Upload
noverino-rifai
View
2.483
Download
1
Embed Size (px)
DESCRIPTION
Citation preview
Tugas TI-5041
Perancangan e-business
“Business Intelligence”
Disusun oleh :
Noverino Rifai / 13501023 Kharizt Attria Gupta / 13501036
FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI BANDUNG
2004
Daftar Isi
Pendahuluan.................................................................................... 3
1. Latar Belakang....................................................................... 3 2. Tujuan Pembahasan ............................................................... 4
Kajian Pustaka ................................................................................ 6 1. Elemen-elemen Aplikasi Business Intelligence..................... 6 2. Pengintegrasian BI kedalam Perusahaan ............................... 9 3. Data Mining......................................................................... 12 4. Data Warehousing ............................................................... 17
Illustrasi Kasus ............................................................................. 21 Analisis dan Pembahasan ............................................................. 23 Kesimpulan................................................................................... 27 Daftar pustaka dan referensi ......................................................... 28
Pendahuluan
Business Intelligece (BI) merupakan aplikasi e-business yang berfungsi untuk mengubah
data-data dalam perusahaan (data operasional, transaksional, dll) ke dalam bentuk
pengetahuan.
Aplikasi ini melakukan analisis terhadap data dengan lebih efektif untuk membangun
kesetiaan pelanggan dan meningkatkan keuntungan perusahaan, menganalisis interaksi
dengan pelanggan dan mengoptimalkan hubungan tersebut. Analisis terhadap transaksi-
transaksi di masa lampau dan menggunakan pengetahuan tersebut untuk mendukung
keputusan dan perencanaan operasi yang akan diambil perusahaan.
1. Latar Belakang
Beberapa permasalahan yang menuntut dikembangkannya aplikasi BI :
a. bagaimana mengumpulkan dan mengorganisasikan semua data-data internal
perusahaan dalam suatu Integrated Enterprise Information (data warehousing).
b. bagaimana memanfaatkan data-data perusahaan menjadi pengetahuan dalam
perusahaan (data analytics).
c. bagaimana menyediakan pengetahuan yang customer-centric, informasi yang
berbeda-beda dan khusus untuk setiap pelanggan.
d. bagaimana analisis terhadap data-data perusahaan dapat memberikan dukungan
terhadap pengambilan keputusan di pihak manajemen yang relevan dengan
data-data tersebut.
e. bagaimana prosedur dan proses-proses untuk mengintegrasikan BI ke dalam
proses bisnis perusahaan.
f. faktor-faktor yang harus diperhatikan agar perusahaan dapat mengintegrasikan
BI dengan mempertimbangkan resiko dan kesulitan yang mungkin dihadapi
2. Tujuan Pembahasan
Berdasarkan kebutuhan perusahaan tersebut, maka dapat dilihat bahwa kebutuhan
perusahaan mengimplementasikan BI cukup besar. Namun, BI dengan data analysis
tools-nya merupakan suatu aplikasi yang cukup mahal sehingga perlu diperhitungkan
return on IT investment dari implementasinya.
Tujuan dari pembuatan paper ini adalah mengeksplorasi business intelligence baik
secara teoritis maupun praktikal implementasinya.
Pada bagian teori akan dibahas mengenai beberapa langkah yang harus dilakukan
dalam mengintegrasikan BI ke dalam suatu perusahaan, sehingga dapat dilihat dan
dipahami beberapa kesulitan dalam membangun BI tersebut dan resiko yang mungkin
dihadapi ketika mengintegrasikannya ke dalam proses bisnis. Selain itu, dijelaskan
pula proses data mining, yang merupakan core dari proses analisis data, dan
bagaimana data–data yang dianalisis tersebut dapat menghasilkan suatu pengetahuan
dan informasi yang dapat mendukung keputusan. Beberapa elemen dari pengelolaan
pengetahuan (knowledge management) dibutuhkan untuk membantu proses dari BI,
sehingga knowledge tersebut dapat dianggap sebagai aset perusahaan yang dapat
memberikan revenue.
Selain elemen tersebut, juga diperlukan elemen-elemen teknis yang mendukung
aplikasi BI ini. Pada paper ini akan dibahas beberapa hal mengenai teknologi Data
Mining menggunakan OLAP (on-line analytical processing) dan Data Warehousing.
Sedangkan pada praktikal implementasinya dibahas studi kasus pengimplmentasian
aplikasi business intelligence pada salah satu perusahaan produsen elevator, Otis
Elevator Co. Yang akan dijelaskan pada bagian ini adalah latar belakang kebutuhan
aplikasi BI, Urutan aktivitas dalam penerapan BI berdasarkan dasar teori yang
diketahui dan salah satu alternatif hasil akhir / solusi yang diharapkan dari
implementasi BI.
Kajian Pustaka
1. Elemen-elemen Aplikasi Business Intelligence
Business Intelligence (BI) merupakan perkembangan dari aplikasi Knowlegde
Management (KM), dengan menambahkan proses data analytics, yaitu dengan
memanfaatkan data yang ada untuk menghasilkan suatu informasi baru yang
bermanfaat. Aplikasi BI memberikan informasi yang personal, yaitu dengan
melakukan proses pengumpulan, pengaturan dan penyebaran informasi secara
personal.
Aplikasi BI menggunakan teknologi e-commerce untuk menghubungkan data
warehousing dengan perangkat client yang sederhana (seperti mobile device).
Agar BI dapat berfungsi dengan baik. Maka diperlukan kerangka terintegrasi dengan
beberapa kelas dari aplikasi berbasis pengetahuan (KM). Sehingga perlu diadaptasi
beberpa elemen dari KM, diantaranya:
a. Pengorganisasian dan pengumpulan data/content
Data-data tentang pelanggan, mitra dan pemasok disimpan pada beberapa
tempat di dalam perusahaan. Dibutuhkan suatu pandangan yang terintegrasi
untuk memungkinkan perusahaan mengetahui dan merespon seakurat
mungkin terhadap pelanggannya.
Berikut ini beberapa faktor yang mempengaruhi keberhasilan integrasi data:
a) Scalability, yaitu ukuran basisdata (storage’s space) yang disediakan
perusahaan harus mampu menampung informasi customer-centric
yang dapat mencapai beberapa gigabyte per hari.
b) Flexibility, yaitu kemampuan untuk mengakomodasi bermacam-
macam data model dan arsitektur basisdata dan memungkinkan
integrasi dengan sistem informasi back-end lainnya.
c) Performance, yaitu kemampuan untuk menangani query-query
dengan cepat dan akurat.
Elemen teknis yang mendukung proses ini adalah data warehousing, yang
penjelasannya akan dibahas kemudian.
b. Analisis dan segmentasi
Tools untuk data mining terdapat pada aplikasi ini, tujuannya adalah untuk
meningkatkan nilai, mempertahankan pelanggan dan menemukan jalur
pendapatan perusahaan yang baru. Proses mining ini dimulai dengan
membangun gambaran lebih jelas tentang kelakuan pelanggan.
Tanpa tool analisis tersebut, maka usaha menyimpan informasi customer-
centric yang sangat besar tersebut menjadi sia-sia.
Namun, proses menganalisis tersebut tidak sederhana meskipun data telah ter-
centralized, karena merupakan usaha yang berat untuk mengubah informasi
tersebut menjadi pengetahuan yang menghasilkan keuntungan dan menjalin
hubungan jangka panjang dengan pelanggan.
Elemen teknis yang dimanfaatkan untuk proses ini adalah data mining
deengan tools OLAP (online analyticals processing).
c. Personalisasi yang real-time
Kemampuan personalisasi dari perusahaan memungkinkan perusahaan
memahami dan merespon setiap kebutuhan, kelakuan dan perhatian pelanggan
untuk meyakinkan bahwa pelanggan tersebut mendapatkan kebutuhannya.
Aplikasi pendukung personalisasi memungkinkan pembuatan produk/layanan
yang customized dengan meminimalkan biaya marginal dari personalisasi
tersebut.
Beberapa tahapan (siklus) personalisasi:
a) Profiling (menunjukkan produk yang ditawarkan dan menanyakan
kebutuhan pelanggan).
b) Matching (memberikan kebutuhan pelanggan dan menyesuaikan
data dengan kebutuhan pelanggan)
c) Transacting (kebebasan untuk self-service dan memudahkan
transaksi)
d) Listen (fasilitasi tanggapan pelanggan dan mengukur keefektifan).
Kemampuan yang disediakan aplikasi personalisasi, antara lain:
i. Menyediakan pelanggan dengan halaman web yang personal yang
memungkinkan pelanggan untuk berinteraksi, bertransaksi dan
kolaborasi dengan perusahaan.
ii. Menampilkan informasi yang diinginkan pelanggan secara personal.
iii. Secara aktif memberitahukan pelanggan atas improvement dan
upgrade terhadap produk yang relevan dengannya.
iv. Menyatukan informasi dan memberikan rekomendasi berdasarkan
kecenderungan pelanggan.
v. Mengirimkan informasi yang relevan terhadap produk yang dimiliki
pelanggan.
d. Penyebaran, pengambilan dan interaksi terhadap informasi
Infrastruktur untuk proses interaksi dan pengiriman/penerimaan informasi
adalah dengan pelanggan menggunakan media yang dipilih oleh pelanggan
tersebut. Meskipun penggunaan WWW sudah umum, namun strategi KM
yang baik adalah dengan menjangkau semua media yang digunakan
pelanggannya, baik telephone, WAP, TV ataupun e-mail.
e. Pemantauan dan pengukuran kinerja sistem
Aplikasi pemantauan kinerja sistem ini menyediakan informasi yang
dibutuhkan manajer untuk meningkatkan operasi dan strategi.
Dengan menggunakan key performace indicator (KPI) yang dihubungkan
dengan balaced scorecard, perusahaan dapat secara bekelanjutan memantau
kinerja proses terhadap target dari strateginya. Sistem pemantauan yang
efektif adalah yang mampu membuat strategi menjadi tindakan.
2. Pengintegrasian BI kedalam Perusahaan
Intelligent Business adalah tentang bagaimana memindahkan sistem BI ke inti dari
perusahaan dan menghubungkannya sampai sistem operasional sehingga dapat
menurunkan kemungkinan untuk melakukan mekanisme standar industri (penurunan
biaya operasional).
Terdapat beberapa cara untuk mengintegrasikan BI kedalam perusahaan, diantaranya:
a. Mengintegrasikan aplikasi analisis dengan aplikasi operasional menggunakan
portal perusahaan untuk dapat diakses dan dimanfaatkan oleh pengguna baik
internal maupun eksternal.
b. Menyatukan analisis pada aplikasi operasional selama pengembangan
aplikasi.
c. Pengenalan web service untuk secara dinamis mengintegrasikan proses
analisis dengan internal dan mitra aplikasi operasional untuk mendukung
kolaborasi penjualan.
d. Membangun proses on-demand yang event-driven untuk peringatan ke
pengguna, rekomendasi real-time dan aksi yang terotomatisasi. Pendekatan ini
termasuk business activity monitoring (BAM).
Aplikasi BI merupakan proyek rekayasa sistem, dan hal tersebut mencakup 6 proses
pengerjaan yang utama, antara lain:
1) Justification, yaitu penaksiran terhadap permasalahan dan kemungkinan bisnis
yang meningkatkan proyek rekayasa sistem. Langkah 1 : Business Case Assessment
2) Planning, yaitu pengembangan perencanaan strategis dan taktis yang
menyusun bagaimana pencapaian proyek rekayasa sistem. Langkah 2: Enterprise Infrastructure
Langkah 3: Project Planning
3) Business Analysis, yaitu analisis rinci dari permasalahan dan kesempatan
bisnis yang menyediakan pemahaman baku kebutuhan solusi bisnis. Langkah 4: Project Requirements Definition
Langkah 5: Data Analysis
Langkah 6: Application Prototyping
Langkah 7: Meta Data Repository Analysis
4) Design, yaitu penyusunan produk yang menyelesaikan permasalahan bisnis
dan memberikan peluang untuk kesempatan bisnis. Langkah 8: Database Design
Langkah 9: Extract/Transform/Load (ETL) Design
Langkah 10: Meta Data Repository Design
5) Construction, yaitu pembangunan produk yang disusun yang diharapkan dapat
memberikan return on development investment dalam kerangka yang jelas. Langkah 11: ETL Development
Langkah 12: Application Development
Langkah 13: Data Mining
Langkah 14: Meta Data Repository Development
6) Deployment, yaitu barang jadi diimplementasikan (dijual) dan keefektivannya
diukur yang akan menentukan apakah solusi ditemukan, melebihi atau gagal
dalam return on investment(ROI)-nya. Langkah 15: Implementation
Langkah 16: Release Evaluation
Ketrurutan proses pengerjaan langkah-langkah pembangunan aplikasi BI terdapat
pada gambar 1.
Gambar 1. Langkah-langkah pembangunan BI
Kesulitan utama dari pengimplementasian BI adalah pengintegrasiannya dengan
perusahaan, terutama proses bisnisnya, berikut ini adalah masalah-masalah yang
mungkin dihadapi karena kegagalan mengintegrasikan BI:
a. Kebingungan terhadap arti dari data, misalnya karena tidak ada pemahaman
yang umum.
b. Perubahan tujuan bisnis tahunan meskipun tujuan yang ditetapkan pada tahun
sebelumya belum dicapai, Aplikasi Business Intelligence tidak mampu
mengikuti perubahan tujuan perusahaan yang tidak teratur tersebut.
c. Ketidakmampuan menentukan skala bisnis karena kurangnya integrasi proses
bisnis dan otomatisasinya.
Fixed Cost selalu bertambah seiring dengan pertambahan skala bisnis,
Variable cost yang sedikit. Akibatnya, biaya operasional terlalu tinggi karena
terlalu banyak kegiatan manual dan kesalahan proses karena sistem yang tidak
terintegrasi.
d. Pengguna suatu sistem tidak diberitahu atas kejadian yang terjadi pada sistem
lainnya.
e. Tidak bereaksi secara langsung terhadap kejadian-kejadian pada proses bisnis
operasi. Misalnya perubahan, pembatalan pesanan, pembayaran telat,
persediaan barang yang habis, akibatnya mengurangi kesempatan bisnis dan
ketidakmampuan merespon terhadap permasalahan ketika muncul.
f. Mencocokkan ulang data kedalam sistem yang berbeda.
g. Redundansidata yang besar, terpotong-potong dan tidak konsisten pada sistem
yang berbeda-beda.
h. Konflik pada perlakuan pelanggan oleh customer service, pemasaran dan
penjualan pada chanel-chanel yang berbeda.
3. Data Mining
Data mining seringkali diartikan dengan “menulis banyak laporan dan query”, namun
pada faktanya kegiatan data mining tidak melakukan pembuatan laporan dan query
sama sekali. Data mining dilakukan dengan tool khusus, yang mengeksekusi operasi
data mining yang telah didefinisikan berdasarkan model analisis.
Data mining adalah proses analisis terhadap data dengan penekanan menemukan
informasi yang tersembunyi pada sejumlah besar data yang disimpan ketika
menjalankan bisnis perusahaan. Data mining merupakan proses yang berbeda dengan
analisis statistik biasa, berikut ini perbandingan antara keduanya:
Analisis Statistik Data Mining
Biasanya dimulai dengan hipotesis (sebuah
pertanyaan atau asumsi).
Data mining tidak membutuhkan hipotesis.
Untuk menyesuaikan dengan hipotesisnya maka
dibangun sebuah persamaan.
Algoritma data mining dapat dengan otomatis
mengembangkan persamaan tersebut.
Hanya menggunakan data numerik. Tool Data mining dapat menggunakan tipe data
yang berbeda-beda, tidak hanya data numerik.
Dapat dilakukan pencarian dan penyaringan
terhadap data kotor selama proses analisisnya.
Data mining bergantung pada data yang bersih
dan terdokumentasi dengan baik.
Hasil yang diperoleh diinterpretasikan sendiri dan Hasil Data mining sulit diinterpretasikan, dan
menyampaikan hasil tersebut kepada manajer
dan eksekutif perusahaan.
masih harus melibatkan ahli statistik dalam
menganalisis hasil tersebut dan menyampaikan
hasil tersebut kepada manajer dan eksekutif
perusahaan.
Tool data mining secara teori dapat mengakses basisdata operasional dan data
warehouse secara langsung tanpa perlu membangun basisdata data mining, selama
struktur basisdata tersebut didukung tool data mining (misalnya relasional (Oracle),
hirarki (IMS) atau flat (VSAM)). Namun akses secara langsung tersebut kurang baik
karena:
a. Data pool dibutuhkan untuk mengubah ke tool data mining, seperti data
daerah penjualan atau tipe produk untuk tujuan data mining khusus.
Perubahan data operasional dan data warehouse tidak dimungkinkan.
b. Kinerja dari basisdata operasional dan data warehouse dapat dipengaruhi oleh
operasi data mining.
c. Operasi data mining membutuhkan data historis yang rinci, sehingga
dibutuhkan media penyimpanan arsip yang dapat dikembalikan dan
digabungkan untuk mendapatkan data yang diinginkan.
Sehinnga data tersebut diekstrak dulu dari data warehousing dan operasional sesuai
yang dibutuhkan untuk basisdata data mining, seperti digambarkan pada gambar 2.
Teknik data mining
Teknik data mining merupakan implementasi yang khusus dengan algoritma yang
digunakan pada operasi data mining. Ada enam teknik umum data mining, antara
lain:
1) Association: digunakan untuk mengenali kelakuan dari kejadian-kejadian
khusus atau proses. Link asosiasi muncul pada setiap kejadian.
2) Sequence: mirip dengan asosiasi, namun menghubungkan kejadian-kejadian
sepanjang waktu dan menentukan keterhubungan antar item untuk sepanjang
waktu.
3) Classification: melihat pada kelakuan dan atribut dari kelompok yang telah
didefinisikan. Tool data mining dapat memberikan klasifikasi pada data baru
dengan memanipulasi data yang ada yang telah diklasifikasi dan dengan
menggunakan hasilnya untuk memberikan sejumlah aturan. Aturan-aturan
tersebut digunakan pada data-data baru untuk diklasifikasi. Teknik ini
menggunkan supervised induction, yang memanfaatkan kumpulan pengujian
dari record yang terklasifikasi untuk menentukan kelas-kelas tambahan.
4) Cluster: dapat digunakan untuk menganalisis pengelompokkan berbeda
terhadap data. Mirip dengan klasifikasi, namun pengelompokkan belum
didefinisikan sebelum dijalankannya tool data mining. Biasanya menggunkan
metode neural network atau statistik. Clustering membagi item menjadi
kelompok-kelompok berdasarkan yang ditemukan tool data mining.
5) Regression (Forecasting): menggunakan nilai dari data yang diketahui untuk
memperkirakan nilai di masa depan atau kejadian masa depan berdasarkan
kecenderungan sejarah dan statistik.
6) Time Series (Forecasting): perbedaan dengan regresi adalah bahwa time
series hanya memperkirakan data yang bergantung pada waktu.
Gambar 2. Sumber-sumber untuk aplikasi data mining
Operasi data mining
Tool data mining memungkinkan dibangunnya model analisis yang merupakan tool
yang digunakan selama operasi data mining. Hasil dari operasi data mining adalah
tabel-tabel dan file-file yang berisi data analisis yang dapat diakses dengan query dan
tools reporting. Terdapat empat operasi umum data mining:
1) Predictive and Classification Modeling: digunakan untuk memperkirakan
kejadian khusus. Diasumsikan bahwa seorang analis mempunyai pertanyaan
khusus untuk ditanyakan. Model ini menyediakan jawaban dengan
memberikan peringkat, yang menentkan kemiripan kelas-kelas tertentu.
2) Link Analysis: mencari hubungan antara record-record pada basisdata
contoh: menentukan item yang dijual bersamaan (sereal dan susu).
3) Database Segmentation: mengelompokkan record-record yang berhubungan
ke dalam segmen-segmen. Pengelompokkan ini merupakan langkah pertama
dari pemilihan data, sebelum operasi data mining lainnya dilakukan.
4) Deviation Detection: mencari record-record yang dipandang tidak normal dan
memberikan alasan untuk anomali tersebut.
Online Analytical Processing (OLAP)
OLAP, merupakan kunci dari BI, digunakan untuk meningkatkan analisis bisnis,
merupakan perhitungan Decision Support System (DSS) dan Expert Infotmation
System (EIS) yang dilakukan oleh end-user pada sistem online. OLAP digunakan
pada banyak aplikasi, mulai dari pelaporan (reporting) perusahaan sampai DSS.
Beberapa aktivitas yang dilakukan OLAP antara lain: men-generate query, meminta
laporan yang ad hoc, mendukung analisis statistik, analisis interaktif, membangun
aplikasi multimedia.
Untuk memfasilitasi OLAP ini diperlukan data warehouse dengan sekumpulan tool
yang memiliki kemampuan multidimensi. Tool-tool ini dapat berupa tool query,
spreadsheet, tool data mining, data visualisasi, dsb.
Terdapat beberapa tipe OLAP, antara lain:
a. Desktop OLAP (client-side OLAP)
Melewatkan data dari server ke desktop pada client untuk melakukan pemrosesan
secara lokal, sering dihubungkan dengan query dan tool pelaporan yang membuat
view khusus dari kumpulan data yang besar untuk kebutuhan khusus end-user.
b. Relational OLAP (ROLAP)
Menempatkan penekanan dari pemrosesan query data dalam basisdata relasional.
ROLAP ini meng-submit query secara otomatis, query yang sangat khusus dan
query yang berulang ke basisdata, selain itu menangani pengiriman informasi ke
penggunanya.
c. Multidimentional OLAP (MOLAP)
Basisdata khusus yang berbasis server yang mengambil data relasional dari sistem
transaksi dan secara fisik menyimpannya dalam format khusus untuk
meningkatkan akses query. Biasanya, data merupakan kesimpulan (summary) dan
berisi dimensi yang terdefinisi atau karaktteristik data.
d. Hybrid OLAP
Merupakan kombinasi karakteristik dari pendekatan MOLAP dan ROLAP.
Mendukung pemrosesan berbasis server dan client atau pemrosesan dalam format
standar relasional dan pada struktur penyimpanan data khusus.
4. Data Warehousing
Data warehouse merupakan tempat penyimpanan untuk ringkasan dari data historis
yang seringkali diambil dari basisdata terpisah departemen atau perusahaan. Data
warehouse mengumpulkan semua data perusahaan dalam satu tempat untuk
memberikan pandangan yang lebih baik dari proses bisnis, dan meningkatkan kinerja
organisasi.
Data warehouse mendukung proses pembuatan keputusan manajemen, proses ini
subject-oriented, terintegrasi, waktu yang bervariasi dan permanen (karakteristik data
warehouse). Data warehouse berfokus pada konsep bisnis daripada proses bisnis dan
menampung semua informasi penjualan yang relevan yang dikumpulkan dari
beberapa sistem pemroses.
Karakteristik data warehouse
Karakteristik data warehouse, seperti disebutkan sebelumnya, antara lain:
a. Data diorganisasi oleh subjek (misal pelanggan) yang rinci.
b. Terintegrasi, data pada lokasi berbeda dikode secara berbeda namun pada
warehouse data-data tersebut konsisten.
c. Waktu yang bervariasi, data untuk 5-10 tahun dan digunakan untuk melihat
kecenderungan, peramalan dan perbandingan.
d. Permanen, sekali dimasukkan ke dalam data warehouse, data tidak berubah atau
di-update.
Arsitektur dan proses data warehouse
Terdapat 2 arsitektur data warehouse yang umum digunakan, antara lain:
a. Arsitektur 3-tier
Data dari sumber internal (terpisah) dan eksternal di-ekstrak, dibersihkan,di-filter
dan dirangkum dengan software khusus sebelum dimasukkan pada data
warehouse. Data tersebut kemudian diproses lagi dan disimpan pada basisdata
multidimensi khusus, diorganisasi untuk penyajian multidimensi yang mudah
dipahami. Gambar arsitektur data warehouse 3-tier, terdapat pada gambar 3.
gambar 3. Arsitektur data warehouse 3-tier
b. Arsitektur 2-tier
Proses yang sama dengan arsitektur 3-tier, namun tidak menggunakan basisdata
multidimensi atau server.
Legacy Systems
External Data
Database Server
EIS/DSS Server
Dat
a A
cqui
sitio
n So
ftwar
e
Repository
Multi-dimensional
Database
Data Warehouse
DSS Client
EIS Client
EIS Client
Gambaran proses umum yang dilakukan aplikasi data warehouse yang terintegrasi
diperlihatkan pada gambar 4.
gambar 4. Proses data warehousing
Komponen data warehouse
Komponen-komponen data warehouse yang digunakan suatu perusahaan, antara lain:
a. Basisdata fisik yang besar
Basisdata aktual dan fisikdimana semua data untuk data warehouse dikumpulkan
bersama dengan metadata dan lojik pemrosesan untuk data (membersihkan,
mengorganisasi, memaketkan dan memprosesulang) untuk diakses oleh end-users.
b. Data warehouse lojik
Berisi metadata, aturan bisnis, dan lojik pemrosesan untuk data. Sebagai tambahan,
juga berisi informasiyang dibutuhkan untuk menemukan dan mengakses data yang
aktual yang berada dimanapun.
c. Data mart
Merupakan bagian dari keseluruhan data warehouse. Biasanya berperan sebagai data
warehouse pada departemen, bagian/daerah atau secara fungsional.
Transaction Data
Extraction
Data Scrubbing &
Cleansing
Load Index & Aggregate
Publish & Subscribe
Data Access Tools
Metadata Histories & Summaries
Data Replication
Data Mapping
Integrated Data Warehouse Application
Design Transf Extract Deliver Process
Lifecycle
Partial Solutions
Complete Integrated Solution
d. DSS dan EIS
Bukan merupakan data warehouse tetapi aplikasi yang menggunakan data warehouse.
Keuntungan data warehouse
Solusi data warehouse dapat meningkatkan pengetahuan dan produktivitas pekerja
disamping memberikan dukungan kebutuhan data pada pembuat keputusan. Akibatnya,
data warehouse mampumenyediakan akses pada data kritis, basisdata operasi yang
terisolasi dan menyediakan ringkasan (summary) informasi sebanding dengan
kemampuan melakukan drill-down.
Data warehousing membantu user untuk mengenali kecenderungan bisnis, menemukan
jawaban atas pertanyaan bisnis dan menemukan arti dari data sejarah dan operasional,
yang pada akhirnya meningkatkan pendukung keputusan pada perusahaan.
Keuntungan tersebut dapat meningkatkan pengetahuan bisnis, memberikan keuntungan
competitive, meningkatkan pelayanan dan kepuasan pelanggan, memfasilitasi pembuatan
keputusan dan membantu menyederhanakan proses bisnis.
Implementasi data warehouse
Berdasarkan fungsi dan keuntungan penerapannya, maka perusahaan/ organisasi yang
cocok menggunakan data warehousing adalah dimana:
a. Data disimpan pada sistem yang berbeda
b. Menggunakan manajemen dengan pendekatan basis informasi
c. Basis pelanggan yang besar dan terbagi-bagi
d. Data yang sama direpresentasikan secara berbeda pada sistem yang berbeda.
e. Data disimpan dengan sangat teknis dan sulit untuk menemukan format yang sesuai.
Illustrasi Kasus
Otis Elevator Co., adalah perusahaan yang bergerak di bidang usaha pembuatan elevator,
eskalator, dan alat transportasi lainnya. Selain melakukan produksi, Otis Elevator juga
menyediakan jasa pelayanan instalasi dan perbaikan produk-produk transportasi.
Setiap tahunnya, Otis menjual sekitar 65.000 alat transportasi vertikal. Otis memiliki
63.000 karyawan di seluruh dunia dengan 22.000 mekanik yang menangani sekitar 1,2
juta elevator, eskalator, dan produk lainnya. Dengan demikian, perusahaan ini
menggunakan jaringan komunikasi, perawatan, dan jaringan pelayanan yang luas. Otis
memasarkan produknya di lebih dari 200 negara di dunia dengan pabrik di Amerika,
Eropa, Asia, dan Australia. Otis memiliki pusat perancangan dan pengetesan produk di
Amerika, Jepang, Prancis, Jerman, dan Spanyol.
Beberapa waktu yang lalu, Otis meluncurkan website www.otis.com. Dengan adanya
website ini, otis harus melakukan beberapa penyesuaian proses bisnisnya dalam melayani
konsumen dari seluruh dunia. Selain itu, Otis mendapat tantangan dalam menangani
informasi yang didapat melalui website tersebut. Otis ingin dapat mendapatkan informasi
mengenai kebutuhan dan keinginan konsumennya yang mengakses website tersebut
berdasarkan informasi click-stream yang didapatkan.
Otis menginginkan websitenya memiliki fitur untuk memberikan personalisasi terhadap
konsumennya. Salah satu fitur personalisasi yang diinginkan adalah adanya fasilitas bagi
konsumen untuk melakukan desain secara online terhadap elevator dan eskalator yang
diinginkan, dan juga menentukan daftar kebutuhan dalam pembelian produk sehingga
konsumen mendapatkan jenis produk yang sesuai dengan kebutuhannya tersebut.
Selain kebutuhan akan informasi tersebut, hal lain yang menjadi tantangan adalah website
tersebut mendukungan 26 pilihan bahasa dan setiap harinya diakses oleh 1.800
pengunjung. Berdasarkan pernyataan Jeff Anderson, Manajer Senior e-bisnis Otis, Otis
membutuhkan cara untuk mengintegrasikan data-data yang didapat dari website untuk
dapat mengetahui apa yang dibutuhkan oleh pengguna produk-produk Otis.
Tujuan dari Otis untuk melakukan hal tersebut adalah untuk lebih mendekatkan
perusahaan dengan konsumennya dan kegiatan-kegitan yang dilakukan oleh
konsumennya yang dapat menjadi informasi berharga bagi Otis. Otis menginginkan agar
karyawannya dapat memanfaatkan informasi mengenai pelanggan dari berbagai unit
bisnis yang dimiliki sehingga karyawan memiliki pemahaman yang lebih baik mengenai
konsumen dan dengan demikian dapat melakukan analisis yang lebih menyeluruh.
Dari deskripsi kasus diatas, dapat disimpulkan bahwa ada dua hal yang diinginkan oleh
Otis Elevator co., yaitu:
1. Melakukan pengubahan data mentah mengenai konsumen menjadi informasi yang
berharga
2. Mendokumentasikan alur pengaksesan pengunjung website Otis sehingga
perusahaan dapat menganalisis dan menyimpulkan kebutuhan pengunjung yang
merupakan calon konsumennya
Analisis dan Pembahasan Berdasarkan kebutuhan, dapat dilihat bahwa perusahaan membutuhkan suatu aplikasi
yang mampu menganalisis data-data historis, melakukan personalisasi terhadap
pengunjung website, dan mengambil tindakan yang harus diambil sehubungan dengan
hasil analisis. Karena itu, perusahaan membutuhkan aplikasi Business Intelligence
Untuk kasus pertama, Otis menginginkan agar dapat memanfaatkan data-data historikal
mengenai transaksi yang dilakukan oleh pelanggan. Data-data transaksi yang dapat
dianalisis antara lain data pembelian produk oleh konsumen, data perbaikan produk, tipe
produk yang diminati konsumen, dan lain-lain.
Menurut kami, data-data itu semua sudah ada pada database yang terpisah. Karena itu,
yang pertama kali harus dilakukan adalah mengintegrasikan data-data transaksi dan data-
data operasional perusahaan pada sebuat database yang terpusat dan memiliki format
yang seragam seperti format penamaan, penomoran, indeks, dll.
Pengintegrasian di atas tidak serinci dengan data-data transaksi dan operasional. Data
yang diintegrasikan sudah melalui proses ekstraksi, filterisasi, dan perangkuman. Tingkat
kedetailan data yang disimpan disesuaikan dengan rencana pemanfaatan datawarehouse
(sesuai kebutuhan analisis yang akan dilakukan).
Untuk mengimplementasikan data warehouse, ada beberapa komponen yang perlu
dipersiapkan oleh perusahaan, baik infrastruktur hardware dan software. Berdasarkan
deskripsi kebutuhan, komponen-komponen yang perlu disiapkan antara lain:
1. Basis data fisik dengan ukuran besar. Dengan data transaksi yang berasal dari 200
negara, tentu dibutuhkan media penampungan pusat dengan ukuran besar.
2. Data warehouse logik. Komponen ini berisi aturan-aturan bisnis, metadata, dan
data logik yang dapat digunakan untuk menelusuri data sumber dari manapun di
cabang perusahaan.
Mekanisme pengambilan data dari setiap cabang dilakukan sebagai berikut:
1. Data transaksi dan operasional dari setiap cabang dikirimkan secara periodik ke
pusat.
2. Data tersebut kemudian dioleh, difilter, dan dirangkum dan kemudian dimasukkan
ke datawarehouse.
3. Setiap data yang dimasukkan memiliki metadata yang berisi informasi detail
mengenai data hasil rangkuman tersebut yang disimpan di data warehouse logik.
Setelah data-data transaksi dan operasional sudah terkumpul dan terangkum di data
warehouse, data-data tersebut akan digunakan oleh data mining untuk dianalisis. Dalam
proses analisis, bisa saja data mining membutuhkan data-data yang detail, sehingga data
mining perlu mendapat akses langsung ke database cabang perusahaan.
Berdasarkan kebutuhan Otis, ada beberapa poin analisis yang dilakukan:
1. Menganalisis konsumen-konsumen yang paling potensial bagi perusahaan
berdasarkan beberapa faktor seperti jumlah transaksi dan periode transaksi
2. Keefektifan media yang digunakan konsumen dalam melakukan transaksi
pembelian dengan perusahaan yang akan menentukan tingkat keberhasilan
transaksi yang dilakukan dengan media tersebut
3. Tipe-tipe produk yang akan banyak dibeli konsumen berdasarkan trend historis
pembelian sehingga perusahaan dapat menentukan rencana produksi, pemasaran,
dan pengadaan barang di masa yang akan datang.
4. Besarnya transaksi yang dilakukan di setiap cabang yang dipadukan dengan data
konsumen lainnya seperti tipe produk dan media transaksi untuk menentukan
daerah-daerah yang potensial bagi pemasaran produk.
5. Aktivitas yang berkaitan dengan pelayanan konsumen, seperti pemberian
dukungan teknis produk, layanan instalasi, dan layanan perbaikan produk yang
digunakan untuk meningkatkan kepuasan konsumen.
Informasi-informasi hasil analisis dimanfaatkan oleh aplikasi Decission Suppiort System
untuk membantu pengambilan keputusan oleh pihak manajemen. Agar informasi hasil
analisis tersebut dapat dimanfaatkan, informasi tersebut perlu diakses oleh pihak
manajemen perusahaan. Salah satu media pengaksesan informasi yang dapat digunakan
adalah portal perusahaan.
Untuk kasus kedua, ada beberapa hal yang perlu ditambahkan dari penjelasan kasus
pertaman. Beberapa hal yang perlu dilakukan perusahaan adalah:
1. Menambahkan modul pada website perusahaan yang menyimpan alur
pengaksesan halaman website oleh pengunjung yang merupakan calon pelanggan
dan menyimpan ke database. Perlu diperhatikan bahwa penambahan data yang
berasal dari click-stream sangat cepat, sehingga diperlukan media penyimpanan
dengan ukuran besar (sekitar 15 Terabyte).
2. Data mentah dari database di atas secara berkala akan dirangkum ke data
warehouse agar dapat dianalisis pada proses berikutnya.
3. Data mining kemudian menganalisis data rangkuman tesebut. Poin analisis yang
dpat ditambahkan dari proses click-stream antara lain:
a. Tipe produk yang diinginkan pelanggan tertentu. Informasi tersebut
didapat dengan menganalisis halaman produk yang diakses, dan seberapa
sering pelanggan mengakses halaman tersebut.
b. Dari kustomisasi atau desain produk yang diinginkan oleh pelanggan,
perusahaan dapat melakukan perencanaan operasional.
4. Dari hasil analisis tersebut, dapat dilakukan personalisasi berdasarkan aktivitas
yang dilakukan oleh pelanggan.
5. Hal-hal yang dapt dipesonalisasi antara lain:
a. Bahasa. Berdasarkan data domisili konsumen, website Otis yang sudah
mendukung 26 pilihan bahasa ini secara otomatis memberikan tampilan
default bahasa yang sesuai.
b. Tipe produk. Berdasarkan data produk yang pernah dibeli, atau produk
yang pernah di desain tetapi belum dibeli, website menampilkan produk-
produk dengan tipe sejenis. Misalkan konsumen pernah membeli elevator
dengan tipe X-1, pada halaman utama konsumen ditampilkan produk-
produk elevator dengan tipe X-2, X-3, dll yang sejenis.
c. Informasi produk baru dan update yang releven. Sama seperti
personalisasi terhadap tipe produk, website akan menampilkan informasi
mengenai produk baru dan update yang relevan dengan tipe produk yang
pernah dibeli. Informasi ini dipisahkan dari produk lama sebagai proses
pemasaran produk baru kepada pelanggan yang relevan.
d. Infrastruktur pendukung produk relevan Sama seperti personalisasi
terhadap tipe produk, website menampilkan informasi mengenai
infrastruktur pendukukng produk. Contohnya adalah pembeli elevator
dengan tipe X-1 ditawarkan tombol atau layar dengan model tertentu yang
dikhususkan untuk elevator tipe X-1.
e. Forum tanya-jawab mengenai permasalahan produk yang pernah dibeli
konsumen. Informasi dari forum tanya jawab tersebut berfungsi untuk
mengurangi beban bagian pelayanan pelanggan perusahaan. Dengan
adanya itu, pelanggan dapat menemukan jalwaban atas permasalahan yang
dihadapi dengan segera.
Kesimpulan
Beberapa kesimpulan yang dapat kami ambil dari penulisan paper ini, antar lain:
1. Data warehouse memiliki fungsi untuk menyimpan data / metadata dari basisdata
transaksi dan operasi yang saling terpisah untuk disatukan dalam satu lokasi
penyimpanan untuk memudahakan pemanfaatannya pada proses analisis.
2. Proses analisis berfungsi mengubah data mentah / data rangkuman (pada data
warehouse) menjadi suatu informasi di perusahaan.
3. Salah satu kegiatan dari aplikasi BI adalah memberikan personalisasi kepada
pelanggan berdasarkan hasil analisis data transaksi dan operasi dari pelanggan
tersebut.
4. Informasi yang dihasilkan analisis dapat dimanfaatkan oleh sistem pendukung
keputusan yang menjadi sumber dalam mengambil keputusan di pihak
manajemen.Untuk mengintegrasikan BI ke dalam proses bisnis perusahaan, perlu
dilakukan beberapa proses siklus pengembangan sistem (Justification Planning
Business Analysis Design Construction Deployment)
5. agar perusahaan dapat mengintegrasikan BI perlu diperhatikan beberapa faktor, antara
lain: pemahaman terhadap tujuan perusahaan, pemahaman terhadap pentingnya
aplikasi BI ini terhadap pengguna, memposisikan aplikasi BI ini dengan sistem lain di
dalam perusahaan.
Daftar pustaka dan referensi
[1] Kalakota, Dr. Ravi, e-business 2.0, Addison Wesley, 2001
[2] Turban, Efraim, Decision Support System and Intelligence System, Prentice Hall,
1998
[3] Loshin, David, Enterprise Knowledge Management, Morgan Kaufmann, 2001
[4] Dyche, Jill, The CRM Handbook, Addison Wesley, 2002
[5] Frappaolo, Carl, Manajemen Pengetahuan, Prestasi Pustaka, 2003
[6] Tiwana, Amrit, The Knowledge Management Toolkit, Prentice Hall, 2000
[7] www.businessintelligence.com/
[8] www.cognos.com/