Business Intelligence

Nama              : Ida Ayu Gde Widya Savitri

NIM                : 1805551113

Matakuliah    : Data Warehouse

Nama Dosen : I Putu Agus Eka Pratama, S.T., M.T.

Teknologi Informasi Fakultas Teknik

 

 

BUSINESS INTELLIGENCE (BI)

 

DEFINISI BI

Secara umum, Business Intelligence (BI) merupakan sebuah konsep, pendekatan, strategi, ide, pola pikir, dan paradigma di bidang teknologi informasi, untuk mengumpulkan sebanyak mungkin informasi dari data yang tersedia untuk membantu jalannya bisnis dan proses bisnis pada organisasi (terutama organisasi berupa perusahaan), dengan menyediakan dukungan untuk pengumpulan data (Data Gathering), pembersihan data dari atribut dan hal–hal yang tidak relevan (Cleansing), integrasi data, analisa data, dan berbagi data sehingga membantu dalam penyajian keputusan yang baik, tepat, dan berkualitas pada perusahaan dengan memanfaatkan teknologi-teknologi yang berhubungan. Definisi Business Intelligence (BI) menurut para ahli adalah sebagai berikut.

Ø Business Intelligence (BI) menurut Steve Williams ialah gabungan antara konsep, pendekatan, metodologi, dan produk (dalam bentuk Software) untuk mengelola dan memanajemen data perusahaan menjadi informasi untuk membantu dalam pengambilan keputusan, peningkatan kenerja perusahaan, dan peningkatan pemasukan perusahaan, berbasis pada analisa data, analisa bisnis, proses bisnis, dan tindakan nyata.

Ø Business Intelligence (BI) menurut Li Niu ialah sebuah konsep, proses, dan sekumpulan alur dalam mengumpulkan, mengekstraksi, mengelola, dan menganalisa data yang dikumpulkan dari berbagai sumber data (dengan bantuan Data Warehouse) untuk memudahkan dalam pengambilan keputusan pada sebuah organisasi (umumnya pada perusahaan).

 

BI VS AI

Business Intelligence (BI) dengan Artificial Intelligence (AI) sama-sama memiliki data dan algoritma, namun keduanya juga memiliki perbedaan yaitu sebagai berikut.

·     BI tidak dapat berjalan tanpa adanya data, demikian pula dengan AI

·     BI tidak mutlak memerlukan algoritma, sedangkan algoritma adalah kunci utama dari AI selain data itu sendiri.

·     Hal ini yang mendasari bagaimana data diperlakukan berbeda pada AI dan BI serta tujuannya masing – masing.

 

KONSEP DASAR BI

BI memiliki 5 konsep dasar, yaitu sebagai berikut.

1.  Data Sourcing

Sumber data dari berbagai lokasi, berbagai format dan struktur yang digudangkan ke dalam 1 tempat (Data Warehouse) untuk tujuan bisnis.

2.  Data Analysis

Analisa data dan hasil (report, knowledge dari pola, informasi) menjadi dasar di dalam penentuan keputusan pada bisnis enterprise berbasis BI. Contohnya analisa pasar, analisa pelanggan, analisa penjualan, dan lainnya.

3.  Situation Awareness

Menjadi dasar bagi BI untuk mengetahui kondisi pasar dan konsisi bisnis yang dijalankan.

4. Risk Analysis

BI dengan data di dalamnya menjadi acuan di dalam analisa resiko pada perusahaan terkait dengan ISO 31000 (IT Risk Management).

5.  Decision Support

Data pada BI membantu di dalam penentuan keputusan.

 

LEVEL PADA BI

BI memiliki 4 level, yaitu sebagai berikut.

1.  Level Operational

Pengumpulan data dari berbagai sumber data (transaksional) untuk kebutuhan analisa data (data historis) → OLTP ke OLAP.

2.  Level Akuisisi Data

Beragam data dengan beragam format data tersebut, diakusisi ke dalam format yang sama → ELT/ETL.

3.  Level Penyimpanan Data

Data disimpan sebagai data historis, dengan bentuk data multi dimensi → Multi Dimensional Database Management.

4. Level Analisa Data

Peran BI di dalam bisnis pada analisa data → OLAP dan slicing data pada data multi dimensi.

 

METADATA MANAGEMENT PADA BI

Peran dari Metadata Management diperlukan dalam 5 proses pada Business Intelligence yaitu sebagai berikut.

a.  Perancangan dari sistem dan aplikasi untuk Business Intelligence meliputi sistem dari Business Intelligence secara keseluruhan hingga aplikasi Business Intelligence Tool (BI Tool) yang digunakan.

b.  Pengembangan dari Business Intelligence untuk kebutuhan-kebutuhan pengguna (organisasi) di masa depan yaitu pengambilan keputusan, analisa data, dan lainnya.

c.  Pengujian pada Business Intelligence untuk dapat mengetahui sejauh mana Business Intelligence dapat memenuhi kebutuhan organisasi di dalam memperoleh data dan informasi terpercaya dan berkualitas, yang diperlukan untuk tujuan-tujuan vital organisasi tersebut.

d. Penyebaran data dan informasi yang disajikan oleh Business Intelligence dan Business Intelligence Tool kepada pengguna melalui Dashboard.

e.  Pemanfaatan dari Business Intelligence sesuai dengan kebutuhan organisasi bersangkutan

 

CONTOH BI

Terdapat 5 contoh Business Inteliigence (BI) yaitu sebagai berikut.

a.  Executive Information System (EIS)

Khusus untuk kalangan eksekutif sebagai pengguna tingkat atas, untuk memperoleh informasi dalam tujuan bisnis (penentuan keputusan, strategi).

b.  Business Acitivity Monitoring (BAM)

Semua proses produksi, hingga komunikasi antar device yang digunakan, dicatat dan diolah oleh sistem ini.

c.  Decision Support System (DSS)

Penentuan keputusan berbasis data.

d. Management Information System (MIS)

Manajemen, penyajian informasi secara tepat dan pengguna yang tepat.

e.  Geographic Information System (GIS)

Spasial data untuk memudahkan di dalam penentuan dan pengetahuan lokasi geografis, yang banyak diterapkan pada sistem transaksi elektronik, misalnya e-commerce, marketplace, social media CRM.

 

BI TOOL

BI Tool sebagai sebuah alat (tool) untuk membantu di dalam implementasi dan jalannya BI pada perusahaan, dengan konsep Data Warehouse dan data. Terdapat 3 jenis dari BI Tool, yaitu sebagai berikut

• Software/modul

Dalam bentuk perangkat lunak computer atau aplikasi, baik berdiri sendiri (dan terintegrasi) maupun menjadi sebuah modul.

• Hardware

Dalam bentuk perangat keras komputer yang membantu secara fisik.

• System

Gabungan dari hardware dan software, dalam hal ini perangkat keras dilengkapi dengan aplikasi dan sistem operasi, sebagai sebuah kesatuan sistem siap pakai.

Terdapat banyak solusi pilihan BI Tool yang bisa digunakan, salah satunya adalah Pentaho. Pentaho disediakan dalam lisensi open source, dengan pilihan komunitas (cuma-cuma) dan enterprise (berbayar). Pentaho ini berbasis Java dengan platform desktop.

 

Referensi:

I Putu Agus Eka Pratama. Handbook Data Warehouse. Penerbit Informatika. Bandung. 2017

Integrasi Data

 

Nama              : Ida Ayu Gde Widya Savitri

NIM                : 1805551113

Matakuliah    : Data Warehouse

Nama Dosen : I Putu Agus Eka Pratama, S.T., M.T.

Teknologi Informasi Fakultas Teknik

 

 

INTEGRASI DATA PADA WAREHOUSE

 

APA ITU INTEGRASI?

Integrasi data atau informasi merupakan suatu tindakan yang dilakukan untuk menyatikan atau menggabungkan data atau informasi dari berbagai sumber yang tersebar untuk memenuhi kebutuhan informasi pengguna secara lebih baik (Daromo, 2016).

Integrasi itu terdiri dari 3 tipe atau jenis atau level, yaitu sebagai berikut

1.    Integrasi di Level Data

2.   Integrasi di Level Aplikasi

3.   Integrasi di Level Middleware

 

INTEGRASI DI LEVEL DATA

Pada Data Warehouse, fokusnya pada integrasi di level data karena merupakan kunci kesuksesan Data Warehouse di era data saat ini. Terdapat 3 hal yang menjadi patokan di dalam integrasi di level data, yaitu

1.       Format Data

2.      Struktur Data,

3.      Sumber Data.

 

TUJUAN INTEGRASI DI LEVEL DATA

Tujuan utama dari adanya integrase di Level Data, terutama yang diterapkan pada Data Warehouse terdapat 3, yaitu

1.       Analisa Data

Analisa data melalui slicing data, apabila data berasal dari berbagai sumber data, akan memudahkan proses ini.

2.      Pola

Pola yang dimaksud adalah untuk tujuan memperoleh knowledge (pengetahuan) melalui mining, misalkan pada data mining (pelengkap pada Data warehouse).

3.      Keputusan

Decision Making atau penentuan keputusan, adalah tujuan lainnya dari adanya integrasi di level data pada Data Warehouse. Data yang terintegrasi dari berbagai sumber data, membantu memperkaya knowledge dan informasi yang diberikan melalui report (laporan) kepada para pemegang keputusan dalam suatu instansi di dalam pengambilan keputusan.

 

SKEMA RELATIONAL VS DATA MULTI DIMENSI

a.   Skema Relational

Entity Relational Diagram (ERD) dalam desain database; Terdapat Primary Key (PK) dan Foreign Key (FK); Datanya terstruktur; Data dapat dilihat dari 2 dimensi yaitu baris, kolom (x,y).

b.   Data Multi Dimensi

Melihat data dari minimal 3 dimensi, yaitu sumbu x, y, dan z; Mengenal adanya slicing data untuk memudahkan di dalam analisa data dimana data ini dilihat dari dimensi yang berbeda–beda.

 

Studi Kasus: DAWET (Data Warehouse Terintegrasi)

DAWET merupakan sebuah Data Warehouse yang melakukan integrasi di level data dan di level aplikasi, untuk kebutuhan analisa dan pengambilan keputusan terkait dengan pajak dan wajib pajak oleh Dirjen Pajak. Kombinasi teknologi data yang digunakan adalah Data Warehouse dan Big Data. Mengapa? Karena data makin kompleks dari sisi format, jenis, struktur (contohnya video, audio, xml, text). Melalui DAWET, data para wajib pajak dan kemungkinan fraud yang dllakukan (misalnya pajak yang tidak sesuai dengan ketentuan, pelaporan pajak, dan lainnya) dapat dengan cepat diketahui dan diberikan solusi.

 

Referensi:

Hammad, Rifqi, dkk.2019.”Analisis Integrasi Data Pada Relasional Basis Data Dengan Menggunakan Metode Schema Matchin”.Diakses pada http://stmikplk.ac.id/jurnal/index.php/saintekom/article/download/79/49

I Putu Agus Eka Pratama. Handbook Data Warehouse. Penerbit Informatika. Bandung. 2017