Professional Documents
Culture Documents
Apabila berbagai basis data selama beberapa tahun selalu dipelihara dan dikumpulkan maka
kumpulan berbagai data periodik ini bisa disebut sebagai data warehouse. Kumpulan basis data
ini dapat menjadi bahan untuk analisis data dan terutama untuk mendukung pengambilan
keputusan, dan pada umumnya tidak digunakan oleh organisasi untuk memproses transaksi.
Sistem untuk transaksi data harian biasa disebut sebagai On Line Transaction Processing
(OLTP), sebagai perbandingan berikut ini disajikan tabel perbedaan Data Warehouse dan OLTP.
Sumber data dari Data Warehouse adalah data operasional dalam suatu organisasi seperti data
pelanggan, data produk, dsb, kemudian ditambah dengan data eksternal misalnya dari Internet
seperti data pemasok, dan data komersial lainnya.
Data Warehouse bersifat multidimensional, lebih dari dua dimensi, sementara tabel relasional
untuk OLAP hanya berdimensi dua. Sebagai contoh berikut ini adalah tayangan data tiga dimensi
dari data pembelian barang selama beberapa tahun.
Berdasarkan susunan data dimensional seperti diatas, analisis data dapat dilakukan misalnya
untuk menjawab pertanyaan : “Berapa jumlah barang-1 yang disalurkan oleh pemasok-2 antara
tahun (n-3) sampai dengan tahun (n-1)?”. Persoalan utama yang mungkin dihadapi adalah
volume data warehouse tentu sangat besar sehingga diperlukan teknologi pemrosesan paralel
seperti Symmetric Multi Processor (SMP) atau Massively Parallel Processor(MPP).
Data Warehouse dapat dibangun menggunakan program aplikasi yang dirancang sendiri, tetapi
tersedia beberapa perangkat lunak yang dipasarkan khusus untuk membangun data warehouse
pada suatu organisasi, antara lain:
Laudon dan Laudon (1998) dalam bukunya menuliskan beberapa langkah untuk membangun
data warehouse organisasi, yaitu:
1. Menentukan misi dan sasaran bisnis yang akan dicapai dengan membangun data
warehouse.
2. Melakukan identifikasi komponen data yang diperlukan dari basisdata operasional untuk
membangun data warehouse.
3. Merancang struktur basis data untuk data warehouse.
4. Membangun kebijakan dalam mengarsipkan data lama sehingga ruang penyimpanan bisa
diatur sedemikian rupa agar eksekusi program analisa data tidak terlalu lamban.
5. Mentransfer data operasional secara periodik ke dalam basis data warehouse.
Selain data warehouse dikenal pula istilah data mart yang tidak merupakan bagian dari data
warehouse untuk melayani kebutuhan organisasi dalam lingkup yang lebih sempit, misalnya
kebutuhan bagian atau departemen tertentu dalam organisasi. Perbedaan antara data warehouse
dan data mart antara lain:
Data mart difokuskan untuk keperluan pemakai yang terkait dalam sebuah departemen
atau suatu fungsi bisnis.
Data mart biasanya mengandung data operasional yang tidak terlalu rinci seperti pada
data warehouse.
Data mart umumnya mengandung informasi yang lebih sedikit dibanding dengan data
warehouse.
SmartMart (IBM)
Visual Warehouse (IBM)
PowerMart (Informatica)