Pengenalan Datawarehouse

Slides:



Advertisements
Presentasi serupa
BAB 11 SISTEM PENDUKUNG KEPUTUSAN
Advertisements

Bab 10 BASIS DATA.
5.
OLAP - PERTEMUAN 8 – OLAP.
Database dan Managemen Informasi
BASIS DATA LANJUTAN.
Sistem Informasi Pendukung Keputusan Manajerial
Data Mining Definisi Data Mining Kemampuan Data Mining :
Data Warehouse dan Decision Support
DATA MINING 1.
Data Warehouse, Data Mart, OLAP, dan Data Mining
Pengenalan Data Warehouse
Pengenalan Datawarehouse
M ANAJEMEN D ATA “Pengaksesan Data”. P ENDAHULUAN Selama beberapa waktu, teknologi informasi berkonsentrasi pada pembangunan sistem bermisi kritis,- sistem.
Data Resource Management
Data Mining.
Data Warehouse dan Data Mining
SISTEM INFORMASI Pertemuan 5.
Customer Relationship Management
ONLINE ANALYTICAL PROCESSING (OLAP)
PENGANTAR DATA MINING.
Tahapan dan Pengelompokan Data Mining
Pengenalan Data Mining
Pokok Bahasan DATADATABASEOLTPDSS OLAPDATA WAREHOUSEDATA MINING.
Informasi Dalam Praktik
Manajemen Support Sistem
DATA MINING 25 Januari 2008.
INTRODUCTION OF DATA WAREHOUSE
Data Warehouse dan Data Mining
CRM CRM kependekan dari Customer Relationship Management. Dalam bahasa indonesia dapat kita artikan sebagai Manajemen Hubungan Pelanggan. Merupakan strategi.
JENIS-JENIS SISTEM INFORMASI
KECERDASAN BISNIS Data Warehouse, Data Mart, OLAP, dan Data Mining
Enterprise Information System (E I S)
PERSPEKTIF DAN PROSPEKTIF SISTEM INFORMASI Pertemuan Minggu-2
Data Warehouse, Data Mart, OLAP, dan Data Mining
Sistem Basis Data Lanjut (KMP306)
MATERI Decision Support System
Sistem Pustaka Data (Data Warehouse)
Charitas Fibriani, S.Kom, M.Eng
ARSITEKTUR DATA WAREHOUSE
BUSINESS INTELLIGENCE
KECERDASAN BISNIS (Data Warehouse, Data Mart, OLAP, dan Data Mining)
KARAKTERISTIK DW Pertemuan ke-2.
Konsep Data Warehouse Kelompok 3 :
DATA WAREHOUSE.
KNOWLEGDE DISCOVERY in DATABASE (KDD)
6.1 MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE TRADISIONAL
DATA WAREHOUSE.
7. Mengelola Sumber Data Anggota Kelompok :
Manajemen Support Sistem
INTRODUCTION OF DATA WAREHOUSE
Perancangan Penyimpanan Data
Data Warehouse Database Systems: Design, Implementation, and Management, Sixth Edition, Rob and Coronel.
INTRODUCTION OF DATA WAREHOUSE
APLIKASI SISTEM INFORMASI
Business Intelligent Ramos Somya, S.Kom., M.Cs.
Gudang Data, dan Permasalahannya
Analisis Multidimensional
SISTEM INFORMASI MANAJEMEN BISNIS
Business Intelligence Ramos Somya, S.Kom., M.Cs.
SISTEM INFORMASI MANAJEMEN
CRM CRM kependekan dari Customer Relationship Management. Dalam bahasa indonesia dapat kita artikan sebagai Manajemen Hubungan Pelanggan. Merupakan strategi.
BUSINESS INTELLIGENCE
Sistem Informasi Pendukung Keputusan Manajerial
Business Intelligent Ramos Somya, S.Kom., M.Cs.
OLTP & ETL Data integration.
6.1 MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE TRADISIONAL
CRM CRM kependekan dari Customer Relationship Management. Dalam bahasa indonesia dapat kita artikan sebagai Manajemen Hubungan Pelanggan. Merupakan strategi.
CRM CRM kependekan dari Customer Relationship Management. Dalam bahasa indonesia dapat kita artikan sebagai Manajemen Hubungan Pelanggan. Merupakan strategi.
MANAJEMEN SUMBER DATA SISTEM INFORMASI MANAJEMEN.
Transcript presentasi:

Pengenalan Datawarehouse

Pokok Bahasan DATA DATABASE OLTP DSS OLAP DATAWAREHOUSE DATA MINING

DATA Adalah fakta yang dikenal yang dapat dicatat atau direkam dalam bentuk angka, huruf, simbol, teks, gambar atau kombinasinya yang belum mengandung arti dan belum dapat digunakan sebagai pengambil keputusan.

DATABASE tempat penyimpanan tabel-tabel data yang saling terelasi dan terhubung satu dengan lainnya pada media penyimpanan komputer

OLTP OLTP adalah singkatan dari On Line Transaction Processing, OLTP sering dijumpai seperti ditoko atau swalayan contohnya database pada sistem informasi penjualan.

DSS Decision Support System ( DSS ) DSS merupakan sistem berbasis computer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur, dimana solusi tidak bisa diperoleh serta merta, sehingga masalah menjadi kompleks. Contoh masalah terstruktur : perencanaan jangka pendek, laporan personal, sistem distribusi, dan lokasi warehouse. Sedangkan contoh masalah tak terstruktur adalah pemilihan cover untuk sebuah masalah, recruitment executive, perencanaan proyek,dll.

OLAP Online Analytical Processing atau disingkat OLAP adalah sebuah pendekatan secara cepat menyediakan jawaban-jawaban terhadap kueri analitik yang multidimensi di dalam alam. OLAP adalah bagian dari kategori yang lebih global dari pemikiran bisnis, yang juga merangkum hubungan antara pelaporan dan penggalian data. Aplikasi khusus dari OLAP adalah pelaporan bisnis untuk penjualan, pemasaran, manajemen pelaporan, manajemen proses bisnis (MPB), penganggaran dan peramalan, laporan keuangan dan bidang-bidang yang serupa. Istilah OLAP merupakan perampingan dari istilah lama database OLTP (Online Transaction Processing).

Perbedaan OLTP dan OLAP

DATAWAREHOUSE DATA WAREHOUSE adalah suatu koleksi data yang bisa digunakan untuk menunjang pengambilan keputusan manajemen, yang berorientasi subjek (topik), terpadu, time variant, dan tidak mudah berubah Data Warehouse membantu para pekerja teknologi (manager,executive,analyst) untuk pengambilan keputusan yang lebih cepat dan mudah Data warehouse memungkinkan user untuk memeriksa history data dan melakukan analisis terhadap data sehingga dapat mengambil keputusan berdasarkan analisa yang dibuat

Arsitektur Data Warehouse Arsitektur Dasar Data Warehouse Gambar berikut menampilkan arsitektur sederhana dari suatu Data Warehouse. User dapat secara langsung mengakses data yang diambil dari beberapa source melalui data warehouse

Arsitektur Data Warehouse 2. Arsitektur Data Warehouse dengan menggunakan Staging Area Staging area menyederhanakan proses pembuatan summary dan management warehouse secara umum

Arsitektur Data Warehouse 3. Arsitektur Data Warehouse dengan menggunakan Staging Area dan Data Mart Data mart merupakan subset dari data resource, biasanya berorientasi untuk suatu tujuan yang spesifik atau subjek data yang didistribusikan untuk mendukung kebutuhan bisnis.

Manfaat Data Warehouse Kemampuan mengakses data yang berskala perusahaan. Kemampuan memiliki data yang konsisten. Dapat melakukan analisis secara cepat. Dapat digunakan untuk mencari redundansi usaha di perusahaan. Menemukan gap antara pengetahuan bisnis dengan proses bisnis. Meminimalkan biaya administrasi. Meningkatkan kinerja pegawai perusahaan untuk dapat melakukan tugasnya dengan lebih efektif.

Deskripsi Terkadang peneliti dan analis secara sederhana ingin mencoba mencari cara untuk menggambarkan pola dan kecendrungan yang terdapat dalam data yang dimiliki. Estimasi Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih ke arah numerik daripada ke arah kategori. Model dibangun menggunakan record lengkap yang menyediakan nilai dari variabel target sebagai nilai prediksi. Prediksi Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam prediksi nilai dari hasil akan ada di masa mendatang.

Klasifikasi Dalam klasifikasi terdapat target variabel kategori, misal penggolongan pendapatan dapat dipisahkan dalam tiga kategori, yaitu tinggi, sedang dan rendah. Pengklusteran Pengklusteran merupakan pengelompokan record, pengamatan, atau memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan. Asosiasi Tugas asosiasi data mining adalah menemukan atribut yang muncul dalam satu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang belanja

OLAP, Datawarehouse dan Data Mining dianggap sebagai sebuah teknologi, semua mengarah ke satu hal yaitu Pengambilan keputusan

Sia-sia menyimpan data, membuat algoritma dan lain-lain; If they are not used to support decision making