SlideShare a Scribd company logo
1 of 38
IKA QUTSIATI UTAMI (125150401111003) 
LUTHFI SHOFI KHOIRON (125150401111003) 
BAYU ADI BHASKARA (125150401111003) 
EVI NUR MUSLIATI (125150401111003) 
ANDI JAYA HARTANTO (125150401111003) 
DATA WAREHOUSE FUNDAMENTAL 
Planning And Requirements
PLANNING AND PROJECT 
REQUIREMENT
FIRST STEP 
 Apakah benar - benar membutuhkan datawarehouse ? 
 Jenis data warehouse apa yang akan dibangun ? 
 Dimana menyimpannya ? 
 Siapa akan menggunakan dan bagaimana mereka 
menggunakannya ?
HOW TO SUCCESS 
• Key Issues 
• Nilai dan Harapan 
• Resiko 
• Top-Down atau Bottom Up 
• Membangun atau Beli 
• Single Vendor atau Best-of-Breed Vendors 
• Kebutuhan Bisnis, bukan Teknologi 
• Top Management Support 
• Membenarkan Data warehouse kita
WAREHOUSE vs OLTP
SDLC 
• Rencana Proyek 
• Definisi Kebutuhan 
• Desain 
• Implementasi 
• Deployment 
• Pemeliharaan
ROLE AND RESPONSIBILITY
ROLE AND RESPONSIBILITY (Cont..)
WHY FAILED ?  
• Data Basement 
Data berkualitas buruk tanpa pengaksesan yang 
benar 
• Data Mausoleum 
Database berbiaya besar dengan pengaksesan dan 
performa yang buruk 
• Data Tenement 
Dibangun dari vendor tanpa mengetahui apa yang 
dibutuhkan pengguna 
•Data Shack 
Kumpulan data hancur bahkan sebelum penyelesaian 
• Data Cottage 
Data mart yang berdiri sendiri, terbagi-bagi, dan 
membentuk kumpulan 
• Data Jailhouse 
Sistem data yang berkumpul dan tidak terlihat 
membuat data terperangkap sehingga pengguna tidak 
bisa mendapatkan data
SUCCESS FACTOR  
• Query and reports 
Peningkatan yang cepat dalam jumlah queries dan report request user langsung dari data warehouse 
• Query type 
Query menjadi lebih sophisticated 
• Active user 
Peningkatan jumlah user 
• Usage 
User menghabiskan lebih banyak waktu di dalam data warehouse mencari solusi 
• Turnaround times 
Menandai pengurangan dalam waktu yg dibutuhkan untuk mendapat informasi strategis
DEFINING THE BUSINESS 
REQUIREMENT
DIMENSIONAL ANALYSIS 
Pengumpulan Informasi 
◦ Mendefinisikan kebutuhan mereka dengan jelas 
Mendefenisikan Fungsi Bisnis 
◦ Mendefenisikan dimensi per fungsi
INFORMATION PACKAGES 
A USEFUL CONCEPT 
Requirements Not Fully Determinate 
Metodologi baru untuk menentukan persyaratan untuk sistem data warehouse didasarkan pada dimensi bisnis. 
Business Dimensions 
Dimensi bisnis membentuk dasar yang mendasari metodologi baru untuk definisi persyaratan. 
Dimension Hierarchies and Categories 
Hirarki dimensi waktu terdiri dari tingkat tahun, kuartal, dan bulan. Hierarki dimensi adalah jalan untuk drilling down 
atau rolling up 
Key Business Metrics or Facts 
Dimensi bisnis yang relevan untuk pengguna dari kedua data mart untuk melakukan analisis. 
Tujuannya untuk pengukuran metrik yang mengukur keberhasilan departemen mereka.
REQUIREMENTS GATHERING METHODS 
Metode untuk pengumpulan requirement : 
• Interview, secara personal atau dalam grup kecil 
• Mengadakan sesi grup Joint Application Development (JAD) 
• Kuesioner
Interview JAD Kuesioner 
 Terdiri atas dua atau tiga orang 
 Mudah menentukan jadwal 
 Pendekatan lebih mudah 
dimengerti 
 Pengguna lebih komunikatif 
 Butuh persiapan yang baik 
 Perlu penelitian sebelum 
interview 
 Menentukan jenis pertanyaan 
terlebih dulu 
 Pengguna juga melakukan 
persiapan interview 
 Terdiri atas 20 orang atau kurang 
dalam satu grup 
 Dilakukan setelah paham dasar 
requirement 
 Digunakan ketika diperoleh 
dasar-dasar ide 
 Untuk pengkonfirmasian 
requirement 
 Efisien untuk pengguna dalam 
lokasi yang berbeda 
 Pengorganisasian harus sangat 
baik 
 Dapat mengumpulkan bayak 
requirement dengan cepat 
 Berguna ketika orang yang diberi 
kuesioner berada dalam 
jangkauan yang luas 
 Baik dalam fase eksplorasi untuk 
mendapatkan reaksi berbeda-beda 
dari banyak orang 
 Dilakukan untuk orang-orang 
yang memiliki jadwal kerja padat 
 Kurang komunikatif
TYPES OF QUESTIONS 
Open-Ended Questions 
Kelebihan : 
• Memberi kenyamanan dalam mengungkapkan kebutuhan user 
• Dapat memunculkan pertanyaan-pertanyaan baru 
• Detail kebutuhan lebih jelas 
Kekurangan : 
• Orang yang diwawancarai bisa jadi memunculkan detail yang terlalu banyak dan tidak penting 
• Memakan banyak waktu 
Closed Questions 
Kelebihan : 
• Menghemat waktu 
• Sampai ke inti dengan cepat dan mudah 
• Hasil wawancara dapat dibandingkan 
Kekurangan : 
• Respon terbatas 
Probes 
Probe adalah pertanyaan lanjutan yang mungkin dapat digunakan setelah open-ended atau closed questions. Probe 
berguna dalam mengungkap POV orang yang diwawancarai.
INTERVIEW TECHNIQUES 
Outline : 
1. User profile 
2. Background and objectives 
3. Information requirements 
4. Analytical requirements 
5. Current tools used 
6. Success criteria 
7. Useful business metrics 
8. Relevant business dimensions
ADAPTING THE JAD METHODOLOGY 
Pendekatan JAD : 
1. Definisi proyek 
2. Penelitian 
3. Persiapan 
4. Sesi JAD 
5. Dokumen final
USING QUESTIONAIRE 
Metode pengumpulan requiremen untuk data warehouse : 
1. Type and Choice of Questions 
2. Application of Scales 
3. Questionnaire Design 
4. Administering Questionnaires
REVIEW OF EXISTING DOCUMENTS 
• Dokumentasi dari bagian pengguna 
Menentukan fungsi dari unit bisnis, kumpulan informasi operasional kemudian mengambil 
bagian-bagian pentingnya. 
• Dokumentasi dari bagian IT 
DBA akan menyediakan data yang akan dikumpulkan. Dari dokumentasi user yang telah 
dikumpulkan kemudian dihubungkan ke sistem source.
DATA SOURCES 
Requirement harus berisi informasi : 
• Sumber data yang tersedia 
• Struktur data dengan sumber data 
• Lokasi sumber data 
• OS, networks, protocols, dan arsitektur klien 
• Prosedur ekstraksi data 
• Ketersediaan data dari masa lalu
DATA TRANSFORMATION 
• Setelah mendapatkan data sources, mendaftar struktur data yang relevan kemudian 
menentukan bagaimana data sources akan ditransformasi ke jenis data yang cocok untuk 
disimpan di data warehouse. 
• Dalam dokumen definisi requirement dipetakan source data ke da dalam data warehouse. 
Jelaskan penggabungan, konversi, dan splitting yang dibutuhkan sebelum masuk ke data 
warehouse.
DATA STORAGE 
• Detail data yang didapat dari user akan menentukan data mart 
yang dibutuhkan. 
• Setelah mengetahui tipe analisis yang dilakukan user, dapat 
ditentukan tipe agregasi yang harus ada dalam data warehouse. 
Hal ini akan memberi informasi mengenai kebutuhan storage 
tambahan.
INFORMATION DELIVERY 
Dokumen definisi requirement harus berisi : 
• Drill-down analysis 
• Roll-up analysis 
• Drill-through analysis 
• Slicing and dicing analysis 
• Ad hoc reports 
• Online monitoring tools such as dashboards and scorecards
INFORMATION PACKAGE DIAGRAM 
Infomation package diagram merealisasikan informasi requirement untuk data warehouse. Berisi 
metrics yang penting untuk mengukur performa unit bisnis, dimensi bisnis yang dianalisa metrics, 
dan detail bagaimana drill-down dan roll-up analyses terselesaikan.
REQUIREMENTS AS THE DRIVING 
FORCE FOR DATA 
WAREHOUSING
DATA DESIGN 
Model data untuk repositori data : 
• Area dimana untuk mengubah, membersihkan, dan mengintegrasikan data dari sumber sistem 
untuk persiapan pemuatan ke dalam repositori data warehouse. 
• Repositori data warehouse tersebut.
CONT.. 
Structure for Business Dimensions 
Jika akan membuat model data untuk data mart, dimensi bisnis yang ditunjukkan dalam angka tertentu 
harus dimasukkan dalam model. Kegunaan dari data mart terkait langsung dengan akurasi data model. Hal 
ini memiliki dimensi yang penting dan isi dari diagram paket informasi yang tepat. 
Structure for Key Measurements 
Key Measurements adalah tindakan yang di gunakan untuk menganalisi bisnis dan memonitoring. Selain 
mendapatkan hasil query berdasarkan kombinasi dari dimensi, fakta yang akan di gunakan untuk analisis 
Levels of Detail 
Jika Anda membutuhkan ringkasan di data warehouse Anda, maka model data Anda harus mencakup 
struktur untuk menahan rincian serta data ringkasan 
The architectural plan 
Setiap data warehouse terdiri dari cukup banyak komponen yang sama dan semua informasi yang 
dibutuhkan untuk merencanakan arsitektur harus dari definisi kebutuhan.
SPECIAL CONSIDERATIONS 
Komponen yang menunjukkan jenis informasi yang harus ada dalam definisi kebutuhan: 
• Source Data 
• Data Staging 
• Data Storage 
• Information Delivery 
• Metadata 
• Management and Control
DATA EXTRACTION, TRANSFORMATION, AND 
LOADING (ETL) 
• Data Extraction 
• Data Transformation 
• Data Loading
ALAT DAN PRODUK
DATA STORAGE SPECIFICATIONS 
• Pemilihan DBMS 
• Ukuran Storage
PEMILIHAN DBMS : 
• Pengalaman user 
• Jenis query 
• Keterbukaan 
• Manajemen metadata 
• Lokasi data repositori 
• Pertumbuhan Data Warehouse
UKURAN STORAGE 
Area Data Staging 
Menghitung estimasi penyimpanan untuk data staging area untuk keseluruhan data warehouse perusahaan 
dari ukuran sistem data struktur tiap subjek bisnis. 
Overall Corporate Data Warehouse 
Estimasi ukuran storage berdasarkan struktur data tiap subjek bisnis. Buat daftar atribut, perkiranan field 
length-nya, dan hitung storage yang dibutuhkan. 
Data Marts-Conformed, Independent, Dependent, atau Federated 
Setelah mendefinisikan requirement, selanjutnya adalah membuat diagram informasi. Diagram informasi 
memiliiki dimensi bisnis dan atributnya. Lalu menentukan besarnya data storage untuk data mart. 
Database Multidimensional 
Buat rincian dari rencana OLAP untuk user lalu gunakan detail dari rencana untuk menentukan storage untuk 
database multidimensional.
INFORMATION DELIVERY STRATEGY 
• Queries dan reports 
• Tipe analisis 
• Distribusi informasi 
• Information delivery yang real time 
• Aplikasi pengambilan keputusan 
• Pertumbuhan dan ekspansi
TERIMA KASIH

More Related Content

What's hot

Date warehousing concepts
Date warehousing conceptsDate warehousing concepts
Date warehousing concepts
pcherukumalla
 
02-konsep-data-warehouse.ppt
02-konsep-data-warehouse.ppt02-konsep-data-warehouse.ppt
02-konsep-data-warehouse.ppt
Dedek28
 
Data warehouse Project Report
Data warehouse Project ReportData warehouse Project Report
Data warehouse Project Report
Himanshu Yadav
 
What Is Hadoop? | What Is Big Data & Hadoop | Introduction To Hadoop | Hadoop...
What Is Hadoop? | What Is Big Data & Hadoop | Introduction To Hadoop | Hadoop...What Is Hadoop? | What Is Big Data & Hadoop | Introduction To Hadoop | Hadoop...
What Is Hadoop? | What Is Big Data & Hadoop | Introduction To Hadoop | Hadoop...
Simplilearn
 
Data warehouse
Data warehouseData warehouse
Data warehouse
MR Z
 

What's hot (20)

Datawarehouse and OLAP
Datawarehouse and OLAPDatawarehouse and OLAP
Datawarehouse and OLAP
 
Date warehousing concepts
Date warehousing conceptsDate warehousing concepts
Date warehousing concepts
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Module 02 teradata basics
Module 02 teradata basicsModule 02 teradata basics
Module 02 teradata basics
 
02-konsep-data-warehouse.ppt
02-konsep-data-warehouse.ppt02-konsep-data-warehouse.ppt
02-konsep-data-warehouse.ppt
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Introduction to ETL process
Introduction to ETL process Introduction to ETL process
Introduction to ETL process
 
Data warehouse Project Report
Data warehouse Project ReportData warehouse Project Report
Data warehouse Project Report
 
Data Warehousing and OLAP I
Data Warehousing and OLAP IData Warehousing and OLAP I
Data Warehousing and OLAP I
 
Data Warehouse Basic Guide
Data Warehouse Basic GuideData Warehouse Basic Guide
Data Warehouse Basic Guide
 
What Is Hadoop? | What Is Big Data & Hadoop | Introduction To Hadoop | Hadoop...
What Is Hadoop? | What Is Big Data & Hadoop | Introduction To Hadoop | Hadoop...What Is Hadoop? | What Is Big Data & Hadoop | Introduction To Hadoop | Hadoop...
What Is Hadoop? | What Is Big Data & Hadoop | Introduction To Hadoop | Hadoop...
 
Data Warehouse
Data Warehouse Data Warehouse
Data Warehouse
 
Polyglot Persistence
Polyglot Persistence Polyglot Persistence
Polyglot Persistence
 
Perancangan data warehouse
Perancangan data warehousePerancangan data warehouse
Perancangan data warehouse
 
Data Warehouse 101
Data Warehouse 101Data Warehouse 101
Data Warehouse 101
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Data warehouse
Data warehouseData warehouse
Data warehouse
 
Data mining 1 pengantar
Data mining 1   pengantarData mining 1   pengantar
Data mining 1 pengantar
 
Cassandra
CassandraCassandra
Cassandra
 
Data warehousing
Data warehousingData warehousing
Data warehousing
 

Similar to Data warehouse fundamental (Planning & Requirement)

Data_warehouse.ppt
Data_warehouse.pptData_warehouse.ppt
Data_warehouse.ppt
Dedek28
 
Chapter 11 Data Management
Chapter 11   Data ManagementChapter 11   Data Management
Chapter 11 Data Management
Hani Novita
 

Similar to Data warehouse fundamental (Planning & Requirement) (20)

Perencanaan dan Akses Kebutuhan
Perencanaan dan Akses KebutuhanPerencanaan dan Akses Kebutuhan
Perencanaan dan Akses Kebutuhan
 
4114310.ppt
4114310.ppt4114310.ppt
4114310.ppt
 
Data_warehouse.ppt
Data_warehouse.pptData_warehouse.ppt
Data_warehouse.ppt
 
Materi 12
Materi 12Materi 12
Materi 12
 
Data Management (Introducing of Datawarehouse)
Data Management (Introducing of Datawarehouse)Data Management (Introducing of Datawarehouse)
Data Management (Introducing of Datawarehouse)
 
Lingkungan Data Warehouse
Lingkungan Data WarehouseLingkungan Data Warehouse
Lingkungan Data Warehouse
 
Kel2 Data Warehouse 2
Kel2 Data Warehouse 2Kel2 Data Warehouse 2
Kel2 Data Warehouse 2
 
Kel2 Data Warehouse
Kel2 Data WarehouseKel2 Data Warehouse
Kel2 Data Warehouse
 
DWO - Pertemuan 2 & 3
DWO - Pertemuan 2 & 3DWO - Pertemuan 2 & 3
DWO - Pertemuan 2 & 3
 
Seminar datawarehouse @ Universitas Multimedia Nusantara
Seminar datawarehouse @ Universitas Multimedia NusantaraSeminar datawarehouse @ Universitas Multimedia Nusantara
Seminar datawarehouse @ Universitas Multimedia Nusantara
 
Herwanto_Kuliah_Umum_Big_Data_Analysis.pptx
Herwanto_Kuliah_Umum_Big_Data_Analysis.pptxHerwanto_Kuliah_Umum_Big_Data_Analysis.pptx
Herwanto_Kuliah_Umum_Big_Data_Analysis.pptx
 
Kecerdasan bisnis- Sistem Penunjang Keputusan
Kecerdasan bisnis- Sistem Penunjang KeputusanKecerdasan bisnis- Sistem Penunjang Keputusan
Kecerdasan bisnis- Sistem Penunjang Keputusan
 
T2 - Desain Basis Data
T2 - Desain Basis DataT2 - Desain Basis Data
T2 - Desain Basis Data
 
Chapter 11 Data Management
Chapter 11   Data ManagementChapter 11   Data Management
Chapter 11 Data Management
 
Kuliah_Umum_Big_Data_Analysis_TEKNIK INFORMATIKA.pptx
Kuliah_Umum_Big_Data_Analysis_TEKNIK INFORMATIKA.pptxKuliah_Umum_Big_Data_Analysis_TEKNIK INFORMATIKA.pptx
Kuliah_Umum_Big_Data_Analysis_TEKNIK INFORMATIKA.pptx
 
Modul sks2084 1.0 bhg 1
Modul sks2084   1.0 bhg 1Modul sks2084   1.0 bhg 1
Modul sks2084 1.0 bhg 1
 
TMKS3043 Kitar Hayat Pembangunan Sistem Pangkalan Data (PSPD)
TMKS3043 Kitar Hayat Pembangunan Sistem Pangkalan Data (PSPD)TMKS3043 Kitar Hayat Pembangunan Sistem Pangkalan Data (PSPD)
TMKS3043 Kitar Hayat Pembangunan Sistem Pangkalan Data (PSPD)
 
Tugaswarehosdio2003
Tugaswarehosdio2003Tugaswarehosdio2003
Tugaswarehosdio2003
 
perancangan sistem
perancangan sistemperancangan sistem
perancangan sistem
 
Konsep Data Warehouse.pptx
Konsep Data Warehouse.pptxKonsep Data Warehouse.pptx
Konsep Data Warehouse.pptx
 

Recently uploaded

Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerjaContoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
IniiiHeru
 
Jual Pil Penggugur Kandungan 085225524732 Obat Aborsi Cytotec Asli
Jual Pil Penggugur Kandungan 085225524732 Obat Aborsi Cytotec AsliJual Pil Penggugur Kandungan 085225524732 Obat Aborsi Cytotec Asli
Jual Pil Penggugur Kandungan 085225524732 Obat Aborsi Cytotec Asli
Jual Cytotec Asli 085225524732 Obat Penggugur Kandungan
 
4. PENGELOLAAN ALAT MEDIS BEKAS PAKAIhbnbbv PPI DASAR (1).pdf
4. PENGELOLAAN ALAT MEDIS BEKAS PAKAIhbnbbv PPI DASAR (1).pdf4. PENGELOLAAN ALAT MEDIS BEKAS PAKAIhbnbbv PPI DASAR (1).pdf
4. PENGELOLAAN ALAT MEDIS BEKAS PAKAIhbnbbv PPI DASAR (1).pdf
sonyaawitan
 
Keracunan bahan kimia,ektasi,opiat,makanan.ppt
Keracunan bahan kimia,ektasi,opiat,makanan.pptKeracunan bahan kimia,ektasi,opiat,makanan.ppt
Keracunan bahan kimia,ektasi,opiat,makanan.ppt
DIGGIVIO2
 
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshKISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
DosenBernard
 
undang undang penataan ruang daerah kabupaten bogor
undang undang penataan ruang daerah kabupaten bogorundang undang penataan ruang daerah kabupaten bogor
undang undang penataan ruang daerah kabupaten bogor
ritch4
 
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
TaufikTito
 
Telaah Kurikulum dan Buku Teks Mata Pelajaran Bahasa Indonesia Sekolah Dasar ...
Telaah Kurikulum dan Buku Teks Mata Pelajaran Bahasa Indonesia Sekolah Dasar ...Telaah Kurikulum dan Buku Teks Mata Pelajaran Bahasa Indonesia Sekolah Dasar ...
Telaah Kurikulum dan Buku Teks Mata Pelajaran Bahasa Indonesia Sekolah Dasar ...
buktifisikskp23
 

Recently uploaded (20)

Menganalisis T Test dengan menggunakan SPSS
Menganalisis T Test dengan menggunakan SPSSMenganalisis T Test dengan menggunakan SPSS
Menganalisis T Test dengan menggunakan SPSS
 
contoh judul tesis untuk mahasiswa pascasarjana
contoh judul tesis untuk mahasiswa pascasarjanacontoh judul tesis untuk mahasiswa pascasarjana
contoh judul tesis untuk mahasiswa pascasarjana
 
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerjaContoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
 
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfAlur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
 
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAMateri Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
 
PPT Kelompok 2 tantangan Manajemen Inovasi.pptx
PPT Kelompok 2 tantangan Manajemen Inovasi.pptxPPT Kelompok 2 tantangan Manajemen Inovasi.pptx
PPT Kelompok 2 tantangan Manajemen Inovasi.pptx
 
Bimbingan Teknis Penyusunan Soal Pilihan Berganda 2024.pptx
Bimbingan Teknis Penyusunan Soal Pilihan Berganda  2024.pptxBimbingan Teknis Penyusunan Soal Pilihan Berganda  2024.pptx
Bimbingan Teknis Penyusunan Soal Pilihan Berganda 2024.pptx
 
Jual Pil Penggugur Kandungan 085225524732 Obat Aborsi Cytotec Asli
Jual Pil Penggugur Kandungan 085225524732 Obat Aborsi Cytotec AsliJual Pil Penggugur Kandungan 085225524732 Obat Aborsi Cytotec Asli
Jual Pil Penggugur Kandungan 085225524732 Obat Aborsi Cytotec Asli
 
4. PENGELOLAAN ALAT MEDIS BEKAS PAKAIhbnbbv PPI DASAR (1).pdf
4. PENGELOLAAN ALAT MEDIS BEKAS PAKAIhbnbbv PPI DASAR (1).pdf4. PENGELOLAAN ALAT MEDIS BEKAS PAKAIhbnbbv PPI DASAR (1).pdf
4. PENGELOLAAN ALAT MEDIS BEKAS PAKAIhbnbbv PPI DASAR (1).pdf
 
Materi Pajak Untuk Bantuan Operasional Sekolah ( BOS )
Materi Pajak Untuk Bantuan Operasional Sekolah ( BOS )Materi Pajak Untuk Bantuan Operasional Sekolah ( BOS )
Materi Pajak Untuk Bantuan Operasional Sekolah ( BOS )
 
Keracunan bahan kimia,ektasi,opiat,makanan.ppt
Keracunan bahan kimia,ektasi,opiat,makanan.pptKeracunan bahan kimia,ektasi,opiat,makanan.ppt
Keracunan bahan kimia,ektasi,opiat,makanan.ppt
 
PPT SEMINAR PROPOSAL KLASIFIKASI CNN.pptx
PPT SEMINAR PROPOSAL KLASIFIKASI CNN.pptxPPT SEMINAR PROPOSAL KLASIFIKASI CNN.pptx
PPT SEMINAR PROPOSAL KLASIFIKASI CNN.pptx
 
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFPPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
 
Digital Onboarding (Bisnis Digital) Fase F
Digital Onboarding (Bisnis Digital) Fase FDigital Onboarding (Bisnis Digital) Fase F
Digital Onboarding (Bisnis Digital) Fase F
 
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdshKISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
KISI-KISI USEK PJOK TA 2023-2024 anans ajaja jaja hdsh
 
undang undang penataan ruang daerah kabupaten bogor
undang undang penataan ruang daerah kabupaten bogorundang undang penataan ruang daerah kabupaten bogor
undang undang penataan ruang daerah kabupaten bogor
 
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
 
384986085-Bahaya-Narkoba-Bagi-Kesehatan-Jiwa-Remaja.ppt
384986085-Bahaya-Narkoba-Bagi-Kesehatan-Jiwa-Remaja.ppt384986085-Bahaya-Narkoba-Bagi-Kesehatan-Jiwa-Remaja.ppt
384986085-Bahaya-Narkoba-Bagi-Kesehatan-Jiwa-Remaja.ppt
 
materi konsep dan Model TRIASE Bencana.pptx
materi konsep dan Model TRIASE Bencana.pptxmateri konsep dan Model TRIASE Bencana.pptx
materi konsep dan Model TRIASE Bencana.pptx
 
Telaah Kurikulum dan Buku Teks Mata Pelajaran Bahasa Indonesia Sekolah Dasar ...
Telaah Kurikulum dan Buku Teks Mata Pelajaran Bahasa Indonesia Sekolah Dasar ...Telaah Kurikulum dan Buku Teks Mata Pelajaran Bahasa Indonesia Sekolah Dasar ...
Telaah Kurikulum dan Buku Teks Mata Pelajaran Bahasa Indonesia Sekolah Dasar ...
 

Data warehouse fundamental (Planning & Requirement)

  • 1. IKA QUTSIATI UTAMI (125150401111003) LUTHFI SHOFI KHOIRON (125150401111003) BAYU ADI BHASKARA (125150401111003) EVI NUR MUSLIATI (125150401111003) ANDI JAYA HARTANTO (125150401111003) DATA WAREHOUSE FUNDAMENTAL Planning And Requirements
  • 2. PLANNING AND PROJECT REQUIREMENT
  • 3. FIRST STEP  Apakah benar - benar membutuhkan datawarehouse ?  Jenis data warehouse apa yang akan dibangun ?  Dimana menyimpannya ?  Siapa akan menggunakan dan bagaimana mereka menggunakannya ?
  • 4. HOW TO SUCCESS • Key Issues • Nilai dan Harapan • Resiko • Top-Down atau Bottom Up • Membangun atau Beli • Single Vendor atau Best-of-Breed Vendors • Kebutuhan Bisnis, bukan Teknologi • Top Management Support • Membenarkan Data warehouse kita
  • 6. SDLC • Rencana Proyek • Definisi Kebutuhan • Desain • Implementasi • Deployment • Pemeliharaan
  • 9. WHY FAILED ?  • Data Basement Data berkualitas buruk tanpa pengaksesan yang benar • Data Mausoleum Database berbiaya besar dengan pengaksesan dan performa yang buruk • Data Tenement Dibangun dari vendor tanpa mengetahui apa yang dibutuhkan pengguna •Data Shack Kumpulan data hancur bahkan sebelum penyelesaian • Data Cottage Data mart yang berdiri sendiri, terbagi-bagi, dan membentuk kumpulan • Data Jailhouse Sistem data yang berkumpul dan tidak terlihat membuat data terperangkap sehingga pengguna tidak bisa mendapatkan data
  • 10. SUCCESS FACTOR  • Query and reports Peningkatan yang cepat dalam jumlah queries dan report request user langsung dari data warehouse • Query type Query menjadi lebih sophisticated • Active user Peningkatan jumlah user • Usage User menghabiskan lebih banyak waktu di dalam data warehouse mencari solusi • Turnaround times Menandai pengurangan dalam waktu yg dibutuhkan untuk mendapat informasi strategis
  • 11. DEFINING THE BUSINESS REQUIREMENT
  • 12. DIMENSIONAL ANALYSIS Pengumpulan Informasi ◦ Mendefinisikan kebutuhan mereka dengan jelas Mendefenisikan Fungsi Bisnis ◦ Mendefenisikan dimensi per fungsi
  • 13.
  • 14. INFORMATION PACKAGES A USEFUL CONCEPT Requirements Not Fully Determinate Metodologi baru untuk menentukan persyaratan untuk sistem data warehouse didasarkan pada dimensi bisnis. Business Dimensions Dimensi bisnis membentuk dasar yang mendasari metodologi baru untuk definisi persyaratan. Dimension Hierarchies and Categories Hirarki dimensi waktu terdiri dari tingkat tahun, kuartal, dan bulan. Hierarki dimensi adalah jalan untuk drilling down atau rolling up Key Business Metrics or Facts Dimensi bisnis yang relevan untuk pengguna dari kedua data mart untuk melakukan analisis. Tujuannya untuk pengukuran metrik yang mengukur keberhasilan departemen mereka.
  • 15.
  • 16. REQUIREMENTS GATHERING METHODS Metode untuk pengumpulan requirement : • Interview, secara personal atau dalam grup kecil • Mengadakan sesi grup Joint Application Development (JAD) • Kuesioner
  • 17. Interview JAD Kuesioner  Terdiri atas dua atau tiga orang  Mudah menentukan jadwal  Pendekatan lebih mudah dimengerti  Pengguna lebih komunikatif  Butuh persiapan yang baik  Perlu penelitian sebelum interview  Menentukan jenis pertanyaan terlebih dulu  Pengguna juga melakukan persiapan interview  Terdiri atas 20 orang atau kurang dalam satu grup  Dilakukan setelah paham dasar requirement  Digunakan ketika diperoleh dasar-dasar ide  Untuk pengkonfirmasian requirement  Efisien untuk pengguna dalam lokasi yang berbeda  Pengorganisasian harus sangat baik  Dapat mengumpulkan bayak requirement dengan cepat  Berguna ketika orang yang diberi kuesioner berada dalam jangkauan yang luas  Baik dalam fase eksplorasi untuk mendapatkan reaksi berbeda-beda dari banyak orang  Dilakukan untuk orang-orang yang memiliki jadwal kerja padat  Kurang komunikatif
  • 18. TYPES OF QUESTIONS Open-Ended Questions Kelebihan : • Memberi kenyamanan dalam mengungkapkan kebutuhan user • Dapat memunculkan pertanyaan-pertanyaan baru • Detail kebutuhan lebih jelas Kekurangan : • Orang yang diwawancarai bisa jadi memunculkan detail yang terlalu banyak dan tidak penting • Memakan banyak waktu Closed Questions Kelebihan : • Menghemat waktu • Sampai ke inti dengan cepat dan mudah • Hasil wawancara dapat dibandingkan Kekurangan : • Respon terbatas Probes Probe adalah pertanyaan lanjutan yang mungkin dapat digunakan setelah open-ended atau closed questions. Probe berguna dalam mengungkap POV orang yang diwawancarai.
  • 19. INTERVIEW TECHNIQUES Outline : 1. User profile 2. Background and objectives 3. Information requirements 4. Analytical requirements 5. Current tools used 6. Success criteria 7. Useful business metrics 8. Relevant business dimensions
  • 20. ADAPTING THE JAD METHODOLOGY Pendekatan JAD : 1. Definisi proyek 2. Penelitian 3. Persiapan 4. Sesi JAD 5. Dokumen final
  • 21. USING QUESTIONAIRE Metode pengumpulan requiremen untuk data warehouse : 1. Type and Choice of Questions 2. Application of Scales 3. Questionnaire Design 4. Administering Questionnaires
  • 22. REVIEW OF EXISTING DOCUMENTS • Dokumentasi dari bagian pengguna Menentukan fungsi dari unit bisnis, kumpulan informasi operasional kemudian mengambil bagian-bagian pentingnya. • Dokumentasi dari bagian IT DBA akan menyediakan data yang akan dikumpulkan. Dari dokumentasi user yang telah dikumpulkan kemudian dihubungkan ke sistem source.
  • 23. DATA SOURCES Requirement harus berisi informasi : • Sumber data yang tersedia • Struktur data dengan sumber data • Lokasi sumber data • OS, networks, protocols, dan arsitektur klien • Prosedur ekstraksi data • Ketersediaan data dari masa lalu
  • 24. DATA TRANSFORMATION • Setelah mendapatkan data sources, mendaftar struktur data yang relevan kemudian menentukan bagaimana data sources akan ditransformasi ke jenis data yang cocok untuk disimpan di data warehouse. • Dalam dokumen definisi requirement dipetakan source data ke da dalam data warehouse. Jelaskan penggabungan, konversi, dan splitting yang dibutuhkan sebelum masuk ke data warehouse.
  • 25. DATA STORAGE • Detail data yang didapat dari user akan menentukan data mart yang dibutuhkan. • Setelah mengetahui tipe analisis yang dilakukan user, dapat ditentukan tipe agregasi yang harus ada dalam data warehouse. Hal ini akan memberi informasi mengenai kebutuhan storage tambahan.
  • 26. INFORMATION DELIVERY Dokumen definisi requirement harus berisi : • Drill-down analysis • Roll-up analysis • Drill-through analysis • Slicing and dicing analysis • Ad hoc reports • Online monitoring tools such as dashboards and scorecards
  • 27. INFORMATION PACKAGE DIAGRAM Infomation package diagram merealisasikan informasi requirement untuk data warehouse. Berisi metrics yang penting untuk mengukur performa unit bisnis, dimensi bisnis yang dianalisa metrics, dan detail bagaimana drill-down dan roll-up analyses terselesaikan.
  • 28. REQUIREMENTS AS THE DRIVING FORCE FOR DATA WAREHOUSING
  • 29. DATA DESIGN Model data untuk repositori data : • Area dimana untuk mengubah, membersihkan, dan mengintegrasikan data dari sumber sistem untuk persiapan pemuatan ke dalam repositori data warehouse. • Repositori data warehouse tersebut.
  • 30. CONT.. Structure for Business Dimensions Jika akan membuat model data untuk data mart, dimensi bisnis yang ditunjukkan dalam angka tertentu harus dimasukkan dalam model. Kegunaan dari data mart terkait langsung dengan akurasi data model. Hal ini memiliki dimensi yang penting dan isi dari diagram paket informasi yang tepat. Structure for Key Measurements Key Measurements adalah tindakan yang di gunakan untuk menganalisi bisnis dan memonitoring. Selain mendapatkan hasil query berdasarkan kombinasi dari dimensi, fakta yang akan di gunakan untuk analisis Levels of Detail Jika Anda membutuhkan ringkasan di data warehouse Anda, maka model data Anda harus mencakup struktur untuk menahan rincian serta data ringkasan The architectural plan Setiap data warehouse terdiri dari cukup banyak komponen yang sama dan semua informasi yang dibutuhkan untuk merencanakan arsitektur harus dari definisi kebutuhan.
  • 31. SPECIAL CONSIDERATIONS Komponen yang menunjukkan jenis informasi yang harus ada dalam definisi kebutuhan: • Source Data • Data Staging • Data Storage • Information Delivery • Metadata • Management and Control
  • 32. DATA EXTRACTION, TRANSFORMATION, AND LOADING (ETL) • Data Extraction • Data Transformation • Data Loading
  • 34. DATA STORAGE SPECIFICATIONS • Pemilihan DBMS • Ukuran Storage
  • 35. PEMILIHAN DBMS : • Pengalaman user • Jenis query • Keterbukaan • Manajemen metadata • Lokasi data repositori • Pertumbuhan Data Warehouse
  • 36. UKURAN STORAGE Area Data Staging Menghitung estimasi penyimpanan untuk data staging area untuk keseluruhan data warehouse perusahaan dari ukuran sistem data struktur tiap subjek bisnis. Overall Corporate Data Warehouse Estimasi ukuran storage berdasarkan struktur data tiap subjek bisnis. Buat daftar atribut, perkiranan field length-nya, dan hitung storage yang dibutuhkan. Data Marts-Conformed, Independent, Dependent, atau Federated Setelah mendefinisikan requirement, selanjutnya adalah membuat diagram informasi. Diagram informasi memiliiki dimensi bisnis dan atributnya. Lalu menentukan besarnya data storage untuk data mart. Database Multidimensional Buat rincian dari rencana OLAP untuk user lalu gunakan detail dari rencana untuk menentukan storage untuk database multidimensional.
  • 37. INFORMATION DELIVERY STRATEGY • Queries dan reports • Tipe analisis • Distribusi informasi • Information delivery yang real time • Aplikasi pengambilan keputusan • Pertumbuhan dan ekspansi

Editor's Notes

  1. Alat back-end adalah produk untuk data transformation, data cleansing, dan data loading. Alat front-end berkaitan dengan information delivery ke user.
  2. Pengalam user : juka user tidak berpengalaman dalam DBMS maka DBMS harus memiliki fitur untuk monitoring dan control pada query yang berjalan, jika user sudah ahli maka mereka akan merancang query mereka sendiri, DBMS harus support dengan menggunakan bahasa SQL yang mudah. Jenis query : : DBMS harus memiliki fitur optimalisasi yang kuat jika ada query yang kompleks dan menghasilkan result query yang besar. Keterbukaan : : Memiliki keterbukaan pada arsitektur komponen back-end dan front-end, tergantung pada requirement bisnis-nya Management meta data : : Requirement bisnis merefleksikan tipe dari sebuah framework metadata. Jika komponen metadata tidak harus dielaborasikan maka DBMS dengan active data dictionary cukup. Lokasi data repository : : Lokasi data warehouse ingin dijadikan satu lokasi atau terdistribusi. Jawaban dari lokasi data warehouse akan dipilih DBMS yang support dengan database terdistribusi. Pertumbuhan data warehouse : : Dalam mendefinisikan business requirement harus memiliki informasi estimasi pertumbuhan jumlah user dan kompleksitas sebuah query. Hal ini akan berdampak pada skalabilitas DBMS.
  3. Queries dan reports Cari tahu siapa yang menggunakan query dan report yang sudah memiliki formatnya masing-masing. Dapatkan spesifikasi untuk frekuensi produksi dan distribusi untuk laporan. Dapatkan informasi yang detail tentang tipe query dan tipe laporan yang user inginkan. Tipe analisis Lakukan review dengan user tentang tipe analsis yang ingin mereka lakukan. Kemudian dengan menggunakan fasilitas OLAP, user dapat melakukan analisis multidimensional dan mendapatkan data dari database multidimensional. Saat ini lingkungan bisnis intelegensi menyediakan informasi melalui dashboard dan scoreboard. Jadi information requirement harus menyertakan kedua informasi tersebut pada information delivery ke user. Distribusi informasi Lokasi distribusi informasi pada user sangatlah penting karena menentukan bagaimana informasi didistribusikan kepada user. Apakah di satu lokasi, apakah terhubung dengan LAN, atau tersebar secara luas menggunakan WAN. Information delivery yang real time Jika data warehouse dikonfigurasi untuk mengupdate data secara real time dalam waktu setiap hari, sepanjang hari dan dengan biaya efektif serta untuk pengambilan keputusan yang penting maka pengembang harus mengumpulkan informasi detail pada fase pengumpulan requirement. Serta dipikirkan juga cara penyampaian informasi apakah menggunakan email, excel, pdf dan lain-lain. Aplikasi pengambilan keputusan Data Warehouse suplai data untuk aplikasi pengambilan keputusan. Karena data yang ada dalam data warehouse merupakan data historical yang diambil dari berbagai sumber. Tujuan data warehouse juga untuk mendukung pengambilan keputusan. Data Warehouse mengambil data dari repositori Data Warehouse Pertumbuhan dan ekspansi Ketika data warehouse sudah berhasil diaplikasikan, maka user dapat menjalankan query, print laporan, dan melakukan analisis. Akan tetapi komponen information delivery selalu berkembang. Jumlah dan kompleksitas query dan laporan semakin bertambah. Di dalam perencanaan, kumpulkan informasi yang detail mengenai estimasi perkembangan dan fitur tambahan.