Nama : Ida Agung Tribhuwana Mahardhika Adiningrat
NIM : 1605551027
Mata Kuliah : Data Warehouse
Dosen : I Putu Agus Eka Pratama ST.,MT.
Program Studi/Fakultas/Universitas : Teknologi Informasi/Teknik/Udayana
Business Intelligence (BI) dan BI
Tools
1. Pengertian
Business Intelligence
Business
Intelligence (BI) merupakan alat (tools) dan teknik untuk mentransformasikan
data menjadi informasi bisnis dalam perusahaan dimana data tersebut akurat dan
tepat waktu dalam proses penentuan keputusan.
2. Business
Intelligence Vs Artificial Intelligence
Perbedaan antara
Business Intelligence (BI) dengan Artificial Intelligence (AI) antara lain
yaitu :
1) BI merupakan sistem penentuan pengambilan
keputusan yang berbasiskan data-data
Contohnya Manager HRD dapat menganalisis
pengaruh kenaikan gaji terhadap peningkatan produktivitas pekerja pada sebuah
pabrik dimana BI sebagai penyedia data seperti data produktivitas, data
karyawan, data operasional dan data lainnya yang memberikan informasi terhadap
penentuan keputusan yang membantu Manager HRD menyelesaikan masalah kenaikan
gaji karyawan.
2) AI merupakan sistem membuat keputusan
Contohnya Direktur perusahaan dapat
melakukan monitoring terhadap perkembangan produktivitas, pemberian penghargaan
kepada karyawan teladan sesuai kriteria yang ditetapkan.
3. Konsep
Business Intelligence
1) Data Sourcing, dalam hal ini Business
intelligence memiliki kemampuan untuk dapat mengakses berbagai sumber data dan
informasi yang berada pada sejumlah sumber yang berbeda dimana pada setiap sumber
memliki format penyimpanan data yang berbeda pula.
2) Data analysis, dalam hal ini intelligence
memiliki kemampuan untuk dapat menganalisis data yang didapatkan dari aktivitas
perusahaan dan informasi dari perusahaan sehingga dapat dijadikan sebuah pengetahuan
yang kelak dapat digunakan perusahaan untuk meningkatkan kinerja perusahaan.
3) Situation awareness, dalam hal ini Business
Intelligence memiliki kemampuan untuk dapat menyediakan sebuah sistem yang
dapat digunakan untuk mencari dan memberikan data serta informasi yang
dibutuhkan oleh perusahaan ketika perusahaan menghadapi kejadian darurat atau
terdesak.
4) Risk analysis, dalam hal ini Business
Intelligence memiliki kemampuan untuk dapat memberikan perhitungan resiko yang
akan dihadapi perusahaan terhadap berbagai kemungkinan yang terjadi akibat dari
pilihan-pilihan tertentu yang diambil oleh perusahaan.
5) Decision support, dalam hal ini Business
Intelligence memiliki kemampuan untuk dapat memberikan pertimbangan-
pertimbangan yang dapat digunakan untuk membantu perusahaan dalam pengambilan
keputusan yang dapat menghasilkan keputusan-keputusan yang berkualitas yang
diambil berdasarkan berbagai perhitungan dan pengolahan terhadap data atau
informasi baik internal maupun eksternal yang dimiliki oleh perusahaan.
4. Level
Business Intelligence
1) Level sistem operasional, sebagai sumber data
dari sistem business intelligence, sistem operasional bisnis pada umumnya
menggunakan sistem online transaction processing (OLTP) untuk mendukung
kegiatan bisnis sehari-hari. Pada umumnya sistem OLTP adalah sistem penerimaan
order pelanggan, sistem keuangan, dan sistem sumber daya manusia.
2) Level akuisisi data, pada level ini adalah
komponen pra proses terdiri dari 3 tahapan yaitu : ekstraksi, transformasi, dan
memasukkan (ETL). Sebuah perusahaan memiliki beberapa sistem OLTP yang
menghasilkan jumlah data yang sangat besar. Data tersebut pertama kali
diekstrak dari sistem OLTP oleh proses ETL dan kemudian ditransformasi sesuai
dengan aturan transformasi. Apabila data yang sudah ditransformasi maka data tersebut dimasukkan ke data
warehouse. ETL merupakan komponen dasar dari sistem business intelligence
karena kualitas data dari komponen lain tergantung pada proses ETL. Dalam
perancangan dan pengembangan ETL, kualitas data, fleksibilitas sistem dan
kecepatan proses adalah perhatian utama.
3) Level penyimpanan data, data yang telah
diproses oleh komponen ETL disimpan dalam data warehouse dimana biasanya
diimplementasikan dengan menggunakan tradisional sistem manajemen database (RDMS).
RDMS didesain untuk mendukung proses transaksi, sangat bertolak belakang dengan
data warehouseberfokus kepada subyek, varian waktu dan disimpan secara
terintegrasi. Skema star dan snowflake merupakan skema data warehouse yang
paling populer. Apapun skema yang dipakai, tipe tabel pada data warehouse
adalah fact tables dan dimension tables.
4) Level analitis. berdasarkan
data warehouse, berbagai macam aplikasi analitikal telah dikembangkan. Sistem
business intelligence mendukung 2 tipe dasar dalam fungsi analitikal: pelaporan
dan online analytical processing (OLAP). Fungsi pelaporan menyediakan manajer
berbagai jenis laporan bisnis seperti laporan penjualan, laporan produk, dan
laporan sumber daya manusia. Laporan dihasilkan dari menjalankan queries kedalam
data warehouse. Data warehouse queries pada umumnya sudah didefinisikan oleh
pengembang data warehouse. Laporan yang dihasilkan oleh sistem business
intelligence biasanya memiliki format yang statis dan berisi tipe data yang
pasti. Analitikal business intelligence yang paling menjanjikan adalah OLAP.
Menurut Codd et al (1993) yang dikutip oleh Niu (2009), OLAP memungkinkan
manajer untuk secara efisien mendalami data bisnis dari berbagai dimensi
analisis melalui operasi pengirisan, pemotongan dan pendalaman. Sebuah analisis
dimensi merupakan perspektif melalui bagaimana data tersebut dipresentasikan,
sebagai contoh: tipe produk, lokasi penjualan, waktu dan pelanggan.
dibandingkan dengan fungsi laporan, OLAP mendukung analisis data sesuai dengan
kebutuhan. OLAP merupakan model data multidimensional yang dikenal sebagai
skema snowflake dan star. Sebagai tambahan dari laporan dan OLAP, terdapat
banyak tipe analitikal yang lain yang dapat dibuat berdasarkan sistem data
warehouse seperti data mining, executive dashboards, customer relationship
management, dan business performance management.
5. Manajemen
metadata.
Metadata merupakan
data khusus mengenai data lain seperti sumber data, penyimpanan data warehouse,
peraturan bisnis, otorisasi akses, dan bagaimana data diekstrak dan
ditransformasi. Metadata sangat penting dalam menghasilkan informasi yang
akurat, konsisten dan pemeliharaan sistem. Manajemen metadata mempengaruhi
semua proses dari perancangan, pengembangan, pengujian, penyebaran dan
penggunaan sistem business intelligence.
6. Contoh
Business Intelligence
1) Executive Information System
2) Business Activity Monitoring
3) Decision Support System
4) Management Information System
5) Geographic Information System
Referensi: I Putu Agus Eka
Pratama. Handbook Data Warehouse. Penerbit Informatika. Bandung. 2017)
0 komentar:
Posting Komentar