Perlunya Data Warehouse Pada Perusahaan
Seperti pengertian-pengertian yang telah ada, data warehouse diperlukan bagi para pengambil keputusan manajemen dari suatu organisasi/perusahaan.
Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi DSS dan EIS karena memang kegunaan dari data warehouse adalah khusus untuk membuat suatu database yang dapat digunakan untuk mendukung proses analisa bagi para pengambil keputusan.
a. Pembuatan laporan
Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari,perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.
b. On-Line Analytical Processing (OLAP)
Dengan adanya data warehouse,semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. OLAP mendayagunakan konsep data multi dimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.
c. Data mining
Data mining merupakan proses untuk menggali(mining) pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.
Beberapa solusi yang diberikan data mining antara lain :
1. Menebak target pasar
Data mining dapat mengelompokkan (clustering) model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli dan melakukan klasifikasi terhadap setiap pemebeli sesuai dengan karakteristik yang diinginkan.
2. Melihat pola beli dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu.
3. cross-market analysis
Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan produk lainnya.
4. Profil pelanggan
Data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja.5. Informasi summary Data mining dapat membuat laporan summary yang bersifat multi dimensi dan dilengkapi dengan informasi statistik lainnya.
Beberapa contoh perangkat lunak yang digunakan untuk administrasi dan manajemen data warehouse:
• HP Intelligent Warehouse (Hewlett Packard)
• FlowMark (IBM)
• SourcePoint (Software AG)
Penerapan Data Warehouse di Perusahaan
Retailing dan sales, memprediksi penjualan, mencegah pencuri dan kecurangan, dan menentukan level inventori yang benar dan mendistribusikan jadwal sepanjang outlet. Sebagai contoh, penjual seperti AAFES menggunakan Fraud Watch dari Triversity untuk melawan penipuan oleh pekerja di 1400 toko.
Banking. Level prediksi untuk peminjaman yang buruk dan kecurangan dalam penggunaan kartu kredit, prediksi pengeluaran kartu kredit oleh pelanggan yang baru, dan menentukan jenis mana dari pelanggan yang memberikan respon yang baik untuk menawarkan peminjaman.
Manufacturing dan production, memprediksi kesalahan mesin, dan menemukan faktor kunci yang dapat mengoptimasi kapasitas produksi.
Insurance. Memprediksi jumlah tagihan dan ongkon kesehatan, mengklasifikasikan elemen yang paling penting yang mempengaruhi jaminan kesehatan dan memoprediksi pelanggan mana yang akan membeli polis asuransi baru.
Policework. Menemukan pola kejahatan, lokasi, dan perilaku tindak kejahatan; mengidentifikasi atribut yang berguna untuk menyelesaikan masalah kriminal.
Healthcare. Korelasi demografis dari pasien yang memiliki penyakit yang parah, dan memperluas wawasan yang lebih baik tentang bagaimana mengidentifikasi dan gejala penyakit dan penyebabnya.
Marketing. Mengklasifikasikan demografis pelanggan yang dapat digunakan untuk memprediksi pelanggan mana yang akan merespon untuk pembelian produk tertentu.
Analisa Perusahaan dan Manajemen Resiko
Perencanaan Keuangan dan Evaluasi Aset ,data Mining dapat membantu untuk melakukan analisis dan prediksi cash flow serta melakukan contingent claim analysis untuk mengevaluasi aset. Selain itu juga dapat menggunakannya untuk analisis trend.
Perencanaan Sumber Daya (Resource Planning) ,dengan melihat informasi ringkas (summary) serta pola pembelanjaan dan pemasukan dari masing-masing resource, dapat memanfaatkannya untuk melakukan resource planning.
Persaingan (Competition) Sekarang ini banyak perusahaan yang berupaya untuk dapat melakukan competitive intelligence. Data Mining dapat membantu untuk memonitor pesaing-pesaing dan melihat market direction mereka.
Dapat melakukan pengelompokan customer dan memberikan variasi harga/layanan/bonus untuk masing-masing grup.
Menyusun strategi penetapan harga di pasar yang sangat kompetitif. Hal ini diterapkan oleh perusahaan minyak REPSOL di Spanyol dalam menetapkan harga jual gas di pasaran.
Contoh Perusahaan Yang Menerapkan Data Warehouse
Telekomunikasi
Sebuah perusahaan telekomunikasi menerapkan data warehouse dan data mining untuk melihat dari jutaan transaksi yang masuk, transaksi mana sajakah yang masih harus ditangani secara manual (dilayani oleh orang), Tujuannya tidak lain adalah untuk menambah layanan otomatis khusus untuk transaksi-transaksi yang masih dilayani secara manual. Dengan demikian jumlah operator penerima transaksi manual tetap bisa ditekan minimal
Keuangan
Financial Crime Enforcement Network di Amerika Serikat baru-baru ini menggunakan menggunakan data minimng untuk menambang trilyunan daru berbagai subjek seperti property, rekening bank dan transaksi keuangan lainnya untuk mendeteksi transaksi-transaksi keuangan yang mencurigakan seperti money laundry. Mereka menyatakan bahwa hal tersebut akan susah dilakukan jika menggunakan analisis standar
Asuransi
Australian Health Insurance Commision menggunakan data mining untuk mengidentifikasi layanan kesehatan yang sebenarnya tidak perlu tetapi tetap dilakukan oleh peserta asuransi. Hasilnya? mereka berhasil menghemat satu juta dollar pertahun.
Olahraga
IBM Advanced Scout menggunakan data mining untuk menganalisis statistik permainan NBA (jumlah shots blocked, assists dan fouls) dalam rangka mencapai keunggulan bersaing (competitive advantage) untuk tim New York Knick dan Miami Heat
Astronomi
Jet Propulsion Laboratory (JPL) di Pasadena, California dan Palomar Observartory berhasil menemukan 22 quasar dengan bantuan data mining. Hal ini merupakan salah satu kesuksesan penerapan data mining di bidang astronomi dan ilmu ruang angkasa
Internet Web Surf-Aid
IBM Surf-Aid menggunakan algoritma data mining untuk mendata akses halaman web khususnya yang berkaitan dengan pemasaran guna melihat prilaku dan minat costumer serta melihat keefektifan pemasaran melalui web.
Penerapan Data Warehouse Pada Perusahaan Berskala Kecil
Karena data warehouse sangat mahal, mereka biasanya digunakan oleh perusahaan-perusahaan besar. Beberapa perusahaan yang lebih kecil, menggunakan data warehouse yang skala nya lebih kecil, yang biasa disebut data mart. Data mart adalah data warehouse yang kecil yang didesain untuk kebutuhan pemakai akhir pada sebuah unit bisnis strategi (SBU = Strategic Business Unit) atau departemen. Dalam tahapan sebelumnya, data mart jauh lebih murah dari pada data warehouse. Data mart biasanya menghabiskan dana sampai $100,000, bandingkan dengan data warehouse yang menghabiskan $1 juta atau lebih. Ditambah lagi, data mart dapat diimplementasikan lebih cepat, biasanya kurang dari 90 hari. Hal ini dikarenakan data mart hanya berisi lebih sedikit informasi dari pada data warehouse, data mart juga memiliki respon yang lebih cepat dan lebih mudah untuk dipelajari. Data mart mendukung lebih ke lokal dari pada pengontrolan terpusat oleh manajer suatu departemen. Data mart juga memberikan hak kepada SBU untuk membuat sebuah sistem pendukung keputusan tanpa mengandalkan
Data mart memfokuskan hanya pada kebutuhan-kebutuhan pemakai yang terkait dalam sebuah departemen atau fungsi bisnis.
Data mart biasanya tidak mengandung operasional yang rinci seperti pada data warehouse.
Data mart hanya mengandung sedikit informasi dibandingkan dengan data warehouse. Data mart lebih mudah dipahami dan dinavigasi.
Contoh software data mart :
SmartMart (IBM)
Visual Warehouse (IBM)
PowerMart (Informatica)
Langkah ini dijalankan dengan tujuan untuk membuat sub domain dari website awal yang sudah kita miliki.
