Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Manajemen Data: Data, Database, dan Pergudangan

Presentasi serupa


Presentasi berjudul: "Manajemen Data: Data, Database, dan Pergudangan"— Transcript presentasi:

1 Manajemen Data: Data, Database, dan Pergudangan
17/آوريل/12 Pertemuan 4 Manajemen Data: Data, Database, dan Pergudangan “ Copyright 2005 John Wiley & Sons Inc.” Chapter 3 1

2 17/آوريل/12 Data Management A critical success factor: aplikasi TI tidak dapat dilakukan tanpa menggunakan data. Data harus berkualitas tinggi (akurat, lengkap, tepat waktu, konsisten, dapat diakses, relevan, dan ringkas). The Difficulties of managing Data: Jumlah data meningkat secara eksponensial dengan waktu Data tersebar di seluruh organisasi dan dikumpulkan oleh banyak individu menggunakan beberapa metode dan perangkat. Sebuah jumlah yang terus meningkat dari data eksternal perlu dipertimbangkan dalam membuat keputusan organisasi. Keamanan data, kualitas, dan integritas adalah penting, namun mudah terancam. 4 Chapter 3

3 Critical Success Factors (CSF)
Beberapa hal yg harus berjalan dengan benar sesuai aturannya untuk memastikan kelangsungan dan kesuksesan perusahaan. Manajemen data sering dipandang sebagai faktor kunci keberhasilan. 5 Chapter 3

4 Data Life Cycle 6 Chapter 3

5 Data Life Cycle Siklus hidup dimulai dari perolehan data yg sumbernya dari internal, eksternal, dan personal. Chapter 3

6 Data Sources Internal Data Sources: Data tentang org, produk, layanan, dan proses Personal Data: pengguna SI atau karyawan perusahaan dapat mendokumentasikan keahliannya sendiri dgn menciptakan data personal yg tdk hny berupa fakta, tetapi bs juga konsep, pemikiran, dan opini External Data Sources: data dari database komersial, pemerintah, televisi, dll 7 Chapter 3

7 Data Warehousing Transaction Processing: data yg disusun dlm struktur yg hirarkis, dan diproses secara terpusat. Analytical Processing: analisis dari data yg diakumulasi. Data Warehouse: tempat penyimpanan data historis yg berorientasi subjek, yg diatur sedemikian rupa shg dpt diakses dlm aktivitas pemrosesan analitis. 9 Chapter 3

8 Data warehouse : basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal) yang menjadi perhatian penting bagi manajemen dalam organisasi dan ditujukan untuk keperluan analisis dan pelaporan manajemen dalam rangka pengambilan keputusan. Chapter 3

9 Chapter 3

10 Characteristics of a Data Warehouse
Organization. Data disusun menurut subjek, (mis:pelanggan, pemasok, produk, tingkat harga, dan wilayah)berisi informasi yg relevan untuk pendukung keputusan. Consistency. Data di berbgai basis data operasional yg dikodekan secara berbeda beda.mis (jenis kelamin dikodekan menjadi 0 dan 1 pada sebuah sist operasiona, dan dikodekan m dan f di sistem lain. Harus konsisten. Time variant. tempat untuk storing data selama 5 sampai 10 tahun atau lebih,  data digunakan untuk perbandingan atau perkiraan dan data ini tidak dapat diperbaharui. Non-volatile. setelah data dimasukkan kedalam data warehouse,user tidak dapat mengubah atau mengupdate data. Data yang usang dibuang,dan perubahan dianggap sebagai data baru Multidimensional. Gudang data biasanya menggunbakan struktur multidimesnaional. Web-based. Saat ini gudnag data dirancang untuk menyediakan lingk komputasi g efisien u/ aplikasi berbasis web. 10 Chapter 3

11 Langkah Penerapan Data warehouse
Identifikasi sistem & unit bisnis yang membutuhkan integrasi data Menetapkan batasan data dan prioritas data yang dibutuhkan untuk putusan organisasional Menampilkan dan memutuskan berbagai alternatif teknologi basis data yang menerapkan konsep data warehouse Merencanakan pemrosesan dan perancangan standar prosedur operasional implementasi data warehouse. Chapter 3

12 Data Warehousing Process Overview
Komponen utama proses data warehouse : Data Sources : Data bersumber dari beberapa operasional independen sistem “legacy” dan mungkin juga dari data eksternal provider. Data Extraction : Data diekstrak menggunakan custom-written atau komersial software disebut ETL Data Loading : Data dimuat kedalam staging area dimana data-data tersebut diubah dan dibersihkan. Comprehensive database : Pada dasarnya ini Enterprise Data Warehouse yang  mendukung semua keputusan analisis dengan menyediakan ringkasan dan detail informasi dari banyak sumber berbeda. Metadata : Metadata dipelihara sehingga dapat diakses oleh personil dan pengguna IT. Middleware tools : Memungkinkan akses ke data warehouse Chapter 3

13 Arsitektur Data Warehouse
Operational database layer : Sumber data untuk data warehouse-Organisasi sistem  Enterprise Resource Planning berada pada layer ini. Data access layer : Interface antara akses layer operasional dan informasional- Alat-alat untuk mengekstrak,mengubah dan memuat data kedalam warehouse berada pada layer ini. Metadata layer: Kamus data-Ini biasanya lebih detail daripada sistem operasional kamus data. Informational access layer : Data diakses untuk membuat laporan dan analisis dan alat –alat untuk pelaporan dan analisis data.Disebut juga datamart. Business intelligence tools berada pada layer ini. Chapter 3

14 Data Marts Data Mart: gudang data kecil yg didesain untuk unit bisnis strategis atau departemen. The advantage of data marts include:: biaya rendah (Harga di bawah $ 100,000 versus $ 1 juta atau lebih untuk gudang data); signifikan lebih pendek memimpin waktu untuk implementasi (sering kurang dari 90 hari), lokal daripada kontrol pusat (pemberian kekuasaan pada kelompok yang menggunakan ), respon yang cepat dan lebih mudah dipahami dan merupakan navigasi dari sebuah gudang data perusahaan besar. 13 Chapter 3

15 Data Marts Beberapa contoh produk data mart: SmartMart (IBM)
Visual Warehouse (IBM) PowerMart (Informatica) Chapter 3

16 Knowledge Discovery (KD)
Proses penggalian pengetahuan dari volume data, termasuk data mining. 18 Chapter 3

17 Data Mining Concepts Data mining: Perangkat lunak yang digunakan untuk menemukan pola-pola tersembunyi maupun hubungan-hubungan yang terdapat dalam basis data yang besar dan menghasilkan aturan-aturan yang digunakan untuk memperkirakanperilaku di masa mendatang. 20 Chapter 3

18 Data Mining Concepts Proses CRISP-DM(Cross Industry Standard Process for Data Mining) Data Mining Business understanding : mengerti kebutuhan manajerial untuk pengetahuan baru dan spesifikasi eksplisit dari tujuan bisnis berkaitan dengan studi yang akan dilakukan. Data Understanding : Supaya lebih baik dalam mengerti data,analist sering menggunakan berbagai teknik statistikal dan grafikal,seperti ringkasan statistikal sederhana dari tiap variabel. Data preparation : Untuk mengambil data yang telah diidentifikasi pada langkah sebelumnya dan mempersiapkannya untuk analisis dengan metode data mining. Model Building : Pada langkah ini,berbagai teknik model diseleksi dan diaplikasikan pada dataset yang sudah disiapkan untuk menangani kebutuhan bisnis yang spesifik. Testing and Evaluation : Model yang dikembangkan dievaluasi dan diteliti untuk keakuratan dan ketidakakuratan. Deployment : tujuannya agar memiliki eksporasi data yang sederhana Chapter 3

19 Gambar Proses Data Mining
Chapter 3

20 Data Mining Concepts Arsitektur Data Mining
Data cleaning (Pembersihan Data) : untuk membuang data yang tidak konsisten dan noise) Data integration : penggabungan data dari beberapa sumber Data Mining Engine : Mentranformasikan data menjadi bentuk yang sesuai untuk di mining Pattern evaluation : untuk menemukan yang bernilai melalui knowledge base Graphical User Interface (GUI) : untuk end user Chapter 3

21 Data Mining Concepts Tugas-tugas dalam data mining secara umum dibagi ke dalam dua ketegori utama : Prediktif. Memprediksi atribut target (variabel tak bebas) berdasarkan atribut-atribut lainnya (variabel bebas/explanatory) Deskriptif. Menemukan pola-pola yang meringkas hubungan dalam data Chapter 3

22 Data Mining Concepts Tugas-tugas dalam data mining :
Asosiasi (correlation dan causality)/(hubungan dan sebab-akibat). Klasifikasi dan Prediksi. Menemukan model (fungsi) yang membedakan kelas untuk prediksi mendatang. Analisis Cluster. Label kelas tidak diketahui. Prinsip : memaksimumkan kemiripan intra(di dalam)kelas, dan meminimumkan kemiripan interkelas. Chapter 3

23 Data Mining Concepts Software Tools
Software yang paling populer dikembangkan oleh perusahaan software statistik yang terbesar (SPSS,SAS & StarSoft).Software yang bersifat opensource dan gratis juga tersedia,diantaranya yang terkenal adalah Weka(dikembangkan di Universitas Waikato,Selandia Baru) dan RapidMinder(dikembangkan oleh Rapid-I).Selain itu,terdapat software yang semakin populer karena kemampuan bisnis intelligence nya yaitu Microsoft SQL Server. Chapter 3

24 Data Mining Application
Retailing and sales Banking Manufacturing and production Insurance Police work Health care Marketing 21 Chapter 3

25 Perbedaan Data Warehouse dan Data Mining
Teknologi data warehouse digunakan untuk melakukan OLAP (On-line Analytical Processing) , sedangkan data mining digunakan untuk melakukan information discovery yang informasinya lebih ditujukan untuk seorang Data Analyst dan Business Analyst (dengan ditambah visualisasi tentunya). Dalam prakteknya, data mining juga mengambil data dari data warehouse. Hanya saja aplikasi dari data mining lebih khusus dan lebih spesifik dibandingkan OLAP mengingat database bukan satu-satunya bidang ilmu yang mempengaruhi data mining. Chapter 3

26 Knowledge Management KM merupakan bidang ilmu multidisiplin yang mencakup banyak hal, Dari perspektif proses/teknologi: KM adalah sebuah konsep dimana informasi diubah menjadi pengetahuan dan tersedia dalam bentuk yang dapat digunakan bagi orang yang membutuhkan KM System adalah penyimpanan virtual terhadap informasi relevan yang kritis untuk tugas-tugas harian pada organisasi KM adalah pendekatan sistematis untuk mengelola penggunaan informasi untuk meyediakan aliran pengetahuan yang memungkinkan pengambilan keputusan yang efisien dan efektif 29 Chapter 3

27 Knowledge Management (KM)
Proses penerapan pendekatan sistematik untuk menangkap, menyusun, mengelola, dan menyebarkan pengetahuan di seluruh organisasi untuk mempercepat kerja, menggunakan best practice, dan mengurangi biaya pengerjaan ulang dari proyek ke proyek 30 Chapter 3

28 Tujuan Knowledge Management (KM)
Tujuan dasarnya adalah untuk memanfaatkan pengetahuan untuk keunggulan organisasi Tujuan lainnya adalah: Fasilitasi masa transisi orang lama dengan orang baru Minimalisasi hilangnya “pengetahuan” karena keluarnya karyawan Mengetahui sumber daya dan area pengetahuan kritis yang dimiliki Mengembangkan metode untuk mencegah hilangnya kekayaan intelektual perusahaan Chapter 3

29


Download ppt "Manajemen Data: Data, Database, dan Pergudangan"

Presentasi serupa


Iklan oleh Google