PERTEMUAN KETIGA DATA WAREHOUSE - Data Mart, Model Pengembangan Data Warehouse, dan Data Multi Dimensi

Data Mart, Model Pengembangan Data Warehouse, dan Data Multi Dimensi

Nama : Anak Agung Bagus Wiryadika
NIM : 1805551059
Matakuliah : Data Warehouse (A)
Dosen : I Putu Agus Eka Pratama ST.,MT.
Jurusan/Fakultas/Universitas : Teknologi Informasi/Teknik/Udayana

Data Mart

Data mart merupakan sub bagian dari data warehouse keseluhuran sebagai sebuah struktur data, yang di dalamnya memnuat data guna memudahkan pengguna akhir di dalam mengakses data dari Data Warehouse sesuai kebutuhan ataupun untuk analisa data.

Data mart sendiri berada pada layer akses (Access Layer) yang berorientasikan kepada spesifik proses bisnis dan kebutuhan sesuai tempat dimana data warehouse tersebut akan di implementasikan.

Data mart dapat di analogikan sebagai himpunan bagian dari sebuah himpunan semesta bernama Data Warehouse. Sehingga jika Data Warehouse memuat semua data sesuai kebutuhan spesifik dari keseluruhan organisasi bersangkutan, maka Data Mart hanya spesifik memuat data sesuai kebutuhan per unit atau departemen tertentu saja.

Model Pengembangan Data Warehouse

Pemilihan dari model data warehouse yang ingin di kembangkan dapat didasari dari:

  1. Kebutuhan instanasi/organisasi/pengguna
  2. Budget
  3. Ketersediaan resource
  4. Case studi atau latar belakang diperlukannya data warehouse dalam instansi tersebut
Berikut merupakan beberapa model pengembangan dari Data Warehouse.
  1. Top Down Tanpa User Feedback: Model ini adalah model yang sangat sederhana karena tidak melibatkan user, dimana aliran datanya adalah berawal dari sumber data yang kemudian di teruskan ke Data Warehouse lalu di teruskan (dipecah) ke dalam beberapa data mart. Karena tidak ada campur tangan dengan pengguna, maka Data di dalam model data warehouse ini cukup berasala dari sumber data, tidak ada pengubahan di sisi pengguna, pada sisi pengguna mereka bebas mengubah sesuai kebutuhan melalui Data Mart, yaitu dengan mengikuti aliran Extraction. Transformation. Transportaion (ETT).
  2. Bottom Up Tanpa User Feedback: Model ini merupakan kebalikan dari model Top Down, dimaan pengembangan akan mulai di lakukan mulai dari bawah, dimana beberapa Data Mart akan di bentuk dari data yang berasal dari berbagai sumber data. Model tedapat 2 tahap, yaitu Tahap Pertama dengan mengikuti aliran ETT pada sumber data ke masing 0 masing Data mart dan Tahap Kedua yaitu aliran proses ETT dari masing - masing data mart menuju ke Data Warehouse
  3. Pararel Tanpa User Feedback: Model ini merupakan modifikasi dari Model Top Down, namun data mart tidak sepenuhnya bergantung pada Data Warehouse dalam sumber data yang di peroleh.
  4. Top Down Dengan User Feedback: Pada model ini, terdapat aliran bolak balik dari user feedback (pengguna) ke Data Mart dan Dari Data Mart ke Data Warehouse. User feedback pada Data Mart menjadi tolak ukur dalam pengembangan pada Data Mart dan Data Warehouse itu sendiri. Data pada model ini berasal dari Data Warehouse dan dari Data Warehouse tersebut akan di bentuk beberapa Data Mart sesuai kebutuhan.
  5. Bottom Up Dengan User Feedback: Model ini sama saja dengan Bottom Up tanpa user feedback, hanya saja pada model ini akan terdapat User Feedback yang dapat berefek pada Data Mart yang membentuk sebuah Data Warehouse tersebut. User feedback tersebut diarahkan melalui tatap muka pada Data Warehouse.
  6. Pararel Dengan User Feedback: Pada model ini sama saja dengan Pararel Tanpa User Feedback hanya saja pada model ini juga terlibat User Feedback yang dimana di alirkan melalui tatap muka ke Data Mart.

Data Relasional dan Data Multi Dimensi

Data relasional merupakan bentuk hubungan antar data yang berelasi dalam struktur hierarkis dan berada pada dua dimensi (baris dan kolom). Terdapat tiga macam relasi yang di kenal pada data relasional, yaitu:
  1. One to one: relasi satu baris data dengan satu baris data lainnya
  2. One to many: relasi satu baris data dengan banyak baris data lainnya
  3. Many to many: relasi banyak baris data dengan banyak baris data lainnya

Data multidimensi adalah model dari data fisik yang strukturnya dapat dilihat dari berbagai sudut pandang, dengan tiga buah bagian baris, kolom, dan layer dengan objek data di dalamnya. Data multidimensi tersebut tidak akan lepas dalam kebutuhan untuk mempermudah analisis data. Dalam membahas data multidimensi akan juga terkait dengan OLTP dan OLAP.

OLTP: Dimana tidak ada data historis dan data transaksional, hanya untuk kebutuhan data dan informasi semata (Data hanya dapat dilihat terstruktur dalam 2 dimensi)

OLAP: Berasal dari data transaksi (OLTP) dengan mengutamakan historis data maka dari itu akan perlu dilihat tiga dimensi untuk memudahkan analisa data.



Referensi

I Putu Agus Eka Pratama. Handbook Data Warehouse. Penerbit Informatika.
Bandung. 2017

Comments

Post a Comment