Minggu, 31 Mei 2015

Chapter 6 Yayasan Bisnis Intelijen: Database dan Manajemen Informasi



 
PENGORGANISASIAN DATA DALAM LINGKUNGAN FILE TRADISIONAL
Sistem informasi yang efektif menyediakan informasi yang akurat, tepat waktu, dan relevan kepada pengguna. Informasi yang akurat bebas dari kesalahan. Informasi tepat waktu dibutuhkan ketika membuat keputusan. Informasi yang relevan berguna dan sesuai untuk jenis pekerjaan dan keputusan yang memerlukannya. Banyak bisnis tidak memiliki informasi yang tepat waktu, akurat, atau relevan karena data dalam sistem informasi mereka kurang terorganisir dan dipelihara. Itu sebabnya manajemen data sangat penting.
Konsep dan bentuk file organisasi
Sebuah sistem komputer mengatur data dalam hierarki yang dimulai dengan bit dan byte dan berkembang menjadi, field, record, file, dan database (lihat Gambar 6-1). Sekelompok bit, disebut byte, mewakili satu karakter, yang dapat surat, sistem komputer mengatur data dalam hierarki yang dimulai dengan bit, yang mewakili baik 0 atau 1. Bits dapat dikelompokkan untuk membentuk byte untuk mewakili satu karakter, angka, atau simbol. Byte dapat dikelompokkan untuk membentuk field, dan field terkait dapat dikelompokkan untuk membentuk record. Record terkait dapat dikumpulkan untuk membentuk sebuah file, dan file terkait dapat diatur ke dalam database.
Masalah  lingkungan file tradisional
Pengelolaan lingkungan file tradisional ini menimbulkan masalah seperti:redundansi dan inkonsistensi data, ketergantungan program data, kurangnya fleksibilitas, kurangnya keamanan dan kurangnya sharing dan ketersediaan.
PENDEKATAN DATABASE UNTUK MANAJEMEN DATA
Sistem Manajemen database
Sebuah sistem manajemen database (DBMS) adalah perangkat lunak yang memungkinkan organisasi untuk memusatkan data, mengelola secara efisien, dan memberikan akses ke data yang disimpan oleh program aplikasi. DBMS bertindak sebagai antarmuka antara program aplikasi dan file data fisik.
DBMS meringankan programmer atau pengguna akhir dari tugas untuk memahami di mana dan bagaimana data sebenarnya disimpan dengan memisahkan pandangan data logis dan data fisik. Pandangan logis menyajikan data karena dirasakan oleh pengguna akhir atau spesialis bisnis, sedangkan tampilan fisik menunjukkan bagaimana data sebenarnya terorganisir dan terstruktur pada media penyimpanan fisik.
Bagaimana DBMS memecahkan masalah dari  lingkungan file tradisional
Sebuah DBMS mengurangi redundansin dan inkonsistensi data dengan meminimalkan file terisolasi di mana data yang sama diulang. DBMS mungkin tidak memungkinkan organisasi untuk menghilangkan redundansi data seluruhnya, tetapi dapat membantu mengontrol redundansi. Bahkan jika organisasi mempertahankan beberapa data yang berlebihan, menggunakan DBMS menghilangkan inkonsistensi data, karena DBMS dapat membantu organisasi memastikan bahwa setiap terjadinya data yang berlebihan memiliki nilai yang sama.
DBMS relasional
DBMS kontemporer menggunakan model database yang berbeda untuk melacak entitas, atribut, dan hubungan. Jenis yang paling populer dari DBMS saat ini untuk PC komputer yang lebih besar dan mainframe adalah DBMS relasional. Database relasional merepresentasikan data sebagai tabel dua dimensi (disebut hubungan). Tabel dapat disebut sebagai file. Setiap tabel berisi data tentang entitas dan atributnya. Microsoft Access adalah DBMS relasional untuk sistem desktop, sedangkan DB2, Oracle Database, dan Microsoft SQL Server adalah DBMS relasional untuk mainframe besar dan komputer midrange. MySQL adalah populer DBMS open source, dan Oracle Database Lite adalah DBMS untuk perangkat yang kecil.
Operasi DBMS Relasional
Operasi DBMS ini dapat digunakan untuk menghubungkan dan mengkombinasikan data yang dibutuhkan pengguna, dengan syarat dua tabel tersebut memiliki elemen yang sama. Misalnya dalam mencari nama dan alamat pemasok berarti kita membutuhkan tabel pemasok dan suku cadang.
DBMS Berorientasi Objek
DBMS ini berfungsi untuk mengatur data dan struktur dalam baris dan kolom yang tidak sesuai dalam penanganan garis-based atau aplikasi multimedia. Dalam aplikasi ini juga memerlukan basis data yang dapat menyimpan serta mengambil kembali record yang tidak hanya berupa nomor atau karakter namun juga gambar,foto,suara dan video.
KAPABILITAS SISTEM MANAJEMEN BASIS DATA
Dalam DBMS tersebut menggunakan kapabilitas serta perangkat dalam mengorganisasikan, mengelolanya, dan mengakses data yang ada dalam basis data. Kapabilitas definisi datanya, kamus datanya, dan bahasa manipulasi datanya adalah hal yang paling penting.
Untuk membuat tabel data serta mendefinisikan karakteristik field dalam setiap tabel dapat menggunakan DBMS karena DBMS memiliki kapabilitas definisi data (data definition) untuk dapat menentukan struktur dari isi basis data. Informasi yang dada tentang basis data tersebut didokumentasikan dalam kamus data. Kamus data tersebut berupa file otomatis atau manual yang dapat menyimpan dari semua elemen-elemen data sbeserta karakteristiknya.
Permintaan (Querying) dan Pelaporan
Dalam perangkat DBMS menyertakan perangkat untuk mengakses dan untuk memanipulasi informasi dalam basis data. Beberapa dari DBMS memiliki bahasa khusus. Bahasa tersebut biasa disebut bahasa manipulasi data yang digunakan untuk menambahkan, mengganti, menghapus, mengambil kembali data dalam basis data. Bahasa tersebut berisikan perintah-perintah yang dapat membuat pengguna dan para pakar pemprograman mengambil datadari basis data agar dapat memenuhi informasi dan mengembangkan berbagai aplikasi.
Merancang Basis Data
Untuk merancang basis data yang baik harus memahami hubungan antara data dan jenis data yang akan dipertahankan oleh basis data. Dalam Perancangan Basis data memerlukan antara lain :
1)      Rancangan konseptual yang logis dari sebuah basis data
2)      Rancangan fisik berisi bagaimana basis data sebenarnya tersusun dalam perangkat penyimpanan data dengan akses langsung.
Normalisasi dan Diagram Hubungan Relasi Entitas
Normalisasi dan diagram hubungan relasi entitas basis data konseptual menggambarkan bagaimana elemen data dalam database harus dikelompokkan. Proses desain mengidentifikasi hubungan antara elemen data dan cara yang paling efisien pengelompokan elemen data bersama-sama untuk memenuhi kebutuhan informasi bisnis. Proses ini juga mengidentifikasi elemen data yang berlebihan dan pengelompokan elemen data yang diperlukan untuk spesifik program aplikasi.

Data Mart
Perusahaan sering membangun gudang dat perusahaan lebar dimana data perusahaan sentral gudang melayani seluruh perusahaan atau mereka membuat lebih kecil, desentralisasi gudang disebut data mart. Sebuah data mart adalah bagian dari data yang diringkas atau sangat terfokus bagian dari organisasi. Data di tempatkan dalam database terpisah untuk populasi spesifik pengguna. Sebagai contoh sebuah perusahaan mungkin mengembangkan pemasaran dan data penjualan mart untuk menangani dengan informasi pelanggan. Sebuah data mart biasanya berfokus pada suatu subyek tunggal atau bidang usaha, sehingga biasanya dapat dibangun lebih cepat dan dibawah biaya dari sebuah gudang data perusahaan lebar.

Alat untuk Kecerdasan Bisnis : analisis data multidimensional dan data mining
Setelah data telah ditangkap dan diselenggarakan di gudang data dan data mart, mereka yang bersedia untuk menganalisis lebih lanjut menggunakan alat untuk intelijen bisnis, pengguna menganalisi data untuk melihat pola-pola baru, hubungan dan wawasan yang berguna untuk membimbing pengambilan keputusan. Alat utama untuk menganalisis bisnis supaya intelijen termasuk perangkat lunak untuk database dan pelaporan, alat untuk analisi data multidimensi analisi online pengolahan) dan alat untuk data mining.

Online analitycal processing (OLAP)
Olap mendukung analisis data multidimensi, memungkinkan pengguna untuk melihat data yang sama dengan cara yang berbeda menggunakan beberapa dimensi. Setiap aspek informasi produk, harga, biaya, wilayah, atau periode waktu merupakan dimensi yang berbeda. Jadi, biasanya seorang manajer produk menggunakan data analisis multidimensi untuk belajar berapa banyak mesin cuci terjual pada bulan juni. Bagaimana yang membandingkan dengan bulan sebelumnya dan bagaimana membandingkan perkiraan penjualan. OLAP memungkinkan pengguna untuk mendapatkan jawaban online untuk pertanyaan seperti ini dalam cukup waktu, bahkan ketika data disimpan database yang sangat besar, seperti angka penjualan beberapa tahun.
Gambar 6-13 menunjukkan model multidimensi yang dapat diciptakan untuk mewakili produk, wilayah, penjualan aktual dan penjualan diproyeksikan. Sebuah matriks penjualan untuk membentuk kubus dengan enam wajah. Jika anda memutar kubus 90 derajat satu cara, wajah menunjukkan akan menjadi produk dibandingkan actual dan diproyeksikan penjualan. Jika anda memutar 90 derajat lagi, anda akan melihat wajah dibandingkan aktual dan diproyeksikan penjualan. Jika anda memutar 180 derajat dari tampilan asli, anda akan melihat penjualan dan produk diproyeksikan dibandingkan wilayah. Kubus dapat bersarang dalam kubus untuk membangun pandangan kompleks data. Sebuah perusahaan akan menggunakan baik database multidimensi khusus atau alat yang menciptakan pandangan multidimensi data dalam database relasional.
Gambar 6-13 : model data multidimensional

 

 Pandangan yang menunjukkan adalah produk yang dibandingkan daerah. Jika anda memutar kubus 90 derajat, wajah akan menunjukkan produk dibandingkan actual dan diproyeksikan penjualan. Jika anda memutar 90 derajat lagi anda akan melihat wajah wilayah vs actual dan diproyeksikan penjualan.

Data Mining
Database tradisional menjawab pertanyaan-pertanyaan seperti “berapa banyak unit jumlah proudk 403 yang dikirimkan pada bulan februari 2010?” OLAP atau multidimensi analisis, mendukung permintaan kompleks lebih untuk informasi, seperti “bandingkan penjualan produk 403 relatif untuk merencanakan dengan kuartal dan penjualan wilayah untuk dua tahun terakhir. “dengan OLAP dan analisis data permintaan berorientasi, pengguna harus memiliki ide yang baik tentang informasi yang mereka cari.
Data mining memberikan wawasan data perusahaan yang tidak dapat diperoleh dengan OLAP dengan mencari pola tersembunyi dan hubungan dalam database besar dan aturan menyimpilkan dari mereka untuk masa depan perilaku. Pola dan aturan yang digunakan untuk memandu pengambilan keputusan dan perkiraan efek dari keputusan. Jenis informasi diperoleh dari data mining termasuk asosiasi, urutan, klasifikasi, cluster, dan prakiraan. Sistem ini melakukan tingkat tinggi analisi pola atau tren, tetapi mereka juga dapat menelusuri untuk memberikan lebih detail bila diperlukan. Ada aplikasi data mining untuk semua bidang fungsional bisnis, dan pemrintah, karya ilmiah. Salah satu penggunaan yang popular untuk data mining adalah untuk memberikan analisis rinci pola dalam data pelanggan yang menguntungkan.
Teks Mining dan Web Mining
Alat intelijen bisnis berurasan dengan data yang telah terstuktur dalam database dan file. Namun, data tidak terstruktur sebagian besar dalam bentuk file teks diyakini akun untuk lebih dari 80 persen dari informasi yang berguna bagi organisasi. e-mail, memo, transkip call center, tanggapan survei, kasus hokum, deskrepsi paten, dan laporan layanan yang semua berharga untuk menemukan pola dan tren yang akan membantu karyawan membuat keputusan bisnis yang lebih baik. Alat ini mampu mengekstrak elemen kuncidari data set yang besar yang tidak terstruktur, menemukan pola dan hubungan, dan meringkas informasi. Bisnis mungkin beralih ke teks mining untuk menganalisi transkip dari panggilan ke pusat layanan pelanggan untuk mengidentifikasikan layanan dan perbaikan masalah besar.
Teks mining adalah teknologi yang relatif baru, tapi apa yang benar-benar baru berbagai cara dimana data tidak terstruktur yang dihasilkan oleh konsumen dan bisnis menggunakan data tersebut. Interaktif sesi teknologi mengeksplorasi beberapa aplikasi bisnis ini dari teks mining. Web adalah sumber yang kaya informasi lain yang berharga. Situs web akan mengukur keberhasilan kampanye pemasaran. Misalnya, pemasar menggunakan Google Trends dan Google Wawasan untuk layanan pencarian, yang melacak popularitas berbagai kata dan frase yang digunakan dalam pencarian Google, untuk mempelajari apa yang orang tertarik dan apa yang menarik untuk mereka beli.
Web mining mencari pola dalam melalui mining konten, struktur mining, penggunaan mining. Konten web mining adalah pproses penggalian pengetahuan dri isi halaman web, yang dapat mencakup teks, gambar, audio, dan data video. Struktur web mining ekstrak informasi yang berguna dari link tertanam dalam dokumen web. Misalnya, link yang menunjuk ke sebuah dokumen menunjukkan popularitas dokumen, sedangkan link yang yang keluar dari dokumen menunjukkan kekayaan atau mungkin berbagai topic yang dibahas dalam dokumen. Penggunaan web mining meneliti data interaksi pengguna direkam oleh server web setiap kali permintaan untuk sumber situs web yang diterima. Data penggunaan mencatat pengguna ketika pengguna menelusuri atau membuat transaksi di situs web yang diterima. Data pengguna mencatat pengguna perilaku ketika pengguna menelusuri atau membuat transaksi di situs web dan mengumpulkan data dalam log server. Menganalisis data tersebut dapat membantu perusahaan menentukan nilai pelanggantertentu, strategi pemasaran lintas seluruh produk, dan efektifitas kampanye promosi.

Databases dan web
Banyak perusahaan sekarang menggunakan web untuk membuat beberapa informasi dalam database internal mereka tersedia untuk pelanggan dan mitra bisnis. Misalnya, pelanggan dengan browser web yang ingin mencari online database pengecer untuk informasi harga .
Gambar 6-14: mengilustraikan bagaimana pelnaggan mengakses database pengecer melalui web. 
 
Pengguna mengakses situs Web pengecer melalui Internet menggunakan perangkat lunak browser Web pada PC client nya. Permintaan perangkat lunak browser Web data pengguna dari organisasi database, menggunakan HTML perintah untuk berkomunikasi dengan server Web. Karena banyak database back-end tidak bisa menafsirkan perintah ditulis dalam HTML, server Web melewati permintaan ini untuk data dengan perangkat lunak yang menerjemahkan Perintah HTML ke dalam SQL sehingga mereka dapat diproses oleh DBMS bekerja dengan database. Dalam lingkungan client / server, DBMS berada pada komputer khusus yang disebut server database. DBMS menerima SQL permintaan dan memberikan data yang dibutuhkan.
MENGELOLA SUMBER DAYA DATA
Membangun kebijakan informasi
Kebijakan informasi menentukan  aturan organisasi untuk berbagi, menyebarluaskan, memperoleh, standardisasi, mengelompokkan, dan inventarisasi informasi. Kebijakan informasi menjabarkan prosedur dan akuntabilitas yang spesifik, mengidentifikasikan mana pengguna dan unit organisasi dapat berbagi informasi, dimana informasi dapat didistribusikan dan yang bertanggung jawab untuk memperbarui dan menjaga informasi. Suatu organisai besar juga memrlukan desain database dan kelompok manajemen dalam divisi sistem informasi perusahaan yang bertanggung jawab untuk mendefenisikan dan mengatur struktur dan isi dari database dan menjaga database. Dalam kerjasama yang erat dengan pengguna, kelompok desain menetapkan database fisik, hubungan logis antara elemen, dan aturan akses dan prosedur keamanan yang disebut dengan administrasi database. 
Memastikan Kualitas Data
Database dan informasi kebijakan yang dirancang dengan baik akan pergi jauh bahwa bisinis memiliki informasi yang dibutuhkan. Namun, tambahan langkah-langkah harus diambil untuk memastikan bahwa data dalam data organisasi akurat dan tetap dapat diandalkan.
Menurut Forrester Research, 20 persen surat AS dan komersial pengiriman paket dikembalikan karena nama atau alamat yang salah. Gartner Inc. melaporkan bahwa lebih dari 25 persen dari data penting di besar Fortune 1000 database perusahaan 'tidak akurat atau tidak lengkap, termasuk buruk kode produk dan deskripsi produk, deskripsi persediaan rusak,
data yang salah keuangan, informasi pemasok yang salah, dan yang salah data karyawan. (Gartner,2007).
Jika database dirancang dengan baik dan standar data perusahaan didirikan, menduplikasi atau elemen data yang tidak konsisten harus minimal. Lebih ke masalah kualitas data, namun, seperti nama salah eja, dialihkan nomor, atau kode yang salah atau hilang, berasal dari kesalahan selama input data. Insiden kesalahan tersebut meningkat sebagai perusahaan bergerak bisnis mereka untuk Web dan memungkinkan pelanggan dan pemasok untuk memasukkan data ke situs Web mereka yang secara langsung memperbarui sistem internal. Analisis kualitas data sering dimulai dengan data kualitas audit, yang merupakan survei terstruktur akurasi dan tingkat kelengkapan data dalam sistem informasi. Audit kualitas data dapat dilakukan oleh survei seluruh file data, survei sampel dari file data, atau survei pengguna akhir untuk persepsi mereka tentang kualitas data.
Pembersihan data, juga dikenal sebagai data scrubbing, terdiri dari kegiatan untuk mendeteksi dan mengoreksi data dalam database yang tidak benar, tidak lengkap, tidak benar diformat, atau berlebihan. Pembersihan data tidak hanya mengoreksi kesalahan tetapi juga memberlakukan konsistensi antara set data yang berbeda yang berasal dari sistem informasi  yang terpisah. Software Data-pembersihan khusus tersedia untuk secara otomatis survei file data, memperbaiki kesalahan dalam data, dan mengintegrasikan data dalam format seluruh perusahaan yang konsisten. Masalah kualitas data tidak hanya masalah bisnis. Mereka juga menimbulkan serius masalah bagi individu, yang mempengaruhi kondisi keuangan mereka dan bahkan pekerjaan mereka. Interaktif Sesi pada Organisasi menjelaskan beberapa dampak ini, karena merinci masalah kualitas data yang ditemukan di perusahaan yang mengumpulkan dan laporan. Data kredit konsumen. Ketika Anda membaca kasus ini, mencari manajemen, organisasi, dan faktor teknologi di balik masalah ini, dan apakah ada solusi yang memadai.

INTERAKTIF SESI : ORGANISASI
Masalah orang biro kredit kesalahan besar
Kebanyakan data pada sejarah kredit konsumen AS yang dikumpulkan dan dikelola oleh tiga kredit nasional lembaga pelaporan: Experian, Equifax, dan TransUnion. Organisasi-organisasi  ini mengumpulkan data dari berbagai sumber untuk membuat berkas rinci dari
pinjaman dan pembayaran tagihan kebiasaan individu. Ini Informasi membantu lender menilai kredit seseorang kelayakan, kemampuan untuk membayar kembali pinjaman, dan dapat mempengaruhi suku bunga dan persyaratan lain dari pinjaman, termasuk apakah pinjaman akan diberikan dalam tempat pertama. Biro kredit AS mengumpulkan informasi pribadi dan data keuangan dari berbagai sumber, termasuk kreditur, pemberi pinjaman, utilitas, utang agen penagihan, dan pengadilan. Data-data ini dikumpulkan dan disimpan dalam database besar dikelola oleh biro kredit. Kredit biro kemudian menjual informasi ini untuk lainnya perusahaan digunakan untuk penilaian kredit.
Biro memahami pentingnya memberikan informasi yang akurat untuk pemberi pinjaman dan konsumen. Tapi mereka juga mengakui bahwa mereka sendiri adalah sistem yang bertanggung jawab untuk banyak laporan-kredit kesalahan. Beberapa kesalahan terjadi karena prosedur untuk pencocokan pinjaman laporan kredit individu. Biro kredit jarang menerima informasi yang cocok di semua bidang dalam file kredit, sehingga mereka harus menentukan berapa banyak variasi untuk memungkinkan dan masih menyebutnya pertandingan. Mungkin konsumen tidak menulis dengan jelas pada aplikasi akun. Nama variasi pada rekening kredit yang berbeda juga dapat menyebabkan masalah.

HAND-ON MIS PROYEK

Proyek-proyek di bagian ini memberikan tangan-pengalaman dalam menganalisa data masalah kualitas, menetapkan standar data perusahaan-lebar, menciptakan database untuk manajemen persediaan, dan menggunakan Web untuk mencari online database untuk sumber daya luar negeri bisnis.
Masalah manajemen Keputusan
1)      Emerson Process Management, pemasok global pengukuran, analisis, dan instrumen dan jasa yang berbasis di Austin, Texas pemantauan, memiliki proyek baru, data warehouse dirancang untuk menganalisis kegiatan pelanggan untuk meningkatkan pelayanan dan pemasaran yang penuh data yang tidak akurat dan berlebihan. Data di gudang berasal dari berbagai sistem pemrosesan transaksi di Eropa, Asia, dan lokasi lain di seluruh dunia.
2)      Perusahaan pasokan industri Anda ingin membuat data warehouse mana manajemen dapat memperoleh pandangan perusahaan besar tunggal penjualan kritis informasi untuk mengidentifikasi produk yang paling laris di wilayah geografis tertentu, kunci pelanggan, dan tren penjualan. Penjualan dan informasi produk yang disimpan dalam beberapa sistem yang berbeda: sistem penjualan divisi berjalan pada server Unix dan sistem penjualan perusahaan yang berjalan pada mainframe IBM.

Mencapai Keunggulan Operasional: Membangun Relational Database Manajemen Persediaan
Bisnis hari ini tergantung pada database untuk memberikan informasi yang dapat dipercaya tentang item dalam persediaan, barang-barang yang perlu restocking, dan biaya persediaan. Sylvester Bike Shop, terletak di San Francisco, California, menjual jalan, gunung, hybrid, rekreasi, dan sepeda anak-anak. Saat ini, pembelian Sylvester sepeda dari tiga pemasok tetapi rencana untuk menambah pemasok baru di dekat masa depan. Awalnya, database harus rumah informasi tentang pemasok dan produk. Database akan berisi dua tabel: tabel pemasok dan produk tabel. Tingkat pemesanan ulang mengacu pada jumlah item dalam persediaan yang memicu keputusan untuk memesan lebih item untuk mencegah persediaan habis.
Menggunakan informasi yang ditemukan di tabel di MyMISLab, membangun hubungan yang sederhana database untuk Sylvester. Setelah Anda telah membangun database, melakukan kegiatan berikut:
·         Menyiapkan laporan yang mengidentifikasi lima sepeda paling mahal. Laporan harus mencantumkan sepeda dalam urutan dari yang paling mahal untuk setidaknya mahal, kuantitas di tangan untuk masing-masing, dan persentase markup untuk masing-masing.
·         Siapkan laporan yang berisi daftar setiap pemasok, produk-produknya, jumlah di tangan, dan terkait tingkat pemesanan ulang. Laporan tersebut harus diurutkan sesuai abjad oleh pemasok. Dalam setiap kategori pemasok, produk harus diurutkan abjad.
·         Siapkan laporan daftar hanya sepeda yang rendah dalam stok dan harus mengatur kembali. Laporan tersebut harus memberikan informasi pemasok untuk item diidentifikasi.
·         Tulis penjelasan singkat tentang bagaimana database dapat ditingkatkan untuk lebih meningkatkan manajemen bisnis. Tabel atau bidang apa yang harus ditambahkan? Apa laporan tambahan akan berguna?
Keputusan Meningkatkan Pembuatan Cari online Database untuk Bisnis Luar Negeri Sumber Daya
Jika anda semisal ingin membuat perusahaan perdagangan di Australia, mulailah dengan mencari Departemen Perdagangan saran untuk melakukan bisnis di Australia. Kemudian coba database online berikut untuk mencari perusahaan yang Anda inginkan untuk bertemu  selama perjalanan kedatangan Anda: Bisnis Australia Register (abr.business.gov.au/), Australia Perdagangan Sekarang (australiatradenow.com/), dan Nationwide Direktori Bisnis Australia (www.nationwide.com.au). Jika perlu, Anda juga bisa mencoba mesin pencari seperti Yahoo dan Google. Kemudian melakukan kegiatan sebagai berikut: pengguna internet memiliki akses ke ribuan database Web-enabled dengan informasi tentang layanan dan produk dalam lokasi yang jauh. Proyek ini  mengembangkan keterampilan dalam mencari ini database online. Perusahaan Anda terletak di Greensboro, North Carolina, dan manufaktur perabot kantor dari berbagai jenis. Anda baru saja mengakuisisi beberapa pelanggan baru di Australia, dan studi Anda ditugaskan menunjukkan bahwa, dengan Kehadiran Anda disana, Anda sangat dapat meningkatkan penjualan Anda. Selain itu, studi Anda menunjukkan bahwa Anda bisa melakukan lebih baik jika Anda benar-benar diproduksi banyak produk Anda secara lokal (di Australia).
Pertama, Anda perlu mengatur kantor di Melbourne untuk membangun kehadiran, dan kemudian Anda harus mulai  mengimpor dari Amerika Serikat. Anda kemudian dapat merencanakan untuk mulai memproduksi secara lokal. Anda akan segera bepergian ke daerah untuk membuat rencana untuk benar-benar mendirikan sebuah kantor, dan Anda ingin bertemu dengan organisasi yang dapat membantu Anda yang Anda operasikan. Anda akan perlu untuk melibatkan orang-orang atau organisasi yang menawarkan banyak layanan yang diperlukan bagi Anda untuk membuka kantor Anda, termasuk pengacara, akuntan, ahli ekspor-impor, peralatan telekomunikasi dan dukungan, dan bahkan pelatih yang dapat membantu Anda untuk mempersiapkan karyawan masa depan Anda bekerja untuk Anda. Jika perlu, Anda juga bisa mencoba mesin pencari seperti Yahoo dan Google. Kemudian melakukan kegiatan sebagai berikut:
·         Daftar perusahaan Anda akan menghubungi untuk wawancara di perjalanan Anda untuk menentukan apakah mereka dapat membantu Anda dengan ini dan setiap fungsi lain yang Anda pikir penting untuk membangun kantor Anda.
·          Beri database yang digunakan untuk akurasi nama, kelengkapan, kemudahan penggunaan, dan menolong umum.
·         Apa latihan ini memberitahu Anda tentang desain database?

BELAJAR MODUL TRACK
Trek Belajar berikut memberikan konten yang relevan dengan topik yang dibahas di bab ini:

1.      Desain Database, Normalisasi, dan Entity-Relationship Diagram
2.       Pengantar SQL
3.      hirarkis dan Jaringan Model data


RINGKASAN

1.      Apakah masalah pengelolaan sumber daya data dalam lingkungan file tradisional dan bagaimana mereka diselesaikan dengan sistem manajemen database?
Teknik manajemen file tradisional membuat sulit bagi organisasi untuk melacak semua potongan data yang mereka gunakan secara sistematis dan untuk mengatur data ini sehingga mereka dapat dengan mudah diakses. Bidang fungsional yang berbeda dan kelompok diizinkan untuk mengembangkan file mereka sendiri secara mandiri. Seiring waktu, manajemen lingkungan file tradisional ini menimbulkan masalah seperti data redundansi dan inkonsistensi, ketergantungan program data, tidak fleksibel, keamanan yang buruk, dan kurangnya berbagi data dan ketersediaan. Sebuah sistem manajemen database (DBMS) memecahkan masalah ini dengan perangkat lunak yang memungkinkan sentralisasi data dan manajemen data sehingga bisnis memiliki satu sumber konsisten untuk semua kebutuhan data mereka. Menggunakan DBMS meminimalkan berlebihan dan tidak konsisten file.

2.      Apa kemampuan utama DBMS dan mengapa adalah DBMS relasional begitu kuat? Kemampuan utama dari DBMS termasuk kemampuan definisi data, kamus data kemampuan, dan bahasa manipulasi data. Kemampuan definisi data menentukan struktur dan isi database. Kamus data adalah file otomatis atau manual yang menyimpan informasi tentang data dalam database,  termasuk nama, definisi, format, dan deskripsi dari elemen data. Bahasa manipulasi data, seperti SQL, adalah bahasa khusus untuk mengakses dan memanipulasi data dalam database. Database relasional adalah metode utama untuk mengatur dan menjaga data hari di sistem informasi karena sangat fleksibel dan dapat diakses. Ini mengatur data dalam tabel dua dimensi disebut hubungan dengan baris dan kolom. Setiap tabel berisi data tentang entitas dan atributnya. Masing-masing baris mewakili record dan setiap kolom mewakili atribut atau lapangan. Setiap meja juga berisi kunci lapangan untuk secara unik mengidentifikasi setiap record untuk pengambilan atau manipulasi. Tabel database relasional dapat dikombinasikan dengan mudah untuk memberikan data yang dibutuhkan oleh pengguna, dengan ketentuan bahwa setiap dua tabel berbagi elemen data umum.

3.      Apa adalah beberapa prinsip desain database penting?
Merancang database membutuhkan baik desain logis dan desain fisik. Desain logis model database dari perspektif bisnis. Model data organisasi harus mencerminkan kunci proses bisnis dan persyaratan pengambilan keputusan. Proses menciptakan kecil, stabil, fleksibel, dan struktur data adaptif dari kelompok kompleks data ketika merancan sebuah database relasional normalisasi diistilahkan. Sebuah database relasional yang dirancang dengan baik tidak akan memiliki banyak-ke-banyak hubungan, dan semua atribut untuk entitas tertentu hanya akan berlaku untuk entitas yang. Ini akan mencoba untuk menegakkan aturan integritas referensial untuk memastikan bahwa hubungan antara tabel digabungkan tetap konsisten. Sebuah Diagram hubungan-entitas grafis menggambarkan hubungan antara entitas (tabel) dalam database relasional.

4.      Apa alat pokok dan teknologi untuk mengakses informasi dari database untuk meningkatkan kinerja bisnis dan pengambilan keputusan?
Alat yang kuat yang tersedia untuk menganalisis dan mengakses informasi dalam database. Sebuah gudang data mengkonsolidasikan data saat ini dan sejarah dari berbagai sistem operasional yang berbeda dalam database pusat dirancang untuk pelaporan dan analisis. Data warehouse mendukung analisis data multidimensi, juga dikenal sebagai online analytical processing (OLAP). OLAP merupakan hubungan antar data sebagai
struktur multidimensi, yang dapat divisualisasikan sebagai kubus data dan kubus dalam kubus data, memungkinkan analisis data yang lebih canggih. Data mining menganalisis kolam besar data, termasuk Isi gudang data, untuk menemukan pola dan aturan yang dapat digunakan untuk memprediksi perilaku masa depan dan memandu pengambilan keputusan. Alat pertambangan teks membantu bisnis menganalisis data yang besar set terstruktur yang terdiri teks. Alat pertambangan web fokus pada analisis pola dan informasi yang berguna dari World Wide Web, memeriksa struktur situs web dan kegiatan pengguna situs Web serta isi dari Web halaman. Database konvensional dapat dihubungkan melalui middleware ke Web atau antarmuka Web untuk memfasilitasi akses pengguna ke data internal organisasi.

5.      Mengapa kebijakan informasi, data administrasi, dan jaminan kualitas data penting  untuk mengelola sumber daya perusahaan data?
Mengembangkan lingkungan database membutuhkan kebijakan dan prosedur untuk mengelola data organisasi sebagai serta model data yang baik dan teknologi database. Sebuah kebijakan informasi resmi mengatur pemeliharaan, distribusi, dan penggunaan informasi dalam organisasi. Dalam perusahaan besar, administrasi data yang resmi Fungsi bertanggung jawab untuk kebijakan informasi, serta untuk perencanaan data, pengembangan kamus data, dan pemantauan penggunaan data di perusahaan. Data yang tidak akurat, tidak lengkap, atau tidak konsisten menciptakan masalah operasional dan keuangan yang serius untuk bisnis karena mereka dapat menciptakan ketimpangan dalam harga produk, rekening nasabah, dan data persediaan, dan menyebabkan keputusan yang tidak akurat tentang tindakan yang harus diambil oleh perusahaan. Perusahaan harus mengambil khusus langkah-langkah untuk memastikan bahwa mereka memiliki tingkat tinggi kualitas data. Ini termasuk menggunakan standar data perusahaan-lebar, database yang dirancang untuk meminimalkan data yang tidak konsisten dan berlebihan, audit kualitas data, dan data pembersihan software.







1 komentar:

  1. SELAMAT SIANG

    Sir / Madam Saya Mrs, Jill Bertha Reputasi, sah & sebuah uang Lender terakreditasi. Saya meminjamkan uang kepada individu yang membutuhkan bantuan keuangan. Apakah Anda memiliki kredit buruk atau Anda membutuhkan uang untuk membayar tagihan? saya ingin menggunakan media ini untuk memberitahu Anda bahwa saya memberikan bantuan penerima dapat diandalkan sebagai saya akan senang untuk menawarkan pinjaman pada tingkat bunga 2% untuk individu yang handal. Kami menawarkan pinjaman dari $ 5,000.00 USD minimum. hingga $ 1.000, 000.00 USD maksimum. Kami juga memberikan pinjaman dalam (Euro, Pounds dan Dolar.) Jillberthaloanfirm@gmail.com ... hanya satu kali klik untuk membawa Anda off Hambatan Keuangan Anda

    Layanan yang diberikan meliputi:

    * Melunasi
    *Perbaikan rumah
    * Pinjaman Inventor
    * Auto Pinjaman
    *Konsolidasi hutang
    * Pinjaman Horse
    * Line of Credit
    *Hipotek kedua
    * Pinjaman Bisnis
    *Pinjaman pribadi
    * Pinjaman International.

    BalasHapus