data resource management

SIM
Data Resource Manajemen
Entitas Entitas adalah orang, tempat, kejadian atau konsep yang informasinya direkam.
Pada bidang Administrasi Siswa misalnya, siswa, buku, pembayaran.
Atribut Atribut biasa disebut juga data elemen, data field, atau data item yang digunakan
untuk menerangkan suatu entitas dan mempunyai harga tertentu, misalnya atribut
dari entitas pegawai diterangkan oleh, nama, umur, alamat, pekerjaan.
Data Value (Nilai Data)
File/Tabel
Record/Tuple
: Data aktual atau informasi yang disimpan pada tiap data,
elemen, atau atribut. Atribut nama pegawai menunjukan tempat
dimana informasi nama karyawan disimpan, nilai datanya
misalnya adalah Anjang, Arif, Suryo, dan lain-lain yang
merupakan isi data nama pegawai tersebut.
: Kumpulan record sejenis yang mempunyai panjang elemen
yang sama, atribut yang sama, namun berbeda nilai datanya.
:
Kumpulan
elemen-elemen
yang
saling
berkaitan
menginformasikan tentang suatu entitas secara lengkap. Satu
record mewakili satu data atau informasi.
BAB 1 ORGANIZING DATA IN A TRADITIONAL ENVIRONMENT
Sistem informasi yang efektif menyediakan pengguna dengan informasi yang akurat,
tepat waktu, dan relevan. Informasi yang akurat bebas dari kesalahan. Informasi yang tepat
waktu bila tersedia untuk pembuat keputusan ketika dibutuhkan. Informasi yang yang
relevan ketika hal ini berguna dan tepat untuk tipe pekerjaan dan keputusan yang
,memerlukan informasi ini.
Anda
mungkin terkejut
mengetahui
bahwa banyak
perusahaan tidak
memiliki informasi yang tepat waktu, akurat, atau relevan karena data dalam sistem
informasi mereka kurang terorganisir. Itu sebabnya manajemen data sangat penting. Untuk
memahami masalah, mari kita lihat bagaimana sistem informasi mengatur data dalam file
komputer dan metode tradisional dari manajemen file.
FILE ORGANIZATION TERMS AND CONCEPTS
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).Bit
mewakili unit terkecil dari data computer yang dapat ditangani. Sekelompok bit, disebut
byte mewakili satu karakter yang dapat menjadi sebuah pesan, angka, atau simbol lainnya.
Pengelompokan karakter ke dalam kata, kelompok kata, atau nomor lengkap, (seperti nama
seseorang atau usia) disebut field (bidang). Sekelompok field terkait, seperti nama siswa,
kursus yang diambil, tanggal, dan kelas, termasuk mencakup record, sekelompok record
dari jenis yang sama disebut file.
Sebagai contoh, catatan dalam Gambar 6-1 merupakan file data sekelompok
mahasiswa terkait yang membentuk database. File program mahasiswa diilustrasikan pada
Gambar 6-1 yang dapat dikelompokkan dengan file pada sejarah pribadi siswa dan latar
belakang keuangan untuk membuat database mahasiswa.
Sebuah record menggambarkan sebuah entitas. Sebuah entitas adalah sebuah
orang, tempat, pemikiran, atau peristiwa dimana kita bisa menyimpan dan menjaga
SIM
Data Resource Manajemen
informasi. Setiap karakteristik atau kualitas yang menggambarkan entitas tertentu disebut
atribut. Sebagai contoh, STUDENT ID, Course, Date, dan Grade adalah atribut dari entitas
COURSE. Nilai-nilai tertentu pada atribut-atribut ini dapat ditemukan di bidang catatan
COURSE entitas.
PROBLEM DENGAN MENGGUNAKAN TRADITIONAL FILE ENVIRONMENT
Di kebanyakan organisasi, sistem cenderung tumbuh secara mandiri tanpa rencana
diseluruh perusahaan: Akuntansi, Keuangan, Manufaktur, Human Resource, dan Penjualan
dan Pemasaran semua mengembangkan sistem dan data file mereka sendiri. Gambar 6-2
mengilustrasikan pendekatan tradisional untuk pemrosesan informasi.
Setiap aplikasi tentu saja memerluka file tersendiri dan progam komputer sendiri
untuk beroperasi. Misalnya, dalam bidang Human Resource mungkin memiliki file master
pribadi, fila daftar gaji, file asuransi kesehatan, file data pensiun, file daftar email, dan
sebagainya sampai puluhan, mungkin ratusanfile dan program yang ada. Dalam
perusahaan secara keseluruhan, proses ini menyebabkan banyaknya file master yang
dibuat, dipelihara, dan dioperasikan oleh divisi terpisah atau departemen. Karena proses ini
berlangsung selama 5 atau 10 tahun, organisasi ini terbebani oleh ratusan program dan
aplikasi yang sangat sulit untuk memelihara dan mengaturnya. Masalah yang dihasilkan
adalah data redundansi dan inkonsistense, ketergantungan pada program data,
fleksibelitas, kurangnya keamanan data, dan ketidak mampuan untuk berbagi data antar
aplikasi.
SIM
Data Resource Manajemen
A. Data Redundancy dan Inkonsistensi
Redundansi
data adalah
adanya duplikasi
data dalam beberapa
file
data sehingga data
yang
sama disimpan
lebih
dari
beberapa
tempat
atau lokasi. Redundansi data terjadi ketika kelompok yang berbeda dalam sebuah
organisasi independen mengumpulkan
potongan data
yang
sama dan
menyimpannya secara independen satu sama lain. Redundansi data sumber data yang
tidak berguna dan juga menyebabkan inkonsistensi data, di mana atribut yang sama
mungkin memiliki nilai yang berbeda. Misalnya, dalam contoh dari entitas
COURSE diilustrasikan pada
Gambar 6-1,Tanggal dapat diperbarui dalam
beberapa
sistem tetapi tidak pada yang lain. Atribut yang sama, Student_ID, juga dapat memiliki
nama yang berbeda dalam sistem yang berbeda di seluruh organisasi. Beberapa
sistem mungkin menggunakan Student_ID dan orang lain mungkin menggunakan ID,
misalnya.
B. Program-Data Ketergantungan
Ketergantungan program data mengacu pada penggabungan dari data yang
disimpan dalam file dan program khusus yang diperlukan untuk memperbarui dan
memelihara file tersebut sehingga perubahan program memerlukan perubahan terhadap
data. Setiap program komputer tradisional harus menggambarkan lokasi dan sifat data
dimana itu bekerja. Dalam lingkungan file tradisional, setiap perubahan dalam program
perangkat lunakdapat memerlukan perubahan dalam data yang diakses oleh program itu.
Salah satu program dapat dimodifikasi dari lima digit untuk ZIP kode sembilan digit. Jika file
asli diubah dari lima digit untuk ZIP kode sembilan digit, maka program lain yang
dibutuhkan kode ZIP lima digit tidak lagi bekerja dengan baik. Perubahan tersebut bisa
menghabiskan biaya jutaan dolar untuk menerapkan dengan benar.
SIM
Data Resource Manajemen
C. Kurangnya Fleksibilitas
Sebuah sistem file tradisional dapat memberikan laporan terjadwal rutin
setelah upaya pemrograman
yang
ekstensif,
tetapi
tidak
dapat
memberikan laporan atau merespon kebutuhan informasi yang tidak diantisipasi secara
tepat waktu. Informasi yang diperlukan oleh permintaan ad hoc adalah suatu tempat
di sistem tetapi mungkin terlalu mahal untuk mengambil. Beberapa programmer mungkin
harus
bekerja selama
berminggu-mingguuntuk
mengumpulkan item data
yang
dibutuhkan dalam file baru.
D. Masalah Keamanan
Tidak setiap pemakai sistem basis data diperbolehkan untuk mengakses semua
data, misalnya data mengenai gaji pegawai hanya boleh dibuka oleh bagian keuangan dan
personalia, sedang bagian gudang tidak diperkenankan untuk membukanya. Keamanan
dapat diatur dan disesuaikan baik ditingkat basis data atau aplikasinya.
E. Kurangnya Berbagi dan Ketersedian Data
Karena potongan informasi dalam file yang berbeda dan bagian yang berbeda dari
organisasi tidak dapat berhubungan satu sama lain, maka hampir tidak mungkin untuk
informasi dapat dibagikan atau diakses tepat waktu. Informasi tidak bisa mengalir bebas
melintasi area fungsional yang berbeda atau berabagai bagian organisasi lain. Jika
pengguna menemukan nilai yang berbeda dari bagian informasi yang sama dalam dua
sistem yang berbeda, mereka mungkin tidak ingin menemukan masalah ini karena mereka
akan meragukan keakuratan data.
BAB 2 PENDEKATAN DATABASE UNTUK MANAJEMEN DATA
Teknologi
database memotong
melalui banyak
masalah organisasi
file
tradisional. Definisi yang lebih ketat dari database adalah kumpulan data yang
terorganisir untuk melayani banyak aplikasi secara efisien dengan memusatkan data
dan mengendalikan data yang berlebihan. Daripada menyimpan data dalam file terpisah
untuk setiap aplikasi, data disimpan agar bisa dilihat oleh pengguna karena disimpan hanya
dalam satu lokasi.
DATABASE MANAGEMENT SYSTEM
Sebuah Data Management System (DBMS) adalah Sebuah perangkat lunak yang
memungkinan organisasi memusatkan pengaturan data, memanage data agar efisien, dan
menyediakan akses untuk menyimpan data melalui program aplikasi. Data dalam basis
data harus siap diakses oleh siapa saja yang membutuhkan dan mempunyai hak untuk
mengaksesnya. Oleh karena itu perlu dibuat suatu program pengelolaan atau suatu aplikasi
untuk mengakses data. DBMS bertindak sebagai interface antara program aplikasi dan File
data fisik. Ketika program aplikasi digunakan untuk item data, seperti gaji kotor, DBMS
SIM
Data Resource Manajemen
menemukan item ini dalam database dan menyajikan kepada program aplikasi.
Menggunakan file data tradisional, programmer harus menentukan ukuran dan format dari
masing-masing elemen data yang digunakan dalam program dan kemudian memberitahu
computer di mana mereka berada.
DBMS meringankan programmer atau pengguna akhir dari tugas memahami di
mana dan bagaimana data sebenarnya disimpan dengan memisahkan pandangan logis
dan fisik dari data. Pandangan logis menyajikan data karena mereka akan dirasakan oleh
pengguna akhir atau spesialis bisnis, sedangkan tampilan fisik menunjukkan bagaimana
data yang benar-benar terorganisir dan terstruktur pada media penyimpanan fisik.
Perangkat
lunak manajemen
database membuat database
fisik
tersedia
untuk tampilan logis yang berbeda yang dibutuhkan oleh pengguna. Misalnya, untuk
database sumber daya manusia diilustrasikan pada Gambar 6-3, spesialis manfaat mungkin
memerlukan pandangan yang terdiri dari nama karyawan, nomor jaminan sosial,
dan asuransi kesehatan. Seorang anggota departemen penggajian mungkin perlu data
seperti nama karyawan, nomor jaminan sosial, gaji kotor, dan uang bersih. Data
untuk semua pandangan ini disimpan dalam database tunggal, di mana mereka dapat lebih
mudah dikelola oleh organisasi.
A. Bagaimana DBMS menyelesaikan masalah dari Traditional File Environment ?
Sebuah
DBMS mengurangi redundansi data
dan inkonsistensi
dengan
meminimalkan file terisolasi di mana data yang sama berulang. DBMS mungkin tidak dapat
menghilang
data
redundasi
seluruhnya, tetapi
dapat
membantu
mengontrol
SIM
Data Resource Manajemen
redundansi. Bahkan
jika organisasi
memelihara 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 Memisahkan
program dan
data,
memungkinkan data untuk berdiri sendiri. Akses dan ketersediaan informasi akan
meningkat dan
program
pembangunan dan
biaya
pemeliharaan berkurang
karena pengguna
dan programmer dapat
melakukan ad
hoc
query data
dalam database. DBMS
memungkinkan organisasi
untuk pusat
mengelola data,
penggunaan, dan keamanan.
B. Relasional DBMS
Kontemporer DBMS menggunakan
model database
yang
berbeda
untuk
melacak entitas, atribut, dan hubungan. Jenis yang paling populer dari DBMS saat
ini untuk
PC serta untuk
komputer yang
lebih
besar dan
mainframe adalah
DBMS relasional. Database
relasional merupakan data
sebagai dua
dimensi tabel (disebuthubungan). 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 komputer besar dan menengah. MySQL adalah
open source populer DBMS, dan Oracle Database Lite adalah sebuah DBMS untuk
perangkat kecil komputasi genggam.
C. Operasional Relasional DBMS
Mari
kita
lihat
bagaimana
sebuah database
relasional mengatur
data tentang pemasok dan
bagian
(lihat
Gambar 6-4). Database
memiliki tabel
terpisah untuk entitas SUPPLIER dan tabel untuk PART entitas. Setiap tabel terdiri dari gri
kolom dan baris data. Setiap elemen data individual untuk setiap entitas disimpan sebagai
bidang yang terpisah, dan setiap bidang merupakan atribut untuk entitas tersebut. Field
dalam database relasional juga disebut kolom. Untuk entitas SUPPLIER, identifikasi
nomor supplier, nama, jalan, kota, negara, dan kode pos disimpan sebagai bidang (field)
yang terpisah dalam tabel SUPPLIER dan setiap bidang merupakan atribut untuk entitas
SUPPLIER.
Informasi yang aktual mengenai pemasok tunggal yang berada dalam sebuah
tabel disebut berturut-turut. Baris ini biasanya disebut sebagai catatan, atau dalam
istilah yang sangat teknis, seperti tuples. Data untuk PART entitas memiliki tabel yang
terpisah mereka.
SIM
Data Resource Manajemen
Field untuk Supplier_Number pada tabel SUPPLIER mengidentifikasi setiap catatan
(record) sehingga record dapat diambil, diperbarui, atau diurutkan dan ini disebut key
field. Setiap tabel dalam relasional database memiliki satu bidang yang di tunjuk sebagai
primary key. Field utama adalah identifikasi unik untuk semua informasi dalam setiap
tabel dan ini primary key tidak dapat diduplikasi.
Supplier_Number adalah primary key untuk tabel SUPPLIER dan Part_Number
adalah primary key untuk tabel PART. Perhatikan bahwa Supplier_Number muncul di
kedua tabel SUPPLIER dan PART. Dalam tabel SUPPLIER, Supplier_Number adalah
primary key. Ketika field Supplier_Number muncul pada tabel PART disebut foreign key
dan pada dasarnya adalah filed pencarian untuk mencari data tentang pemasok bagian
tertentu.
D. Pengoperasional dari Relasional DBMS
Tabel relasional database dapat kombinasi yang mudah untuk mengirim data bagi
pengguna, menyediakan 2 tabel dan membagi sebuah elemen data umum. Andaikan kita
ingin mencari database ini nama dari supplier yang melayani dengan part number 137
atau part number 150. Kita akan membutuhkan informasi dari dua table: table SUPPLIER
dan table PART. Catatan dua file memiliki sebuah elemen data: Supplier_Number.
Dalam relational database, tiga basic operasional, seperti digambarkan Gambar 6-5,
digunakan untuk menjadi set data yang berguna: select, join, and project. Operasional
SIM
Data Resource Manajemen
select menciptakan a subset consisting dari semua record (baris) dalam file yang
menemukan criteria yang ditetapkan. Meciptakan select, dalam kata lain, sebuah subset
dari baris yang memenuhi kriteria tertentu. Dalam contoh kita, kita ingin memilih record
(baris) dari tabel PART dimana Part_Number sama dengan 137 atau 150. Operasi join
menggabungkan tabel relasional untuk menyediakan pengguna dengan informasi yang
lebih dari yang tersedia dalam tabel individu. Dalam contoh kita, kita ingin bergabung
dengan tabel PART sekarang diperpendek (hanya bagian 137 atau 150 akan disajikan)
dan tabel SUPPLIER ke tabel tunggal baru.
Operasi project mencipatakan subset yang terdiri dari kolom dalam sebuah tabel,
memungkinkan pengguna untuk tabel baru yang hanya berisi informasi diperlukan. Dalam
contohnya kita, kita ingin mengekstrak dari tabel baru hanya kolom berikut : Part_Number,
Part_Name, Supplier_Number, dan Supplier_Name.
E. Object-Oriented DBMS
Beberapa aplikasi sekarang ini dan yang akan datang memerlukan database yang
dapat menyimpan dan mengambil tidak hanya angka dan huruf terstruktur, tetapi yang
dapat menggambar, image, photografi, suara, dan video. DBMS didesain untuk mengatur
data terstruktur, tidak cocok untuk penanganan grafis berbasis dan aplikasi multimedia.
Object-oriented database lebih cocok untuk tujuan ini.
Sebuah object-oriented database menyimpan data dan prosedur yang bekerja pada
data tersebut sebagai object yang dapat menjadi pengambilan dan penyimpanan otomatis.
Object-oriented database management systems (OOBMS) menjadi populer karena mereka
dapat digunakan untuk mengelola berbagai komponen multimedia atau Java applets
digunakan aplikasi Web, yang biasanya mengintegrasikan potongan informasi dari berbagai
sumber.
Meskipun OODBMS dapat menyimpan jenis data yang komplek daripada relasioanl
DBMS, mereka relative pelan dibanding dengan relational DBMS untuk memprose transaksi
data yang besar. Hybrid object-oriented database sytems seakarang tersedia untuk
menyediakan kemampuan keduanya OODBMS dan Relastional DBMS.
SIM
Data Resource Manajemen
F. Database pada the Cloud
Misalkan perusahaan Anda ingin menggunakan layanan komputasi awan. Apakah
ada cara untuk mengelola data pada Cloud? Jawabannya adalah berkualitas "Ya".
Penyedia komputasi Cloud menawarkan layanan database manajemen, tetapi layanan
ini biasanya memiliki fungsi kurang dari lokal rekan-rekan mereka. Pada saat ini, basis
pelanggan utama untuk Cloud manajemen berbasis data terdiri dari Webfocused startup atau usaha kecil hingga menengah mencari kemampuan database dengan harga lebih
rendah dari DBMS relasional standar.
Amazon Web Services memiliki baik sederhana non-relasional database yang
disebut SimpleDB dan Relational Database Service, yang didasarkan pada sebuah
implementasi online dari sumber MySQL terbuka DBMS. Amazon Relational Database
Service (ARBS) menawarkan kemampuan penuh dari MySQL. Harga adalah dasar dari
penggunaan.
(Beban dijalankan
dari 11
sen per
jam
untuk database
kecil menggunakan 1,7 GB memori server untuk $ 3,10 per jam untuk database
besar menggunakan 68 GB memori server.) Ada juga biaya untuk volume data yang
disimpan, jumlah input-keluaran permintaan, jumlah data ditulis ke database, dan
jumlah data yang dibaca dari database.
Amazon Web Services tambahan menawarkan pelanggan Oracle pilihan untuk
lisensi Oracle Database 11g, Oracle Enterprise Manager, dan Oracle Fusion Middleware
untuk berjalan di Amazon EC2 (Elastic Cloud Compute) platform.
Microsoft SQL Azure Database adalah Cloud berbasis layanan databse relasional
berbasis Microsoft SQL Server DBMS. Database sangat tersedia, scalable
diselenggarakan oleh Microsoft di Cloud. SQL Azure Database membantu mengurangi
biaya dengan mengintregrasikan dengan alat-alat perangkat lunak yang ada dan
memberikan simetri dengan Cloud dan Lokal Database.
TicketDirect, yang menjual tiket untuk konser, acara olahraga, pertunjukan teater,
dan film di Australia dan Selandia Baru, mengadopsi SQL Azure Database cloud Platform
dalam rangka meningkatkan pengelolaan sistem beban puncak selama penjualan tiket
utama. Ini bermigrasi data ke SQL Azure Database. Dengan pindah ke Cloud solusi,
TicketDirect mampu meningkatkan sumber daya komputasi dalam respon real-time
permintaan sekaligus menjaga biaya rendah.
KEMAMPUAN DATABASE MANAGEMENT SYSTEMS
Sebuah DBMS mencakup kemampuan dan alat untuk mengatur, mengelola, dan
mengakses data dalam database. Yang paling penting adalah data definisi bahasa, kamus
data, dan bahasa manipulasi data.
DBMS memiliki kemampuan data definitions untuk menentukan struktur dari
isi database. Ini
akan
digunakan untuk
membuat
tabel
database
dan mendefinisikan karakteristik bidang
dalam setiap
tabel. Ini
informasi tentang
database akan didokumentasikan dalam dictionary data. Sebuah dictionary data adalah
file otomatis atau manual yang menyimpan definisi elemen data dan karakteristik mereka.
Microsoft Access memiliki kemampuan dictionary data dasar yang menampilkan
informasi tentang nama, deskripsi, ukuran, jenis, format, dan properti lainnya setiap
field dalam sebuah tabel (lihat Gambar 6-6). Kamus data untuk database perusahaan besar
SIM
Data Resource Manajemen
dapat menangkap informasi tambahan, seperti penggunaan, kepemilikan (yang dalam
organisasi bertanggung jawab untuk menjaga data), otorisasi, keamanan, dan individu,
fungsi bisnis, program, dan laporan yang menggunakan setiap elemen data.
Querying and Reporting
DBMS memasukan alat untuk mengakse dan memanipulasi informasi dalam
database. Umumnya DBMS memiliki sebuah bahasa khusus yang disebut data
manipulation language yang digunakan untuk menambah, merubah, menghapus, dan
menerima data dalam database. Bahasa ini mengandung perintah bahwa izin pengguna
dan pemrogaman akhir untuk mengekstrak data dari database memenuhi permintaan
informasi dan mengembangkan aplikasi. Data manipulasi bahasa yang paling menonjol
saat ini adalah Structured Query Language, atau SQL. Gambar 6-7 mengilustrasikan SQL
yang akan menghasilkan data baru dalam Gambar 6-5. Kamu dapat mencari lebih banyak.
Tentang bagaimana melakukan SQL queries dalam Trek Pembelajaran kita untuk Chapter
ini.
Pengguna DBMS untuk komputer besar dan menengah, seperti DB2, Oracle, atau
SQL Server, akan menggunakan SQL untuk mengambil informasi yang mereka butuhkan
dari database. Microsoft Acces juga menggunakan SQL, tetapi menyediakan set alat yang
mudah dioperasikan sendiri untuk mengolah database dan untuk mengatur data dari
database ke dalam laporan yang lebih mendetail.
Dalam Microsoft Acces, kamu akan menemukan feature yang memungkinkan
pengguna untuk menciptakan queries dengan mengidentifikasi tabel dan field yang mereka
SIM
Data Resource Manajemen
inginkan dan hasilnya, kemudian memilih baris dari database yang memenuhi kriteria
tertentu. Tindakan ini pada gilirannya akan diterjemahkan ke dalam perintah SQL. Gambar
6-8 mengilustrasikan bagaimana permintaan yang sama sebagai permintaan SQL untuk
memilih bagian dan supplier yang akan dibangun menggunakan Microsoft query-building
tools.
Microsoft Acces dan DBMS termasuk kemampuan untuk (report generation)
laporan generasi lalu data sehingga data yang yang menarik dapat ditampilkan dalam
format yang lebih terstruktur dan mendetail daripada yang mungkin hanya dengan query.
Crystal Report adalah sebuah report generator yang populer untuk DBMS perusahaan
besar, meskipun juga dapat digunakan dengan Access. Acces juga memiliki kemampuan
untuk mengembangkan aplikasi sistem dekstop. Ini termasuk alat untuk membuat layar entri
data, laporan, dan mengembangkan logika untuk transaksi pengolahan.
MENDESAIN DATABASE
Untuk membuat database, Anda memahami hubungan antar data, jenis datay yang
akan dikelola dalam database, bagaimana data akan digunakan, dan bagaimana organisasi
akan perlu mengubah untuk mengeloala data dari perspektif seluruh perusahaan. database
SIM
Data Resource Manajemen
membutuhkan baik desain konseptual dan desain fisik. Desain konseptual, atau logis
adalah model abstrak dari database dari perspektif bisnis, sedangkan desian fisik
menunjukkan bagaimana database sebenarnya diatur pada akses langsung perangkat
penyimpan.
1. Normalization dan Entity-Relationship Diagrams
Desain konseptual database menjelaskan bagaimana elemen data dalam database
dapat dikelompokan. Proses desain mengidentifikasikan hubungan antara elemen data dan
cara yang paling efisien dalam mengelompokan element data bersama untuk kebutuhan
informasi bisnis. Proses ini juga mengidentifikasi redudansi element data dan
mengelompokan elemen data yang disyaratkan untuk program aplikasi tertentu. Kelompok
data diatur, disempurnakan, dan dirampingkan sampai terlihat pandangan logis keseluruhan
hubungan antara semua data dalam database muncul.
Untuk menggunakan model database yang efektif, pengelompokan data harus
dirampingkan untuk meminimalisir redudansi elemen data dan kecanggungan hubungan
many to many. Proses menciptakan struktur dat yang kecil, stabil, namun fleksibel dan
adaptif dari pengelompokan data yang rumit disebut Normalitations. Gambar 6-9 dan 6-10
mengilustrasikan proses ini.
Dalam model bisnis tertentu disini, pada bagian order dapat memiliki lebih dari satu
bagian tapi setiap bagian disediakan oleh satu supplier. Bila kita membangun hubungan
disebut ORDER dengan semua field termasuk disini, kita harus mengulangi nama dan
alamat supplier untuk setiap bagian pada pemesanan (order), meskipun order adalah
bagian dari supplier tunggal. Hubungan ini berisi apa yang disebut mengulangi kelompok
data karena akan ada banyak bagian pada single order untuk pemasok tertentu. Cara yang
lebih efisien untuk mengatur data adalah dengan memecah ORDER ke dalam hubungan
SIM
Data Resource Manajemen
kecil, yang masing-masing menggambarkan satu kesatuan (single entity). Bila kita
melakukan step by step dan menormalkan hubungan ORDER, akan timbul hubungan yang
diilustrasikan pada Gambar 6-10.
Sistem relational database mencoba untuk menegakkan aturan referensial
integritas untuk memastikan bahwa hubungan antara penggabungan tabel tetap konsisten.
Ketika satu tabel memiliki foreign key yang menunjuk ke tabel lain, Anda tidak dapat
menambahkan record (catatan) ke tabel dengan foreign key kecuali ada catatan yang
sesuai dalam tabel terkait. Dalam database kami memeriksa sebelumnya dalam bab ini,
link Supplier_Number foreign key tabel PART dengan tabel SUPPLIER. Kita mungkin tidak
menambahkan catatan baru ke tabel PART untuk berpisah dengan Supplier_Number 8266
kecuali ada catatan yang sesuai dalam tabel SUPPLIER untuk Supplier_Number 8266 Kita
juga harus menghapus catatan yang sesuai dalam tabel PART jika kita menghapus record
pada tabel SUPPLIER untuk Supplier_Number 8266. Dengan kata lain, kita tidak harus
memiliki bagian-bagian dari pemasok tidak ada!
Untuk
menggunakan model
database
relasional secara
efektif, pengelompokan kompleks dari data harus efisien untuk meminimalkan unsur data
yang berlebihan dan canggung many-to-many hubungan. Proses menciptakan kecil,
stabil, namun fleksibel dan adaptif struktur data yang kompleks dari kelompokdata
disebut normalisasi. Gambar 6-10 mengilustrasikan proses ini.
Desainer database mendokumentasikan model data entity-relationship,
diilustrasikan pada Gambar 6-11. Diagram ini menggambarkan hubungan mewakili entitas
SUPPLIER, PART, LINE_ITEM, dan ORDER. Kotak-kotak mewakili entitas. Garis yang
menghubungkan kotak mewakili hubungan. Sebuah garis yang menghubungkan dua
entitas yang berakhir di dua tanda pendek menunjuk hubungan one-to-one. Sebuah garis
yang menghubungkan dua entitas yang berakhir dengan sebuah crow’s foot
atasnya dengan
tanda pendek menunjukkan
hubungan
one-to-many. Gambar 611 menunjukkan bahwa salah satu ORDER dapat berisi LINE_ITEM yang banyak. (Sebuah
PART dapat dipesan berkali-kali dan berkali-kali muncul sebagai item baris dalam
urutan tunggal.) setiap PART hanya dapat memiliki satu SUPPLIER, tapi banyak
bagian dapat disediakan oleh supplier yang sama.
Hal ini tidak dapat cukup ditekankan: jika bisnis tidak mendapatkan model data
benar, sistem tidak akan dapat melayani bisnis dengan. Sistem perusahaan tidak akan
efektif karena mereka harus bisa bekerja dengan data yang mungkin tidak akurat, tidak
lengkap, atau sulit untuk mengambil. Memahami data organisasi dan bagaimana mereka
harus mewakili dalam databse mungkin merupakan pelajaran yang paling penting yang
dapat kita pelajari dari kursus ini.
Misalnya, Famous Footwear, toko sepatu yang memiliki jaringan dengan lebih dari
800 lokasi di 49 negara, tidak bisa mencapai tujuannya untuk memiliki “gaya yang tepat dari
sepatu di toko yang tepat untuk dijual dengan harga yang tepat” karena databsenya tidak
dirancang dengan baik untuk cepat menyesuaikan persediaan toko. Perusahaan ini
memiliki database relasional Oracle yang berjalan pada komputer midrange AS 400 IBM,
tetapi database dirancang terutama untuk memproduksi laporan standart untuk manajemen
bukan bereaksi terhadap perubahan pasar. Manajemen tidak bisa memperoleh data yang
tepat pada item tertentu dala persediaan di masing-masing toko. Perusahaan harus
SIM
Data Resource Manajemen
mengatasi maslah ini dengan membangun database baru dimana penjualan dan data
persediaan dapat lebih terorganisir untuk analisis dan manajemen persediaan.
BAB 3 MENGGUNAKAN DATABASE UNTUK MEMPERBAIKI PEFORMA BISNIS DAN
PEMBUAT KEPUTUSAN
Bisnis menggunakan database mereka untuk melacak transaksi dasar, seperti
membayar pemasok,
pemrosesan
order,
melacak
pelanggan, dan
membayar karyawan. Tapi mereka juga perludatabase untuk memberikan informasi yang
akan membantu perusahaan menjalankan bisnis lebih efisien, dan bantuan manajer dan
karyawan membuat keputusan yang lebih baik. Jika sebuah perusahaan ingin tahu mana
produk yang paling populer atau yangpelanggan yang paling menguntungkan, jawabannya
terletak pada data.
Sebagai
contoh, dengan
menganalisis data
dari pembelian
kartu kredit pelanggan, Louise Trattoria
di Los Angeles jaringan
restoran, belajar
bahwa kualitas lebih penting daripada harga untuk sebagian besar pelanggan, yang college
educated dan menyukai anggur yang baik. Berdasarkan informasi ini, rantai
memperkenalkan makanan vegetarian, pilihan makanan laut lebih, dan anggur yang lebih
mahal, meningkatkan penjualan lebih dari 10 persen.
Dalam sebuah perusahaan besar, dengan database yang besar atau sistem yang
besar untuk
fungsi-fungsi yang
terpisah,
seperti
manufaktur,
penjualan, dan
SIM
Data Resource Manajemen
akuntansi, kemampuan khusus dan alat-alat yang diperlukan untuk menganalisis sejumlah
besar data dan untuk mengakses data dari beberapa sistem. Kemampuan ini termasuk data
warehousing, data mining, dan alat untuk mengakses database internal melalui Web.
DATA WAREHOUSING
Misalnya Anda ingin ringkas, informasi yang dapat dipercaya tentang operasi saat
ini, tren, dan perubahan seluruh perusahaan jika Anda bekerja di sebuah perusahaan
besar, memperoleh hal ini mungkin sulit karena data sering dibuat dalam sistem yang
terpisah, seperti penjualan, manufaktur, atau akuntansi. Beberapa data Anda perlu mungkin
perlu ditemukan dalam sistem penjualan, dan hasil lain di sistem manufaktur. Banyak dari
sistem ini adalah sistem turunan lama yang menggunakan teknologi usang dalam
memanajemen data atau file sistem di mana informasi sulit bagi pengguna untuk
mengakses. Anda mungkin harus menghabiskan banyak waktu mencari dan
mengumpulkan data yang Anda butuhkan, atau Anda akan dipaksa untuk membuat
keputusan berdasarkan pengetahuan Anda yang tidak lengkap. Jika Anda ingin informasi
tentang tren, Anda juga mungkin akan kesulitan menemukan data tentang peristiwa masa
lalu karena sebagian besar perushaanhanya membuat data mereka saat ini yang tersedia.
Data Warehousing dialamatkan pada masalah ini.
Apa itu Data Wearhousing?
Penggudangan data (data warehousing) adalah sebuah penampungan data secara
elektronik dari sebuah organisasi. Gudang data (data warehouse) dirancang untuk
memudahkan pelaporan dan analisa data.
Gambar 6-12 mengilustrasikan bagaimana data warehouse bekerja. Data warehouse
membuat data tersedia bagi siapa saja untuk mengakses sesuai kebutuhan, tetapi tidak
dapat diubah. Sebuah sistem data warehouse juga menyediakan berbagai ad hoc dan
standar
permintaan
alat,
alat
analisis,
dan
fasilitas
pelaporan
grafis.
Banyak perusahaan menggunakan portal intranet untuk membuat informasi data
warehouse banyak tersedia di seluruh perusahaan.
Catalina Marketing, sebuah perusahaan pemasaran global untuk packaged terbaik
menurut konsumen terutama barang perusahaan dan pengecer, mengoperasikan gudang
data raksasa yang mencakup 3 tahun sejarah pembelian untuk 195 juta program loyalitas
pelanggan AS anggota di supermaket, apotek, dan engecer lainnya. Ini adalah yang
terbesar loyalitas database di dunia. Pelanggan ritel Catalina di toko menganalisis database
sejarah pembelian pelanggan untuk menentukan preferensi pembeli pelanggan individu.
Ketika pembeli melakukan check out di salah satu kasir. Pelanggan itu langsung dianalisis
bersama sejarah pembelian pelanggan untuk menentukan kupon yang akan menerima di
kasir bersama dengan tanda terima.
Penggudangan data yang berfokus pada penyimpanan data. Namun, cara untuk
mengambil dan menganalisis data, mengekstrak, mengubah dan mengambil data, dan
untuk mengelola kamus data juga dianggap komponen penting dari sistem pengudangan
SIM
Data Resource Manajemen
data. Banyak referensi dalam pergudangan data ini menggunakan konteks yang lebih luas.
Oleh karena itu, definisi yang diperluas untuk data pergudangan meliputi bussiness
intelegence tools, alat-alat untuk mengambil, mengubah, dan memuat data ke dalam
penampungan, dan alat-alat untuk mengelola dan mengambil metadata.
Data Mart
Perusahaan sering membangun pelebaran gudang data, dimana data sentral gudang
melayani seluruh organisasi, atau mereka membuat lebih kecil, desentralisasi gudang
disebut data mart. Sebuah data mart adalah subset dari data warehouse di mana sebagian
diringkas atau sangat berfokus dari organisasi data ditempatkan dalam database terpisah
untuk populasi spesifik pengguna. Misalnya, sebuah perusahaan mungkin mengembangkan
pemasaran dan data mart penjualan untuk menangani dengan informasi pelanggan.
Sebelum menerapkan pelebaran data warehouse diseluruh bagian perusahaan, toko buku
Barnes & Noble dipertahankan serangkaian data warehouse, satu point untuk data
penjualan dalam toko ritel, satu lagi untuk penjualan toko buku perguruan tinggi, dan ketiga
untuk penjualan online. Sebuah data amrt biasanya berfokus pada suatu subyek tunggal
atau bidang usaha, sehingga biasanya dapat dibangun lebih cepat dan biaya lebih rendah
dar sebuah Data Warehousing
ALAT BAGI INTELIGENSI BISNIS: MULTIDIMENSIONAL DATA ANALYSIS DAN DATA
MINNING
Setelah data telah ditangkap dan diselenggarakan di gudang data dan data mart,
mereka yang tersedia untuk analisis lebih lanjut menggunakan alat untuk intelijen bisnis,
yang kita diperkenalkan secara singkat dalam Bab 2. Bisnis alat intelijen memungkinkan
pengguna untuk menganalisis data untuk melihat pola-pola baru, hubungan, dan wawasan
yang berguna untuk memandu pengambilan keputusan. Alat utama untuk intelijen bisnis
termasuk perangkat lunak untuk database query dan pelaporan, alat untuk analisis data
multidimensi (analisis online pengolahan), dan alat untuk data mining. Bagian ini akan
memperkenalkan Anda untuk ini alat, dengan lebih rinci tentang analisis intelijen bisnis dan
aplikasi dalam Bab 12 diskusi tentang pengambilan keputusan.
Online Analytical Processing (OLAP)
Misalkan perusahaan Anda menjual empat produk yang berbeda-mur, baut, ring, dan
sekrup-di Timur, Barat, dan wilayah Tengah. Jika Anda ingin bertanya yang cukup langsung
pertanyaan, seperti berapa banyak mesin cuci terjual selama masa lalu kuartal, Anda
dengan mudah bisa menemukan jawaban dengan query database penjualan Anda. Tetapi
bagaimana jika Anda ingin tahu berapa banyak mesin cuci dijual di setiap penjualan Anda
daerah dan membandingkan hasil aktual dengan proyeksi penjualan?
Untuk mendapatkan jawabannya, Anda akan perlu Online Analytical Processing
(OLAP). OLAP mendukung analisis data multidimensi, memungkinkan pengguna untuk
melihat data yang sama dengan cara yang berbeda dengan menggunakan berbagai
dimensi. Setiap aspek informasi-produk, harga, biaya, daerah, atau periode waktumerupakan berbeda dimensi. Jadi, seorang manajer produk bisa menggunakan data
SIM
Data Resource Manajemen
multidimensi alat analisis untuk belajar berapa banyak mesin cuci yang dijual di Timur pada
bulan Juni, bahwa dibandingkan dengan bulan sebelumnya dan bulan Juni sebelumnya,
dan bagaimana membandingkan dengan perkiraan penjualan. OLAP memungkinkan
pengguna untuk mendapatkan jawaban online untuk ad hoc pertanyaan seperti ini dalam
jumlah cukup cepat waktu, bahkan ketika data disimpan dalam database yang sangat
besar, seperti angka penjualan untuk beberapa tahun.
Gambar 6-13 menunjukkan model multidimensi yang dapat diciptakan untuk
mewakili produk, wilayah, penjualan aktual, dan penjualan yang diproyeksikan. Sebuah
matriks dari penjualan aktual dapat ditumpuk di atas sebuah matriks proyeksi penjualan
untuk membentuk kubus dengan enam wajah. Jika Anda memutar kubus 90 derajat satu
cara, yang menunjukkan wajah akan menjadi produk dengan penjualan aktual dan
diproyeksikan. Jika Anda memutar kubus 90 derajat lagi, Anda akan melihat wilayah
dengan penjualan aktual dan diproyeksikan. Jika Anda berputar 180 derajat dari tampilan
asli, Anda akan melihat penjualan diproyeksikan dan produk versus wilayah. Cubes dapat
bersarang di dalam kubus untuk membangun pandangan yang kompleks data. Sebuah
perusahaan akan menggunakan salah satu database multidimensi khusus atau alat yang
menciptakan pandangan multidimensi data dalam database relasional.
Data Mining ( Penggalian Data )
Data mining adalah proses penggalian pola tersembunyi dari data. Semakin banyak
data dikumpulkan, dengan jumlah data yang dua kali lipat setiap tiga tahun, data yang
menjadi semakin penting untuk mentransformasikan data menjadi informasi. Hal ini
umumnya digunakan dalam berbagai praktek pencarian keterkaitan data, seperti
pemasaran, mendeteksi penyelewengan dan penemuan ilmiah. Data Mining dapat
SIM
Data Resource Manajemen
diterapkan pada set data berukuran apapun. Namun, meskipun dapat digunakan untuk
menemukan pola-pola tersembunyi di dalam data yang telah dikumpulkan, ia tidak dapat
menemukan pola yang tidak ada dalam data, ataupun dalam data yang belum dikumpulkan.
Selama berabad-abad, manusia telah menggali informasi secara manual dari data yang
ada, tetapi semakin meningkatnya volume data dalam era modern telah memunculkan ide
untuk penggalian informasi secara otomatis.
Jenis informasi diperoleh dari data pertambangan termasuk asosiasi, urutan, klasifikasi,
cluster, dan prakiraan.
• Asosiasi adalah kejadian terkait dengan peristiwa tunggal. Sebagai contoh, sebuah studi
dari supermarket pola pembelian akan mengungkapkan bahwa, ketika chip jagung dibeli,
minuman cola yang dibeli 65 persen dari waktu, tetapi ketika ada ini promosi, cola dibeli 85
persen dari waktu. Informasi ini membantu manajer membuat keputusan yang lebih baik
karena mereka telah belajar profitabilitas promosi.
• Dalam urutan, peristiwa terkait dari waktu ke waktu. Kami mungkin menemukan, misalnya,
bahwa jika rumah dibeli, lemari es baru akan dibeli dalam waktu dua minggu 65 persen dari
waktu, dan oven akan dibeli dalam waktu satu bulan dari rumah membeli 45 persen dari
waktu.
• Klasifikasi mengakui pola yang menggambarkan kelompok yang item milik dengan
memeriksa item yang ada yang telah diklasifikasikan dan oleh menyimpulkan seperangkat
aturan. Sebagai contoh, bisnis seperti kartu kredit atau perusahaan telepon khawatir
tentang kehilangan pelanggan tetap. Klasifikasi membantu menemukan karakteristik
pelanggan yang mungkin untuk meninggalkan dan dapat menyediakan model untuk
membantu manajer memprediksi siapa para pelanggan sangat bahwa manajer dapat
merancang kampanye khusus untuk mempertahankan pelanggan tersebut.
• Clustering bekerja dalam cara yang mirip dengan klasifikasi bila tidak ada kelompok belum
sudah ditetapkan. Sebuah alat data mining dapat menemukan kelompok yang berbeda
dalam data, seperti menemukan kelompok afinitas untuk kartu bank atau partisi ke dalam
database kelompok pelanggan berdasarkan demografi dan jenis investasi pribadi.
• Meskipun aplikasi ini melibatkan prediksi, peramalan menggunakan prediksi dalam cara
yang berbeda. Menggunakan serangkaian nilai-nilai yang ada untuk meramalkan nilai apa
yang lain akan. Misalnya, peramalan mungkin menemukan pola dalam data untuk
membantu manajer memperkirakan nilai masa depan dari variabel kontinyu, seperti angka
penjualan.
Sistem ini melakukan tingkat tinggi analisis pola atau tren, tetapi mereka juga dapat
menelusuri untuk memberikan lebih detail bila diperlukan. Ada aplikasi data mining untuk
semua bidang fungsional bisnis, dan bagi pemerintah dan ilmiah kerja. Salah satu
penggunaan yang populer untuk data mining adalah untuk menyediakan analisis rinci pola
dalam data pelanggan untuk satu-ke-satu kampanye pemasaran atau untuk
mengidentifikasi pelanggan yang menguntungkan.
SIM
Data Resource Manajemen
Sebagai contoh, Harrah 's Entertainment, perusahaan judi terbesar kedua dalam
industri, menggunakan data mining untuk mengidentifikasi pelanggan yang paling
menguntungkan dan menghasilkan pendapatan lebih dari mereka. Perusahaan ini terus
menganalisis data tentang pelanggan berkumpul ketika orang bermain mesin slot-nya atau
menggunakan Harrah 's kasino dan hotel. Departemen pemasaran Harrah 's menggunakan
informasi ini untuk membangun profil perjudian rinci, berdasarkan pelanggan tertentu
berkelanjutan nilai bagi perusahaan. Misalnya, data mining yang memungkinkan Harrah
tahu pengalaman game favorit dari pelanggan tetap di salah satu Midwest nya kasino
perahu sungai, bersama dengan preferensi orang itu untuk akomodasi kamar, restoran, dan
hiburan. Informasi ini memandu keputusan manajemen tentang bagaimana untuk
menumbuhkan pelanggan yang paling menguntungkan, mendorong mereka pelanggan
untuk menghabiskan lebih banyak, dan menarik lebih banyak pelanggan dengan tinggi
menghasilkan pendapatan potensial. Intelijen bisnis telah meningkatkan keuntungan Harrah
sehingga banyak yang menjadi pusat dari strategi perusahaan.
Analisis prediktif menggunakan teknik data mining, data historis, dan asumsi tentang
kondisi masa depan untuk memprediksi hasil dari kegiatan, seperti probabilitas pelanggan
akan menanggapi sebuah tawaran atau membeli produk tertentu. Sebagai contoh, divisi AS
dari The Body Shop International plc digunakan analisis prediktif dengan database-nya dari
katalog, Web, dan pelanggan toko ritel untuk mengidentifikasi pelanggan yang lebih
mungkin untuk melakukan pembelian katalog. Informasi tersebut membantu perusahaan
membangun mailing list yang lebih tepat dan terarah untuk katalog perusahaan,
meningkatkan tingkat respon untuk surat katalog dan pendapatan katalog.
Database dan Web
Anggaplah,
misalnya,
pelanggan dengan
browser
Web ingin
mencari
database sebuah
toko
online untuk
informasi harga.
Gambar 614 mengilustrasikan bagaimana
pelanggan yang
mungkin
mengakses database
internal pengecer melalui Web. Pengguna mengakses situs Web pengecer melalui Internet
menggunakan perangkat
lunak
Web browser
pada PC nya
ataukliennya. Pengguna Web permintaan perangkat
lunak
browser data
dari
database organisasi, menggunakan perintah HTML untuk berkomunikasi dengan
server Web.
Karena banyak back-end database tidak dapat menafsirkan perintah yang ditulis
dalam HTML, server Web melewati ini permintaan data ke perangkat lunak yang
menerjemahkan perintah HTML
ke
dalam SQL sehingga
mereka
dapat diproses
oleh DBMS kerja dengan database. Dalam lingkungan client / server, DBMS berada
pada komputer khusus yang disebut server database. DBMSmenerima permintaan SQL
dan menyediakan data
yang
dibutuhkan. Middleware transfer informasi
dari
database internal organisasi kembali ke Web server untuk pengiriman dalam bentuk
halaman Web untuk pengguna.
SIM
Data Resource Manajemen
BAB 4 MENGELOLA SUMBER DATA
MEMBANGUN SEBUAH KEBIJAKAN INFORMASI
Setiap bisnis, besar dan kecil, memerlukan kebijakan informasi.Data perusahaan
Anda adalah sumber penting, dan Anda tidak ingin orang melakukan apapun yang mereka
inginkan dengan mereka. Anda perlu memiliki aturan tentang bagaimana data harus
diorganisir dan dipertahankan, dan siapa yang dibolehkan untuk melihat data atau
mengubahnya
Sebuah kebijakan
informasi
menentukanmenentukan aturan organisasi
untuk berbagi, menyebarkan,memperoleh, standardisasi,klasifikasi, inventarisasi dan inform
asi. Kebijakan informasi menjabarkan prosedur khusus dan akuntabilitas, mengidentifikasi
pengguna dan unit organisasi dapat berbagi informasi, dimana informasi dapat
didistribusikan,
dan yang
bertanggung
jawab
untuk
memperbarui
dan
memelihara informasi. Sebagai contoh, sebuahkebijakan informasi khas akan menetapkan
bahwa hanya anggotayang dipilih dari penggajian dan manusia departemen sumber
dayaakan memiliki hak untuk mengubah dan melihat data karyawan sensitif,
seperti gaji karyawan atau nomor jaminan sosial, dan bahwa departemen ini bertanggung
jawab
untuk
membuatmemastikan
bahwa data
karyawan tersebut akurat.
Jika Anda berada di usaha kecil, kebijakan informasi akan ditetapkan dan
dilaksanakan oleh
pemilik atau
manajer.
Dalam organisasi
besar, mengelola
dan merencanakan informasisebagai
sumber
daya perusahaan sering
membutuhkan datang fungsi administrasi. Data Administrations bertanggung jawab atas
kebijakan dan
prosedur
tertentu di
mana data
dapat dikelolasebagai
sumber
daya organisasi. Tanggung jawab ini mencakup pengembangan kebijakan informasi,
perencanaan untuk data, mengawasi desain database logis dan pengembangan dictionary
data, dan
pemantauan bagaimana
informasi sistem spesialis
danpengguna
akhir menggunakan data kelompok.
Anda mungkin mendengar data governance istilah yang digunakan untuk
menggambarkan banyak
dari kegiatan
ini.
Dipromosikan oleh
IBM,
data pemerintahan berkaitan
dengankebijakan
dan
proses untuk
mengelola ketersediaan, kegunaan,integritas, dan
keamanan data
yang
digunakan
SIM
Data Resource Manajemen
dalam perusahaan,dengan
penekanan
khusus pada
promosi privasi,
keamanan,
kualitas data, dan sesuai dengan peraturan pemerintah.
Sebuah organisasi besar juga akan memiliki desain database dan kelompok
manajemen dalam divisi sistem informasi perusahaan yang bertanggung jawab untuk
menentukan dan mengatur struktur dan isi dari database, dan memelihara database.Dalam
kerjasama
yang
erat dengan
pengguna, kelompok
desainmenetapkan database
fisik, relasi logis antar elemen, dan aturanakses dan prosedur keamanan. Fungsi ia
melakukan disebut database administrations.
MEMASTIKAN KUALITAS
Sebuah dirancang dengan baik database dan informasi kebijakan akan pergi jauh ke
arah memastikan bahwa bisnis memilikiinformasi yang dibutuhkan. Namun, langkahlangkah
tambahanharus
diambil
untuk memastikan bahwa
data
dalam databaseorganisasi adalah akurat dan tetap dapat diandalkan.
Sebelum database
baru di
tempat, organisasi
harusmengidentifikasi
dan
memperbaiki data yang rusak danmembangun rutinitas yang lebih baik untuk mengedit data
sekalidatabase mereka beroperasi. Analisis kualitas data sering dimulai dengan data
quality audit, yang merupakan survei terstruktur dariakurasi dan tingkat kelengkapan data
dalam sistem informasi. Dataaudit mutu dapat dilakukan dengan cara survei seluruh file
data, survey sampel dari file data, atau survey pengguna akhir untuk persepsi mereka
terhadap kualitas data.
Data cleansing, juga dikenal sebagai data scrubbing, terdiri dari kegiatan untuk
mendeteksi dan mengoreksi data dalam databaseyang benar, tidak lengkap, tidak diformat
dengan benar, atauberlebihan. Data pembersihan tidak hanya mengoreksi kesalahan
tetapi juga memaksa konsistensi antara set data yang berbedayang berasal dari sistem
informasi yang terpisah. Khusus data-pembersihan perangkat lunak tersedia untuk secara
otomatissurvei file data, memperbaiki kesalahan dalam data, dan mengintegrasikan data
dalam format seluruh perusahaan. Masalah kualitas data tidak hanya bisnis.
Proyek-proyek dalam bagian ini memberikan pengalaman dalam menganalisis masalah kualitas data,mendirikan
perusahaandi seluruh standar data, membuat database untuk manajemen persediaan, danmenggunakan Web untuk
mencari database online untuk sumber daya bisnis di luar negeri.
Manajemen Keputusan Masalah
1. Emerson Proses Manajemen, pemasok global pengukuran, analisis, dan instrumen monitoring dan jasa yang berbasis
di Austin, Texas, memiliki gudang data baru yang dirancang untuk menganalisa aktivitas pelanggan untuk memperbaiki
pelayanan dan pemasaran yang penuh data yang tidak akurat dan berlebihan. Data dalam gudang berasal dari sistem
pemrosesan transaksi banyak di Eropa, Asia, danlokasi lain di seluruh dunia. Tim yang dirancang gudang
tersebut berasumsi bahwa
penjualan kelompokdalam
semua
bidang akan
memasukkan
nama pelanggan
dan alamat dengan cara yang sama, terlepas dari lokasi mereka. Bahkan, perbedaan budaya dikombinasikan
dengan komplikasi dari
perusahaan yangmenyerap Emerson telah
memperoleh menyebabkan beberapa
cara
untuk memasukkan tanda
kutip,penagihan,
pengiriman, dan
data
lainnya. Menilai dampak
bisnis potensial
dari masalah kualitas data. Apakeputusan harus dibuat dan langkah yang diambil untuk mencapai solusi?
2. Perusahaan pemasok industri Anda ingin menciptakan sebuah gudang data di mana manajemen dapatmemperoleh
pandangan perusahaan besar tunggal yaitu informasi penjualan penting untukmengidentifikasi laris produk dalam wilayah
geografis tertentu, kunci
pelanggan, dan
tren penjualan. Penjualan
dan informasi
produk disimpan dalam
sistem berbeda: sistemdivisi penjualan
berjalan
pada
server Unix
dan sistem penjualan
perusahaan berjalan
SIM
Data Resource Manajemen
pada mainframe IBM.Anda ingin membuat
sistem.Format berikut telah diusulkan.
format standar
tunggal yang
mengkonsolidasikan data-data dari kedua
SIM
Data Resource Manajemen