisnis. Untuk memahami mana entitas adalah data transaksi dan yang entitas adalah data master, Anda perlu model proses bisnis. Acara bisnis adalah data transaksi. Dalam online contoh toko musik, acara bisnis adalah bahwa pelanggan membeli lagu. Masterdata terdiri dari entitas yang menggambarkan acara bisnis. Guru data terdiri dari jawaban dari siapa, apa, dan di mana pertanyaan tentang transaksi bisnis. Dalam contoh sebelumnya, data master pelanggan, produk, dan merek. Contoh data master adalah pemasok, cabang, kantor, karyawan, warga negara, wajib pajak, aset, persediaan, toko, tenaga penjualan, properti, peralatan, waktu, produk, peralatan, jalan, pelanggan, Server, switch, akun, kode layanan, tujuan, kontrak, tanaman (seperti di bidang manufaktur atau minyak kilang), mesin, kendaraan, dan sebagainya. Ada dua jenis data master yang Anda mungkin tidak ingin menyertakan ketika menerapkan sistem MDM: 1. Anda mungkin ingin mengecualikan tanggal dan waktu. Sebuah tanggal menjelaskan acara bisnis, sehingga menurut definisi adalah data master. Tanggal A memiliki atribut seperti nama bulan, tetapi atribut yang statis. Nama bulan 01/11/2007 adalah November dan akan selalu November. Hal ini statis. Tidak perlu dipertahankan, diperbarui, dan diterbitkan. Atribut acustomer seperti alamat, di sisi lain, terus berubah dan perlu dipertahankan. Tapi atribut tanggal yang statis. 2. Anda mungkin ingin mengecualikan data master dengan sejumlah kecil anggota. Misalnya, jika bisnis Anda adalah e-commerce dan Anda hanya memiliki satu toko online, maka mungkin tidak layak untuk mempertahankan menyimpan data menggunakan MDM. Pertimbangan apakah akan mengecualikan atau menyertakan badan usaha kecil sebagai data master atau tidak adalah jumlah anggota dan frekuensi perubahan. Jika jumlah anggota kurang dari sepuluh dan frekuensi perubahan kurang dari sekali setahun, Anda ingin mempertimbangkan termasuk dari sistem MDM Anda. Sebuah sistem MDM mengambil data dari berbagai sistem OLTP dan mendapatkan data produk. Jika ada duplikat produk, sistem MDM mengintegrasikan dua catatan. Sistem MDM mengintegrasikan dua catatan dengan membandingkan atribut umum untuk mengidentifikasi apakah kedua catatan yang cocok. Jika mereka cocok, aturan ketahanan hidup mendikte yang merekam menang dan yang merekam kehilangan. The rekor kemenangan disimpan, dan rekor kalah dibuang dan diarsipkan. Sistem MDM memiliki fasilitas pelaporan yang menampilkan struktur data, aturan kesintasan, aturan pencocokan, dan duplikat catatan dari sistem OLTP bersama dengan yang aturan diaplikasikan dan yang merekam disimpan sebagai data
11 master. Fasilitas pelaporan juga menunjukkan aturan yang dieksekusi dan ketika mereka dieksekusi. Customer Data Integration Pelanggan integrasi data (CDI) adalah MDM untuk data pelanggan. CDI adalah proses mengambil, membersihkan, menyimpan, memelihara, dan mendistribusikan data pelanggan. Sebuah sistem CDI mengambil data pelanggan dari sistem OLTP, membersihkannya, menyimpannya dalam customer store data master, memelihara data pelanggan, terus up-to-date, dan mendistribusikan data pelanggan ke sistem lain. Sebuah sistem CDI memungkinkan Anda untuk memiliki lebih bersih, tunggal, versi handal dari data pelanggan aplikasi lain dalam perusahaan dapat menggunakan. Hal ini pada gilirannya dapat memberikan manfaat bisnis seperti meningkatkan kepuasan pelanggan dan analisis bisnis yang lebih baik, dan mengurangi kompleksitas proses yang menggunakan data pelanggan. Dari semua berbagai jenis manajemen data master, CDI adalah yang paling banyak digunakan karena setiap organisasi memiliki pelanggan. CDI menyediakan data terpadu yang bersih untuk manajemen hubungan pelanggan. Future Trends in Data Warehousing Beberapa tren masa depan dalam data warehousing saat ini adalah data yang tidak terstruktur, pencarian, arsitektur serviceoriented, dan real-time data warehousing. Unstructured Data Data yang ada di database yang terstruktur, melainkan diatur dalam baris dan kolom. Saya telah berbicara panjang besar di bagian sebelumnya tentang data warehousing menggunakan data terstruktur, yaitu, sistem sumber database. Hal ini dapat menjadi database relasional (tabel, baris, dan kolom), dan mungkin database berorientasi objek (kelas dan jenis) atau database hirarki (struktur seperti pohon). Namun, mereka semua memiliki struktur data. Data tidak terstruktur, di sisi lain, tidak memiliki struktur data seperti baris dan kolom, struktur seperti pohon, atau kelas dan jenis. Contoh data terstruktur adalah dokumen, gambar (foto, diagram, dan gambar), audio (lagu, pidato, dan suara), video (film, animasi), streaming data, teks, , dan situs web internet. Diperdebatkan, beberapa orang mengatakan semacam ini adalah data semiterstruktur, dengan argumen bahwa ada beberapa struktur, sehingga memiliki atribut. Sebagai contoh, sebuah memiliki atribut seperti dari, untuk, tanggal dikirim, tanggal dibuat, tanggal penerimaan, subyek, dan tubuh; dokumen memiliki atribut seperti judul, subjek, penulis, jumlah halaman, jumlah kata, tanggal pembuatan, dan tanggal modifikasi terakhir. Setiap jenis data terstruktur memiliki atribut fisik dan isi yang berbeda. Atribut ini dapat disimpan dalam database relasional atau multidimensional untuk memungkinkan pengguna untuk dengan mudahmenemukan bagian tertentu dari
12 data tidak terstruktur. Isi dari data tidak terstruktur itu sendiri dapat dianalisis, diekstrak, dikategorikan, dan disimpan untuk membantu pencarian informasi. Sebagai contoh, katakanlah Anda memiliki 1 juta sebagai data terstruktur Anda. Mereka memiliki atribut, seperti dari, untuk, cc, bcc, subjek, tanggal dibuat, tanggal dikirim, lampiran, jumlah kata-kata dalam tubuh, alamat host, alamat originator, alamat penerima, dan sebagainya. Anda kemudian menyimpan atributatribut ini dalam tabel arelational, dan akan disimpan sebagai file dengan nama file dan lokasi yang disimpan dalam tabel. Search Bagian ini menjawab pertanyaan kedua, bagaimana Anda mendapatkan informasi keluar? Jawabannya adalah dengan mencari. Untuk mendapatkan informasi dari data terstruktur, asalkan Anda tahu struktur, Anda dapat melakukan query pilih, apakah menggunakan laporan statis atau interaktif query pengguna ad hoc. Jika Anda menggunakan aplikasi BI, aplikasi dapat pergi melalui metadata dan menampilkan struktur data dan kemudian membantu Anda dalam menavigasi melalui data untuk mengambil informasi yang Anda butuhkan. Untuk mendapatkan informasi dari data yang tidak terstruktur, terutama data teks seperti dokumen, , dan halaman web, Anda melakukan pencarian. Seperti di Internet, mesin pencari telah merangkak data warehouse dan diindeks data tidak terstruktur. Mesin pencari telah dikategorikan terstruktur data berdasarkan jenis dan sifat mereka dan, dalam kasus halaman web, link mereka. Service-Oriented Architecture (SOA) SOA adalah sebuah metode membangun aplikasi yang menggunakan sejumlah kecil, komponen independen yang berbicara satu sama lain dengan menawarkan dan memakan layanan mereka. Komponen-komponen ini dapat didistribusikan, bahkan, mereka dapat berada di sisi yang berbeda dari dunia. Hampir setiap aplikasi besar bisa mendapatkan keuntungan dari pendekatan SOA. Anda tidak membangun satu aplikasi raksasa lagi. Sebaliknya, Anda membangun banyak potongan-potongan kecil yang berbicara satu sama lain. itu adalah sifat dari industri TI bahwa aplikasi akan perlu diganti setiap beberapa tahun (saya akan mengatakan setiap 4-8 tahun). Bisa jadi karena teknologi usang atau karena fungsi tersebut. Kepailitan, merger, dan pengambilalihan juga pembalap lain untuk ini. Real-Time Data Warehouse Sebuah gudang data, beberapa tahun yang lalu, biasanya diperbarui setiap hari atau setiap minggu. Dalam dua sampai tiga tahun terakhir, telah terjadi lebih banyak dan lebih banyak permintaan untuk meningkatkan frekuensi update. Para pengguna ingin melihat data dalam gudang data diperbarui setiap dua menit atau bahkan secara real time. Sebuah data warehouse real-time adalah gudang data yang diperbarui (dengan ETL) yang saat transaksi terjadi dalam sistem sumber.
13 Summary Bab ini memperkenalkan data warehousing. Saya menunjukkan banyak contoh, dengan harapan bahwa mereka akan membuat konsep lebih mudah dipahami dan akan memperkaya pengalaman Anda. Saya membahas sedikit situasi saat ini sehingga Anda tahu bagaimana sekarang, dan sedikit tren masa depan sehingga Anda tahu apa yang akan terjadi. Dalam bab berikutnya, saya akan membahas arsitektur
BAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Rekapitulasi Laporan Rekapitulasi laporan sangat penting artinya bagi seorang pimpinan karena merupakan salah satu alat untuk melaksanakan kegiatan-kegiatan dalam perencanaan,
Lebih terperinciDATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan
DATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan direkam yang sering ditemukan dalam sistem operasional
Lebih terperinciTUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP
TUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP OLEH: VIVIAN WIJAYA (15 62 003) JURUSAN SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP, OPERASI OLAP
Lebih terperinci6/26/2011. Menurut W.H. Inmon dan Richard D.H. Menurut Vidette Poe
Menurut W.H. Inmon dan Richard D.H. koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management
Lebih terperincihttp://www.brigidaarie.com Apa itu database? tempat penyimpanan data yang saling berhubungan secara logika Untuk apa database itu?? untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Dalam bab ini akan dijelaskan tentang beberapa konsep tentang supra desa, business intelligence, data warehouse, staging area, ETL, OLAP, ROLAP, Pentaho Data Integration, dan PHP.
Lebih terperinciBusiness Intelligence. Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization
Business Intelligence Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization DEFINISI DATA WAREHOUSE Data warehouse adalah database yang saling bereaksi yang dapat digunakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi selalu dituntut untuk dapat memenuhi berbagai kebutuhan di segala bidang kehidupan yang semakin lama semakin meningkat dan
Lebih terperinciMENGENAL DATA WAREHOUSE
MENGENAL DATA WAREHOUSE Kusumawardani wardhanik24@gmail.com :: http://ilmuti.org/author/kusumawardani/ Abstrak Tentu setiap orang kenal dengan yang namanya data, karena segala aktifitas sudah pasti merangkum
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 2] Jenis dan Karakteristik Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Jenis Data Warehouse 1. Functional Data Warehouse (Data Warehouse Fungsional)
Lebih terperinciAdapun karakteristik umum yang dimiliki datawarehouse adalah :
1 Data Warehouse Data Warehouse adalah database yang didesain khusus untuk mengerjakan proses query, membuat laporan dan analisa. Data yang di simpan adalah data business history dari sebuah organisasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Data Data adalah sebuah rekaman dari fakta-fakta, konsep-konsep, atau instruksiinstruksi pada media penyimpanan untuk komunikasi perolehan, dan pemrosesan dengan cara otomatis
Lebih terperinciBASIS DATA MODEL BASIS DATA
BASIS DATA MODEL BASIS DATA APA ITU MODEL BASIS DATA? Model database menunjukkan struktur logis dari suatu basis data, termasuk hubungan dan batasan yang menentukan bagaimana data dapat disimpan dan diakses.
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Pembuatan data warehouse telah banyak dilakukan oleh perusahaanperusahaan industri yang berorientasi profit. Data warehouse diharapkan mampu
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6
1 Data Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6 Data Warehouse 2 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional
Lebih terperincijumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan 2006.
1 Latar Belakang PENDAHULUAN Kemajuan teknologi komputer semakin memudahkan proses penyimpanan dan pengolahan data berukuran besar. Namun demikian, seringkali data yang sudah tersimpan belum dimanfaatkan
Lebih terperinciDATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP)
DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP) Overview Data Warehouse dan OLAP merupakan elemen penting yang mendukung decision support. Terutama bagi perusahaan perusahaan besar dengan database
Lebih terperinciTugas. Data Warehouse. OLAP, Operasi OLAP, dan Jenis Rolap
Tugas Data Warehouse OLAP, Operasi OLAP, dan Jenis Rolap Renhard Soemargono 1562001 PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP (On-Line Analytical
Lebih terperinciTugas Data Warehouse. Kebutuhan Bisnis untuk Gudang Data. (Warehouse)
Tugas Data Warehouse Kebutuhan Bisnis untuk Gudang Data (Warehouse) Ricky Renaldo 1562004 PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 KEBUTUHAN BISNIS
Lebih terperinciDATA WAREHOUSE PERTEMUAN I S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM
DATA WAREHOUSE PERTEMUAN I 22032013 S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM METODE PEMBELAJARAN Kuliah Diskusi Presentasi Latihan Tugas Quiz UTS UAS BUKU ACUAN Apress Building A Data Warehouse With
Lebih terperinciOLAP - PERTEMUAN 8 OLAP
OLAP - PERTEMUAN 8 OLAP OLTP & OLAP (1) OLTP adalah singkatan dari On Line Transaction Processing. OLTP sering kita jumpai di sekitar kita seperti toko atau swalayan contohnya database pada sistem informasi
Lebih terperinci6.2 Pendekatan Database Untuk Pengelolaan Data
6.2 Pendekatan Database Untuk Pengelolaan Data Database adalah sekumpulan data yang diorganisasikan untuk melayani berbagai aplikasi secara efisien dengan memusatkan data dan mengurangi penggandaan data.
Lebih terperinciPerancangan Dan Implementasi Aplikasi Olap Dengan Metode Pengembangan Waterfall Dan Evolutionary Untuk Analisis Data Pada Perguruan Tinggi
Perancangan Dan Implementasi Aplikasi Olap Dengan Metode Pengembangan Waterfall Dan Evolutionary Untuk Analisis Data Pada Perguruan Tinggi I Nyoman Mahayasa Adiputra, J. Wahyu Nugroho Joshua Sekolah Tinggi
Lebih terperinciPERANCANGAN DATA WAREHOUSE E-PROCUREMENT PADA INSTANSI PEMERINTAHAN
PERANCANGAN DATA WAREHOUSE E-PROCUREMENT PADA INSTANSI PEMERINTAHAN Luky Hidayat 1), Adhistya Erna Permanasari 2), Igi Ardiyanto 3) 1),2),3 ) Departemen Teknik Elektro dan Teknologi Informasi, Fakultas
Lebih terperinciPerancangan Basis Data
Modul ke: Perancangan Basis Data Fakultas FASILKOM DATA WAREHOUSE Program Studi Sistem Informasi www.mercubuana.ac.id Anita Ratnasari, S.Kom, M.Kom DATA WAREHOUSE Definisi Data Warehouse Salah satu efek
Lebih terperinciBAB I PENDAHULUAN. I.1 Pendahuluan
BAB I PENDAHULUAN I.1 Pendahuluan Dalam kegiatan manusia sehari-hari, terutama dalam kegiatan transaksi, seperti transaksi perbankan, rekam medis, transaksi jual beli dan transaksi lainnya harus dicatat
Lebih terperinciDatabase dan DBMS DBMS adalah perangkat lunak sistem yang memungkinkan para pemakai membuat, memelihara, mengontrol, dan mengakses basis data dengan
Database dan DBMS Database adalah : suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan aktifitas untuk memperoleh informasi. semua data yang disimpan pada sumberdaya berbasis
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 6] Pemodelan Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Pemodelan Data Ada dua pendekatan yang diterima sebagai best practice untuk memodelkan
Lebih terperinciTugas Akhir (KI091391) Muhamad Adi Prasetyo
Tugas Akhir (KI091391) Muhamad Adi Prasetyo 5105100159 Prolog Sebuah Program Aplikasi Web yang dibuat untuk melaporkan kuantitas Proses Produksi Menggunakan Metode OLAP pada PT. Aneka Tuna Indonesia (ATI).
Lebih terperinciSUMBER DAYA-SUMBER DAYA SISTEM INFORMASI (BAGIAN 1) PSI Materi III Sesi 6
SUMBER DAYA-SUMBER DAYA SISTEM INFORMASI (BAGIAN 1) PSI Materi III Sesi 6 Sumber Daya-sumber Daya Sistem Informasi Sumber Daya Manusia Sumber Daya Data Sumber Daya Hardware Sumber Daya Software Sumber
Lebih terperinciBAB II KONSEP DATA WAREHOUSING
BAB II KONSEP DATA WAREHOUSING Komptensi yang diharapkan: Peserta pembelajaran memahami konsep-konsep, berbagai istilah, karakteristik, manfaat, tujuan, tugas-tugas data warehouseing. A. Pengertian Beberapa
Lebih terperinciBAB III METODE PENELITIAN
15 BAB III METODE PENELITIAN Sistem informasi geografis persebaran hotspot di Indonesia merupakan suatu sistem yang bertujuan untuk memantau dan memberikan informasi mengenai persebaran hotspot yang ada
Lebih terperinciRancang Bangun Data Warehouse
Rancang Bangun Data Warehouse i ii Rancang Bangun Data Warehouse Rancang Bangun Data Warehouse iii iv Rancang Bangun Data Warehouse RANCANG BANGUN DATA WAREHOUSE Oleh : Muhammad Yazdi Pusadan, S.Kom.,
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang akan dibuat adalah sebagai berikut : Sistem Monitoring Pertumbuhan Balita Berbasis Web. Wahyuningsih
BAB II TINJAUAN PUSTAKA A. Telaah Penelitian Penelitian sebelumnya yang berhubungan dengan sistem informasi yang akan dibuat adalah sebagai berikut : Wahyuningsih (2011) telah melakukan penelitian yang
Lebih terperinciCUSTOMER RELATIONSHIP MANAGEMENT (CRM) SOFTWARE FROM SAP
CUSTOMER RELATIONSHIP MANAGEMENT (CRM) SOFTWARE FROM SAP Karya Ilmiah E Business Sujiwo (09.11.3212) STMIK AMIKOM YOGYAKARTA ABSTRAK Karya ilmiah e-business ini berisikan uraian mengenai lingkungan bisnis
Lebih terperinciCustomer Relationship Management (CRM) Software dari SAP Fitur & Fungsi Sistem CRM: Marketing Software
Customer Relationship Management (CRM) Software dari SAP Fitur & Fungsi Sistem CRM: Marketing Software disusun oleh Satrya Nurrachman 09.11.2820 Kelas : E-Bisnis 2 JURUSAN TEKNIK INFORMATIKA SEKOLAH TINGGI
Lebih terperinciSistem Informasi Manajemen SIM Dalam Pelaksanaan
Modul ke: 09 Eko Fakultas EKONOMI & BISNIS Sistem Informasi Manajemen SIM Dalam Pelaksanaan Putra Boediman Program Studi MANAJEMEN Pendahuluan Operasi-operasi manajemen terdiri dari beberapa tahap, yaitu
Lebih terperinciPERANCANGAN DATA WAREHOUSE PADA PERPUSTAKAAN UNIVERSITAS NASIONAL
PERANCANGAN DATA WAREHOUSE PADA PERPUSTAKAAN UNIVERSITAS NASIONAL Heni Jusuf 1, Ariana Azimah 2 Jurusan Sistem Informasi, Fakultas Teknologi Komunikasi dan Informatika, Universitas Nasional Jl. Sawo Manila,
Lebih terperinciObjek Pembelajaran. Objek Pembelajaran. Pertemuan 2 Klasifikasi Sistem Informasi
Objek Pembelajaran Klasifikasi Sistem Informasi (SI) SI Berdasarkan Level Organisasi Pertemuan 2 Klasifikasi Sistem Informasi Haryono Setiadi, M.Eng STMIK Sinar Nusantara Klasifikasi Menurut Arsitektur
Lebih terperinciBAB 5 DATA RESOURCE MANAGEMENT
BAB 5 DATA RESOURCE MANAGEMENT A. Teknik Dasar Manajemen Basis Data 1. Manajemen Basis Data Bagian dari manajemen sumber daya informasi yang mencakup semua kegiatan yang memastikan bahwa sumber daya informasi
Lebih terperinciKONSEP DASAR SISTEM INFORMASI DALAM BISNIS
KONSEP KONSEP DASAR SISTEM INFORMASI DALAM BISNIS Teknologi informasi, termasuk sistem informasi berbasis internet, memainkan peranan penting dalam bisnis. Teknologi informasi dapat membantu segala jenis
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pembangunan intelegensi bisnis yang menyerupai dengan pembangunan intelegensi bisnis untuk subjek kegiatan keuangan pada Universitas Atma Jaya Yogyakarta sudah ada. Seperti yang
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika. Knowledge Discovery in Databases (KDD)
Universitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika Knowledge Discovery in Databases (KDD) Knowledge Discovery in Databases (KDD) Definisi Knowledge Discovery
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 15 Nomor
Jurnal Ilmiah Widya Teknik Volume 15 Nomor 2 2016 PEMBANGUNAN ONLINE ANALYTICAL PROCESSING YANG TERINTEGRASI DENGAN SISTEM INFORMASI HARGA BAHAN POKOK KOTA YOGYAKARTA C. Hutomo Suryolaksono 1, Paulina
Lebih terperinciDATABASE. Basis Data : Suatu pengorganisasian sekumpulan data yang saling terkait sehingga
DATABASE Basis Data : Suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan aktivitas untuk memperoleh informasi. Contoh : basis data akademis mengandung tabel tabel yang berhubungan
Lebih terperinciLecture s Structure. Bagaimana Strukturnya. Data Warehouse Methodology (I) Yudi Agusta, PhD Data Warehouse and Data Mining, Lecture 5
Data Warehouse Methodology (I) Yudi Agusta, PhD Data Warehouse and Data Mining, Lecture 5 Copyright Yudi Agusta, PhD 2006 Lecture s Structure Teknik Data Warehouse Pengidentifikasian Keperluan Pengambilan,
Lebih terperinciBAB II LANDASAN TEORI. Basis Data Terdistribusi didefinisikan sebagai sebuah collection of multiple,
BAB II LANDASAN TEORI 2.1 Basis Data Terdistribusi Basis Data Terdistribusi didefinisikan sebagai sebuah collection of multiple, database yang saling berkaitan secara logik yang didistribusikan melalui
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining. arifin, sistem informasi - udinus 1
Data Warehouse, Data Mart, OLAP, dan Data Mining arifin, sistem informasi - udinus 1 Data Warehouse Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai
Lebih terperinciPERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE
PERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE Nanang Prihatin 1 1 Dosen Politeknik Negeri Lhokseumawe ABSTRAK Bagi sebuah perguruan tinggi, penerimaan calon mahasiswa merupakan
Lebih terperinciData Warehousing dan Decision Support
Bab 9 Data Warehousing dan Decision Support POKOK BAHASAN: Hubungan antara Data Warehouse dan Decision Support Model Data Multidimensi Online Analytical Processing (OLAP) Arsitektur Data Warehouse Implementasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Sistem Informasi Sistem Informasi adalah suatu kumpulan dari komponen yang berinteraksi untuk menyelesaikan tugas bisnis. pendapat ini didukung dengan pendapat Satzinger, Jackson,
Lebih terperinciManajemen Sumber Data
Manajemen Sumber Data Sebuah aktivitas manajerial yang mengaplikasikan teknologi sistem informasi dalam tugas untuk mengelola sumber daya data organisasi Tujuannya agar dapat memenuhi kebutuhan informasi
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Saat ini sudah banyak organisasi yang telah mengadopsi teknologi data warehouse. Penerapan teknologi ini sangat membantu sekali bagi suatu organisasi yang memiliki data yang
Lebih terperinciSistem Pendukung Keputusan. Komponen SPK. Entin Martiana, S.Kom, M.Kom. Politeknik Elektronika Negeri Surabaya
Komponen SPK Entin Martiana, S.Kom, M.Kom Komponen-komponen dss Subsistem manajemen data Termasuk database, yang mengandung data yang relevan untuk berbagai situasi dan diatur oleh software yang disebut
Lebih terperinciDasar Dasar Intelijen Bisnis: Database dan Manajemen Informasi
Materi Pembelajarann Materi 6 Dasar Dasar Intelijen Bisnis: Database dan Manajemen Informasi 6.2 Pendekatan Database Untuk Pengelolaan Data 6.3 Memanfaatkan Database Untuk Meningkatkan Kinerja Bisnis dan
Lebih terperinciTantangan Manajemen. Teknologi. Informasi. Sistem. Informasi. Konsep-konsep Dasar
KONSEP KONSEP DASAR SISTEM INFORMASI DALAM BISNIS Teknologi informasi, termasuk sistem informasi berbasis internet, memainkan peranan penting dalam bisnis. Teknologi informasi dapat membantu segala jenis
Lebih terperinciSistem Basis Data Lanjut DATA WAREHOUSE. Data Warehouse 1/20
DATA WAREHOUSE Data Warehouse 1/20 Outline Konsep dan Arsitektur Data Warehouse Alur Data Warehouse Teknologi dan Peralatan Data Warehouse Perancangan Data Warehouse Penggunaan Oracle pada Data Warehouse
Lebih terperinciBAB 2 DASAR SISTEM INFORMASI BISNIS
BAB 2 DASAR SISTEM INFORMASI BISNIS A. Konsep Dasar Sistem Informasi Bisnis 1. Teknologi Informasi Istilah TI (Teknologi Informasi) atau IT (Information Technology) yang populer saat perkembangan ini adalah
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
53 BAB III ANALISIS DAN PERANCANGAN SISTEM Pada bab ini akan dibahas tentang identifikasi masalah, analisis sistem, perancangan sistem, rancangan pengujian dan evaluasi sistem dalam Rancang Bangun Sistem
Lebih terperinciFAST berarti sistem ditargetkan untuk memberikan response terhadap user dengan secepat mungkin, sesuai dengan analisis yang dilakukan.
OLAP OLAP (Online Analytical Processing), merupakan metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat. Pengertian OLAP itu sendiri dapat
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Memasuki era perekonomian global, setiap negara memperkuat pilarpilar
BAB 1 PENDAHULUAN 1.1 Latar Belakang Memasuki era perekonomian global, setiap negara memperkuat pilarpilar stabilitas nasionalnya dalam menghadapi persaingan antar-negara yang begitu ketat. Permasalahan
Lebih terperinciMANAJEMEN DATABASE. Modul XII
MANAJEMEN DATABASE Modul XII Pembahasan Menjelaskan pengertian database dan hubungannya dengan data dan informasi Menjelaskan Manajemen file dengan manajemen database Menjelaskan pengintegrasian data dan
Lebih terperinciSistem Penunjang Keputusan, Pertemuan Ke-9 KECERDASAN BISNIS Data Warehouse, Data Mart, OLAP, dan Data Mining
KECERDASAN BISNIS Warehouse, Mart, OLAP, dan Mining Warehouse warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain
Lebih terperinciPerkembangan Teknologi Database
Konsep Teknologi Informasi Perkembangan Teknologi Database ARIF BASOFI PENS 2016 Referensi 1. Fitrianingsih, Perkembangan Basis Data, Universitas Gunadarma. 2. Yulia Kahitela, Perkembangan Teknologi Database,
Lebih terperinciPEMBUATAN DATA WAREHOUSE PENGELOLAAN PERBEKALAN FARMASI RUMAH SAKIT XYZ
PRESENTASI SIDANG TUGAS AKHIR PEMBUATAN DATA WAREHOUSE PENGELOLAAN PERBEKALAN FARMASI RUMAH SAKIT XYZ Dosen Pembimbing: Mahendrawathi ER., ST, MSc, PhD. Rully Agus Hendrawan S.Kom, M.Eng. Penyusun Tugas
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Sistem Informasi Sistem informasi secara teknis bisa didefinisikan sebagai sekelompok komponen yang saling terkait yang mengumpulkan, memproses, menyimpan, dan mendistribusikan
Lebih terperinciData Warehouse Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan
1 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
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Pengertian Data Menurut (Inmon, 2005, p. 493) data merupakan kumpulan faktafakta, konsep-konsep dan instruksi-instruksi yang disimpan dalam media penyimpanan yang
Lebih terperinciPemodelan Data Warehouse
Pemodelan Data Warehouse Budi Susanto Teknik Informatika Universitas Kristen Duta Wacana Yogyakarta 10/31/11 budi susanto 1 Tujuan Memahami konsep dasar data warehouse Memahami pemodelan berbasis dimensi
Lebih terperinciBAB 2 LANDASAN TEORI. Data merupakan bentuk jamak dari datum (Vardiansyah, 2008, p3). Dalam
BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertian Umum Data dan Informasi Data merupakan bentuk jamak dari datum (Vardiansyah, 2008, p3). Dalam penggunaan sehari-hari data merupakan sesuatu pernyataan
Lebih terperinciPROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE
PROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE Oktavian Abraham Lantang ABSTRAK Saat ini seiring dengan perkembangan teknologi informasi yang semakin pesat, ketergantungan proses bisnis suatu perusahaan
Lebih terperinciPERKEMBANGAN BASIS DATA SAAT INI
PERKEMBANGAN BASIS DATA SAAT INI Sejak tahun 1960-an penggunaan basis data sudah digunakan untuk bidang komersial, dimana pemrosesan file-nya masih berbasis manajemen file tradisional. Perkembangan komputer
Lebih terperinciAnggota Kelompok 3 :
Anggota Kelompok 3 : Customer relationship management (CRM) Adalah manajemen hubungan antara perusahaan dengan pelanggan sehingga baik perusahaan maupun pelanggannya akan menerima nilai maksimum dari hubungan
Lebih terperinciBAB I PENDAHULUAN. didukung dengan pernyataan dari Poe (1998) yang menyatakan bahwa banyak
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Di dalam sebuah instansi, sebuah ketersediaan informasi yang akurat, berintegrasi, dan berkualitas tinggi menjadi hal sangat vital pada saat ini. Hal ini didukung
Lebih terperinciOnline Analytical Processing (OLAP)
Online Analytical Processing (OLAP) OLAP 1/16 Outline Keuntungan OLAP Penyajian Data Multidimensi Peralatan OLAP dan Kategorinya Penerapan SQL pada OLAP OLAP 2/16 OLAP : Sintesa dinamis, analisis, dan
Lebih terperinciMENINGKATKAN MUTU PENGAMBILAN KEPUTUSAN MANAJEMEN UNTUK PERUSAHAAN DIGITAL
MENINGKATKAN MUTU PENGAMBILAN KEPUTUSAN MANAJEMEN UNTUK PERUSAHAAN DIGITAL PENDAHULUAN Salah satu kegiatan manajemen yang penting adalah memahami sistem sepenuhnya untuk mengambil keputusan-keputusan yang
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Teknologi basis data saat ini berkembang sangat pesat. Data disimpan dalam basis data, diolah kemudian disajikan sebagai informasi yang bernilai bagi pengguna. Penyimpanan
Lebih terperinciSIE/nts/TIUAJMks 9/26/2013
N. Tri Suswanto Saptadi 1 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
Lebih terperinciSISTEM BISNIS ELEKTRONIK
SISTEM BISNIS ELEKTRONIK Saat ini dunia perdagangan tidak lagi dibatasi dengan ruang dan waktu. Mobilitas manusia yang tinggi menuntut dunia perdagangan mampu menyediakan layanan jasa dan barang dengan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi yang semakin pesat ditunjukkan dengan munculnya beragam perangkat teknologi yang mempermudah manusia dalam memonitor perkembangan usahanya
Lebih terperinciBusiness Intelligence dengan SQL Server 2008 R2
INDONESIA Agus Suparno, S.Si., M.Eng. IT - Profesional Business Intelligence dengan SQL Server 2008 R2 Business Intelligence The power full self service Apa itu Business Intelligence? Business Intelligence
Lebih terperinciKebijakan Privasi. Cakupan. Jenis Data dan Metode Pengumpulan
Kebijakan Privasi Dalam Kebijakan Privasi ( Kebijakan ) ini, kami, Qualcomm Incorporated dan anak perusahaan kami (secara bersama-sama disebut kami, kami, atau milik kami ), memberikan informasi mengenai
Lebih terperinciData Warehouse dan Data Minig. by: Ahmad Syauqi Ahsan
16 Data Warehouse dan Data Minig by: Ahmad Syauqi Ahsan Data Warehouse 2 Data warehouse merupakan gudang (atau arsip) dari informasi yang diperoleh dari banyak sumber, disimpan dalam skema basis data yang
Lebih terperinciBAB 2 LANDASAN TEORI. Database adalah suatu koleksi / kumpulan dari data yang persistent, yaitu ada
BAB 2 LANDASAN TEORI 2.1 Teori Database Database adalah suatu koleksi / kumpulan dari data yang persistent, yaitu ada yang berbeda satu dengan yang lainnya dan biasanya merupakan data yang bersifat sementara
Lebih terperinciBatch Processing A. BATCH, ONLINE, REAL TIME PROCESSING
Batch Processing A. BATCH, ONLINE, REAL TIME PROCESSING Batch processing adalah suatu model pengolahan data, dengan menghimpun data terlebih dahulu, dan diatur pengelompokkan datanya dalam kelompok-kelompok
Lebih terperinciBAB IV PERANCANGAN SISTEM
BAB IV PERANCANGAN SISTEM Pembahasan BAB IV mengenai proses perancangan data warehouse meliputi proses integrasi, pemodelan database dan dashboard interface. 4.1 Perencanaan Tahap perencanaan penelitian
Lebih terperinciPERANCANGAN DATA WAREHOUSE UNTUK DEMOGRAFI, PERKEMBANGAN PRODUK DAN PROMOSI PADA MANDIRI TABUNGAN RENCANA DI PT.BANK MANDIRI(PERSERO) TBK.
PERANCANGAN DATA WAREHOUSE UNTUK DEMOGRAFI, PERKEMBANGAN PRODUK DAN PROMOSI PADA MANDIRI TABUNGAN RENCANA DI PT.BANK MANDIRI(PERSERO) TBK. Nita Uswatun Hasanah Alfiana Binus University, Jakarta, DKI Jakarta,
Lebih terperinciMacam-macam Sistem Informasi
Macam-macam Sistem Informasi Materi Klasifikasi sistem informasi. Sistem informasi menurut level organisasi. Sistem informasi fungsional. Sistem informasi berdasarkan dukungan yang tersedia. Klasifikasi
Lebih terperinciCustomer Relationship Management. Pertemuan 9
Customer Relationship Management Pertemuan 9 Definisi CRM (1) Customer Relationship Management. Manajemen Hubungan Pelanggan. Merupakan strategi pemasaran yang menginginkan pelanggan tetap membeli produk
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 Edisi...Volume..., Bulan 20..ISSN : PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA Dinar Priskawati 1, Dian Dharmayanti 2 Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur
Lebih terperinciKARAKTERISTIK DATA WAREHOUSE
KARAKTERISTIK DATA WAREHOUSE Karakteristik data warehouse menurut Inmon, yaitu : 1. Subject Oriented (Berorientasi subject) Data warehouse berorientasi subject artinya data warehouse didesain untuk menganalisa
Lebih terperinciI. SISTEM BISNIS ENTERPRISE
Manajemen & SIM 2 Bisnis Elektronik Hal. 1 SISTEM BISNIS ELEKTRONIK Definisi Bisnis Elektronik Saat ini dunia perdagangan tidak lagi dibatasi dengan ruang dan waktu. Mobilitas manusia yang tinggi menuntut
Lebih terperinciPERTEMUAN 14 DATA WAREHOUSE
PERTEMUAN 14 DATA WAREHOUSE Data Warehouse Definisi : Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung
Lebih terperinciMEMBANGUN DATA WAREHOUSE
MEMBANGUN DATA WAREHOUSE A. Menentukan Bentuk Data Warehouse Data warehouse memiliki berbagai macam bentuk yang sering digunakan. Jadi sebelum membangun suatu data warehouse kita harus memutuskan bentuk
Lebih terperinciCustomer Relationship Management /CRM
Customer Relationship Management /CRM Aloysius HeruDanardatu, PengenalanCustomer Relationship Management, www.ilmukomputer.com,diakses tanggal27 Januari2007 Customer Relationship Management, www.wikipedia.com,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Informasi merupakan sebuah elemen penting dalam kehidupan manusia yang semakin lama semakin maju. Dengan adanya informasi, kita bisa mengetahui beberapa hal
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Umum 2.1.1. Pengertian Data Menurut McLeod (2007, p9), data terdiri dari fakta fakta dan angka angka yang relatif tidak berarti bagi pemakai. Sedangkan menurut O'Brien (2005,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Informasi Pengertian sistem informasi tidak bisa dilepaskan dari pengertian sistem dan informasi. Definisi dari sistem adalah sekelompok dua atau lebih komponenkomponen
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Proses analisis dan perancangan sistem merupakan suatu prosedur yang dilakukan untuk pemeriksaan masalah dan penyusunan alternatif pemecahan masalah yang timbul
Lebih terperinciBasis Data Oracle - Business Intelligence System. Ramos Somya, M.Cs.
Basis Data Oracle - Business Intelligence System Ramos Somya, M.Cs. Menurut W.H. Inmon dan Richard D.H., data warehousing adalah koleksi data yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant,
Lebih terperinci