DATAWAREHOUSE DAN PERMASALAHANNYA

DATAWAREHOUSE DAN PERMASALAHANNYA

Dalam aktivitas sehari-hari, sebuah perusahaan harus terlibat dengan berbagai ragam transaksi yang melibatkan begitu banyak data penting yang harus disimpan dan dijaga kerahasiaannya. Frekuensi transaksi yang sedemikian tinggi menyebabkan bertambah besarnya volume data yang harus dipelihara perusahaan. Keperluan menyimpan data tersebut tidak hanya karena alasan operasional semata, namun merupakan bahan dasar dalam pembentukan suatu informasi strategis bagi pengambil keputusan. Informasi tidak hanya dapat dihasilkan dengan cara mengolah data dari sebuah sumber saja, melainkan dapat dihasilkan melalui interaksi dan pengolahan antara sumber data yang satu dengan yang lainnya. Hubungan keterkaitan antar data dari berbagai sumber tersebut (struktur data) harus dapat dipresentasikan dalam sebuah sistem basis data multi dimensi. Datawarehouse merupakan teknologi baru yang ditawarkan industri kepada perusahaan yang ingin melakukan penyimpanan data bervolume besar untuk keperluan pengolahan data menjadi informasi yang cepat, akurat, dan aman.

Sebagai sebuah produk teknologi mutakhir yang terbilang sukses, datawarehouse telah menjadi salah satu syarat yang harus dimiliki perusahaan-perusahaan di abad ini. Kunci dari konsep datawarehouse adalah mengintegrasikan data dari seluruh sumber yang relevan dengan bisnis perusahaan. Contohnya data internal yang didapat dari aktivitas operasional sehari-hari seperti pada transaksi penjualan, administrasi, keuangan, personalia, pemasaran, pelayanan pelang-gan, dan lain sebagainya. Sementara data yang berasal dari luar perusahaan (eskternal) meliputi data seperti suku bunga bank, kurs mata uang, pajak, market survey, pelanggan, dan lain sebagainya. Di samping itu, ada pula data lain yang berasal dari para rekanan bisnis seperti supplier dan vendor.

Idealnya, data yang berasal dari berbagai jenis sitem dengan format yang beraneka ragam ini dimasukkan ke dalam sebuah gudang data (datawarehouse) dengan format standar dan struktur yang baku. Dengan kata lain, sebelum dimasukkan ke datawarehouse, data mentah yang berasal dari beberapa sumber tersebut harus terlebih dahulu ditranslasikan atau dikonversikan ke bentuk standar (baku) format database pada datawarehouse yang bersangkutan dengan struktur relasi yang telah didefinisikan terlebih dahulu. Proses konversi ini biasanya dilakukan oleh sebuah program interface yang dapat dikembangkan sendiri atau dibeli di pasaran (untuk beberapa jenis platform). Terkadang tidak semua data relevan untuk dimasukkan ke dalam datawarehouse. Untuk data yang semacam ini, perlu diadakan proses penyaringan (filtering) terlebih dahulu. Aktivitasnya sendiri dapat dilakukan secara manual atau dengan menggunakan aplikasi tertentu. Masalah lain yang harus diperhatikan sehubungan dengan pengisian data pada datawarehouse adalah hubungan atau relasi antar data yang ada atau struktur data. Sebuah studi untuk menganalisa relasi antar data pada datawarehouse harus dilakukan terlebih dahulu untuk menghasilkan sebuah struktur data yang secara efektif dan efisien menggambarkan keterkaitan antara data yang berasal dari beragam fungsi pada organisasi (internal) dan dari luar perusahaan (eksternal). Setelah struktur data selesai dibuat dan seluruh data telah ‘dipindahkan’ ke datawarehouse, manajemen perusahaan siap memanfaatkannya secara optimal. Secara umum, beberapa fasilitas yang sering dipergunakan oleh manajemen perusahaan adalah sebagai berikut:

• Mengelompokkan data berdasarkan kriteria tertentu (grouping), dan melihat keterkaitannya dengan data lain secara multi dimensi. Misalnya: melihat total volume produk yang berhasil dijual untuk masing-masing daerah, melihat nilai penjualan atau revenue produk per kanal distribusi, melihat jumlah salesman per daerah, melihat jenis-jenis produk yang berhasil dijual oleh masing-masing salesman, dan lain sebagainya. Walaupun secara grafis hubungan antar data yang telah dikelompokkan berdasarkan kriteria tersebut hanya dapat ditampilkan dalam format dua atau tiga dimensi, namun secara struktur, data tersebut memiliki hubungan multi dimensi.

• Melakukan penyaringan data berdasarkan kriteria tertentu (filtering dan querying). Contohnya adalah mencari gudang- gudang dengan service level di bawah 80%, mencari pelanggan yang telah melakukan transaksi total nilai penjualan 100 juta, mencari karyawan yang tidak pernah mengambil jatah cuti, dan lain sebagainya.

• Melakukan peringkasan data (summarizing) dengan cara melakukan perhitungan total seperti yang sering ditemui pada proses-proses konsolidasi (total anggaran, total pengeluaran, jumlah pegawai, nilai transaksi, jumlah pelanggan, sisa produk tak terjual, total piutang, dan lain-lain).

• Melihat dan menganalisa karakteristik sebuah kelas entiti secara portfolio, seperti persentasi jumlah penduduk per area geografis, portfolio kinerja (profit and loss) SBU (strategic business unit) dalam sebuah grup usaha, jumlah karyawan per departemen, dan lain-lain.

Manajemen Sistem Informasi dan Teknologi Informasi

Operational Operational Operational

on Data on Data Data Data Data Data Marketing Data Marketing Data Marketing Data ati ati er er

External External External

Sales and Sales and Sales and

en en

g g se se ou ou

eh eh ar ar w w

t t en en em em

ag ag an an

m m ta ta

da da

s s ol ol

s to s to es es

cc cc

a ta a ta

da da Spreadsheet Spreadsheet Spreadsheet

End User Data End User Data End User Data

EIS EIS EIS

Sumber: Renaissance Advisors, 1997

Menganalisa data lebih jauh dengan cara melihat perinciannya (breakdown atau drilling down). Contoh konkritnya dalam sebuah rumah sakit dimana tercatat dalam satu tahun 1000 pasien berhasil disembuhkan dan 27 pasien tidak berhasil diselamatkan (meninggal dunia). Manajemen dapat melihat lebih jauh, bahwa dari sekian banyak pasien yang meninggal dunia, 13 disebabkan karena keterlambatan penanganan, dan sisanya karena permasalahan lain. Lebih jauh lagi manajemen dapat mencari informasi bahwa dari pasien-pasien yang meninggal karena terlambat ditangani tersebut, 7 orang adalah laki-laki. Dan dari 7 laki-laki tersebut,

5 orang adalah balita. Secara prinsip, dari datawarehouse dapat diperoleh laporan-laporan maupun informasi mulai dari yang dibutuhkan oleh para staf

(transactional information system), manajemen lini (management information system), sampai dengan manajemen puncak (executive information system). Untuk keperluan ini, biasanya tersedia aplikasi-aplikasi atau tools tambahan untuk mengambil data dari dalam datawarehouse (extraction program) dan menyajikannya dengan berbagai macam tampilan dan fasilitas yang user friendly, sesuai dengan kategori pengguna (users).

Dilihat dari segi benefit, keberadaan datawarehouse selain mengurangi biaya dalam pembuatan laporan-laporan dan aktivitas yang membutuhkan informasi secara cepat dan akurat, secara signifikan dapat meningkatkan kualitas keputusan yang dibuat oleh manajemen perusahaan (lihat gambar di atas). Ketika datawarehouse belum diperkenalkan di dunia bisnis, perusahaan mengalami kesulitan dalam memproses informasi yang dihasilkan menjadi suatu knowledge (pengetahuan). Adalah suatu hal yang sulit untuk mengintepretasikan informasi yang sedemikian banyak jumlahnya menjadi sebuah pengetahuan yang relevan dengan kepentingan perusahaan. Di sinilah fungsi utama dari sebuah datawarehouse, karena dengan knowledge yang baik, manajemen akan dengan mudah mengambil keputusan-keputusan strategis berdasarkan data yang akurat dan informasi yang berkualitas. Karena walau bagaimanapun juga, keputusan strategis akan sangat mempengaruhi kinerja perusahaan. Dilihat dari segi fasilitas atau features yang ditawarkan, terdapat banyak sekali produk-produk unggulan dari berbagai perusahaan terkemuka di dunia yang menawarkan datawarehousenya.

Manajemen Sistem Informasi dan Teknologi Informasi

TYPES OF DATA TYPES OF DATA • Financial • Financial

• Management • Management

BENEFITS BENEFITS

• Customer information • Customer information • Cross-selling strategies • Cross-selling strategies

• Improves decision-making process • Improves decision-making process and opportunities and opportunities

• Improves business decision • Improves business decision

• Market research/trends • Market research/trends

(quality & quantity) (quality & quantity)

• Credit/risk analysis • Credit/risk analysis

• Improves sales metrics • Improves sales metrics

• Group wide information • Group wide information

• Improves trend visibility • Improves trend visibility • Improves cost analysis • Improves cost analysis • Improves data availability and timeliness • Improves data availability and timeliness • Improves data quality • Improves data quality • Improves data integration • Improves data integration • Improves access to historical information • Improves access to historical information • Provides easier data access • Provides easier data access

• Allows high-performance data mining • Allows high-performance data mining • Allows access to data not previously • Allows access to data not previously

available available • Improves data availability for customers • Improves data availability for customers • Reduce staff • Reduce staff

THE DATA WAREHOUSE PROCESS THE DATA WAREHOUSE PROCESS

• Identifies lost revenue • Identifies lost revenue • Optimized space utilization • Optimized space utilization

• Extraction programs • Extraction programs • Data filtering (un-necessary data) • Data filtering (un-necessary data)

• Data conversion and translation • Data conversion and translation (to OLAP) (to OLAP) • Consolidation/aggregation • Consolidation/aggregation

• Data loading • Data loading • Data mining • Data mining

Sumber: Renaissance Advisors, 1997

Risk Management Risk Management

Strategy Strategy Analysis Analysis

Performance Performance

Organization Organization

Corporate Corporate

Measurements Measurements

Control Control

Planning Planning

Formulation Formulation

Executive Information System Executive Information System

Decision Support System Decision Support System

nf nf

or m or m at at io io

Management Information System Management Information System

Analysis Modules Analysis Modules

Query Tools Query Tools

Report Generators Report Generators

F n n F lo w w lo

s Multi-Dimensional Database s Multi-Dimensional Database

Customers Customers

Products and Products and

Financial, HRM, Financial, HRM, Trend Research Trend Research

Records Records

Services Services

Operation, Marketing Operation, Marketing

(External Data) (External Data)

(Internal Data) (Internal Data)

Sumber: Warren McFarlan et.al., 1983.

Manajemen Sistem Informasi dan Teknologi Informasi

Untuk memilih yang terbaik, tentu saja harus melalui proses analisa cost/benefit berdasarkan kebutuhan perusahaan. Karakteristik minimal yang harus dimiliki antara lain:

Menggunakan filosofi sistem basis data multi-dimensi

Mendukung proses OLAP (On-Line Application Processing)

Mendukung pemrosesan data secara realtime

Memiliki kemampuan konversi data (export dan import) dari standar database lain secara mudah

Menggunakan arsitektur client/server

Memiliki aplikasi tools tambahan untuk menarik dan merepresentasikan data (DSS, EIS, Sales Analyzer, Query Tools, dan lain-lain)

Yang harus selalu diingat dalam mengimple-mentasikan datawarehouse adalah filosofi “garbage in, garbage out”. Secanggih apapun datawarehous yang dimiliki jika data yang dimasukkan sudah salah, maka informasi yang dihasilkan pun menjadi salah. Mengambil keputusan berdasarkan informasi yang salah dapat menjadi bumerang bagi perusahaan…..

Manajemen Sistem Informasi dan Teknologi Informasi