Contoh Data Warehouse dan definisi komputasinya

Bagaimana jika organisasi memproses semua data mereka menjadi pendukung keputusan? Apa yang akan terjadi jika mereka menggunakan perangkat lunak khusus yang berfungsi untuk penyajian informasi dan analisis yang sama? Kami akan memberikan beberapa Contoh Gudang Data untuk menjawab pertanyaan-pertanyaan ini.

Contoh Gudang Data

Pertama-tama, penting untuk membedakan antara dua istilah yang, karena singkatannya, dapat dengan mudah membingungkan kita, dan sejak awal tujuannya adalah agar pengguna mengetahui apa yang diharapkan dan mengetahui beberapa konsep dasar yang akan mereka gunakan. untuk menghadapi. Di sini kami akan menunjukkan contoh tak terbatas yang berfungsi sehingga individu memiliki alat untuk membedakan elemen-elemen ini.

definisi

Mengingat perbedaan antara kedua istilah tersebut, kami akan melanjutkan untuk mendefinisikannya secara formal, karena ini adalah proses yang mengekstrak, mengubah, mengkonsolidasikan, dan mengintegrasikan data organisasi, baik internal maupun eksternal, agar dapat diakses dan berguna dalam pengambilan keputusan. -membuat.

Dengan cara yang sama, gudang data juga dapat didefinisikan sebagai basis dengan informasi sistem file elektronik, yang menyimpan data yang diperlukan untuk analisis informasi dan pengambilan keputusan. Perbedaannya adalah berorientasi bisnis, terintegrasi, bervariasi waktu dan tidak mudah berubah.

Pada dasarnya, Data Warehouse (DWH) adalah sebuah proses dan Data Warehouse (DW) adalah sebuah database.

fitur

Ada beberapa aspek yang menjadi ciri Data warehouse yang menyediakan alat yang diperlukan untuk penggunaan yang optimal, sehingga mematuhi pedoman terprogram yang menghasilkan alat untuk digunakan dengan cara terbaik. Kami akan merinci karakteristik Data Warehouse:

Berorientasi bisnis

Hanya data yang relevan yang dimasukkan ke dalam Data Warehouse untuk analisis dan pengambilan keputusan. Artinya, data yang tidak memiliki nilai analitik, seperti alamat kamar, kode pos, alamat email, antara lain, tidak akan diperhitungkan. Tetapi mereka memiliki minat yang bervariasi seperti jenis klien, lokasi geografis, usia, dll.

Entitas tingkat tinggi dikelola, seperti klien, produk, item, area, dan lainnya. Data disimpan dalam cara multidimensi, yaitu tabel fakta dan tabel dimensi.

Integrada

Semua data dari berbagai sumber dikonsolidasikan untuk menjamin kualitas dan kebersihannya. Sumber data utama adalah:

Menurut tipe penggunanya.

• • Operasional: Harian menghasilkan data dalam jumlah besar, tetapi data itu sendiri hanya memiliki sedikit relevansi dengan analisis yang diperlukan. Misalnya, penjualan produk.
  • Medium: Menghasilkan data dengan implikasi jangka pendek dan menengah, berdasarkan data operasional. Contoh yang baik dari konsep ini adalah pembuatan inventaris.
  • Manajerial: Menggunakan data yang dihasilkan dari proses integrasi dan transformasi. Pada gilirannya, itu menghasilkan informasi baru. Ini pada dasarnya mengacu pada pengguna Data Warehouse.

Menurut area atau departemen organisasi

• • Area: Masing-masing memiliki tanggung jawab yang jelas. Mereka menghasilkan data mereka sendiri yang dibagikan dengan area lain.
  • Subdivisi: Mereka biasanya geografis. Mereka menyediakan data lokasi, yang harus digabungkan dengan yang lain.

Menurut sumber

• • Internal: Mereka menghasilkan data mereka sendiri, yang berasal dari aktivitas sehari-hari perusahaan.
  • Eksternal: Mereka melengkapi data internal, misalnya sensus dan statistik.

Varian dalam waktu

Ini memungkinkan akses ke versi berbeda dari situasi yang sama, karena data saat ini disimpan bersama dengan data historis, dalam contoh gudang data.

Tidak fluktuatif

Ini menjamin stabilitas informasi, karena begitu data masuk, itu tidak berubah. Artinya, data dimanipulasi hanya ketika dimasukkan dan ketika dikonsultasikan.

Singkatnya, kualitas utama dari Data Warehouse adalah:

Kualitas

Ini menangani data dalam volume, konsekuensi dari akumulasi data historis, terkini dan agregat, dari berbagai sumber.

Ini menempatkan seluruh volume data dalam satu database terpusat. Struktur data dengan cara multidimensi.

manfaat

Karena karakteristik dan kualitasnya, Data Warehouse menyajikan manfaat sebagai berikut:

• Ini mengurangi waktu minimum yang diperlukan untuk mengumpulkan semua data yang relevan tentang topik tertentu.
• Menyediakan alat analisis.
• Banyak laporan dan analisis ditentukan oleh pengguna.
• Ini memungkinkan Anda mengakses, menganalisis, dan memantau indikator organisasi secara langsung.
• Ini membantu untuk mengidentifikasi faktor-faktor yang mempengaruhi operasi perusahaan.
• Hal ini memungkinkan untuk memajukan dan menentukan perilaku masa depan institusi.
• Pengguna dapat melakukan query data dengan cepat dan mudah.

Singkatnya, Data Warehouse membantu organisasi menjawab pertanyaan penting untuk pengambilan keputusan. Ini mencapai manfaat kompetitif yang mengoptimalkan posisi mereka di pasar tempat mereka beroperasi. Beberapa pertanyaan tersebut adalah:

• Apa profil klien?
• Bagaimana perilakunya?
• Berapa profitabilitas bisnisnya?
• Apa risiko bagi organisasi?
• Layanan dan produk apa yang Anda gunakan dan bagaimana Anda dapat meningkatkannya?

Area aplikasi

Data Warehouse dapat disesuaikan dengan organisasi mana pun, terlepas dari ukuran dan kompleksitasnya. Hal ini sebagai konsekuensi dari agenda setiap lembaga, perusahaan atau organisasi ketika membuat keputusan terkait dengan data yang dihasilkannya.

Risiko aplikasi

Ini membutuhkan investasi besar dari pihak organisasi. Manfaat implementasinya tidak terlihat dalam jangka pendek, tetapi dalam jangka menengah dan panjang.

Manipulasi data mengancam manipulasi data sensitif.

Aspek yang perlu diperhatikan

Seperti disebutkan di awal, ada beberapa aspek yang harus diperhatikan dalam penerapan elemen-elemen ini untuk penggunaan server. Di antara mereka, kami dapat menyebutkan yang berikut:

Biaya aplikasi

Data Warehouse menanggung biaya konstruksi, operasi, dan dukungan. Biaya konstruksi menyiratkan biaya sumber daya manusia, waktu dan teknologi, sedangkan biaya operasi dan pemeliharaan, mempertimbangkan biaya evolusi, pertumbuhan dan yang dihasilkan oleh perubahan asal data.

Dampak pada orang

Penerapan Data Warehouse selalu menghasilkan harapan pada pengguna, yang tentu harus memperoleh keterampilan baru. Keberhasilan jenis data ini tergantung pada penggunaan aktif dan umpan balik dari pengguna.

Dampak pada bisnis dan proses pengambilan keputusan

Dengan penerapan Data Warehouse, kekurangan tertentu dalam proses bisnis dapat terungkap, tetapi pada saat yang sama kepercayaan pada keputusan yang diambil berdasarkan hasil yang diperoleh meningkat.

arsitektur

Arsitektur umum dari gudang data contoh ditunjukkan pada gambar di atas. Seperti yang dapat dilihat, sistem ini melibatkan serangkaian interaksi antara komponen-komponennya. Dalam hal ini, dan sebagai ringkasan, operasinya dapat digambarkan sebagai berikut:

• Data diambil dari berbagai sumber, seperti web service, file dan database lainnya, baik internal maupun eksternal.
• Setelah data diekstraksi, data tersebut diintegrasikan, diubah dan dibersihkan, untuk kemudian dimuat ke dalam Data Warehouse.
• Untuk menghasilkan informasi taktis dan strategis, laporan dan analisis diperoleh dari pemuatan data.
• Terakhir, pengguna dapat berkonsultasi dan menjelajahi laporan dan analisis yang dihasilkan.

Elemen

Kami sekarang akan menjelaskan beberapa elemen yang dapat dievaluasi di Data Warehouse yang harus dipertimbangkan.

Sumber Gudang Data

Umumnya merupakan hasil kegiatan perusahaan sehari-hari, dalam hal ini disebut sumber internal. Ketika data diambil dari, misalnya, server web, ini dianggap sebagai sumber eksternal. Mereka berbeda satu sama lain, karena mereka bergantung pada asal, format, fungsi, dll.

Ekstraksi, transformasi, dan pemuatan

Dikenal sebagai ETL, itu adalah proses yang mencakup semua tugas yang dilakukan dari saat data diperoleh hingga dimuat ke Data Warehouse. Ini adalah: ekstraksi, manipulasi, kontrol, integrasi, pembersihan data, pemuatan dan pembaruan.

Ekstraksi

Ini mencakup teknik yang difokuskan untuk memperoleh, dari berbagai sumber, hanya data yang relevan dan menyimpannya di penyimpanan internal. Jenis penyimpanan ini memungkinkan data untuk dimanipulasi tanpa campur tangan atau mengubah sumber atau Gudang Data dengan lebih banyak data, menciptakan lapisan ekstraksi antara membaca dan memuat, menyimpan dan mengelola metadata yang dihasilkan dalam proses dan memfasilitasi integrasi.

Ekstraksi didasarkan pada kebutuhan pengguna dan persyaratan yang ditentukan untuk solusi.

Transformasi

Ini adalah teknik yang bertanggung jawab untuk membuat format yang berbeda kompatibel, serta memfilter dan mengklasifikasikan data, dan menghubungkan sumber.

Fungsi ini bertanggung jawab untuk menerapkan semua perintah yang sesuai sehubungan dengan data, untuk mempromosikannya dengan cara yang kuat dan masuk akal yang kompatibel dan konsisten dengan Data Warehouse. Selain itu, bertanggung jawab atas kebersihan dan kualitas data.

Carga

Tentang teknik pemuatan awal data dan pemutakhiran Data Warehouse secara berkala.

• Beban awal mengacu pada beban pertama data yang diterima Gudang Data. Secara umum, ini sangat memakan waktu karena banyaknya catatan yang termasuk dalam periode waktu yang lama.
• Pembaruan berkala mengacu pada penyisipan volume kecil data. Tujuan Anda adalah menambahkan sampel gudang data hanya data yang dihasilkan dari pembaruan terakhir. Itu tergantung pada kebutuhan dan persyaratan pengguna.

Singkatnya, melalui proses pemuatan data, pemeliharaan Data Warehouse terjamin.

Secara ringkas dapat dikatakan bahwa proses ETL dilakukan sebagai berikut:

• Data, setelah diekstraksi dari sumber yang relevan, disimpan di penyimpanan internal.
• Sementara data disimpan dalam penyimpanan internal, itu terintegrasi dan diubah.
• Ketika data dibersihkan, setelah langkah sebelumnya, diteruskan ke Gudang Data.

Laporan

Laporan adalah alat grafis yang memungkinkan pengguna untuk mendapatkan laporan rinci tentang informasi perusahaan Anda. Cara berinteraksi dengan laporan ini cukup sederhana bagi pengguna, karena merupakan petunjuk yang mudah diikuti. Pada dasarnya, Anda harus memilih opsi dari menu, mengacu pada kondisi dan spesifikasi subjek yang disajikan.

OLAP

Ini adalah komponen paling kuat dari Data Warehouse, karena berisi mesin kueri multidimensi khusus dari sistem.

Hal ini memungkinkan analisis organisasi dari skenario sejarah yang berbeda. Ini memproyeksikan perilaku dan evolusinya dari visi multidimensi, yaitu dengan menggabungkan perspektif, topik, atau dimensi yang berbeda. Hal ini memungkinkan tren untuk disimpulkan dengan menemukan hubungan antara perspektif yang akan sulit ditemukan pada pandangan pertama.

Data Mining

Ini terutama alat statistik, di mana prediksi dapat dibuat. Ini tentang menyimpulkan perilaku, tanpa ada aturan yang ditetapkan sebelumnya. Ini menghasilkan laporan dalam bentuk tabel dan grafik, antara lain, yang mempromosikan pengambilan keputusan secara proaktif. Ia bekerja berdasarkan informasi yang telah diproses sepenuhnya.

Perbedaan antara OLAP dan Penambangan Data

Setelah aspek utama OLAP dan Data Minig dipertimbangkan, perbedaan mendasar di antara keduanya dapat ditentukan.

• Menggunakan OLAP, situasi perusahaan saat ini ditafsirkan, memberikan jawaban cepat yang memfasilitasi pengambilan keputusan.
• Data Minig memprediksi situasi, berdasarkan studi tentang pengetahuan tersembunyi yang memicu jenis perilaku tertentu.

Akibatnya, kedua sistem berurusan dengan pemecahan berbagai jenis situasi analitik.

Data Minig dan hubungannya dengan Data Warehouse

Sistem Data Minig adalah teknologi pendukung bagi pengguna akhir, yang tujuannya adalah untuk mengekstrak informasi yang berguna dari informasi yang terkandung dalam database perusahaan. Dengan kata lain, asal informasi yang digunakan oleh algoritma Data Minig biasanya adalah data historis yang terdapat dalam Data Warehouse.

Harus ada integrasi antara teknik Data Minig dan proses yang terlibat dalam Data Warehouse. Artinya, untuk dapat melakukan analisis bisnis, harus ada kesepakatan antara Data Minig, Data Warehouse dan server OLAP.

Setiap kali Data Warehouse memberikan hasil baru, perusahaan dapat menerapkan kembali Data Minig untuk mengoptimalkan pengambilan keputusan.

Singkatnya, Data Minig dan Data Warehouse adalah alat yang sepenuhnya kompatibel. Data Warehouse menyediakan memori, dan kecerdasan Data Minig.

Basis data tradisional vs Gudang Data

Analisis aspek-aspek yang terekspos sejauh ini, membawa kita untuk memahami bahwa Data Warehouse berbeda dari database yang mendukung transaksi harian organisasi. Berikut perbedaan mendasar

• Dalam database tradisional informasi diatur sehingga dapat dengan mudah diambil dan diperbarui. Gudang Data diatur dan berorientasi pada pengguna akhir, yang hanya dapat mengajukan pertanyaan.
• Basis data transaksional menangani pemrosesan data sehari-hari. Gudang Data bekerja dengan data historis, yaitu, sesuai dengan periode waktu yang lama.
• Database tradisional diakses beberapa kali selama hari kerja. Di Gudang Data, pembacaan dan kueri minimal, karena diakses secara sporadis.
• Volume data yang dikelola oleh Data Warehouse jauh lebih besar daripada yang dikelola dalam database tradisional.
• Struktur basis transaksinya stabil. Struktur Data Warehouse bervariasi sesuai dengan evolusi dan penggunaannya sendiri.

Selanjutnya, kami akan membuat beberapa Contoh gudang data.

Contoh Gudang Data

Sebuah perusahaan nasional, yang didedikasikan untuk penjualan perlengkapan kebersihan di tingkat grosir dan eceran, juga dianggap menengah karena volume penjualannya, memiliki tujuan utama untuk memaksimalkan keuntungannya. Demikian pula, untuk mendapatkan lebih banyak pelanggan, Anda ingin memperluas ke tingkat pasar yang baru dan, kemudian, memperluas lini produk Anda. Salah satu kebijakan utamanya adalah terus melakukan perbaikan untuk mendapatkan posisi yang lebih baik dibandingkan pesaingnya dari sampel data warehouse.

Penerapan Data Warehouse menawarkan manfaat berikut bagi organisasi.

• Hal ini memungkinkan pengguna untuk memiliki gambaran bisnis.
• Mengubah data operasional menjadi informasi analitis, yang berfokus pada pengambilan keputusan.
• Hasilkan laporan dinamis yang memfasilitasi analisis Anda.
• Ini memfasilitasi pembentukan strategi untuk pemenuhan tujuan organisasi.
• Ini menguntungkan stabilitas struktur perusahaan.

Contoh lain dari data warehouse sehari-hari mengacu pada manajemen lembaga pendidikan yang memiliki kekurangan dalam hal komunikasi dengan siswanya. Demikian pula, ia tidak memiliki pusat informasi terpadu yang memiliki semua informasi mereka. Tujuan lembaga ini adalah untuk menemani siswa selama karir mereka dan setelah lulus, untuk menawarkan proposal baru yang meningkatkan kinerja organisasi dan pengembangan siswa.

Dengan aplikasi Data Warehouse kami berusaha menjawab kebutuhan universitas. Pada prinsipnya menghilangkan duplikasi informasi dan adanya kesalahan rincian tentang siswa, serta semua informasi yang secara umum dianggap berkualitas buruk dan tidak relevan. Selain itu, semua informasi terintegrasi, membentuk catatan terpadu siswa yang berfungsi sebagai dasar untuk pengembangan proyek institusi yang tepat.

Akhirnya, kegiatan pemasaran dipromosikan, memberikan manfaat yang lebih besar bagi universitas dan membantu pertumbuhannya melalui pengelolaan informasi yang benar.

Kesimpulannya, dalam contoh data warehouse memberikan kesempatan untuk mengetahui apa yang terjadi dalam organisasi, apa yang telah terjadi, apa yang bisa terjadi dan mengapa. Anda dapat melihat artikel jenis virus komputer.