6.1
MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE TRADISIONAL
Sebuah sistem informasi yang efektif menyediakan pengguna dengan
informasi yang akurat, tepat waktu, dan relevan bagi para penggunanya.
Informasi yang akurat tidak memiliki kesalahan. Informasi yang tepat waktu
dapat dipakai oleh pembuat keputusan ketika dibutuhkan. Informasi yang relevan
artinya informasi itu sangat berguna dan tepat untuk jenis pekerjaan dan
keputusan yang membutuhkannya.
l Konsep Pengorganisasian File
Sistem komputer mengorganisasikan data
ke dalam sebuah hierarki yang dimulai dengan bit dan byte, menuju field, record, dan basis data.
Sekumpulan bit disebut byte. Pengelompokan karakter menjadi sebuah kata,
kumpulan kata, atau bilangan lengkap dinamakan field. Sekumpulan field yang
saling berhubungan berkumpul menjadi record. Sekelompok record yang jenisnya
sama dinamakan file. Sekelompok file yang berhubungan membentuk basis data.
Sebuah record menggambarkan sebuah entitas. Entitas adalah orang, tempat, hal,
atau kejadian yang informasinya disimpan dan dipelihara. Setiap karakteristik
atau kualitas yang menggambarkan entitas khusus disebut atribut.
l Masalah dengan Lingkungan File Tradisional
Pada kebanyakan organisasi, file, data dan sistem cenderung
bertumbuh secara mandiri tanpa rencana menyeluruh untuk perusahaan. Akuntansi, keuangan,
manufaktur, sumber daya manusia, juga penjualan dan pemasaran, semuanya
berkembang dengan sistem dan file datanya sendiri. Setiap
aplikasi, diperlukan file dan program komputer sendiri untuk beroperasi.
Sebagai contoh, sumber daya manusia area fungsional mungkin memiliki file
personel induk, file penggajian, file asuransi kesehatan, file pensiun, sebuah
mailing list file, dan sebagainya sampai puluhan, mungkin ratusan, file dan
program yang ada. Selain itu, masalah lainnya adalah redundansi dan inkonsistensi
data, ketergantungan Program-data, kurangnya fleksibilitas, keamanan yang
buruk, kekurangan dalam pembagian dan ketersediaan data.
l
Data Redundancy dan
Inkonsistensi
Data redundansi adalah adanya duplikasi data dalam beberapa file
data sehingga data yang sama disimpan dalam lebih dari tempat atau lokasi.
Redundansi data terjadi ketika kelompok yang berbeda dalam sebuah organisasi
independen mengumpulkan potongan data yang sama dan menyimpannya secara
independen satu sama lain. Redundansi data sumber daya penyimpanan limbah juga
menyebabkan inkonsistensi data, di mana
atribut yang sama mungkin memiliki nilai yang berbeda.
l
Ketergantungan Program Data
Ketergantungan program-data mengacu pada kopling data yang
disimpan dalam file dan program-program khusus yang diperlukan untuk
memperbarui dan memelihara file-file, sehingga perubahan dalam program memerlukan
perubahan data. Setiap program komputer tradisional harus menggambarkan lokasi
dan sifat data dengan yang bekerja. Dalam lingkungan file tradisional, setiap
perubahan dalam program perangkat lunak bisa memerlukan perubahan dalam data
diakses oleh program itu.
l
Kurangnya Fleksibilitas
Sistem file tradisional dapat memberikan laporan rutin yang
dijadwalkan upaya pemrograman yang ekstensif, tetapi tidak dapat memberikan
laporan ad hoc atau menanggapi kebutuhan informasi yang tidak diantisipasi
secara tepat waktu. Beberapa programmer mungkin harus bekerja selama
berminggu-minggu untuk mengumpulkan item data yang dibutuhkan dalam sebuah file
baru.
l
Keamanan yang buruk
Karena ada sedikit kontrol atau manajemen data, akses dan
penyebaran informasi mungkin di luar kendali. Manajemen mungkin tidak memiliki
cara untuk mengetahui siapa yang mengakses atau bahkan membuat perubahan data
organisasi.
l
Kurangnya Pembagian dan
Ketersediaan Data
Karena potongan informasi dalam file dan bagian yang berbeda dari
organisasi tidak dapat berhubungan satu sama lain, maka hampir tidak mungkin
untuk informasi untuk dibagikan atau diakses pada waktu yang tepat. Informasi
tidak dapat mengalir dengan bebas di area fungsional yang berbeda atau bagian
yang berbeda dari organisasi. Jika pengguna menemukan nilai yang berbeda dari
bagian yang sama dari informasi dalam dua sistem yang berbeda, mereka mungkin
tidak ingin menggunakan sistem ini karena mereka tidak dapat mempercayai
keakuratan data mereka.
6.2 PENDEKATAN BASIS DATA TERHADAP PENGELOLAAN DATA
A. Sistem
Manajemen Basis Data
Sistem manajemen database (DBMS) adalah perangkat lunak yang
memudahkan organisasi untuk memusatkan data, mengelola secara efisien, dan
menyediakan akses data bagi program aplikasi. DBMS bertindak sebagai antarmuka
antara program aplikasi dan file data fisik.
DBMS meringankan
programmer dari pemahaman di mana dan bagaimana data sebenarnya disimpan dengan
memisahkan pandangan logis dan fisik dari data. Pandangan logis menyajikan data
karena mereka akan dirasakan oleh pengguna akhir atau spesialis bisnis,
sedangkan tampilan fisik menunjukkan bagaimana data sebenarnya terorganisir dan
terstruktur pada media penyimpanan fisik.
Perangkat
lunak manajemen database membuat database fisik tersedia untuk tampilan logis
yang berbeda yang dibutuhkan oleh pengguna.
B. Kemampuan
Sistem Manajemen Berbasis Data
DBMS menyertakan kapabilitas dan perangkat lunak untuk
mengorganisasikan, mengelola, dan mengakses data dalam basis data. Hal yang
paling penting antara lain:
Ø Kemampuan
definisi data: menentukan struktur isi database, digunakan untuk membuat tabel
dan mendefinisikan karakteristik bidang
Ø Kamus
data: berkas otomatis atau manual yang menyimpan definisi unsur data dan
karakteristiknya
Ø Bahasa
manipulasi data: digunakan untuk menambah, mengubah, menghapus, mengambil data
dari database
C. Merancang
Basis Data
Untuk membuat basis data, sebelumnya
harus memahami hubungan antara data, jenis data yang akan dijaga dalam
database, bagaimana datanya digunakan, dan bagaimana organisasi perlu mengubah
untuk mengelola data dari perspektif keseluruhan perusahaan. Basis data
membutuhkan desain konseptual dan sebuah desain fisik
Ø Desain
konseptual (logis): Model abstrak dari perspektif bisnis
Ø Desain
fisik: Bagaimana database diatur pada perangkat penyimpanan akses langsung
6.3
MENGGUNAKAN BASIS DATA UNTUK MENINGKATKAN KINERJA BISNIS DAN PROSES PENGAMBILAN
KEPUTUSAN
Perusahaan menggunakan
basis data untuk melacak transaksi dasar, seperti membayar pemasok, memproses
pesanan, melacak pelanggan, dan membayar gaji karyawan. Perusahaan juga
membutuhkan basis data untuk menyediakan informasi yang akan membantu
perusahaan menjalankan bisnis dengan lebih efisien, dan membantu manajer dan
karyawan membuat keputusan lebih baik.
A. GUDANG
DATA
Ø Gudang
data
Menyimpan
data terkini dan historis dari banyak sistem transaksi operasional utama
seperti sistem penjualan, akun pelanggan, manufaktur yang mungkin diminati dan digunakan
di seluruh perusahaan, namun data tidak dapat diubah.
Gudang
data menggabungkan dan menstandarkan informasi dari basis data operasional yang
berbeda sehingga informasi dapat digunakan di seluruh perusahaan untuk analisis
dan pembuatan keputusan manajemen.
Ø Data
mart:
Subset
data warehouse, bagian data perusahaan yang diringkas atau sangat terfokus
untuk digunakan oleh populasi pengguna tertentu. Biasanya berfokus pada subjek
tunggal atau bidang usaha.
TOOLS
DALAM BUSINESS INTELLIGENCE : ANALISIS DATA MULTIDIMENSIONAL DAN PENGGALIAN
DATA
Peralatan utama untuk Business Intelligence meliputi
:
- Software
for database query and reporting
- Online
Analytical Processing (OLAP)
- Data mining
(Penggalian Data)
1)
Online
Analytical Processing (OLAP)
OLAP
mendukung analisis data multidimensi, memungkinkan pengguna melihat data yang
sama dengan berbagai cara menggunakan banyak dimensi. Setiap aspek informasi
seperti produk, harga, biaya, wilayah, atau periode waktu mewakili dimensi yang
berbeda. OLAP memungkinkan pengguna memperoleh jawaban online atas pertanyaan
ad hoc dalam jumlah waktu yang cukup cepat, bahkan saat data disimpan dalam
database yang sangat besar.
Contohnya
adalah suatu perusahaan menjual berbagai macam produk seperti mur, baut, mesin
cuci dan sekrup di wilayah Timur, Barat dan Tengah. Dengan menggunakan OLAP,
perusahaan tersebut dapat mengetahui berapa banyak mesin cuci yang dijual di
wilayah Timur pada bulan Mei.
Model
data multidimensional
Tampilan
yang ditunjukkan di atas adalah produk versus wilayah. Jika Anda kubus di putar
90 derajat, wajah yang akan ditampilkan adalah produk versus penjualan aktual
dan yang diproyeksikan. Jika kubus di putar 90 derajat lagi, yang terlihat
adalah daerah versus penjualan aktual dan proyeksi. Pandangan lain mungkin
dilakukan.
2)
Data
Mining
Data mining lebih sering digunakan oleh para penemu
dibandingkan OLAP. Data mining memberikan informasi tentang data perusahaan yang
tidak dapat diperoleh dengan OLAP dengan menemukan pola dan hubungan
tersembunyi di database besar dan petunjuk awal untuk memprediksi perilaku masa
depan.
Jenis informasi yang dapat diperoleh dari data
mining meliputi :
- Asosiasi
(associations) adalah kejadian yang terkait dengan satu peristiwa.
- Urutan
(sequences). Dalam urutan, suatu peristiwa dikaitkan dari waktu ke waktu.
- Klasifikasi
(classifications). Klasifikasi mengenali pola yang menggambarkan kelompok
dimana item tersebut berada dengan memeriksa item yang ada yang telah
diklasifikasikan dan dengan menentukan aturan.
- Kelompok
(clusters). Clustering bekerja dengan cara yang mirip dengan klasifikasi
apabila belum ada kelompok yang ditetapkan.
- Peramalan
(forecasts). Peramalan menggunakan serangkaian nilai yang ada untuk
meramalkan nilai-nilai lain.
3) Analisis Prediktif
Analisis
prediktif menggunakan teknik data mining, data historis, dan asumsi tentang
kondisi masa depan untuk memprediksi hasil kejadian, seperti probabilitas
seorang pelanggan akan menanggapi penawaran atau membeli produk tertentu.
4)
Teks
Mining dan Web Mining
- Teks Mining
mampu mengekstrak elemen kunci dari kumpulan data tidak terstruktur yang
besar, menemukan pola dan hubungan, dan meringkas informasinya. Bisnis
mungkin beralih ke teks untuk menganalisis transkrip panggilan ke pusat
layanan pelanggan untuk mengidentifikasi layanan utama dan masalah
perbaikan.
- Web Mining
adalah penemuan dan analisis pola dan informasi berguna dari World Wide
Web. Bisnis dapat beralih ke web mining untuk membantu mereka memahami
perilaku pelanggan, mengevaluasi keefektifan situs web tertentu, atau
mengukur keberhasilan kampanye pemasaran.
- Web Mining
mencari pola dalam data melalui :
- Web content mining,
adalah proses mengekstrak pengetahuan dari konten halaman web, yang mungkin
mencakup data teks, gambar, audio, dan video.
- Web structure mining,
mengekstrak informasi yang berguna dari link yang tertanam dalam dokumen web.
- Web usage mining,
menguji data interaksi pengguna yang dicatat oleh server Web kapan pun
permintaan untuk sumber daya situs web diterima.
5)
Database
dan Web
- Banyak perusahaan menggunakan Web untuk membuat
beberapa database internal tersedia bagi
pelanggan atau partner.
- Konfigurasi tipikal meliputi :
- Web server
- Application
server/middleware/CGI scripts
- Database
server (hosting DBM)
- Keuntungan menggunakan Web untuk akses database :
- Kemudahan
penggunaan perangkat lunak browser
- Antarmuka
web hanya memerlukan sedikit atau tidak ada perubahan pada basis data
- Murah untuk
menambahkan antarmuka Web ke sistem
Menghubungkan
database internal ke web
Pengguna mengakses database internal organisasi melalui Web menggunakan komputer desktop dan perangkat lunak browser Web.
6.4 MENGELOLA SUMBER DAYA DATA MENETAPKAN
KEBIJAKAN INFORMASI
Kebijakan informasi menentukan peraturan organisasi untuk
berbagi, menyebarkan, memperoleh, membuat standarisasi, mengklasifikasi, dan
menginventarisasi informasi.
Dalam sebuah organisasi besar, mengelola dan merencanakan
informasi sebagai sumber daya perusahaan seringkali memerlukan fungsi
administrasi data formal. Administrasi data bertanggung jawab atas kebijakan
dan prosedur spesifik dimana 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.
Tata kelola data adalah kebijakan dan proses untuk
mengelola ketersediaan, kegunaan, integritas, dan keamanan data perusahaan,
terutama yang berkaitan dengan peraturan pemerintah.
Administrasi database mendefinisikan, mengatur,
menerapkan, memelihara database; Dilakukan dengan desain database dan kelompok
manajemen.
MEMASTIKAN
KUALITAS DATA
Sebelum
database baru tersedia, organisasi perlu mengidentifikasi dan memperbaiki data
yang salah dan membuat rutinitas yang lebih baik untuk mengedit data setelah
basis data mereka beroperasi. Analisis kualitas data sering dimulai dengan :
- Audit
kualitas data, yang merupakan survei terstruktur tentang keakuratan dan
tingkat kelengkapan data dalam sebuah sistem informasi. Audit kualitas
data dapat dilakukan dengan menyurvei seluruh file data, menyurvei sampel
dari file data, atau menyurvei 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 salah, 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 menyurvei
file data, memperbaiki kesalahan dalam data, dan mengintegrasikan data
dalam format keseluruhan perusahaan yang konsisten.
Tidak ada komentar:
Posting Komentar