Business Intelligence (BI)

Business Intelligence (BI)
Business Intelligence (BI)



Business Intelligence (BI) merupakan suatu proses
untuk melakukan ekstraksi data-data operasional
[perusahaan] dan mengumpulkannya dalam sebuah
data warehouse.
Selanjutnya data warehouse diproses menggunakan
berbagai analisis statistik [atau data mining], sehingga
dapat diperoleh berbagai kecenderungan atau pola data.
Hasil penyederhanaan tersebut disajikan kepada end
user yang biasanya merupakan pengambil keputusan,
dapat diambil keputusan berdasarkan fakta-fakta aktual,
dan tidak hanya mengandalkan intuisi dan pengalaman
kuantitatif belaka.
Business Intelligence (BI)


BI merupakan aplikasi dan teknologi untuk
mengumpulkan, menyimpan, menganalisis dan
menyediakan akses ke data untuk membantu
penggunanya dalam mengambil keputusan
bisnis dengan lebih baik.
Aplikasi ini mencakup beberapa aktivitas sistem
pendukung keputusan, seperti:
 query,
 reporting,
 OnLine Analytical
Processing (OLAP),
 statistical analysis,
 forecasting, dan
 data mining.
Business Intelligence (BI)


BI akan berfungsi sebagai analis dan sekaligus memberikan
rekomendasi pada pengguna terhadap tindakan yang
sebaiknya diambil.
BI berfungsi sebagai dashboard, pengguna BI akan cepat
mengenali penyimpangan-penyimpangan pada perusahaan
sekaligus dengan penyebabnya sebelum hal tersebut
berkembang menjadi masalah yang serius.
Business Intelligence (BI)


BI memberikan ukuran-ukuran
menentukan kinerja organisasi.
Analogi dengan dashboard mobil:
 BI
yang
dapat
memberikan informasi kondisi internal, seperti
halnya suhu pada kendaraan.
 BI memberikan sinyal-sinyal pada pengemudi bila
terjadi
kesalahan
pada
kendaraan,
seperti
bila bensin akan habis pada kendaraan.
 Semuanya
berguna
bagi
pengemudi
agar
mampu mengendalikan kendaraannya dengan lebih
baik dan mampu membuat keputusan yang tepat
dengan lebih cepat.
Business Intelligence (BI)
Business Intelligence (BI)
Business Intelligence (BI)
Business Intelligence (BI)
Business Intelligence (BI)

Keungulan-keunggulan BI:







Membutuhkan biaya yang relatif murah dalam
pengadaannya.
Proses pembuatan laporan dapat dilakukan dengan
cepat
Adanya Graphic User Interface (GUI) yang dapat
dibentuk sesuai selera.
Mampu meminimalisasi masalah-masalah teknis,
terutama terkait dengan human error.
Mudah dalam integrasi data
Adanya konsolidasi informasi, karena data diolah
dalam satu platform.
Adanya respon yang cepat, sehingga dapat
digunakan untuk mengantisipasi suatu kejadian.
Business Intelligence (BI)

Manfaat BI untuk organisasi non-profit:





Meningkatkan kualitas data dan informasi pada
suatu organisasi.
Memudahkan proses monitoring terhadap kinerja
organisasi.
Meningkatkan nilai investasi teknologi informasi
yang telah ada sebelumnya.
Menciptakan pegawai yang memiliki akses informasi
yang baik (well-informed workers)
Meningkatkan efisiensi biaya
Business Intelligence (BI)

Ada 3 pendekatan yang dapat digunakan
dalam membangun BI di suatu organisasi,
yaitu:

Top-down Approach
 Bottom-up Approach
 Practical Approach
Business Intelligence (BI)

Top-down Approach


Pendekatan top-down sangat tepat bagi suatu
organisasi yang akan membangun BI dimana pada
waktu yang bersamaan organisasi tersebut juga
sedang melakukan perubahan proses kerja
(bussiness
process
re-engineering)
secara
menyeluruh di seluruh aspek organisasi.
Pada pendekatan ini, kerangka data warehouse
secara menyeluruh (enterprise data warehouse)
harus disusun terlebih dahulu, baru kemudian diikuti
oleh data warehouse di setiap unit (data mart).
Business Intelligence (BI)

Kelebihan dari pendekatan top-down ini
adalah :
Pembangunan BI langsung mencakup data
seluruh organisasi
 Kerangka
BI akan lebih terstruktur, bukan
gabungan dari berbagai data mart (data parsial)
 Penyimpanan data menjadi terpusat
 Kontrol
informasi dapat dilakukan secara
tersentralisasi

Business Intelligence (BI)

Kelemahan dari pendekatan top-down ini
adalah:
Waktu implementasi lebih lama
 Risiko
kegagalan
relatif
tinggi
kerumitannya.
 Membutuhkan biaya yang relatif besar

karena
Business Intelligence (BI)

Bottom-Up Approach

BI yang akan disusun berasal dari tingkat
unit baru kemudian diintegrasikan menjadi
data warehouse.
 Pendekatan ini sangat cocok digunakan
untuk suatu organisasi yang memprioritaskan
pembangunan BI di tingkat unit dulu, baru
setelah sukses akan dilanjutkan ke unit-unit
yang lainnya.
Business Intelligence (BI)

Kelebihan dari pendekatan bottom-up ini
adalah :
Lebih mudah diimplementasikan
 Risiko kegagalan relatif lebih kecil
 Bersifat incremental, dimana data mart yang lebih
penting dapat dijadwalkan lebih awal
 Memungkinkan anggota tim proyek untuk belajar
dengan baik.

Business Intelligence (BI)

Kelemahan dari pendekatan bottom-up ini
adalah:
Tiap data mart merupakan departmental-view
 Dimungkinkan adanya duplikasi di setiap unit.
 Dimungkinkan data tidak konsisten dan sulit untuk
direkonsiliasikan.
 Adanya beberapa antarmuka yang sulit untuk
dikelola.

Business Intelligence (BI)

Practical Approach

Merupakan kombinasi antara pendekatan
top-down dan bottom-up.
 Pengembangan BI akan dimulai dengan
perencanaan dan pendefinisian arsitektur
kebutuhan data warehouse organisasi
secara keseluruhan (standardisasi).
 Selanjutnya akan dilakukan serangkaian
pembuatan BI pada tiap unit yang memang
benar-benar membutuhkan.
Business Intelligence (BI)

Beberapa faktor yang mengakibatkan
kegagalan implementasi BI:

Adanya perencanaan yang kurang matang.
 Kualitas data yang kurang baik
 Perubahan organisasi tak terantisipasi dengan baik.
 Pengadaan sistem BI yang bersifat one-stop
shoping.
 Pengembangan BI hanya mengandalkan tenaga
outsourcing
Data Warehouse


Data Warehouse dapat diartikan sebagai
gudang data.
Tujuan utama pembuatan data warehouse
adalah untuk menyatukan data yang beragam
ke dalam sebuah tempat penyimpanan dimana
pengguna dapat dengan mudah:



menjalankan query (pencarian data),
menghasilkan laporan, dan
melakukan analisis.
Data Warehouse


Salah satu keuntungan yang diperoleh dari
keberadaan data warehouse adalah dapat
meningkatkan efektifitas pembuatan keputusan.
Bill Inmon mendefinisikan data warehouse
sebagai basisdata yang memiliki karakter:

Subject Oriented,
 Integrated,
 Non-volatile,
 Time Variant.
Data Warehouse

Subject Oriented

Suatu data warehouse harus berorientasi
subyek atau disusun menurut jenis
subyeknya.
 Subject oriented (lawan dari transaction
oriented) menuntut agar data-data transaksi
ini disusun dengan melihat area subyeknya.
 Misal: pada perbankan, sebagai subyeknya
adalah nasabah. Sehingga akan lebih baik
jika data disusun menurut nasabah.
Data Warehouse

Integrated



Data warehouse umumnya dibentuk dengan cara
menggabungkan beberapa basisdata yang mungkin
berbeda baik teknologi maupun kodifikasi suatu
pada tabel referensinya.
Untuk menghasilkan subject oriented yang konsisten,
data-data dari berbagai sumber harus diintegrasikan.
Oleh karena itu, teknologi dan kode-kode referensi
yang mungkin berbeda tersebut harus disatukan.
Data Warehouse

Non-Volatile

Data warehouse pada umumnya merupakan
data yang sudah final (bukan data yang
masih bergerak atau masih mungkin diubah).
 Data-data operational biasanya mencakup
data-data yang bergerak, seperti Order yang
belum diverifikasi. Data-data ini masih
memiliki status yang belum final (volatile).
 Data warehouse merupakan data yang
hanya bisa dibaca dan tidak bisa dimodifikasi
(Read Only).
Data Warehouse

Time Variant

Time-variant berarti memiliki dimensi waktu
sebagai variabel.
 Sebagai
contoh: Produk terjual 5000
kemasan. Harus diketahui: dalam hari?
Bulan? Tahun?
 Aspek time variant memberikan kemampuan
untuk menyajikan informasi dalam bentuk
trend.
Data Warehouse

Bagian-bagian data warehouse:

Data mart, merupakan bagian dari data warehouse
yang berguna dalam mendukung kebutuhan dari
suatu fungsi bisnis atau unit tertentu.


Data mart dapat berdiri sendiri atau terhubung ke data
warehouse yang telah ada.
Ada beberapa karakteristik dari data mart yang
membedakannya dengan data warehouse, yaitu :



Data mart hanya berfokus pada satu kebutuhan pengguna
dengan satu unit atau fungsi bisnis
Data mart tidak secara normal berisi data operasional secara
terperinci
Data mart berisi lebih sedikit data jika dibanding dengan data
warehouse, sehingga lebih mudah dimengerti dan dipahami.
Data Warehouse


Kubus data (cube), adalah unit pemrosesan data yang
terdiri dari tabel fakta dan dimensi dalam suatu data
warehouse.
Aggregation, adalah hitungan awal dari data numerik.



Hasil proses ini akan disimpan sebagai jawaban dari query
yang sebelumnya telah dibuat, sehingga waktu proses query
dapat berjalan dengan lebih cepat.
Proses agregasi ini menyebabkan data yang jumlahnya sangat
besar di suatu basisdata multidimensi dapat dicari dengan cara
mudah dan dalam waktu yang relatif singkat.
Agregasi ini merupakan dasar dari pembentukan kubus data,
karena pada agregasi akan mengorganisir kumpulan data
kedalam struktur data basis data multidimensi sehingga
menghasilkan waktu respon yang sangat cepat.
Online Analytical Processing (OLAP) (I)

OLAP adalah kemampuan dari sistem
informasi manajemen, sistem pendukung
keputusan dan sistem Informasi eksekutif
yang memungkinkan manajer dan analis
secara
interaktif
memeriksa
dan
memanipulasi sejumlah besar detil data
gabungan melalui berbagai perspektif.
Online Analytical Processing (OLAP) (II)
 Kemampuan
OLAP :
Consolidation
Drill-down
Slicing
and Dicing
Model OLAP
Front-end
(End User)
Middle Servers
(OLAP Server)
Back-End Server
Workstation
-
Spreadsheet
Statistical Packages
GUI
EIS / DSS Packages
Basisdata
Multidimensi
Data di-retrieve dari basisdata
perusahaan, disimpan di
dalam basisdata multidimensi
OLAP untuk diakses user
Basisdata
Organisasi
Basisdata operasional
Data Marts
Data Warehouse
OnLine Analytical Processing (OLAP)


OLAP digunakan untuk menganalisisis data dan
informasi yang nantinya akan digunakan
sebagai Decision Support System (SPK)
Beberapa aktivitas yang dapat dilakukan melalui
OLAP antara lain seperti :





melakukan proses query,
meminta laporan,
mendukung analisis statistik,
melakukan analisis interaktif, dan
membangun aplikasi multimedia.
OnLine Analytical Processing (OLAP)

Berdasarkan struktur basisdatanya, OLAP
dapat dibagi menjadi 3 bagian:

Multidimensional
Online
Processing (MOLAP).
Analytical
MOLAP adalah OLAP yang secara langsung
mengarah pada basis data multidimensi.
 MOLAP memproses data yang telah disimpan
dalam array multidimensional (semua kombinasi
data yang mungkin dicerminkan), masing-masing
diletakkan dalam suatu sel yang dapat diakses
secara langsung.

OnLine Analytical Processing (OLAP)

Relational
(ROLAP).
Online
Analytical
Processing
ROLAP adalah suatu format pengolahan OLAP
yang melakukan analisis data secara dinamis
yang disimpan dalam basis data relasioanal
bukan pada basis data multidimensi.
 ROLAP merupakan bentuk teknologi dari OLAP
yang paling berkembang.

OnLine Analytical Processing (OLAP)

Hybrid
Online
(HOLAP).


Analytical
Processing
HOLAP merupakan kombinasi antara ROLAP
dengan MOLAP.
HOLAP dikembangkan untuk mengkombinasikan antara kapasitas data pada ROLAP yang
besar dengan kemampuan proses pada
MOLAP.