Jelaskan tentang arsitektur data warehouse

 Nama : Murtiara Naibaho

Npm : 19312060

Jelaskan tentang arsitektur data warehouse

Arsitektur data warehouse adalah sekumpulan produk yang saling berintegrasi yang mampu untuk melakukan proses ekstraksi dan transformasi data operasional untuk dimasukkan ke dalam basisdata agar end-user dapat melakukan analisis dan mengambil laporan.Arsitektur data untuk data warehouse mempunyai komponen utama yaitu read- only database.Tujuannnya : Meningkatkan kualitas dan akurasi informasi bisnis dan mengirimkan informasi ke pemakai dalam bentuk yang dimengerti dan dapat diakses dengan mudah.Data diambil dari sistem asal (sistem informasi yang ada), database dan file.Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan ke dalam Database Management System (DBMS) seperti Oracle, Ms. SQL Server, Sybase dan masih banyak yang lainnya.Data warehouse merupakan sebuah database terpisah bersifat hanya dapat dibaca yang dibuat khusus untuk mendukung pengambilan keputusan.Pemakai mengakses data warehouse melalui aplikasi front end tool.
Merupakan software, hardware, pelatihan dan komponen-komponen lainnya yang memberikan dukungan yang dibutuhkan untuk mengimplementasikan data warehouseSalah satu instrumen yang mempengaruhi keberhasilan pengembangan data warehouse adalah pengidentifikasian arsitektur mana yang terbaik dan infrasruktur apa yang dibutuhkan.Arsitektur yang sama, mungkin memerlukan infrastruktur yang berbeda.

1. Functional Data Warehouse (Data Warehouse Fungsional)Keuntungan dari bentuk DW seperti ini adalah sistem mudah dibangun dengan biaya relative murahKerugiannya adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan dalam pengumpulan data bagi pengguna.

 2. Datawarehouse (Data Warehouse Terpusat)
Keuntungan dari bentuk ini adalah data benar-benar terpadu karena konsistensinya yang tinggiKerugiannya adalah biaya yang mahal serta memerlukan waktu yang cukup lama untuk membangunnya.

3. Distributed Data Warehouse (Data Warehouse terdistribusi)
Keuntungannya adalah data tetap konsisten karena sebelum data digunakan data terlebih dahulu mengalami proses sinkronisasi.Kerugiananya adalah lebih kompleks untuk diterapkan karena sistem operasi dikelola secara terpisah & juga biayanya yang paling mahal dibandingkan dengan dua bentuk data warehouse lainnya

 Operasional Data Berfokus pada fungsi-fungsi transaksional
Merupakan bagian dari infrastruktur perusahaanDetail, tidak ada redudansi, dapat diupdateMerefleksikan nilai sekarang

Load ManagerMenampilkan semua operasi yang terkait dengan ekstrak dan load data ke dalam data warehouseData bisa diekstrak langsung dari sumber data atau ODS

Warehouse ManagerMenampikan semua operasi yang terkait dengan manajemen data dari data warehouse :Analisis data untuk menjamin konsistensiTransformasi dan penggabungan sumber data dari ODS ke table data warehousePembuatan indeks dan view pada table baseMembuat Denormalisasi dan Agregasi, jika diperlukanBacking up dan Archiving Data

 Query ManagerMenampilkan semua operasi yang terkait dengan manajemen query penggunaMengarahkan query pada table yang cocokMenjadwalkan pelaksanaan query

Detailed DataKomponen yang menyimpan detail data dalam skema database :Current Detail Data adalah Langsung dari operasional database dan mengacu pada data perusahaan sekarangcontoh : profil pelanggan, data aktivitas pelanggan, data sales, data demografisOld Detail Data à Current Detail Data yang berumur atau histori dari subyek area

Lightly dan Highly Summarized Data
Menyimpan semua data Lightly dan Highly Summarized yang sudah terdefinisi sebelumnya yang dibuat oleh Warehouse ManagerTujuan : meningkatkan performance query

Back Up Data/Archive Data
Menyimpan Detailed Data dan Summarized Data dengan tujuan mengarsip dan melakukan backupBack Up Data/Archive Data

Meta data Digunakan untuk membangun, memelihara, mengatur, dan menggunakan data warehouse.Mengandung lokasi dan deskripsi :Komponen data warehouse (nama, definisi, struktur, dan isi dari data warehouse dan end user view)Identifikasi dari pembuat sumber data (record system)Aturan-aturan integrasi dan transformasi yang digunakan untuk mempopulasikan data warehouseHistori dari update dan refresh data warehousePola-pola matriks yang digunakan untuk performa menganalisa data warehouse

Komponen yang menyediakan informasi dari data warehouse yang ada bagi user dalam membantu mengambil keputusanTools mencakup :Reporting dan Query ToolReporting : Menghasilkan laporan operasional yang teraturQuery : Relasi data warehouse untuk dapat menerima SQL atau untuk menghasilkan pernyataan SQL agar dapat melakukan query pada data yang disimpan dalam data warehouseApplication Development ToolsDirancang untuk kebutuhan Client ServerExecutive Information System (EIS) ToolMendukung pengambilan tingkat tinggi

OLAP ToolKonsep multidimensiMengizinkan pengguna untuk menganalisis data menggunakan view yang kompleksData Mining ToolProses menemukan korelasi, pola, dan gaya baru yang bermanfaat dengan ‘menggali’ data dalam jumlah yang banyak dengan menggunakan teknik statistika dan matematika

User dapat secara langsung mengakses data yang diambil dari beberapa source melalui data warehouse.Metadata dan raw data dari OLTP terdapat didalamnya, dan sebagai tambahan di dalam Warehouse terdapat summary data.Summary data ini sangat berguna dalam data Warehouse karena mereka melakukan perhitungan yang kompleks sebelumnya.Sebagai contoh, data warehouse melakukan query untuk mendapatkan data sales di bulan Agustus.

Pada arsitektur ini dapat dilakukan dengan menggunakan program, meskipun hampir semua data warehouse menggunakan staging area didalamnya.Staging area menyederhanakan proses pembuatan summary dan management warehouse secara umum.

Dapat mengkustomisasi arsitekturnya yang disesuaikan dengan kebutuhan organisasi.Hal ini dimungkinkan dengan menambahkan data mart.Data mart merupakan subset dari data resource, biasanya berorientasi untuk suatu tujuan yang spesifik atau subjek data yang didistribusikan untuk mendukung kebutuhan bisnis.Sebagai contoh data purchasing, sales, dan inventory dapat di pisahkan dalam masing-masing cube. Dalam contoh ini seorang analis keuangan dapat menganalisa histori data untuk purchases dan sales