Karakteristik DW, Perbedaan DW dan Data Mart, Meta Data, Komponen Data Warehouse, Tren DW

-

Karakterisitik Data Warehouse

  • Berorientasi Objek (Subject oriented)

tempat penyimpanan berdasakan subyek bukan berdasakan aplikasi. Subyek merupakan bagian dari suatu perusahaan. Contoh subyek pada perusahaan manufaktur adalah penjualan, konsumen, inventori, daln lain sebagainya.
  • Terintegrasi (integrated)

Data yang tersimpan dalam data warehouse didefinisikan menggunakan konversi penamaan yang konsisten, format-format, struktur terkodekan, serta karakteristik-karakteristik yang berhubungan, sumber data tidak hanya berasal dari internal bisa juga berasal dari external.

Data pada sumber berbeda dapat di-encode dengan cara yang berbeda. Sebagai contoh, data jenis kelamin dapat di-enkode sebagai 0 dan 1 di satu tempat dan ”m” dan ”f” di tempat lain.
Memiliki dimensi waktu (Time variant)

Data yang tersimpan dalam data warehouse mengandung dimensi waktu yang mungkin digunakan sebagai rekaman bisnis untuk tiap waktu tertentu, Data warehouse menyimpan sejarah (historical data). misalnya terjadi perubahan definisi kode pos, maka yang lama dan yang baru ada semua didalam data warehouse kita.

  • Non Volatile

Data yang tersimpan dalam data warehouse diambil dari system operasional yang sedang berjalan, tetapi tidak dapat diperbaharui (di-update) oleh pengguna (bersifat ‘hanya-baca), Sekali masuk kedalam data warehouse, data-data, terutama data tipe transaksi, tidak akan pernah di update atau dihapus (delete)

  • Granularity

Pada sistem operasional data dibuat secara real-time sehingga untuk mendapatkan informasi langsung dilakukan proses query. Pada saat menganalisis harus memperhatikan level-of-detail misalkan perhari, ringkasan perbulan, ringkasan per-tiga-bulan 

Sumber : http://opistation.wordpress.com/2013/10/15/karakteristik-data-warehouse/


Perbedaan Data Warehouse dan Data Mart

žData warehouse 

Merupakan gabungan dari beberapa data mart dan levelnya berada pada perusahaan atau organisasi.

žData mart 

Merupakan bagian dari data warehouse dan berada di level departemen  pada perusahaan atau organisasi tersebut. Data mart menangani sebuah business proses,
Perbedaan 1
Meta Data  
Informasi tambahan yang menyertai dan mendeskripsikan tentang sebuah data tertentu. Misalnya sebuah gambar memiliki metadata yang menginformasikan seberapa besar ukuran file gambar, kedalaman warnanya, resolusinya, kapan dibuat, dan sebagainya.




 Komponen Data Warehouse

  • Operational Data
Sumber data dari data warehouse dapat diambil langsung dari basis data relasional seperti Oracle, Ms SQL Server dan sebagainya. Selain itu dapat melalui Operational Data Source (ODS). ODS menampung data yang diekstrak dari sistem utama atau sumber-sumeber data yang ada dan kemudian data hasil ekstrasi tersebut dibersihkan.
  • Load Manager
komponen front-end yang bertugas melakukan seluruh operasi yang berhubungan dengan ekstrasi dan me-load data ke warehouse.
  • Warehouse Manager
komponen ini melakukan seluruh operasi-operasi yang berhubungan dengan kegiatan manajemen data di dalam warehouse.

Operasi-operasi tersebut meliputi:

1.       Analisis terhadap data untuk memastikan konsistensi
2.       Transformasi dan penggabungan sunber data dari tempat penyimpanan sementara menjadi tabel-tabel data warehouse
3.       Penciptaan indeks-indeks dan view berdasarkan tabel-tabel dasar
4.       Melakukan denormalisasi dan agregasi jika diperlukan
5.       Backing-Up dan pengarsipan data
 

  • Query Manager
komponen back-end, melakukan operasi-operasi yang berhubungan dengan manajemen user queries. Operasi-operasi yang dilakukan oleh komponen ini termasuk mengarahkan query kepada tabel-tabel yang tepat dan menjadwalkan eksekusi eksekusi dari quey tersebut.
  • End-user access tool  
Data warehouse adalah untuk menyediakan informasi bisnis kepada user-user untuk dapat melakukan pengambilan keputusan secara cepat dan tepat. User ini dapat berinteraksi dengan DW melalui end-user access tools. DW harus secara efisien mendukung secara khusus kebutuhan user serta secara rutin melakukan analisis

Terdapat 5 grup utama dari tools tersebut (Berson & Smith):
1.       Reporting and query tools
2.       Application development tools
3.       Executive information System (EIS) tools
4.       Online Analytical Processing (OLAP) tools
5.       Data mining tools

Sumber : http://www.charitasfibriani.files.wordpress.com/2010/09/pertemuan_31.doc



 Tren Data Warehouse di masa depan


  • Service Oriented Architecture (SOA)
Suatu aplikasi pasti ada yang menggunakan data lampau yang di simpan dalam data warehouse seperti audit dan control system, aplikasi pelaporan, aplikasi analitik, dll.
Di sini SOA merupakan cara membangun aplikasi kecil tetapi membentuk suatu aplikasi raksasa yang apabila dari aplikasi kecil tersebut di gabungkan dengan syarat antar aplikasi memiliki ketergantungan.
Dengan begitu aplikasi tidak akan memakan biaya besar apabila ada perubahan di salah satu komponen yang perlu di kembangkan karena aplikasi di pecah – pecah jadi banyak tetapi saling berkaitan / saling membutuhkan.
Diharapkan di masa depan, akan lebih mudah untuk memperbarui salah satu komponen tanpa mempengaruhi yang lain dan untuk menghubungkan berbagai komponen yang dibuat menggunakan teknologi yang berbeda sekalipun.

  • Real Time Data warehouse

Dimasa lalu data di data warehouse di perbaharui 2-3 tahun, Beberapa tahun lalu di perbaharui setiap hari atau setiap minggu.
Disini para pengguna ingin melihat bagaimana data warehouse di perbaharui setiap dua menit atau bahkan realtime. Contohnya untuk histori transaksi yang langsung masuk data warehouse.