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.