Pemodelan Data Dimensional dengan OLAP

Presentasi berjudul: "Pemodelan Data Dimensional dengan OLAP"— Transcript presentasi:

1 Pemodelan Data Dimensional dengan OLAP
Universitas Budi Luhur Pertemuan ke-14

2 PERANCANGAN BASIS DATA (KP130)
DW-based Decision Support System Tujuan: untuk mendapatkan keputusan yang lebih tepat secara lebih cepat. Prinsip: data sebagai representasi lingkungan: situasi konsumen, pasar & persaingan, kemampuan perusahaan sendiri. Dibangun diatas data warehouse Gabungan dari pelaporan (reporting), analisa pemodelan dan eksplorasi data (query). GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

3 PERANCANGAN BASIS DATA (KP130)
OnLine Analysis Processing (OLAP) Merepresentasikan data dengan kubus multidimensional: lebih mudah dibaca Aspek: ukuran (metric) dan dimensi (dimension) Ukuran: besaran data Dimensi: konteks data (parameter bisnis) Contoh: melihat penjualan (ukuran) menurut wilayah, waktu, dan produk (dimensi-dimensi) Ukuran disimpan dalam tabel fakta (fact table), dimensi dalam tabel dimensi (dimension table). GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

4 PERANCANGAN BASIS DATA (KP130)
Multidimensional Representation Finance DB Account DB Penjualan Waktu Produk Wilayah Product DB Ad Hoc Data Cube Representation GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

5 PERANCANGAN BASIS DATA (KP130)
Dimensional Data Model “Penjualan per jenis produk dalam 6 bulan terakhir” “Penjualan per dealer antara tahun 1990 dan 1995” Ukuran numerik dari tabel fakta Kolom-kolom kunci dari tabel fakta juga kunci dari tabel-tabel dimensi Info Agen Kode Produk Kode Waktu Kode Agen Penjualan Jumlah Info Produk . . . . . . . . . . . . . . . Tabel fakta Tabel-tabel dimensi Info Waktu GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

6 PERANCANGAN BASIS DATA (KP130)
Dimensions Dimensi dapat memiliki atribut Misal, dimensi dealer memiliki atribut alamat, nama manajer, dsb Misal, dimensi produk memiliki harga, merk, warna. Dimensi umumnya memiliki hirarki Misal, dimensi waktu: hari  bulan  kuartal Misal, dimensi produk: produk  jenis produk  merk Skala dimensi tergantung dari kerincian (granularity) dari tabel fakta. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

7 PERANCANGAN BASIS DATA (KP130)
Dimension Hierarchy Dimensi Dealer Dimensi Produk Total Total Wilayah Pabrik Distrik Merk Agen Produk GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

8 PERANCANGAN BASIS DATA (KP130)
3-D Data Cubes Kubus 3-dimensi: Tabel fakta: sale prod-Id store-Id tgl jumlah p1 s1 1 12 p2 s1 1 11 tgl 2 p1 s3 1 50 p2 s2 1 8 tgl 1 p1 s1 2 44 p1 s2 2 4 GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

9 PERANCANGAN BASIS DATA (KP130)
Operations on Dimensional Models Operasi analisa Slice & dice Role up & drill down Pivot Produk 850 001 002 003 Penjualan $ 323 714 Rabu Hari Selasa Senin Pelanggan GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

10 PERANCANGAN BASIS DATA (KP130)
Slice, Dice & Pivot Slicing & Dicing Mengambil potongan kubus berdasarkan nilai tertentu pada satu atau beberapa dimensinya Pivoting Menampilkan nilai-nilai ukuran dalam tata letak tabel yang berbeda Menggabungkan dua atau lebih dimensi kedalam hierarki sub-dimensi dalam tampilan tabel GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

11 PERANCANGAN BASIS DATA (KP130)
Slicing tgl 2 tgl 1 WAKTU = tanggal 1 GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

12 PERANCANGAN BASIS DATA (KP130)
Slice & Pivot Penjualan (juta $) Produk Waktu Tgl-1 Tgl-2 Toko t1 Electronics $5.2 Toys $1.9 Clothing $2.3 Cosmetics $1.1 Toko t2 Electronics $8.9 Toys $0.75 Clothing $4.6 Cosmetics $1.5 Penjualan (juta $) Produk Tgl-1 Toko t1 Toko t2 Toko t1 Electronics $5.2 $8.9 Toys $1.9 $0.75 Clothing $2.3 $4.6 Cosmetics $1.1 $1.5 Toko t2 Electronics Toys Clothing GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

13 PERANCANGAN BASIS DATA (KP130)
Roll-up & Drill-down Roll-up Generalisasi satu atau beberapa dimensi dengan merangkum nilai-nilai ukurannya Generalisasi: naik ke tingkat atasnya dalam hirarki dimensi Drill-down Memilih dan menampilkan data rincian dalam satu atau beberapa dimensi Kebalikan dari operasi roll-up GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

14 PERANCANGAN BASIS DATA (KP130)
Roll-up vs Drill-down Contoh: penghitungan total tgl 2 . . . tgl 1 129 drill-down rollup GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

15 PERANCANGAN BASIS DATA (KP130)
Hierarchy-based Aggregation tgl 2 tgl 1 toko wilayah negara wil A wil B p1 56 54 p2 11 8 (toko s1 di wilayah A; toko s2, s3 di wilayah B) GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

16 PERANCANGAN BASIS DATA (KP130)
Cubes with Aggregate Data Data agregat disimpan (dihitung dan ditam-bahkan) dalam tabel fakta, untuk mening-katkan kinerja query. * tgl 2 penjualan(*,p2,*) tgl 1 GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

17 PERANCANGAN BASIS DATA (KP130)
Other Operations Operasi kalkulasi: Ranking Misal: top 20% produk dengan penjualan tertinggi. Fungsi waktu Penghitungan rata-rata per hari. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

18 OLAP Application Architecture
Arsitektur 3-lapis (3-tier) RDBMS Server MDBMS Server Client (OLAP Server) Multi-dimensional access SQL-Read Multidimensional Viewer Warehouse data Multi- dimensionaldata SQL-Read Meta data Derived data Tier 3 SQL-Reach Through Report Viewer Tier 1 Tier 2 GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

19 PERANCANGAN BASIS DATA (KP130)
Storage Technology OLAP Technology: ROLAP MOLAP HOLAP Bagaimana memilih? GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

20 PERANCANGAN BASIS DATA (KP130)
ROLAP Relational DBMS dengan SQL standard dengan optimasi kinerja (minimasi operasi join) Membutuhkan tambahan meta layer khusus Membutuhkan tambahan front end layer khusus Skema data: bintang (star) dan kristal salju (snowflake) GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

21 PERANCANGAN BASIS DATA (KP130)
ROLAP (2) Keuntungan: Dapat menampung volume data besar (scalability) Menggunakan teknologi yang telah mapan (RDB): kinerja lebih baik/teruji Memungkinkan DW untuk berubah (berevolusi) tanpa harus merubah skema data. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

22 PERANCANGAN BASIS DATA (KP130)
OLAP Operations in RDBM Roll-up: Total amounts untuk day 1 dalam SQL: SELECT sum(amt) FROM SALE WHERE date = 1 sale prodId storeId date amt p1 s1 1 12 p2 s1 1 11 p1 s3 1 50 81 p2 s2 1 8 p1 s1 2 44 p1 s2 2 4 GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

23 PERANCANGAN BASIS DATA (KP130)
OLAP Operations in RDBM (2) Total amounts menurut date dalam SQL: SELECT date, sum(amt) FROM SALE GROUP BY date GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

24 PERANCANGAN BASIS DATA (KP130)
OLAP Operations in RDBM (3) Total amounts menurut date dan product-ID dalam SQL: SELECT prodId, date, sum(amt) FROM SALE GROUP BY date, prodId result prodId date sum p1 1 62 p2 1 19 p1 2 48 rollup drill-down GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

25 PERANCANGAN BASIS DATA (KP130)
Implementasi ROLAP Skema Bintang dan Keping Salju GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

26 PERANCANGAN BASIS DATA (KP130)
Star Schema GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

27 PERANCANGAN BASIS DATA (KP130)
Classical Star Schema Skema Bintang Dasar: Tabel fakta tunggal berisi data rinci dan agregat. Satu kolom kunci (key) untuk tiap dimensi sebagai kunci primer (primary key) tabel fakta. Nilai-nilai kolom kunci asing (foreign key) telah terdefinisi. Setiap dimensi direpresentasikan dalam satu tabel yang umumnya sangat ter-denormalisasi. Keuntungan: Mudah dipahami, mudah untuk merepresentasi-kan hirarki dimensi, metadata tidak rumit, low maintenance, jumlah operasi join minimal. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

28 PERANCANGAN BASIS DATA (KP130)
Star Schema Example GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

29 PERANCANGAN BASIS DATA (KP130)
Problems with Aggregates Sumber masalah: penggabungan data rinci dan agregat dalam tabel fakta tunggal. Solusi: tabel-tabel dimensi harus memiliki indikator level (tingkat agregasi) yang dapat digunakan sebagai kondisi syarat dalam query Akibat: kinerja pemrosesan query untuk tingkat agregat rendah, apalagi dengan besarnya tabel fakta. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

30 PERANCANGAN BASIS DATA (KP130)
Problems with Aggregates (2) … Tabel-tabel dimensi harus memiliki indikator level (tingkat agregasi) yang dapat digunakan sebagai kondisi syarat dalam query SELECT A.STORE_KEY, A.PERIOD_KEY, A.dollars FROM Fact_Table A WHERE A.STORE_KEY IN (SELECT STORE_KEY FROM Store_Dimension B WHERE region = “North” AND level = 2) AND … ) Indikator level berpotensi menjadi sumber kesalahan: sangat mudah terlupakan, berakibat nilai yang dihasilkan salah (menjerumuskan). GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

31 PERANCANGAN BASIS DATA (KP130)
From Star to Snowflake Alternatif solusi: normalisasi tabel dimensi berdasarkan atribut level, lalu tabel-tabel dimensi kecil yang dihasilkan diacukan pada tabel-tabel fakta tersendiri untuk setiap level. Skema kristal salju (snowflake) diperoleh. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

32 PERANCANGAN BASIS DATA (KP130)
Aggregate Fact Tables Dimensi Agen KODE_AGEN Kode_Distrik Kode_Kota Nama Agen Alamat No Telpon Kode_Distrik Nama Distrik Kode_Kota Nama Kota Manajer Kota Nama Distrik Kode_Kota Nama Kota Manajer Kota Tabel Fakta Utama Tabel Fakta Distrik Tabel Fakta Kota Kode_Distrik KEY_PRODUK KEY_PERIODE Kode_Kota KEY_PRODUK KEY_PERIODE KODE_AGEN KEY_PRODUK Nilai Jumlah Biaya KEY_PERIODE Nilai Jumlah Biaya Nilai Jumlah Biaya tabel agregat (rangkuman) GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

33 PERANCANGAN BASIS DATA (KP130)
Snowflake Schema (2) Attribut level tidak diperlukan lagi. Setiap tabel dimensi tambahan memiliki satu kolom kunci (key) untuk setiap level dalam hirarki dimensi. Tabel dimensi pada level terendah menggabungkan atribut-atribut tabel dimensi lainnya. Level terendah masih berupa tabel fakta yang ter-denormalisasi: untuk query-query kompleks dan ad-hoc. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

34 PERANCANGAN BASIS DATA (KP130)
Snowflake Schema (3) Prakteknya: Mulai dengan skema bintang, lalu buat kembang-kristal salju-nya dengan query. Keuntungan: referential integrity terjamin. Kelebihan: Kinerja pemrosesan query tinggi untuk query-query yang melibatkan agregasi (hitungan total). Kelemahan: Rumit dalam pemeliharaan dan metadata-nya Jumlah tabel dalam database membengkak. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

35 PERANCANGAN BASIS DATA (KP130)
Multiple Aggregate Tables Kode Produk Kode Waktu Kode Agen Nilai Jumlah . . . Info Agen Distrik Info Produk Kota Produk Waktu Agen Nilai Jml . . . Produk Waktu Agen Nilai Jml . . . Tabel-tabel fakta agregat Bulanan Info Waktu Kuartalan Produk Waktu Agen Nilai Jml . . . Tahunan Produk Waktu Agen Nilai Jml . . . Produk Waktu Agen Nilai Jml . . . GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

36 PERANCANGAN BASIS DATA (KP130)
Multiple DW Subjects DW dengan topik (business subject) banyak Setiap topik direpresentasikan oleh sebuah tabel fakta Data masing-masing topik mungkin diperoleh dari sistem aplikasi sumber yang berbeda Dimensi-dimensi yang dipakai oleh lebih dari satu tabel fakta harus seragam (conformed) baik dalam hal nama dan nilai atribut-atribut maupun hierarkinya. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

37 PERANCANGAN BASIS DATA (KP130)
Conformed Dimensions Subject 1 Subject 2 GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

38 PERANCANGAN BASIS DATA (KP130)
MOLAP Menyimpan data sesuai dengan struktur kubus: Ukuran disimpan dalam array multi dimensi Array di-indeks oleh dimensi Akses langsung ke array Teknologi proprietary Belum ada standard access API/language Ada juga yang internalnya menggunakan RDBMS. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

39 PERANCANGAN BASIS DATA (KP130)
MOLAP (2) Keuntungan: Kinerja pemrosesan query tinggi dibanding ROLAP Lebih efisien, fleksibel dan intuitif dalam merepresentasikan hierarki-hierarki dimensi Kelemahan: Volume data (scalability) umumnya terbatas Relatif mahal dan bukan open architecture GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

40 PERANCANGAN BASIS DATA (KP130)
HOLAP Gabungan ROLAP dengan MOLAP Menyimpan data rinci dengan RDBMS dan data agregat dengan MDBMS Akses data secara MOLAP. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

41 PERANCANGAN BASIS DATA (KP130)
ROLAP, MOLAP or HOLAP ? GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

42 PERANCANGAN BASIS DATA (KP130)
Use ROLAP when ... Data pada tingkat transaksi (lowest granularity level) Hanya membutuhkan data rinci Banyak menggunakan query ad-hoc (bukan hasil prekomputasi) Contoh: Telekomunikasi: call data records (CDRs) Situs e-Commerce Perusahaan kartu kredit. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

43 PERANCANGAN BASIS DATA (KP130)
Use MOLAP when ... Data yang tersedia berupa data agregat Hanya membutuhkan data agregat Contoh: Analisa dan penyusunan anggaran oleh bagian keuangan Analisa penjualan Dsb. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

44 PERANCANGAN BASIS DATA (KP130)
Use HOLAP when ... Menggunakan OLAP baik dengan data rincian maupun agregat User groups dengan kebutuhan yang bervariasi Volume data rinci yang tinggi Contoh: Ritel Bank dan penyedia jasa finansial. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

45 PERANCANGAN BASIS DATA (KP130)
Teknik-teknik ROLAP GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

46 PERANCANGAN BASIS DATA (KP130)
Dealing with Dimension Changes Kunci pengganti (surrogate key) Antisipasi perubahan dimensi bisnis Revisi insidentil dimensi bisnis Tipe 1: Koreksi kesalahan Tipe 2: Perubahan status Tipe 3: Nilai atribut paralel Dimensi bisnis yang sering berubah Aturan (policy) perubahan dimensi GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

47 PERANCANGAN BASIS DATA (KP130)
Surrogate Key Pemakaian kunci pengganti untuk mengantisipasi perubahan nilai kunci Penggantian nama, nomor induk, kode, dsb. Masalah daur ulang kode atau nomor yang sudah tidak digunakan. Nilai kunci pengganti adalah nomor unik yang diciptakan oleh sistem Nilai kunci aslinya disimpan sebagai atribut dalam tabel dimensi. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

48 PERANCANGAN BASIS DATA (KP130)
Surrogate Key Example key pengganti key asli KEY_PEG 010234 010456 010478 020125 020136 020167 030224 030350 GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

49 PERANCANGAN BASIS DATA (KP130)
Slowly Changing Dimensions Jenis perubahan insidentil pada tabel dimensi: Tipe 1: Koreksi kesalahan Misal: Kesalahan tulis nama pelanggan. Tipe 2: Pergantian status Misal: Dari status membujang ke status menikah. Tipe 3: Nilai atribut ganda/paralel Misal: Jabatan rangkap karyawan. Proses updating dilakukan saat full refresh (maintenance) GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

50 PERANCANGAN BASIS DATA (KP130)
Type 1 Changes Tipe 1: Koreksi Kesalahan Karakteristik: Nilai lama yang salah digantikan dengan nilai baru. Perubahan terjadi pada aplikasi sumber data tanpa mengubah status record data yang bersangkutan. Nilai lama tidak diperlukan lagi oleh aplikasi sumber data maupun DW. Implementasi: Nilai lama dalam tabel dimensi dibuang dan digantikan dengan nilai baru. Tidak ada perubahan lain di tabel fakta dan dimensi. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

51 PERANCANGAN BASIS DATA (KP130)
Type 1 Change Example Dimensi: PELANGGAN Nama: Dony Wijaya Alamat: Jl. Salemba Raya 4 Cust ID:  Nama: Donnie Wijaya Alamat: Jl. Salemba Raya 4 Cust ID:  Koreksi kesalahan nama GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

52 PERANCANGAN BASIS DATA (KP130)
Type 2 Changes Tipe 2: Perubahan Status Karakteristik: Perubahan status record pada aplikasi sumber data: nilai atribut baru menandai periode historis baru (periode historis berganda). Nilai lama harus tetap disimpan sebagai data historis DW. Implementasi: Tambahkan record baru dalam tabel dimensi dengan nilai atribut baru (atribut yang lain sama dengan record lama) ... GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

53 PERANCANGAN BASIS DATA (KP130)
Type 2 Changes (2) Implementasi: Tambahkan record baru dalam tabel dimensi dengan nilai atribut baru (atribut yang lain sama dengan record lama). Jika surrogate key digunakan, record baru ini mendapat surrogate key baru. Tambahkan atribut berlaku_mulai dan berlaku_ sampai dalam tabel dimensi (jika belum ada) Tulis tanggal berlakunya perubahan (pada record baru) dan tanggal tidak berlaku (pada record lama/sebelumnya) GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

54 PERANCANGAN BASIS DATA (KP130)
Type 2 Change Example Key Pelanggan: Kode Pelanggan: N203077 Nama: Nia Daniati Status Nikah: tidak Alamat: Jl. Salemba Raya 7 Kode Pos: Jakarta 12345  Key Pelanggan: Kode Pelanggan: N203077 Nama: Nia Darmawan Status Nikah: menikah Alamat: Jl. Salemba Raya 7 Kode Pos: Jakarta 12345 Berlaku Mulai: Berlaku Sampai: 1 2 Key Pelanggan: Kode Pelanggan: N203077 Nama: Nia Darmawan Status Nikah: menikah Alamat: Jl. Barito 26 Kode Pos: Jakarta 14202 Berlaku Mulai:  Perubahan status record dimensi PELANGGAN: 3 periode historis untuk pelanggan yang sama GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

55 PERANCANGAN BASIS DATA (KP130)
Type 3 Changes Tipe 3: Nilai Atribut Paralel Karakteristik: Biasanya disebabkan oleh perubahan sementara nilai atribut pada aplikasi sumber data. Nilai baru dan nilai lama masih digunakan/diperlukan baik oleh aplikasi sumber data maupun DW. Implementasi: Tambahkan kolom nilai_lama dalam tabel dimensi, dan pindahkan nilai yang lama ke kolom ini. Masukkan nilai baru pada kolom nilai aslinya. Jika perlu tambahkan/pakai kolom berlaku_mulai untuk mencatat tanggal berlakunya perubahan. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

56 PERANCANGAN BASIS DATA (KP130)
Type 3 Change Example Dimensi: Salesman Sales Key: Sales Code: AM203 Nama: Arman Munawar Wilayah: Jakarta Pusat Daerah: DKI Jakarta  Sales Key: Sales Code: AM203 Nama: Arman Munawar Wilayah Lama: Jakarta Pusat Wilayah: Jakarta Selatan Daerah: DKI Jakarta  Nilai atribut ganda/paralel GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

57 PERANCANGAN BASIS DATA (KP130)
Rapidly Changing Dimensions Problem: Dimensi yang sering dan banyak berubah. Perubahan pada tabel-tabel dimensi besar (misal: dimensi customer dengan jutaan records) akan sangat tidak efisien. Implementasi: Bagi/partisi tabel dimensi menjadi dua (atau lebih) dimensi dengan mengeluarkan atribut-atribut yang sering berubah ke tabel dimensi baru. Tambahkan kunci primer tabel dimensi baru tersebut ke tabel fakta sebagai kunci eksternal. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

58 PERANCANGAN BASIS DATA (KP130)
Partitioned Dimension PELANGGAN Key Pelanggan Nama Alamat Kode Pos Telp  statis PELANGGAN Key Pelanggan Nama Alamat Kode Pos Telp  PENJUALAN Key Pelanggan Key Perilaku  Metrics PENJUALAN Key Pelanggan  Metrics sesudah sebelum PERILAKU Key Perilaku Key Pelanggan Rating Kredit Status Nikah Range Pembelian Tingkat Penghasilan Kepemilikan Rumah  banyak berubah tabel fakta GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)

59 PERANCANGAN BASIS DATA (KP130)
Slowly-Changing Dimension Policy Tidak semua perubahan pada nilai atribut harus/dapat diperlakukan sebagai perubahan tipe 2 atau tipe 3. Spesifikasi kebutuhan menentukan atribut-atribut mana yang harus menerapkan pencatatan perubahan tipe 2 dan tipe 3. Perubahan pada atribut-atribut lainnya diperlakukan sebagai perubahan tipe 1: dilakukan dengan operasi overwrite. GASAL 2008/2009 PERANCANGAN BASIS DATA (KP130)