Tugas Data Warehouse. Kebutuhan Bisnis untuk Gudang Data. (Warehouse)

Transkripsi

1 Tugas Data Warehouse Kebutuhan Bisnis untuk Gudang Data (Warehouse) Ricky Renaldo PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017

2 KEBUTUHAN BISNIS UNTUK GUDANG DATA DATA WAREHOUSE Gudang Data(Data Warehouse) adalah Sistem penyampaian Informasi.Ini bukan tentang Teknologi, tetapi tentang menyelesaikan masalah dari pengguna serta Memberikan informasi strategis kepada pengguna. Sebagian besar pengembang data warehouse berasal dari latar belakang pengembangan operasional atau OLTP (Online Transactions Proccesing) Sistem. Sistem OLTP mengutamakan sistem pengambilan data.di samping itu Sistem data warehouse adalah sistem penyampaian informasi. Analisis Dimensi Dalam beberapa hal, membangun gudang data sangat berbeda dengan membangun sistem operasional. Hal ini menjadi penting terutama dalam fase pengumpulan kebutuhan. Karena perbedaanya inilah, metode tradisional untuk mengumpulkan persyaratan kerja yang berjalan baik agar sistem operasional tidak bisa diterapkan pada data warehouse(gudang data) Penggunaan informasi tidak dapat diprediksi Dalam memberikan informasi tentang persyaratan untuk sistem operasi, pengguna dapat memberikan rincian yang tepat mengenai fungsi, konten informasi, dan pola penggunaan yang diperlukan. Bagi sebagian besar pengguna, ini bisa menjadi gudang data pertama yang mereka gunakan di dalamnya. Pengguna terbiasa dengan sistem operasional karena mereka menggunakannya dalam pekerjaan sehari-hari, sehingga mereka dapat memvisualisasikan persyaratan untuk sistem operasi baru lainnya.

3 Dimensi Sifat Data Bisnis Untungnya, situasinya tidak sepadan seperti yang terlihat. Meskipun pengguna tidak bisa sepenuhnya menggambarkan apa yang mereka inginkan di gudang data, namun mereka dapat memberi Anda wawasan penting tentang bagaimana mereka memikirkan bisnis ini. Jika Anda pengguna data warehouse(gudang data) memikirkan dimensi bisnis untuk pengambilan keputusan, Anda juga harus memikirkan dimensi bisnis sambil mengumpulkan kebutuhan. Meskipun penggunaan aktual dari gudang data bisa jadi tidak jelas, dimensi bisnis yang digunakan oleh manajer untuk pengambilan keputusan tidak samar sama sekali. P R O D U K T I M E Gambar 1. Dimensi sifat Data Bisnis

4 Contoh Dimensi Bisnis Konsep dimensi bisnis sangat penting untuk definisi persyaratan untuk gudang data. Gambar di bawah ini akan memperlihatkan 4 studi kasus mengenai Dimensi bisnis. Contoh Pertama yaitu jaringan supermarket, Pengukuran yang dianalisis adalah unit penjualan. Ini dianalisis bersama empat dimensi bisnis. Jika Anda adalah manajer pemasaran untuk jaringan supermarket, Anda pasti menginginkan penjualan Anda dipecah berdasarkan produk, di setiap toko, dalam urutan waktu, dan dalam kaitannya dengan promosi yang berlangsung. Pada Perusahaan asuransi, Dimensi bisnis berbeda dan sesuai untuk bisnis itu. menganalisis data klaim menurut agen, klaim individu, waktu, pihak yang diasuransikan, kebijakan individual, dan status klaim. Contoh perusahaan penerbangan menunjukkan dimensi untuk analisis data Penerbangan. Dimensi bisnis adalah waktu, pelanggan, penerbangan tertentu, tarif kelas, bandara, dan status penerbangan. Contoh menganalisis pengiriman untuk perusahaan manufaktur menunjukkan beberapa dimensi bisnis lainnya. Dalam hal ini, dimensi bisnis yang digunakan untuk analisis pengiriman adalah barang yang relevan dengan bisnis dan subjek analisis. Dimensi waktu, pengiriman ke dan pengiriman dari lokasi, mode pengiriman, produk, dan penawaran khusus lainnya. Apa yang kita temukan dari contoh-contoh ini adalah bahwa dimensi bisnis berbeda dan relevan dengan industri dan subjek untuk analisis.kita Juga temukan dimensi waktu menjadi dimensi umum dalam semua contoh. Hampir semua analisis bisnis dilakukan dari waktu ke waktu.

5 Time Promosi Waktu Harga Pengiriman Penawaran Perusahaan Manufaktur Pengiriman dari Store Produk Produk Mode Pengiriman Waktu Agen Waktu Pelanggan Status Bisnis Asuransi Permintaan Status Perusahaan Penerbangan Penerbangan Kebijakan Pihak yang diasuransikan Bandara Tarif Kelas Gambar 2. Contoh Dimensi Bisnis Dimensi Bisnis Dimensi bisnis membentuk dasar yang mendasari metodologi baru untuk persyaratan - persyaratan.data harus disimpan untuk menyediakan dimensi bisnis. Dimensi bisnis dan tingkat hierarkis mereka membentuk dasar untuk semua fase lebih lanjut, jadi kami ingin melihat lebih dekat dimensi bisnis Kita mulai dengan memeriksa dimensi bisnis untuk produsen mobil. Mari kita katakan bahwa tujuannya adalah untuk menganalisa penjualan. Kami

6 ingin membangun gudang data yang memungkinkan pengguna menganalisa penjualan mobil dengan berbagai cara. Dimensi pertama yang jelas adalah dimensi produk. Sekali lagi untuk pembuat mobil, analisis penjualan harus mencakup analisis dengan memecah penjualan turun oleh dealer. Dealer, oleh karena itu, merupakan dimensi lain yang penting untuk analisis. Sebagai pembuat mobil, Anda ingin tahu bagaimana penjualan Anda menurun seiring demografi pelanggan. Anda ingin tahu siapa yang membeli mobil Anda dan berapa jumlahnya. Demografi pelanggan akan menjadi dimensi bisnis lain yang berguna untuk dianalisis. Bagaimana pelanggan membayar mobil? Apa efek pembiayaan untuk pembelian terhadap penjualan? Pertanyaan-pertanyaan ini bisa dijawab dengan memasukkan metode pembayaran sebagai dimensi analisis lainnya. Bagaimana dengan waktu sebagai dimensi bisnis? Hampir setiap query atau analisis melibatkan elemen waktu. Singkatnya, kami telah menemukan dimensi berikut untuk subjek penjualan pembuat mobil: produk, dealer, demografi pelanggan, metode pembayaran, dan waktu. Mari kita ambil satu contoh lagi. Dalam kasus ini, kami ingin membuat paket informasi untuk jaringan hotel. Subjek dalam hal ini adalah okupansi hotel. Kami ingin menganalisa hunian kamar di berbagai cabang jaringan hotel. Kami ingin menganalisis hunian hotel perorangan dan menurut jenis kamar. Jadi, tipe hotel dan kamar merupakan dimensi bisnis penting untuk analisis. Seperti dalam kasus lain, kita juga perlu memasukkan dimensi waktu. Di paket informasi hunian hotel, dimensinya termasuk hotel, tipe kamar, dan waktu. Dimensi Hierarki / Kategori Ketika pengguna menganalisis pengukuran di sepanjang dimensi bisnis, pengguna biasanya ingin melihat angka pertama secara ringkas dan kemudian pada berbagai tingkat detail. Apa yang dilakukan pengguna di sini adalah melintasi tingkat hierarki dimensi bisnis untuk mendapatkan detail di berbagai

7 tingkat. Misalnya, pengguna pertama kali melihat total penjualan sepanjang tahun. Kemudian pengguna bergerak turun ke tingkat tempat tinggal dan melihat penjualan perempat individu. Setelah ini, pengguna bergerak turun lebih jauh ke tingkat bulan perorangan untuk melihat angka bulanan. Yang kami perhatikan di sini adalah bahwa hierarki dimensi waktu terdiri dari tingkat tahun, kuartal, dan bulan. Hirarki dimensi adalah jalur pengeboran atau penggulungan dalam analisis kami. Hirarki dan kategori disertakan dalam paket informasi untuk setiap dimensi. Mari kita kembali ke dua contoh di bagian sebelumnya dan cari tahu tingkat dan kategori hierarkis mana yang harus disertakan untuk dimensi tersebut. Mari kita periksa dimensi produk. Di sini, produknya adalah Auto Mobile. Oleh karena itu, kami menyertakan elemen data yang relevan dengan produk sebagai hierarki dan kategori. Ini adalah nama model, model tahun, styling paket, lini produk, kategori produk, warna eksterior, warna interior, dan model tahun pertama. Melihat dimensi bisnis lainnya untuk analisis penjualan otomatis. Metrik Bisnis Utama atau Fakta Sejauh ini kita telah membahas dimensi bisnis di dua contoh di atas. Ini adalah dimensi bisnis yang relevan dengan pengguna kedua gudang data ini untuk melakukan analisis. Pengguna masing-masing memikirkan subjek bisnis mereka dalam hal dimensi bisnis ini untuk mendapatkan informasi dan untuk melakukan analisis. Tapi menggunakan dimensi bisnis ini, apa sebenarnya yang dianalisis pengguna? Berapa angka yang mereka analisis? Angka yang dianalisis pengguna adalah pengukuran atau metrik yang mengukur keberhasilan departemen mereka. Inilah fakta-fakta yang menunjukkan kepada pengguna

8 bagaimana departemen mereka melakukannya dalam memenuhi tujuan departemen mereka. Dalam hal pembuat mobil, metrik ini berhubungan dengan penjualan. Ini adalah angka yang memberi tahu pengguna tentang kinerjanya dalam penjualan. PERSYARATAN DEFINISI: RUANG LINGKUP DAN KONTEN Dokumentasi formal sering terbengkalai dalam proyek sistem komputer. Tim proyek melewati tahap definisi persyaratan. Mereka melakukan wawancara dan sesi kelompok. Mereka meninjau dokumentasi yang ada. Mereka mengumpulkan cukup bahan untuk mendukung fase selanjutnya dalam siklus hidup pengembangan sistem. Tapi mereka melewatkan dokumentasi rinci tentang definisi persyaratan. Ada beberapa alasan mengapa Anda harus melakukan hasil fase definisi persyaratan Anda. Pertama-tama, definisi dokumen persyaratan adalah dasar untuk fase berikutnya. Jika anggota tim proyek harus meninggalkan proyek ini dengan alasan apa pun, proyek tersebut tidak akan menderita orang-orang yang berjalan dengan pengetahuan yang telah mereka kumpulkan. Dokumentasi formal juga akan memvalidasi temuan Anda saat ditinjau ulang dengan pengguna. Kami akan membuat garis besar yang disarankan untuk dokumen definisi persyaratan formal. Sebelum itu, mari kita lihat jenis informasi yang harus dimiliki dokumen ini. Sumber data Bagian informasi ini sangat penting dalam dokumen definisi persyaratan. Sertakan semua rincian yang Anda kumpulkan tentang sistem sumber. Anda akan menggunakan data sistem sumber di gudang data. Anda akan mengumpulkan data dari sistem sumber ini, menggabungkan dan mengintegrasikannya, mengubah data dengan tepat, dan

9 mengisi data warehouse. Biasanya, dokumen definisi persyaratan harus mencakup informasi berikut: Sumber data yang tersedia Struktur data dalam sumber data Lokasi sumber data Sistem operasi, jaringan, protokol, dan arsitektur klien Prosedur ekstraksi data Tersedianya data historis Transformasi Data Tidak cukup hanya mencantumkan sumber data yang mungkin. Anda akan mencantumkan struktur data yang relevan sebagai sumber yang mungkin karena adanya hubungan antara struktur data dengan data potensial di gudang data. Setelah Anda mencantumkan sumber data, Anda perlu menentukan bagaimana data sumber harus diubah sesuai dengan jenis data yang sesuai untuk disimpan di gudang data. Dalam dokumen definisi persyaratan Anda, sertakan rincian transformasi data. Ini tentu akan melibatkan pemetaan data sumber ke data di gudang data. Tunjukkan di mana data tentang dimensi metrik dan bisnis Anda akan berasal. Jelaskan penggabungan, konversi, dan pemecahan yang perlu dilakukan sebelum memindahkan data ke dalam gudang data. Penyimpanan data Bila Anda mengetahui jenis analisis yang biasanya pengguna lakukan, Anda bisa menentukan jenis agregasi yang harus disimpan di gudang data. Ini akan memberi Anda informasi tentang persyaratan penyimpanan tambahan. Dokumen definisi persyaratan Anda harus menyertakan rincian yang cukup tentang persyaratan penyimpanan. Siapkan perkiraan awal mengenai jumlah

10 penyimpanan yang dibutuhkan untuk data detail dan ringkasan. Perkirakan berapa banyak data historis dan arsip yang dibutuhkan di gudang data. Informasi Pengiriman Dokumen definisi persyaratan Anda harus mengandung persyaratan berikut pada penyampaian informasi kepada pengguna: Analisis drill-down Analisis roll-up Analisis drill-through Slicing dan dicing analysis Laporan ad hoc Paket Informasi Diagram Kehadiran diagram paket informasi dalam dokumen definisi persyaratan adalah perbedaan utama dan signifikan antara sistem operasional dan sistem data warehouse. Ingat bahwa diagram paket informasi adalah pendekatan terbaik untuk menentukan persyaratan untuk gudang data. Diagram paket informasi mengkristal persyaratan informasi untuk gudang data. Mereka berisi metrik penting yang mengukur kinerja unit bisnis, dimensi bisnis yang dianalisis metriknya, dan rincian bagaimana analisis drill-down dan roll-up dilakukan. Luangkan waktu sebanyak yang diperlukan untuk memastikan bahwa diagram paket informasi lengkap dan akurat. Perancangan data Anda untuk gudang data akan sangat bergantung pada keakuratan dan kecukupan diagram paket informasi.

11 PERSYARATAN SEBAGAI PENGGERAK UNTUK GUDANG DATA(DATA WAREHOUSE) Ketika Anda merancang dan mengembangkan sistem apa pun, jelas bahwa sistem harus benar-benar mencerminkan apa yang pengguna butuhkan untuk menjalankan proses bisnis mereka. Mereka harus memiliki layar GUI yang tepat, sistem harus memiliki logika yang benar untuk menjalankan fungsinya, dan pengguna harus menerima layar dan laporan keluaran yang dibutuhkan. Definisi persyaratan memandu keseluruhan proses perancangan dan pengembangan sistem. Bagaimana dengan definisi persyaratan untuk gudang data? Jika definisi persyaratan yang akurat penting untuk sistem operasional apa pun, maka ini sangat penting untuk gudang data. Mengapa? Lingkungan data warehouse adalah sistem penyampaian informasi dimana pengguna sendiri akan mengakses gudang data warehouse dan membuat output mereka sendiri. Dalam sistem operasional, Anda menyediakan output yang telah ditentukan pengguna. Oleh karena itu sangat penting bahwa gudang data Anda berisi elemen informasi yang benar dalam format yang paling optimal. Pengguna Anda harus dapat menemukan semua informasi strategis yang mereka butuhkan dengan cara yang mereka inginkan. Mereka harus dapat mengakses gudang data dengan mudah, menjalankan kueri mereka, mendapatkan hasil tanpa rasa sakit, dan melakukan berbagai jenis analisis data tanpa masalah. Di gudang data, kebutuhan bisnis pengguna membentuk kekuatan pendorong tunggal dan paling kuat. Setiap tugas yang dilakukan dalam setiap tahap pengembangan gudang data ditentukan oleh persyaratan. Setiap keputusan yang dibuat selama tahap perancangan - apakah itu desain data, desain arsitektur, konfigurasi infrastruktur, atau skema metode penyampaian informasi - benar-benar dipengaruhi oleh persyaratan.

12 Kebutuhan Bisnis Manajemen dan Perencanaan Pemeliharaan Desain Infrasturktur Arsitektur Data Akuisisi Penyimpanan Data Penyampaian Informasi Konstruksi Infrasturktur Arsitektur Data Akuisisi Penyimpanan Data Penyampaian Informasi Penyebaran Gambar 3. Kebutuhan Bisnis sebagai Penggerak Desain Data Pada tahap perancangan data, Anda akan menemukan model data untuk repositori data berikut:

13 Area pementasan dimana Anda mentransformasikan, membersihkan, dan mengintegrasikan data dari sistem sumber dalam persiapan untuk memasukkan ke gudang data warehouse Gudang data gudang itu sendiri Model data ini akan membentuk cetak biru untuk desain fisik dan implementasi repositori data. Anda akan menggunakan model ini untuk berkomunikasi di antara anggota tim mengenai elemen data apa yang akan tersedia di gudang data dan bagaimana semuanya akan sesuai. Anda akan berjalan melalui model data ini dengan pengguna untuk memberi tahu mereka tentang konten data dan hubungan data. Model data untuk data individu menunjukkan peran yang kuat dan berguna dalam komunikasi dengan pengguna. Model data dari sistem sumber arus akan digunakan untuk bagian bawah. Oleh karena itu, pastikan dokumen definisi persyaratan Anda berisi informasi yang memadai tentang komponen dan hubungan data sistem sumber. Pada bab sebelumnya, kami membahas diagram paket informasi dengan detail yang cukup.diagram paket informasi yang merupakan bagian dari dokumen definisi persyaratan benar-benar mencerminkan kebutuhan bisnis yang sebenarnya. Jika tidak, model data Anda tidak akan menandakan apa yang pengguna benar-benar ingin lihat di gudang data.

14 Data mart (sesuai atau dependen) Diagram paket informasi Data Data Model Dimensi Data Model data perusahaan Model Relasional Gudang data perusahaan Gambar 4. Persyaratan penggerak model data. Struktur untuk Dimensi Bisnis Dalam model data untuk data mart, dimensi bisnis yang digunakan pengguna menganalisis metrik bisnis harus ditampilkan secara mencolok. Pada bab terakhir, saat membahas diagram paket informasi, kami meninjau beberapa contoh. Dalam diagram paket informasi, dimensi bisnis terdaftar sebagai judul kolom. Jika Anda membuat model data untuk data mart ini, dimensi bisnis seperti yang ditunjukkan pada gambar harus disertakan dalam model. Kegunaan data mart secara langsung berkaitan dengan keakuratan data model. Ke mana ini memimpin Anda? Ini membawa Anda ke hal yang sangat penting untuk memiliki dimensi dan isi yang tepat dalam diagram paket informasi. Tingkat Detail Yang kami amati adalah bahwa dalam analisis semacam ini Anda perlu menyediakan fasilitas pengeboran dan penggulungan untuk analisis. Apakah Anda ingin menyimpan data pada tingkat detail terendah? Jika demikian, ketika pengguna/anda ingin melihat total keseluruhan negara selama setahun penuh, sistem harus melakukan agregasi, selama analisis sementara pengguna

15 menunggu di workstation. Di sisi lain, apakah Anda harus menyimpan rincian untuk menampilkan data pada tingkat terendah, dan ringkasan untuk menampilkan data pada tingkat agregasi yang lebih tinggi? Diskusi ini membawa kita pada aspek persyaratan definisi yang spesifik terkait dengan model data. Jika Anda memerlukan ringkasan di gudang data Anda, maka model data Anda harus menyertakan struktur untuk menyimpan rincian serta data ringkasan. Jika Anda mampu membiarkan sistem meringkas dengan cepat selama analisis, model data Anda tidak perlu memiliki struktur ringkasan. Cari tahu tentang fungsi pengeboran dan pengguliran penting dan sertakan cukup banyak rincian tentang jenis ringkasan dan detail tingkat data gudang data Anda harus dipegang. Rencana Arsitektur Arsitektur data warehouse mengacu pada susunan komponen arsitektur yang tepat untuk keuntungan maksimal. Bagaimana Anda merencanakan arsitektur gudang data Anda? Pada dasarnya, setiap gudang data terdiri dari komponen yang cukup banyak. Oleh karena itu, ketika Anda merencanakan arsitektur, Anda tidak menemukan komponen baru untuk masuk ke gudang khusus Anda. Anda benar-benar mengukur setiap komponen untuk lingkungan Anda. Anda merencanakan bagaimana semua komponen harus disatukan sehingga bisa berfungsi sebagai sistem yang terintegrasi. Komponen arsitektur Utama Sumber data Data produksi internal Data data yang diarsipkan Data eksternal

16 Pementasan data Ekstraksi data Transformasi data Pemuatan data Penyimpanan data Pengiriman informasi Metadata Manajemen dan pengendalian Bila Anda merencanakan keseluruhan arsitektur untuk gudang data Anda, Anda akan menetapkan cakupan dan isi masing-masing komponen ini. Perencanaan arsitektur, oleh karena itu, melibatkan peninjauan masingmasing komponen dalam konteks khusus Anda, dan menetapkan parameternya. Juga, ini melibatkan antarmuka di antara berbagai komponen. Bagaimana modul manajemen dan kontrol dirancang untuk mengkoordinasikan dan mengendalikan fungsi komponen yang berbeda? Apa informasi yang perlu anda lakukan dalam perencanaan? Bagaimana Anda tahu untuk mengukur setiap komponen dan menyediakan infrastruktur yang tepat untuk mendukungnya? Tentu, jawabannya adalah kebutuhan bisnis. Pertimbangan Khusus Setelah meninjau dampak persyaratan pada komponen arsitektur secara terperinci, sekarang kami mengalihkan perhatian pada beberapa fungsi yang memerlukan pertimbangan khusus. Kita perlu mengeluarkan pertimbangan khusus ini karena jika tidak disebutkan persyaratan definisi, konsekuensi serius

17 akan terjadi. Bila Anda berada dalam fase definisi persyaratan, Anda harus memberi perhatian khusus pada faktor-faktor ini. Kebutuhan Sumber Data Manajemen dan kontrol pement asan data metadata Data Penyimpanan Bisnis Gambar 5. Dampak persyaratan pada arsitektur. Ekstraksi Data / Transformasi / Pemuatan (ETL) Kegiatan yang berhubungan dengan ETL di gudang data paling memakan waktu dan manusia. Pengakuan khusus atas tingkat dan kompleksitas kegiatan ini dalam persyaratan akan sangat membantu mengurangi rasa sakit saat menyiapkan arsitektur. Mari kita pisahkan fungsi dan sebutkan pertimbangan khusus yang dibutuhkan dalam definisi persyaratan. Ekstrasi Data, Jelas mengidentifikasi semua sumber data internal. Tentukan semua platform komputasi dan file sumber dari mana data akan diekstraksi. Jika Anda ingin memasukkan sumber data eksternal, tentukan kompatibilitas struktur data Anda dengan data sumber luar. Juga menunjukkan metode untuk ekstraksi data.

18 Transformasi Data, Banyak jenis fungsi transformasi yang dibutuhkan sebelum data dapat dipetakan dan disiapkan untuk dimuat ke gudang data warehouse. Fungsi-fungsi ini meliputi pemilihan masukan, pemisahan struktur masukan, normalisasi dan denormalization struktur sumber, agregasi, konversi, penyelesaian nilai yang hilang, dan konversi nama dan alamat. Pemuatan Data, Tentukan beban awal. Tentukan seberapa sering setiap kelompok data utama harus selalu up-to-date di gudang data. Berapa banyak updatean yang akan diupdate malam? Apakah lingkungan Anda memerlukan lebih dari satu siklus pembaruan dalam sehari? Bagaimana perubahan yang akan ditangkap dalam sistem sumber? Tentukan bagaimana update harian, mingguan, dan bulanan akan dimulai dan dilaksanakan Kualitas Data, Data buruk mengarah pada keputusan yang buruk. Tidak peduli seberapa baik Anda menyetel gudang data Anda, dan betapapun mahir Anda memberikan kueri dan fungsi analisis kepada pengguna, jika data kualitas gudang data Anda dicurigai, pengguna akan cepat kehilangan kepercayaan diri dan melarikan diri dari gudang data. Kualitas data di gudang data bersifat sakral. Oleh karena itu, tepat pada tahap awal definisi persyaratan, identifikasi potensi sumber pencemaran data dalam sistem sumbernya. Sumber Polusi Data Sistem konversi dan migrasi Integrasi sistem heterogen Desain database sistem sumber yang tidak memadai Penuaan data Informasi yang tidak lengkap dari pelanggan Kesalahan input Internasionalisasi / lokalisasi sistem Kurangnya kebijakan / prosedur pengelolaan data

19 Jenis Masalah Mutu Data Nilai dummy di bidang sistim sumber Tidak adanya data di bidang sistem sumber Bidang serbaguna Data rahasia Data yang bertentangan Penggunaan nama dan alamat yang tidak benar Pelanggaran aturan bisnis Kunci utama yang digunakan kembali Pengenal nonunique. Metadata Metadata dalam sebuah data warehouse bukan hanya data dictionary entries. Metadata di data warehouse jauh lebih banyak daripada detil yang bisa dibawa dalam kamus data atau katalog data.sebelumnya, kami telah mengkategorikan metadata di gudang data menjadi tiga kelompok: operasional, ekstraksi data dan transformasi, dan pengguna akhir. Gambar di bawah menampilkan dampak kebutuhan bisnis pada komponen arsitektur metadata.tidak perlu mengulangi pentingnya komponen metadata. Pelajarilah figur tersebut dan aplikasikan ke proyek gudang data Anda. Untuk setiap jenis metadata, cari tahu berapa banyak detail yang diperlukan dalam definisi kebutuhan Anda. Memiliki detail yang cukup untuk memungkinkan keputusan penting seperti memilih jenis repositori metadata dan memperhitungkan apakah repositori harus terpusat atau didistribusikan.

20 Kebutuhan Bisnis Operasional Sumber Struktur data sistem, format data eksternal Ekstraksi/ Transformasi Pembersihan data, konversi, integrasi Pengguna akhir Permintaan, pelaporan, Analisis, OLAP, Aplikasi Khusus Gudang Data Metadata Alat dan Produk Gambar 6. Dampak persyaratan pada metadata. Saat alat disebutkan dalam konteks pergudangan data, Anda mungkin hanya memikirkan alat pengguna akhir. Banyak orang yang melakukannya. Tapi untuk membangun dan merawat gudang data Anda, Anda memerlukan banyak jenis alat untuk mendukung berbagai komponen arsitektur. Seiring kita membahas dampak persyaratan pada arsitektur data warehouse di bagian ini, kami ingin mengemukakan pokok bahasan alat dan produk karena dua alasan. Pertama, persyaratan tidak secara langsung mempengaruhi pilihan alat. Jangan pilih alat berdasarkan persyaratan dan kemudian sesuaikan arsitektur yang sesuai dengan alat. Ini seperti meletakkan gerobak di depan kuda. Spesifikasi penyimpanan data Jika perusahaan Anda mengadopsi pendekatan top-down untuk mengembangkan gudang data, maka Anda harus menentukan spesifikasi penyimpanannya Area pementasan data Gudang data perusahaan secara keseluruhan

21 Setiap data mart tergantung, dimulai dengan yang pertama Database multidimensi apa pun untuk OLAP Sebagai alternatif, jika perusahaan Anda memilih pendekatan dari bawah ke atas, Anda memerlukan spesifikasi Area pementasan data Setiap data yang sesuai, dimulai dengan yang pertama Database multidimensi apa pun untuk OLAP Strategi Pengiriman Informasi Dampak kebutuhan bisnis terhadap mekanisme penyampaian informasi di gudang data sangat mudah. Selama fase definisi persyaratan, pengguna memberi tahu Anda informasi apa yang ingin mereka ambil dari gudang data. Anda mencatat persyaratan ini dalam dokumen definisi persyaratan. Bidang yang luas dari komponen penyampaian informasi yang secara langsung dipengaruhi oleh persyaratan bisnis adalah: Pertanyaan dan laporan Jenis analisisnya Distribusi informasi Aplikasi pendukung keputusan Pertumbuhan dan ekspansi Kueri dan Laporan Cari tahu siapa yang akan menggunakan kueri yang telah ditentukan dan laporan terformat. Dapatkan spesifikasinya. Juga, dapatkan spesifikasi untuk frekuensi produksi dan distribusi untuk laporan. Berapa banyak pengguna yang akan menjalankan kueri yang telah ditentukan? Seberapa sering? Jenis kueri kedua bukanlah seperangkat standar. Dalam kasus ini, pengguna merumuskan kueri mereka sendiri dan menjalankannya sendiri. Juga di kelas ini

22 adalah kumpulan laporan di mana pengguna menyediakan parameter laporan dan mencetak laporan yang cukup canggih. Dapatkan sebanyak mungkin detail jenis pertanyaan ini dan jenis laporan ini sebaik mungkin. Komponen Penyampaian Informasi Kueri/ laporan Kebutuhan Bisnis Definisi Persyaratan pada Pengguna, Lokasi, kueri, laporan, Analisa Kueri Kompleks laporan ad hoc OLAP Aplikasi Khusus Data Mining Gambar 7. Dampak kebutuhan bisnis terhadap penyampaian informasi.