Feeds:
Posts
Comments

Archive for October, 2011

Oleh : Ellen Suwandi (1200991536)

PENDAHULUAN
Schema adalah kumpulan objek-objek database, mencakup tabel, view, index, dan sinonim.
Ada beberapa cara dalam menyusun objek-objek schema dalam model schema yang dirancang untuk data warehouse. Salah satu schema untuk data warehouse adalah star schema. Schema sampel sh merupakan model menggunakan star schema (lihat gambar 1).

Gambar 1: Contoh Star Schema

Namun, terdapat model-model schema lain yang umum digunakan untuk data warehouse. Yang paling umum digunakan adalah third normal form (3NF) schema. Selain itu, beberapa schema untuk data warehouse bukan merupakan star schema ataupun 3NF schema, tetapi memiliki karakteristik dari kedua schema. Schema ini dikenal dengan model schema hybrid.

Gambar 2: Contoh 3nf Schema

Oracle Database dirancang untuk mendukung semua schema untuk data warehouse. Beberapa fitur bersifat spesifik terhadap satu model schema (seperti fitur star transformation, yang spesifik terhadap star schema). Namun, mayoritas dari fitur-fitur data warehousing pada Oracle dapat diterapkan pada star schema, 3NF schema, dan hybrid schema.

Gambar 3: Contoh Snowflake Schema

Kapabilitas kunci dari data warehousing seperti partitioning, paralelisme, materialized view, dan analytic SQL diimplementasikan di dalam semua model schema. Penentuan model schema mana yang sebaiknya digunakan untuk data warehouse harus didasarkan pada kebutuhan dan kebiasaan dari tim proyek data warehouse. (Lane, 2005, p. 19-1).

STAR SCHEMA

Disebut star schema karena entity-relationship diagram atau ERD-nya yang menyerupai konstelasi bintang, beberapa bintang  besar (fact table) dikelilingi bintang-bintang yang lebih kecil (dimension tables). (Wikimedia Foundation, Inc., 2011)

  • Fact table menampung nilai-nilai metric yang direkam untuk suatu kejadian yang spesifik. Sehubungan dengan tujuan untuk menampul data atomik, biasanya terdapat sejumlah besar record (jutaan). Pengelolaan khusus dilakukan untuk meminimalisasi jumlah dan ukuran atribut dengan tujuan membatasi ukuran tabel keseluruhan dan mengatur performa. Fact tables biasanya berupa transaksi (fakta-fakta mengenai kejadian tertentu, misalnya penjualan), snapshot (fakta-fakta yang direkam pada suatu waktu tertentu, misalnya rincian Account pada awal bulan), dan tabel-tabel snapshot akumulasi (misalnya, penjualan month-to-date untuk suatu produk).
  • Dimension tables biasanya memiliki record yang lebih sedikit dibandingkan fact tables, tetapi bisa memiliki jumlah atribut yang besar untuk mendeskripsikan data fakta.

Mengapa menggunakan Star Schema?

Menurut Lane (2005, pp. 19-3), kelebihan utama dari star schema adalah bahwa star schema:

  • Menyediakan pemetaan langsung dan intuitif antara entitas-entitas bisnis yang sedang dianalisa oleh end users dan desain schema.
  • Menyediakan performa teroptimasi untuk star query umum.
  • Didukung oleh banyak business intelligence tools, yang dapat melakukan antisipasi atau bahkan membutuhkan agar schema data warehouse berisi tabel-tabel dimensi.

STAR QUERY

Star query adalah join antara tabel fakta dan sejumlah tabel dimensi. Setiap tabel dimensi di-join-kan kepada tabel fakta menggunakan join dari primary key ke foreign key, tetapi tabel-tabel dimensi tidak saling di-join-kan. Optimizer mengenali star query dan menghasilkan execution plan yang efisien untuk star query. (Lane, 2005, pp. 19-2)

Tabel fakta umumnya berisi keys dan measures (ukuran). Contohnya, dalam schema sampel sh, tabel fakta, sales, berisi ukuran quantity_sold, amount, dan cost, dan keys cust_id, time_id, prod_id, channel_id, dan promo_id. Tabel-tabel dimensi antara lain customers, times, products, channels, and promotions. Tabel dimensi products, contohnya, berisi informasi mengenai setiap nomor produk yang muncul di dalam tabel fakta. (Lane, 2005, pp. 19-2)

Star join adalah join primary key ke foreign key dari tabel dimensi ke tabel fakta. (Lane, 2005, pp. 19-2)

Mengoptimasi Star Query

Menurut Lane (2005, pp. 19-4), untuk memperoleh performa terbaik yang mungkin bagi star queries, penting untuk mengikuti panduan-panduan dasar berikut:

  • Harus dibuat bitmap index pada setiap kolom foreign key dari tabel fakta.
  • Parameter inisialisasi STAR_TRANSFORMATION_ENABLED harus bernilai TRUE. Ini dilakukan untuk mengaktifkan fitur optimizer yang penting untuk star query.

Ketika data warehouse memenuhi kondisi-kondisi tersebut, mayoritas star queries yang berjalan pada data warehouse akan menggunakan strategi eksekusi yang dikenal dengan star transformation. Star transformation menyediakan performa query yang efisien bagi star queries.

STAR TRANSFORMATION

Star transformation merupakan teknik optimasi yang efektif yang berdasar pada penulisan ulang (transformasi) secara implisit terhadap SQL dari star query asli. End user tidak perlu mengetahui detil-detil dari star transformation. Query optimizer dari Oracle secara otomatis memilih star transformation jika diperlukan. (Lane, 2005, pp. 19-4)

Ide dasar dari transformasi ini adalah untuk menghindari penggunaan metode akses full table scan pada tabel-tabel besar, yaitu tabel-tabel fakta dalam star schema. Dalam star query, tabel fakta di-join ke beberapa tabel-tabel dimensin yang jauh lebih kecil. Tabel fakta biasanya berisi sebuah key (foreign key) untuk setiap tabel dimensi dan juga sejumlah kolom-kolom pengukuran seperti jumlah penjualan. Key yang berkoresponden di dalam tabel dimensi merupakan primary key. Join dilakukan antara foreign key dari tabel fakta dengan primary key yang berkoresponden dari tabel dimensi. Query juga berisi predikat-predikat filter pada kolom-kolom lain dari tabel-tabel dimensi yang biasanya sangat membatasi. Kombinasi dari filter-filter ini membantu mengurangi secara drastis himpunan data yang diproses dari tabel fakta. Tujuan dari star transformation adalah untuk mengakses hanya himpunan data yang telah dikurangi dari tabel fakta ini. (Oracle Corporation, 2010)

Oracle memproses star query menggunakan dua fase dasar. Fase pertama mengambil hanya baris-baris yang diperlukan dari tabel fakta (result set). Karena pengambilan ini memanfaatkan bitmap indexes, maka sangat efisien. Fase kedua men-join-kan result set ini ke tabel-tabel dimensi. (Lane, 2005, pp. 19-4)

Sebagai contoh, perhatikan star query berikut ini. Query ini bertujuan untuk mencari total penjualan di semua kota di California untuk kuartal 01 dan 02 pada tahun 1999 melalui internet.

Query 1:

SELECT c.cust_city, t.calendar_quarter_desc, SUM(s.amount_sold) sales_amount
FROM sales s, times t, customers c, channels ch
WHERE s.time_id = t.time_id AND s.cust_id = c.cust_id AND s.channel_id = ch.channel_id  AND c.cust_state_province = ‘CA’ AND ch.channel_desc = ‘Internet’AND t.calendar_quarter_desc IN (‘1999-01′,’1999-02’)
GROUP BY c.cust_city, t.calendar_quarter_desc;

Sales adalah tabel fakta sedangkan tabel-tabel lain merupakan tabel-tabel dimensi. Tabel Sales berisi satu baris untuk setiap penjualan produk dan karena itu bisa berisi jutaan record penjualan. Namun hanya beberapa diantaranya yang dijual kepada konsumen di California melalui Internet untuk kuartal yang ditentukan. Query di atas ditransformasi menjadi Query 2.

Query 2:

SELECT c.cust_city, t.calendar_quarter_desc, SUM(s.amount_sold) sales_amount
FROM sales s, times t, customers c
WHERE s.time_id = t.time_id
AND s.cust_id = c.cust_id AND s.time_id IN (SELECT time_id
FROM times
WHERE calendar_quarter_desc IN(‘1999-01′,’1999-02′))
AND s.cust_id IN (SELECT cust_id
FROM customers
WHERE cust_state_province=’CA’)
AND s.channel_id IN (SELECT channel_id
FROM channels
WHERE channel_desc = ‘Internet’)
GROUP BY c.cust_city, t.calendar_quarter_desc;

Star transformationpada intinya adalah menambahkan predikat-predikat subquery yang berkorespon dengan batasan-batasan dimensi. Predikat-predikat subquery ini disebut juga dengan predikat-predikat semi-join bitmap. Transformasi tersebut dilakukan ketika terdapat index pada kolom-kolom fact join (s.timeid, s.custid…). Dengan menggunakan operasi-operasi AND dan OR (bitmap bisa dari bitmap index atau dihasilkan dari B-Tree index biasa) dari nilai-nilai key yang disediakan oleh subquery, hanya baris-baris yang relevan dari tabel fakta yang perlu diambil. Apabila filter pada tabel-tabel dimensi menyaring banyak data (hanya sedikit data yang diambil), cara ini akan jauh lebih efisien dibandingkan full tabel scan pada tabel fakta. Setelah  baris-baris yang relevan telah diambil dari tabel fakta, perlu dilakukan join kembali ke tabel-tabel dimensi. Dalam kasus-kasus tertentu, join kembali bisa dihilangkan.

Berikut adalah execution plan sebagai hasil dari star transformation.

1        SELECT STATEMENT
2        HASH GROUP BY
3        HASH JOIN
4             TABLE ACCESS FULL  CHANNELS
5                 HASH JOIN
6                      TABLE ACCESS FULL CUSTOMERS
7                      HASH JOIN
8                          TABLE ACCESS FULL TIMES
9                          PARTITION RANGE ITERATOR
10                             TABLE ACCESS BY LOCAL INDEX ROWID SALES
11                                 BITMAP CONVERSION TO ROWIDS
12                                      BITMAP AND
13                                          BITMAP MERGE
14                                               BITMAP KEY ITERATION
15                                                   BUFFER SORT
16                                                        TABLE ACCESS FULL CUSTOMERS
17                                                   BITMAP INDEX RANGE SCAN SALES_CUST_BIX
18                                          BITMAP MERGE
19                                               BITMAP KEY ITERATION
20                                                   BUFFER SORT
21                                                        TABLE ACCESS FULL CHANNELS
22                                                   BITMAP INDEX RANGE SCAN SALES_CHANNEL_BIX
23                                          BITMAP MERGE
24                                               BITMAP KEY ITERATION
25                                                   BUFFER SORT
26                                                        TABLE ACCESS FULL TIMES
27                                                   BITMAP INDEX RANGE SCAN SALES_TIME_BIX

Seperti telah dijelaskan sebelumnya, query diproses dalam dua fase. Pada fase pertama, Oracle Database menggunakan bitmap index pada kolom-kolom foreign key dari tabel fakta untuk mengidentifikasi dan mengambil hanya baris-baris yang diperlukan dari tabel fakta. Yaitu, Oracle Database akan memperoleh result set dari tabel fakta.

Tabel sales memiliki bitmap access path alih-alih full table scan. Untuk setiap nilai key dari subquery (baris 16, 21, 26), bitmap diambil dari index dalam tabel fakta (baris 17, 22, 27). Setiap bit di dalam bitmap berkorespon dengan suatu baris di dalam tabel fakta. Bit diubah apabila nilai key dari subquery sama dengan nilai di dalam baris dari tabel fakta. Bit diubah jika nilai key dari subquery sama dengan nilai di dalam baris dari tabel fakta. Contohnya, bitmap [1][0][1][0][0][0]…(baris-baris berikutnya yang tersisa semuanya bernilai 0) mengindikasikan bahwa baris 1 dan 3 dari tabel fakta cocok dengan nilai key dari subquery. Misalkan bitmap di atas untuk nilai key dari subquery dari tabel times yang korespon terhadap penjualan dalam 1999-01.

Operasi pada baris 14, 19, 24 beriterasi berdasarkan key-key dari subquery dan memperoleh bitmap yang sesuai. Misalkan subquery dari tabel times menghasilkan satu lagi bitmap [0][1][0][0][0][0]… yang korespon terhadap penjualan pada 1999-02.

Bitmap untuk setiap subquery di-merge (dilakukan operasi OR) (baris 13, 18, 23). Pada contoh di atas, akan dihasilkan bitmap  [1][1][1][0][0][0]… untuk subquery times setelah merge kedua bitmap.

Bitmap yang di-merge kemudian dilakukan operasi AND (baris 12). Misalkan bitmap dari channels adalah [1][0][0][0][0][0]… Apabila Anda menjalankan operasi AND pada bitmap ini dengan bitmap dari subquery customers akan dihasilkan bitmap [1][0][0][0][0]…

Rowid dari bitmap akhir diperoleh (baris 11). Baris-baris dari tabel fakta diperoleh dengan rowid (baris 10). Pada contoh di atas, akan dihasilkan hanya satu rowid yang berkorespon dengan baris pertama dan mengambil hanya satu baris alih-alih men-scan keseluruhan tabel fakta.

Representasi dari bitmap pada contoh di atas hanya untuk tujuan ilustrasi. Dalam   Oracle, hanya disajikan dan disimpan dalam bentuk yang kompres.

Fase kedua dari query ini adalah men-join kembali baris-baris dari tabel fakta ini (result set) ke tabel-tabel dimensi. Subquery dan bitmap tree hanya menyaring tabel fkata berdasarkan filter-filter dimensi, sehingga masih diperlukan join ke tabel dimensi. Join kembali ke tabel dimensi ini dihilangkan ketika semua pedikat pada tabel dimensi merypakan bagian dari predikat subquery semijoin, kolom-kolom yang diseleksi dari subquery adalah unik dan kolom-kolom dimensi tidak berada dalam daftar select, group by, dan lain-lain. Pada contoh di atas, tabel channels tidak di-join kembali ke tabel sales karena tidak direferensi di luar dan channel­­_id unik.

Oracle akan menggunakan metode yang paling efisien untuk mengakses dan men-join-kan tabel-tabel dimensi. Kebanyakan dimensi berukuran sangat kecil, dan table scan biasanya merupakan metode akses yang paling efisien untuk table-tabel dimensi ini. Untuk tabel-tabel dimensi berukuran besar, table scans bisa jadi bukan metode akses yang paling efisien. Pada contoh sebelumnya, bitmap index pada product.department dapat digunakan untuk mengidentifikasi secara cepat semua produk-produk di dalam departemen grosir. Optimizer pada Oracle secara otomatis menetapkan metode akses mana yang paling tepat untuk tabel dimensi tertentu, berdasarkan pengetahuan optimizer mengenai ukuran dan distribusi data dari setiap tabel dimensi.

Metode join yang spesifik (dan juga metode indexing) untuk setiap tabel dimensi akan ditentukan oleh optimizer. Hash join seringkali merupakan algoritma yang paling efisien untuk men-join-kan tabel-tabel dimensi. Jawaban akhir yang dikembali kepada user setelah semua tabel-tabel dimensi telah di-join-kan. Teknik query untuk mengambil hanya baris-baris yang cocok dari sebuah tabel dan kemudian men-join-kannya dengan tabel lain biasanya dikenal dengan semijoin.

Penggunaan Star Transformation pada Oracle

Optimizer menghasilkan dan menyimpan plan terbaik yang dapat dihasilkannya tanpa transformasi. Apabila transformasi diaktifkan, optimizer kemudian mencoba untuk menerapkannya pada query, dan jika sesuai, menghasilkan plan terbaik menggunakan query yang ditransformasi. Berdasarkan perbandingan estimasi cost antara plan terbaik untuk kedua versi dari query, optimizer kemudian akan menentukan apakah akan menggunakan plan terbaik untuk versi yang ditransformasi atau yang tidak ditransformasi.

Apabila query membutuhkan akses ke baris-baris dari tabel fakta dalam jumlah besar, akan lebih baik menggunakan full table scan dan tidak menggunakan transformasi. Namun, jika predikat-predikat yang membatasi tabel-tabel dimensi cukup selektif sehingga hanya sebagian ekcil dari tabel fakta yang perlu diambil, plan berdasarkan transformasi mungkin akan sangat membantu.

Perhatikan bahwa optimizer menghasilkan subquery untuk tabel dimensi hanya jika optimizer memutuskan bahwa hal itu memungkinkan untuk dilakukan berdasarkan jumlah dari kriteria. Tidak ada jaminan bahwa subquery akan dihasilkan untuk semua tabel dimensi. Optimizer dapat juga memutuskan, berdasarkan karakteristik dari tabel-tabel dan query, bahwa transformasi tidak berguna jika diterapkan pada query tertentu. Dalam kasus ini plan terbaik dari query biasa akan digunakan. (Lane, 2005, pp. 19-8)

Referensi:

Read Full Post »

Oleh : Zakharia Yudistia Malino (1112400225)

Abstrak
Business Intelligence (BI) bukanlah produk maupun sistem. BI merupakan strategi yang terus berevolusi secara konstan yang secara terus menerus berusaha untuk selaras dengan tujuan strategis organisasi yang dituangkan dalam bentuk visi, misi, tujuan, sasaran, key performance indicator (KPI), masalah, solusi, dan kebutuhan informasi. Tidak memperhatikan tujuan strategis organisasi dan cara pandang yang tidak tepat dengan beranggapan bahwa proyek BI dapat diperlakukan sama seperti proyek-proyek IT lainnya adalah penyebab banyaknya proyek BI yang gagal. BI merupakan langkah cerdas yang dibutuhkan oleh banyak organisasi untuk dapat terus bersaing dan berkembang di era informasi ini. Persaingan bisnis saat ini membutuhkan aliran informasi yang cepat, tepat, dan akurat untuk membentuk suatu knowledge bagi top/upper management untuk mengambil keputusan dengan cepat, tepat, dan akurat. Tanpa menerapkan strategi BI yang terintegrasi dengan strategi bisnis, maka proyek BI akan gagal dan khususnya bagi organisasi memiliki proses bisnis yang kompleks hal ini merupakan mimpi buruk, karena tidak mungkin lagi bagi organisasi dengan proses bisnis yang kompleks untuk dapat bersaing dan berkembang di era informasi ini tanpa mengintegrasikan strategi BI dengan strategi bisnis organisasi.

Pendahuluan
Business Intelligence (BI) bukanlah produk maupun sistem. BI merupakan strategi yang terus berevolusi secara konstan yang secara terus menerus berusaha untuk selaras dengan tujuan strategis organisasi yang dituangkan dalam bentuk visi, misi, tujuan, sasaran, key performance indicator (KPI), masalah, solusi, dan kebutuhan informasi. Tidak memperhatikan tujuan strategis organisasi dan cara pandang yang tidak tepat dengan beranggapan bahwa proyek BI dapat diperlakukan sama seperti proyek-proyek IT lainnya adalah penyebab banyaknya proyek BI yang gagal.
Di era teknologi online yang terus berkembang dengan pesat, dan tuntutan informasi yang realtime. Menjadikan persaingan bisnis tiap organisasi menjadi semakin ketat. Untuk menghadapi rivalitas ini, tidak ada cara lain selain mengambil langkah-langkah cerdas untuk dapat terus mempertahankan bahkan meningkatkan posisi organisasi menjadi lebih baik dalam menyikapi persaingan yang terjadi.
BI merupakan langkah cerdas yang dibutuhkan oleh banyak organisasi untuk dapat terus bersaing dan berkembang di era informasi ini. Persaingan bisnis saat ini membutuhkan aliran informasi yang cepat, tepat, dan akurat untuk membentuk suatu knowledge bagi top/upper management dalam mengambil keputusan dengan cepat, tepat, dan akurat. Tanpa menerapkan strategi BI yang terintegrasi dengan strategi bisnis, maka proyek BI akan gagal dan khususnya bagi organisasi memiliki proses bisnis yang kompleks hal ini merupakan mimpi buruk, karena tidak mungkin lagi untuk dapat bersaing dan berkembang di era informasi ini tanpa mengintegrasikan strategi BI dengan strategi bisnis organisasi.
Informasi akan menjadi tidak berarti bila tidak memberikan keuntungan yang lebih besar bagi organisasi bisnis. Untuk itulah kualitas informasi memegang kunci penting untuk memberikan knowledge yang baik untuk membantu top management mengambil keputusan, dengan harapan keputusan yang diambil adalah keputusan yang cepat, tepat, dan akurat untuk menyikapi persaingan bisnis yang terjadi antar organisasi.

Gambar 1. Business Processes Decision Making Processes (Olszak & Ziemba, 2007, pp. 134-135)

Kualitas informasi yang baik berasal dari kualitas data yang baik. Berdasarkan survey yang dilakukan terhadap lebih dari 250 eksekutif, 40% diantaranya mengatakan bahwa keputusan yang mereka buat bukan berdasarkan pada laporan analisa bisnis karena tidak tersedianya kualitas data yang baik (Williams & Williams, 2011, pp. 27-33). Kualitas data akan sangat ditentukan oleh proses pembersihan data yang dilakukan pada tahap transform dalam ETL yang menjadi bagian kecil dari konsep BI yang luas, namun menjadi perhatian penting. Kualitas data ini akan menentukan kualitas informasi yang akan menjadi acuan bagi eksekutif sebagai knowledge untuk mengambil keputusan. Setiap keputusan yang diambil akan memberikan dampak langsung bagi organisasi (business impact).

Studi Literatur
BI (Business Intelligence) bukanlah suatu produk, teknologi maupun metodologi (Williams & Williams, 2011, pp. 27-33) . BI mengkombinasikan produk, teknologi dan metodologi untuk mengelola informasi yang dibutuhkan pihak manajemen perusahaan dengan tujuan untuk meningkatkan kentungan dan kinerja perusahaan. Secara lebih luas, BI memiliki fungsi sebagai informasi bisnis (business information) dan analisa bisnis (business analyses) dalam konteks proses bisnis (business processes) yang menuntun kepada keputusan (business decisions) dan tindakan (actions), serta bagaimana keputusan dan tindakan tersebut dapat meningkatkan kinerja bisnis (business performance).
Secara khusus, BI berarti memanfaatkan aset informasi di dalam proses bisnis untuk dicapai kinerja bisnis yang terus mengalami peningkatan. Hal ini melibatkan informasi bisnis dan analisa bisnis yang : 1.) Digunakan dalam konteks proses bisnis; 2.) Mendukung keputusan dan tindakan, 3.) Memimpin untuk meningkatkan kinerja bisnis.

Gambar 2. Makna BI dalam prakteknya bagi suatu organisasi (Williams & Williams, 2011, pp. 27-33)

Dari gambar 2 dapat kita lihat bahwa BI memiliki peran strategis bagi suatu organisasi. Dimulai dari management processes, revenue generating processes, sampai kepada operating processes. Peran strategis BI tersebut harus memenuhi setidaknya lima keuntungan bagi organisasi (Moss & Shaku, 2003, pp. 67-68), yaitu: 1.) Meningkatkan Pendapatan (Revenue Increase), 2.) Meningkatkan Keuntungan (Profit Increase). 3.) Meningkatkan Tingkat Kepuasan Pelanggan (Customer Satisfaction Improvement). 4.) Meningkatan Penghematan/Efisiensi (Savings Increase). 5.) Memperoleh Pasar (Market Share Gain), seperti yang ditunjukkan pada gamPembahasan
Telah disebutkan di awal paper ini, bahwa proyek BI tidak dapat diperlakukan sama seperti proyek-proyek IT lainnya. Karena jika tidak demikian, maka proyek BI tersebut akan gagal. Dalam proyek BI, maka strategi BI harus diintegrasikan selaras dengan strategi bisnis perusahaan yang dituangkan ke dalam bentuk visi, misi, tujuan, sasaran, key performance indicator (KPI), masalah, solusi, dan kebutuhan informasi. Dengan demikian strategi BI harus berdampingan dengan alat bantu (tools) manajemen seperti  (Williams & Williams, 2011, pp. 27-33) Strategic Planning, Benchmarking, Pay-for-Performance, Outsourcing, Customer Segmentation, Reengineering, BSC (Balanced Scorecard), dan Total Quality Management.
Strategi BI bagi suatu organisasi, akan berbeda dengan strategi BI bagi organisasi lainnya. Setiap organisasi memiliki domainnya sendiri di dalam bersaing. Atas dasar domain kompetisi inilah tingkat kepentingan BI antar organisasi satu dan lainnya menjadi berbeda-beda. BI merupakan esensi bagi sebagian organisasi untuk meningkatkan daya saing dan mengembangkan perusahaan melalui setiap keputusan bisnis yang dibuat oleh top management. Namun bagi beberapa organisasi masih belum menganggap BI sebagai sesuatu yang begitu penting. Pada hakikatnya, semakin kompleks bisnis suatu organisasi, maka BI bagi organisasi tersebut akan menjadi semakin penting agar perusahaan tersebut dapat bersaing dan berkembang.bar 3 di bawah ini.

Gambar 3. Lima keuntungan bagi organisasi yang harus didukung oleh BI

Pembahasan

Telah disebutkan di awal paper ini, bahwa proyek BI tidak dapat diperlakukan sama seperti proyek-proyek IT lainnya. Karena jika tidak demikian, maka proyek BI tersebut akan gagal. Dalam proyek BI, maka strategi BI harus diintegrasikan selaras dengan strategi bisnis perusahaan yang dituangkan ke dalam bentuk visi, misi, tujuan, sasaran, key performance indicator (KPI), masalah, solusi, dan kebutuhan informasi. Dengan demikian strategi BI harus berdampingan dengan alat bantu (tools) manajemen seperti  (Williams & Williams, 2011, pp. 27-33) Strategic Planning, Benchmarking, Pay-for-Performance, Outsourcing, Customer Segmentation, Reengineering, BSC (Balanced Scorecard), dan Total Quality Management.
Strategi BI bagi suatu organisasi, akan berbeda dengan strategi BI bagi organisasi lainnya (Lihat gambar 4). Setiap organisasi memiliki domainnya sendiri di dalam bersaing. Atas dasar domain kompetisi inilah tingkat kepentingan BI antar organisasi satu dan lainnya menjadi berbeda-beda. BI merupakan esensi bagi sebagian organisasi untuk meningkatkan daya saing dan mengembangkan perusahaan melalui setiap keputusan bisnis yang dibuat oleh top management. Namun bagi beberapa organisasi masih belum menganggap BI sebagai sesuatu yang begitu penting. Pada hakikatnya, semakin kompleks bisnis suatu organisasi, maka BI bagi organisasi tersebut akan menjadi semakin penting agar perusahaan tersebut dapat bersaing dan berkembang.

Gambar 4. Tahapan kebutuhan organisasi terhadap BI

Beberapa faktor pertimbangan dalam menentukan strategi BI, yaitu (Williams & Williams, 2011, pp. 27-33) : 1.) Jumlah konsumen yang dilayani oleh perusahaan, 2.) Jumlah produk yang dijual, 3.) Jumlah supplier yang memberikan produk dan atau jasa, 4.) Jumlah cabang perusahaan yang terdapat di beberapa daerah atau negara, 5.) Jumlah bisnis unit yang dimiliki, 6.) Jumlah permintaan terhadap produk dan atau jasa, 7.) Jumlah industri yang dioperasikan, 8.) Posisi dalam supply chain, dan 9.) Bagaimana kompetitor menggunakan BI. Dari pertimbangan inilah dapat ditentukan posisi perusahaan terhadap kebutuhannya akan BI, apakah perusahaan berada di stage 1, stage 2, dan seterusnya. Sejauh mana perusahaan akan benar-benar membutuhkan dan menganggap penting BI untuk dapat bersaing dan berkembang terhadap kompetitornya, akan bergantung dari kompleksitas bisnis yang dimilikinya.
Mengintegrasikan strategi BI dengan strategi bisnis bukanlah proses yang mudah. Dikaitkan dengan strategi bisnis perusahaan, maka masing-masing bisnis unit dalam perusahaan memiliki strategi sendiri yang lebih spesifik dan selaras dengan strategi bisnis perusahaan. Ukuran kesuksesan BI masing-masing bisnis unit akan berbeda di setiap dengan bisnis unit lainnya. Unit yang satu dan yang lain akan memiliki sudut pandangnya sendiri mengenai kesuksan BI (Williams & Williams, 2011, pp. 27-33) . Seperti dijelaskan di bawah ini.
 CFO (Chief Financial Officer)
Kesuksesan BI bagi departemen ini berarti memiliki ketepatan dan ketelitian dalam memahami hubungan antara kinerja operasional dan finansial; alat bantu yang lebih baik untuk manajemen kinerja; berkualitas, mudah untuk mengakses fakta-fakta historis untuk tujuan perencanaan (planning), peramalan (forecasting), dan penyusunan anggaran (budgeting); informasi yang lebih baik dan alat bantu analisis untuk mengelola modal kerja.
 COO (Chief Operating Officer)
Kesusksesan BI bagi departemen ini berarti memiliki ketepatan dan ketelitian terhadap ketersediaan informasi untuk analisa biaya, alat bantu analisa (analytical tools) untuk mengawasi dan meningkatkan layanan konsumen dan kualitas produk, fakta-fakta historis yang berkualitas yang siap dan tersedia untuk kebutuhan manajemen dan perencanaan kapasitas.
 CMO (Chief Marketing Officer)
Kesuksesan BI bagi departemen ini berarti memiliki informasi yang lengkap untuk setiap konsumen untuk segmentasi konsumen yang lebih baik, promosi yang tepat sasaran, meningkatkan layanan konsumen, ROI (Return of Investment) yang tepat waktu, pemahaman yang baik terhadap elastisitas harga terhadap permintaan, dan alat bantu untuk meningkatkan manajemen kategori dan kinerja.
 CIO (Chief Information Officer)
Kesuksesan BI bagi departemen ini berarti mampu untuk mengukur kegunaan dan dampak dari BI, mampu untuk memenuhi permintaan pengguna bisnis, dan mampu beroperasi dengan business case yang padat dengan waktu yang memadani dan efektifitas penggunaan anggaran untuk membantu meningkatkan kinerja bisnis dan keuntungan.

Secara garis besar, kesuksesan bisnis masing-masing unit diukur dari strategi yang dimiliki, yaitu mampu memenuhi tujuan bisnis, memberikan keuntungan, memenuhi tantangan yang kompetitif, dan meningkatnya kinerja bisnis serta meningkatnya keuntungan yang diperoleh organisasi.

Gambar 5. Strategi BI : Menghubungkan strategi bisnis untuk keuntungan yang lebih besar

Strategi BI yang sejalan dengan strategi bisnis organisasi menjadi penentu yang mempengaruhi kesuksesan integrasi BI dengan strategi bisnis perusahaan (lihat gambar 5). Namun perlu diwaspadai berbagai tantangan yang dapat menghambat keuntungan maksimal dari BI itu sendiri, yaitu : 1.) Terminologi yang membingungkan membuat nilai BI sudah untuk ditentukan, 2.) Misi dan kepentingan dari BI tidak jelas, 3.) Tidak ada hubungan yang jelas antara strategi bisnis dan proses bisnis yang kritis, 4.) Tidak ada kebutuhan yang mendesak di kalangan top management untuk mengintegrasikan BI dengan strategi bisnis, 5.) Tidak semua bisnis unit siap untuk berubah dengan adanya proyek BI ini (Williams & Williams, 2011, pp. 27-33) . 6.) Ketidak selarasan antara bisnis strategi, proses bisnis utama yang mendukung kinerja, dan program BI, 7.) Kurang jelasnya bagaimana BI seharusnya digunakan oleh bisnis untuk meningkatkan keuntungan, 8.) Kurangnya kepemimpinan untuk mendorong perubahan untuk bagaimana perusahaan menggunakan informasi dan alat bantu analisa untuk mendorong hasil yang maksimal dari BI, 9.) Kurangnya pengenalan oleh manajemen IT bahwa BI tidak dapat dipandang dan ditangani sebagai proyek IT biasa, 10.) Sponsor bisnis yang lemah dan kurangnya akuntabilitas untuk program BI (Williams & Williams, 2011, pp. 27-33) .

Simpulan
Business Intelligence (BI) bukanlah produk maupun sistem. BI merupakan strategi yang terus berevolusi secara konstan yang secara terus menerus berusaha untuk selaras dengan tujuan strategis organisasi yang dituangkan dalam bentuk visi, misi, tujuan, sasaran, key performance indicator (KPI), masalah, solusi, dan kebutuhan informasi.
Tingkat pentingnya integrasi BI akan berbeda-beda di masing-masing organisasi. Dalam era informasi yang cepat dan terus berkembang, tidak ada pilihan lain bagi organisasi dengan kompleksitas bisnis yang tinggi untuk dapat terus bersaing dan berkembang terhadap kompetitor selain sukses mengintegrasikan BI dengan strategi bisnis perusahaan.
Proyek mengintegrasikan BI dengan strategi bisnis perusahaan bukanlah pekerjaan yang mudah. Jika suatu perusahaan mengambil keputusan untuk mengintegrasikan BI, maka perusahaan dan bisnis unit yang ada di dalamnya harus siap menyesuaikan diri untuk mengatasi setiap tantangan dalam proses ini, agar integrasi BI dengan strategi bisnis perusahaan dapat sukses dan perusahaan mendapatkan manfaat maksimal BI untuk dapat mengambil keputusan dengan cepat, tepat, dan akurat guna mengingkatkan daya saing, perkembangan perusahaan, mendorong pendapatan, dan keuntungan yang lebih baik.

Reference

  • Moss, L. T., & Shaku, A. (2003). Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications. Boston: Addison Wesley.
  • Olszak, C. M., & Ziemba, E. (2007). Approach to Building and Implementing Business Intelligence Systems. Interdisciplinary Journal of Information, Knowledge, and Management , 2, pp 135-148,.
  • Williams, S., & Williams, N. (2011). The Profit Impact of Business Intelligence. San Francisco: Morgan Kaufmann.

Read Full Post »

Oleh : RM. Agung Setiawan (1200951753)

Salah satu keunggulan Oracle sebagai DBMS (Database Management System) adalah mampu menangani banyak sekali data yang masuk dan keluar dari database. Dengan adanya keunggulan tersebut database Oracle digunakan oleh banyak perusahaan yang mempunyai kapasitas data yang sangat besar. Tapi jika pada Server yang menghubungkan antara client dan database Oracle mengalami traffic yang sangat tinggi, maka akan terjadi kemacetan pada Server tersebut yang bisa membuat database menjadi down (mati). Hal tersebut bisa membuat perusahaan tersebut mengalami kerugian besar. Oracle mengatasi masalah tersebut dengan mengimplementasikan sebuah teknologi Clustering Database yang disebut Real Application Cluster RAC.

Apa itu Oracle Real Application Cluster?

Menurut Lundhild dan Michalewicz Oracle Real Application Cluster (RAC) merupakan opsi tambahan dari Oracle, dimana sejak Oracle 9i sudah dikenalkan dan membuat system database lebih meningkat dalam rangka reliability, availability ataupun performance nya. RAC memberikan perlindungan terhadap kelangsungan data dalam perusahaan sehingga apabila terjadi crash pada salah satu server database, maka tidak akan mempengaruhi kinerja perusahaan. Hal ini disebabkan karena teknologi RAC memungkinkan untuk membuat beberapa database server menjadi seolah-olah satu database server, sehingga apabila ada database server yang down, kinerja database server tersebut akan di-take over oleh server-server yang lain.

Database cluster adalah database tunggal yang dapat diakses oleh beberapa instance. Setiap instance berjalan pada server terpisah di server pool. Ketika sumber daya tambahan diperlukan, server dan instance baru dapat dengan mudah ditambahkan ke server pool tanpa adanya downtime.

Arsitektur Oracle Real Application Clusters

Seperti terlihat pada architecture di atas, suatu clustered database Oracle dapat dibentuk melalui beberapa node server. Keuntungan dalam menggunakan teknologi cluster adalah jika satu server mati, maka masih bisa dihandle oleh yang lain. Disamping itu jika utilisasi servernya sudah hampir penuh, kita bisa menambah server tambahan.
Gambar 1 : Arsitektur RAC

Oracle Clusterware

Menurut Lundhild dan Michalewicz  Oracle Clusterware memonitor dan menangani Oracle Real Application Cluster Database. Jika sebuah server pada server pool hidup/jalan, semua instances, listeners dan services secara otomatis mulai. Jika ada salah satu instance gagal, Oracle Clusterware akan secara otomatis restart instance tersebut.

Gambar 2 : Oracle Clusterware

Hardware Architecture

 Menurut Lundhild dan Michalewicz  Oracle Real Application Cluster merupakan shared architecture. Semua server dalam server pool berbagi semua storage/penyimpanan yang digunakan untuk database RAC. Jenis storage pool yang dapat digunakan bisa network attached storage (NAS), storage area network (SAN), atau disk SCSI. pilihan penyimpanan ditentukan oleh pilihan hardware server dan apa vendor hardware Anda mendukung. Jika performance yang diinginkan, maka solusi clustered database dengan SAN adalah yang terbaik.

File Systems and Volume Management

Karena RAC ini merupakan shared architecture, maka volume management dan file system yang digunakan juga harus bersifat cluster-aware. Oracle menyediakan fitur yang bernama Automatic Storage Management (ASM), dimana segala storage ataupun penulisan ke disk dihandle oleh Oracle.

Virtual Internet Protocol Address (VIP)

Dalam Oracle Real Application Cluster setiap server mempunyai IP public yang bisa diakses oleh banyak user dan juga mempunyai IP private untuk berhubungan/berkomunikasi dengan server lain.

Fast Application Notification (FAN)

Menurut Lundhild dan Michalewicz  Fast Application Notification (FAN) merupakan fitur dari Oracle RAC yang memberi integrasi antara database oracle RAC dengan aplikasi. Dia  memungkinkan aplikasi untuk mengetahui konfigurasi saat ini dari server pool pada setiap waktu sehingga aplikasi tersebut terkoneksi hanya pada instance yang mampu menanggapi permintaan untuk aplikasi tersebut.

Manfaat Oracle Real Application Cluster Menurut Barb Lundhild dan Markus Michalewicz

  • High Availability

Apabila ada satu atau lebih server yang crash (misal rusak di hardware), maka sistem masih tetap bisa menerima request apabila ada server yang available. Karakteristik High Availability :
–        Reliability
–        Recoverability
–        Error Detection
–        Continuous Operations

  • Scalability

Oracle Real Application Clusters menyediakan teknologi yang unik untuk masalah penambahkan kapasitas. Secara tradisional, ketika sebuah server database telah kehabisan kapasitas, maka dia digantikan dengan yang baru, server yang lebih besar. Namun dikarenakan kapasitas yang lebih besar maka harga pun lebih mahal. Untuk database yang menggunakan Oracle RAC, ada beberapa cara untuk menambahkan kapasitas data, yang salah satunya adalah membuat server pool, artinya apabila kita ingin menambah kapasitas prosessing database, hanya perlu menambahkan node baru (tidak perlu upgrade ke server yang lebih high-end).

RAC bukan merupakan solusi jika ingin menambah performa/kecepatan, RAC memiliki overhead di level komunikasi antar instance, jadi jika membandingkan langsung database non-RAC dengan RAC dengan kapasitas mesin yang sama, bisa dipastikan RAC akan lebih lambat.

Load Balancing Advisory

Menurut Lundhild dan Michalewicz  Karena beban kerja database dan konfigurasi server dapat berubah seiring waktu,sangat penting untuk membuat dan menetapkan koneksi database berdasarkan informasi terbaru. Oracle RAC menyediakan fitur bernama load balancing advisory. Oracle RAC memonitor beban kerja yang dilakukan untuk setiap service oleh masing-masing instance penyediaan service. Load Balancing Advisory berguna untuk meratakan beban kerja pada server.

Gambar 3 : Load Balancing Advisory

Simpulan

Oracle Real Application Cluster didesign untuk meningkatkan high availability dan scalability dari sebuah database. Dengan memberikan proteksi jika terjadi kegagalan hardware atau software. Oracle Real Application Clusters memberikan sebuah system yang dapat menjamin akses data scara kontinu.

Daftar Pustaka


Read Full Post »