Dalam sistem pemrosesan data (enterprise data processing), datawarehouse dan Business Intelligence merupakan pusatnya. Semua data transaksi dikumpulkan, diproses, disimpan ke dalam datawarehouse, di-summary, di-query dan dianalisa, hingga menghasilkan laporan (report) dan hasil analisa; dan kemudian digunakan untuk menyusun strategi dan membuat keputusan.
Gambar berikut ini menunjukkan arsitektur sistem datawarehouse dan business intelligent:
Transactional Data
Merupakan data transaksi, tentunya kita sering mendengar istilah Online transactional processing alias OLTP. Dalam arsitektur ini dikenal sebagai data source. Data ini bisa dari sumber manapun (pembelian, penjualan, billing, dan lain-lain); dan bisa berformat apa saja (teks/flat file, specific product proprietary, database, spreadsheet, dll) baik structured maupun unstructured.
ETL
Singkatan dari Extraction, Transformation, and Loading. Sesuai dengan namanya, ETL berfungsi malakukan:
- Extraction, mengambil dan mengumpulkan data source. Tempat datasource dikumpulkan dan disimpan sementara sebelum diproses (transform) disebut sebagai staging storage/area.
- Transformation, melakukan transformasi yang meliputi [saya tulis bahasa Inggris biar lebih familiar] validation, cleansing, applying business rules, checking integrity, aggregation, disaggregation.
- Loading, menyimpan hasil transformasi ke Datawarehouse. Sebelum ke datawarouse, hasil transformasi biasanya ditaruh dulu di staging storage.
- Maintenance, meliputi: update reference, archiving, dan cleanup.
Datawarehouse
Merupakan jantung dari sistem ini, berupa database besar yang dilengkapi dengan kemampuan online analytical processing alias OLAP.
Business Intelligent Environment
Istilah ini sangat populer sekali, disingkat dengan BI. Pengertian BI yang saya terjemahkan secara bebas dari Wiki “Business Intelligence adalah kemampuan sebuah perusahaan/organisasi untuk mengambil semua data/kemampuan dan mengubahnya menjadi informasi/pengetahuan yang tepat untuk orang yang tepat, pada waktu yang tepat, melalui saluran yang tepat. Informasi ini dipakai untuk menciptakan peluang dan strategi yang efektif, sehingga memberikan keunggulan kompetitif di pasar dan stabilitas dalam jangka panjang.”
Secara teknis, berikut ini pekerjaan untuk menghasilkan informasi tersebut:
- descriptive analytic – menjelaskan kejadian masa lalu: summary/aggregate, enterprise reporting, adhoc query, multidimensional analytic, statistical analytic, data mining, dll.
- predictive analytic – meramalkan kejadian masa depan: multidimensional analytic, statistical analytic, what if modelling, dll
- developing dashboard and scorecards
Information, Insight
Informasi berkaitan dengan laporan atas kejadian masa lalu entah itu laporan keuangan, laporan marketing, revenue assurance, fraud analytic, analisa pelanggan (customer analytic), dll. Sementara insight berkaitan dengan apa yang akan terjadi (atau bisa dilakukan) terhadap masa depan, bisa disebut juga dengan prediksi atau peluang.
Hasil akhirnya adalah ….
Keputusan dan strategi yang tepat 
0 komentar:
Posting Komentar