Chapter 6 Dasar - Dasar Intelijen Bisnis :Database dan Manajemen Informasi

6.1 PENGORGANISASIAN DATA PADA LINGKUNGAN DATA TRADISIONAL

PERSYARATAN DAN KONSEP BERKAS ORGANISASI

Pengelompokan karakter menjadi sebuah kata, sekelompok kata-kata, atau nomor lengkap (seperti nama atau umur seseorang) disebut bidang. Sekelompok bidang terkait, seperti nama siswa, jalur yang ditempuh, tanggal, dan kelas, terdiri dari sebuah catatan; sebuah kelompok rekaman yang sama disebut file. Sekelompok file terkait membuat database. Entitas adalah orang, tempat, benda, atau acara yang di simpan dan dikelola menghasilkan informasi. Setiap karakteristik atau kualitas menggambarkan entitas tertentu disebut atribut.

PERMASALAHAN DENGAN LINGKUNGAN BERKAS TRADISIONAL

1.      Redundansi data dan inkonsistensi

2.      Ketergantungan program data

3.      Kurangnya fleksibilitas

4.      Keamanan yang buruk

5.      Kurangnya berbagi antar bagian organisasi dan ketersediaan data

6.2 PENDEKATAN DATABASE UNTUK PENGELOLAAN DATA

Definisi database yang lebih ketat adalah kumpulan data diatur untuk melayani banyak aplikasi secara efisien dengan memusatkan data dan mengendalikan data redundan.

SISTEM PENGELOLAAN DATABASE

Sistem manajemen basis data (DBMS) adalah perangkat lunak yang memungkinkan sebuah organisasi untuk memusatkan data, mengelolanya secara efisien, dan memberikan akses ke data yang tersimpan oleh program aplikasi. DBMS bertindak sebagai perantara program aplikasi dan file data fisik. Saat aplikasi program memanggil item data, seperti pembayaran kotor, DBMS menemukan item ini di database dan sampaikan ke program aplikasi.

·         Bagaimana DBMS mengatasi masalah lingkungan berkas tradisional ?

DBMS mengurangi redundansi dan inkonsistensi data dengan meminimalkan file yang terisolasi dimana data yang sama diulang.

·         Relasional DBMS

DBMS kontemporer menggunakan model basis data yang berbeda untuk melacak entitas, atribut, dan hubungan. Jenis DBMS yang paling populer saat ini untuk PC dan juga untuk komputer dan mainframe yang lebih besar adalah DBMS relasional. Database relasional mewakili data sebagai tabel dua dimensi (disebut relasi). Tabel dapat disebut sebagai file. Setiap tabel berisi data tentang entitas dan atributnya.

·         Operasi relasional DBMS

Dalam database relasional, tiga operasi dasar digunakan untuk mengembangkan kumpulan data yang berguna: pilih, gabung, dan proyekkan.

·         DBMS berorientasi obyek

DBMS berorientasi objek menyimpan data dan prosedur yang bertindak berdasarkan data tersebut sebagai objek yang dapat diambil dan dibagi secara otomatis. Sistem manajemen basis data berorientasi objek (OODBMS) menjadi populer karena dapat digunakan untuk mengelola berbagai komponen multimedia atau applet Java yang digunakan dalam aplikasi Web, yang biasanya mengintegrasikan beberapa informasi dari berbagai sumber.

·         Database pada cloud

Penyedia komputasi cloud menawarkan layanan pengelolaan basis data, namun layanan ini biasanya memiliki fungsionalitas yang lebih sedikit daripada rekan-rekan di tempat mereka.

KEMAMPUAN SISTEM MANAJEMEN DATABASE

DBMS memiliki kemampuan definisi data untuk menentukan struktur isi database. Ini akan digunakan untuk membuat tabel database dan untuk menentukan karakteristik field di setiap tabel. Informasi tentang database ini akan didokumentasikan dalam kamus data. Kamus data adalah file otomatis atau manual yang menyimpan definisi elemen data dan karakteristiknya.

PERANCANGAN DATABASE

Database membutuhkan desain konseptual dan desain fisik. Perancangan basis data konseptual, atau logis, adalah model abstrak dari perspektif bisnis, sedangkan perancangan fisik menunjukkan bagaimana database benar-benar diatur pada perangkat penyimpanan akses langsung.

Normalisasi dan Diagram Entitas-Hubungan

Untuk menggunakan model database relasional secara efektif, pengelompokan data yang kompleks harus disederhanakan untuk meminimalkan elemen data yang berlebihan dan hubungan manyto-many yang canggung. Proses pembuatan struktur data kecil, stabil, namun fleksibel dan adaptif dari kelompok data yang kompleks disebut normalisasi. Sistem database relasional mencoba menerapkan peraturan integritas referensial untuk memastikan bahwa hubungan antara tabel yang digabungkan tetap konsisten.

6.3 MENGGUNAKAN DATABASES UNTUK MENINGKATKAN KINERJA BISNIS DAN PENGAMBILAN KEPUTUSAN

Di perusahaan besar, dengan database besar atau sistem besar untuk fungsi terpisah, seperti manufaktur, penjualan, dan akuntansi, kemampuan dan alat khusus diperlukan untuk menganalisis sejumlah besar data dan untuk mengakses data dari banyak sistem. Kemampuan ini meliputi gudang data, data mining, dan alat untuk mengakses database internal melalui Web.

Sebuah gudang data adalah database yang menyimpan data terkini dan historis yang potensial bagi pengambil keputusan di seluruh perusahaan. Data berasal dari banyak sistem transaksi operasional inti, seperti sistem penjualan, akun pelanggan, dan manufaktur, dan mungkin mencakup data dari transaksi situs Web. Gudang data mengkonsolidasikan dan membakukan informasi dari database operasional yang berbeda sehingga informasi tersebut dapat digunakan di seluruh perusahaan untuk analisis manajemen dan pengambilan keputusan.

Perusahaan sering membangun gudang data perusahaan secara luas, di mana gudang data utama melayani keseluruhan organisasi, atau membuat gudang terdesentralisasi yang lebih kecil yang disebut data mart. Data mart adalah subkumpulan dari sebuah gudang data dimana bagian data organisasi yang diringkas atau sangat terfokus ditempatkan di database terpisah untuk populasi pengguna tertentu.

ALAT UNTUK BISNIS INTELIJEN : ANALISIS MULTIDIMENSI DATA DAN DATA MINING

PENGOLAHAN ALANALISIS ONLINE

Untuk mendapatkan jawabannya, Anda memerlukan pemrosesan analisis online (OLAP). OLAP mendukung analisis data multidimensi, memungkinkan pengguna melihat data yang sama dengan berbagai cara menggunakan banyak dimensi. Setiap aspek produk informasi, harga, biaya, wilayah, atau periode waktu - mewakili dimensi yang berbeda. Jadi, seorang manajer produk dapat menggunakan alat analisis data multidimensi untuk mempelajari berapa banyak mesin cuci yang dijual di Timur pada bulan Juni, bagaimana perbandingannya dengan bulan sebelumnya dan bulan Juni sebelumnya, dan bagaimana perbandingannya dengan perkiraan penjualan.

DATA MINING

Data mining lebih banyak digerakkan oleh penemuan. Data mining memberikan wawasan tentang data perusahaan yang tidak dapat diperoleh dengan OLAP dengan menemukan pola dan hubungan tersembunyi di database besar dan menyimpulkan aturan dari mereka untuk memprediksi perilaku masa depan. Pola dan aturan digunakan untuk memandu pengambilan keputusan dan memperkirakan dampak keputusan tersebut. Jenis informasi yang dapat diperoleh dari data mining meliputi asosiasi, urutan, klasifikasi, kelompok, dan prakiraan.

TEKS MINING DAN WEB MINING

Alat teks mining sekarang tersedia untuk membantu bisnis menganalisis data ini. Alat ini mampu mengekstrak elemen kunci dari kumpulan data tidak terstruktur yang besar, menemukan pola dan hubungan, dan meringkas informasinya. Bisnis mungkin beralih ke teks mining untuk menganalisis transkrip panggilan ke pusat layanan pelanggan untuk mengidentifikasi masalah layanan dan perbaikan utama.

Web adalah sumber informasi berharga lainnya yang kaya, beberapa di antaranya sekarang dapat ditambang untuk pola, tren, dan wawasan tentang perilaku pelanggan. Penemuan dan analisis pola dan informasi berguna dari World Wide Web disebut Web mining. Bisnis mungkin beralih ke penambangan Web untuk membantu mereka memahami perilaku pelanggan, mengevaluasi keefektifan situs Web tertentu, atau mengukur keberhasilan kampanye pemasaran.

DATABASE DAN WEB

Ada sejumlah keuntungan menggunakan Web untuk mengakses database internal organisasi. Pertama, perangkat lunak browser Web jauh lebih mudah digunakan daripada alat kueri berpemilik. Kedua, antarmuka Web hanya membutuhkan sedikit atau tidak ada perubahan pada basis data internal. Biayanya jauh lebih sedikit untuk menambahkan antarmuka Web di depan sistem warisan daripada mendesain ulang dan membangun kembali sistem untuk meningkatkan akses pengguna. Mengakses database perusahaan melalui Web adalah menciptakan efisiensi, peluang, dan model bisnis baru.

6.4 MENGELOLA SUMBER DAYA DATA

MEMBANGUN KEBIJAKAN INFORMASI

Kebijakan informasi menentukan peraturan organisasi untuk berbagi, menyebarkan, memperoleh, membuat standarisasi, mengklasifikasi, dan menginventarisir informasi. Kebijakan informasi memaparkan prosedur dan akuntabilitas yang spesifik, mengidentifikasi pengguna dan unit organisasi mana yang dapat berbagi informasi, di mana informasi dapat didistribusikan, dan siapa yang bertanggung jawab untuk memperbarui dan memelihara informasi tersebut.

Administrasi data bertanggung jawab atas kebijakan dan prosedur spesifik yang melaluinya data dapat dikelola sebagai sumber organisasi. Tanggung jawab ini meliputi pengembangan kebijakan informasi, perencanaan data, pengawasan perancangan basis data logis dan pengembangan kamus data, dan pemantauan bagaimana pakar sistem informasi dan kelompok pengguna akhir menggunakan data.

MEMASTIKAN KUALITAS DATA

Analisis kualitas data sering diawali dengan audit kualitas data, yaitu survei terstruktur tentang keakuratan dan tingkat kelengkapan data dalam suatu sistem informasi. Audit kualitas data dapat dilakukan dengan mensurvei seluruh file data, mensurvei sampel dari file data, atau mensurvei pengguna akhir untuk persepsi kualitas data mereka.

Pembersihan data, juga dikenal dengan data scrubbing, terdiri dari kegiatan untuk mendeteksi dan memperbaiki data dalam database yang tidak benar, tidak lengkap, tidak diformat dengan benar, atau berlebihan. Pembersihan data tidak hanya memperbaiki kesalahan tetapi juga memberlakukan konsistensi antar kumpulan data yang berbeda yang berasal dari sistem informasi terpisah. Perangkat lunak pembersihan data khusus tersedia untuk secara otomatis mensurvei file data, memperbaiki kesalahan dalam data, dan mengintegrasikan data dalam format perusahaan yang konsisten.

Sumber : Management Information Systems. 12th edition. Kenneth C. Laudon and Jane P. Laudon.