DATA MART, DATA WAREHOUSE, ETL, ELT, DAN OLAP

Nama / NIM : I Putu Edi Puspayasa / 1304505095

Mata Kuliah : Data Warehouse

Jurusan / Fakultas / Universitas : Teknologi Informasi / Teknik / Universitas Udayana

Nama Dosen : I Putu Agus Eka Pratama, S.T., M.T.

DATA MART, DATA WAREHOUSE, ETL, ELT, DAN OLAP

Data Mart

Data mart adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan. Jika digambarkan maka akan tampak seperti gambar diagram berikut.

Gambar 1. Data Mart dan Data Warehouse

Dalam beberapa implementasi data warehouse, data mart adalah miniature dari data warehouse. Data mart sering digunakan untuk memberikan informasi kepada segmen fungsional organisasi. Contoh umum dari data mart adalah untuk departemen penjualan, departemen persediaan dan pengiriman, departemen keuangan, manajemen tingkat atas, dan seterusnya. Data mart juga dapat digunakan untuk gudang data segmen data untuk mencerminkan bisnis secara geografis terletak di mana masing-masing daerah relatif otonom. Sebagai contoh, sebuah organisasi layanan yang besar mungkin memperlakukan pusat operasi regional sebagai unit usaha perorangan, masing-masing dengan data mart sendiri yang memberikan kontribusi untuk gudang data master. Contoh produk data mart yaitu SmartMart (IBM), Visual Warehouse (IBM), PowerMart (Informatica), dan lain sebagainya.

Keuntungan dan Kerugian Data Mart

Keuntungan :

Data mart dapat meningkatkan waktu respon pengguna akhir, karena berisi data mentah yang memungkinkan sistem komputer untuk fokus pada satu tugas, sehingga meningkatkan kinerja. Berbeda dengan sistem OLTP, data mart juga dapat menyimpan data historis yang memungkinkan pengguna untuk menganalisis kecenderungan data. Selain itu, data mart tidak begitu mahal dan kompleks sebagai data gudang untuk setup dan melaksanakan karena masalah teknis tidak begitu sulit untuk diselesaikan.

Kerugian :

Data mart memiliki nilai yang terbatas karena data mart tidak dapat melihat organisasi secara keseluruhan dan pelaporan dan analisis potensi terbatas.

Perbedaan Data Mart dengan Data Warehouse

Data warehouse merupakan gabungan dari beberapa data mart dan levelnya berada pada perusahaan atau organisasi. Sedangkan data mart merupakan bagian dari datawarehouse dan berada level departemen pada perusahaan atau organisasi tersebut. Data mart menangani sebuah business proses, misalkan penjualan, maka hanya proses penjualan saja yang ditangani pada data mart, Perbandingan antara data warehouse dan data mart dapat dilihat pada tabel berikut ini.

Tabel 1. Perbedaan Data Mart dengan Data Warehouse

	Data Warehouse	Data Mart
Lingkupan (Scope)	Perusahaan/Enterprise	Departemen
Subjek (Subjects)	Multiple	Single
Sumber data (Data Sources)	Banyak	Sedikit
Ukuran dara	100 GB sampai > 1 TB	<100GB
Waktu implementasi	Berbulan-bulan bahkan sampai bertahun-tahun	Beberapa tahun

ETL dan ELT

ETL (Extraction, Transformation, Loading)

ETL (Extraction, Transformation, Loading) merupakan proses yang harus dilalui dalam pembentukan data warehouse, yang dimana pada proses ini yaitu semua data akan di extract terlebih dahulu kemudian data akan disaring dan data yang akan diambil yaitu data yang penting, pada proses transformation data akan diubah sesuai format yang disetujui dan data diload ke data warehouse, kemudian data akan diolah selanjutnya akan du teruskan ke user. Untuk lebih jelasnya berikut merupakan penjelasan dari tiap proses.

- Extrsact (Ekstraksi Data)

Ekstraksi data adalah proses dimana data diambil atau diekstrak dari berbagai sistem operasional, baik menggunakan query, atau aplikasi ETL.

- Transformation (Transformasi Data)

Transformasi adalah proses dimana data mentah (raw data) hasil ekstraksi disaring dan diubah sesuai dengan kaidah bisnis yang berlaku

- Loading (Pengisian Data)

Proses terakhir yang perlu dilakukan adalah proses pemuatan data yang didapatkan dari hasil transformasi ke dalam data warehouse.

ELT (Extraction, Loading, Transformation)

ELT (Extracition, Loading, Transformation) adalah variasi dari ETL (Extraction, Transformation, Loading), proses integrasi data di mana transformasi berlangsung pada server menengah sebelum dimuat ke sasaran. Sebaliknya, ELT memungkinkan data mentah yang akan dimuat langsung ke sasaran dan berubah di sana. Kemampuan ini sangat berguna untuk memproses set data yang besar diperlukan untuk intelijen bisnis (BI) dan analisis data yang besar. Sebenarnya, ELT hampir sama dengan ETL, hanya saja pada ELT setelah mengekstrak data dari sumber data, ELT meloading data ke dalam data warehouse kemudian barulah data tersebut di diolah sesuai kebutuhan.

OLAP dan OLTP

OLAP adalah singkatan dari Online Analytical Processing yang merupakan suatu proses atau juga bisa disebut dengan sistem yang dirancang atau digunakan untuk melakukan permintaan terhadap data dalam bentuk yang kompleks dan menganalisa data yang bervolume besar, maka dari itu OLAP seringkali disebut analisis data multidimensi. OLAP biasanya digunakan untuk pengambilan suatu keputusan, misalkan sebagai contoh para top level di sebuah minimarket ingin melihat data transaksi perbulan, per 6 bulan atau bahkan per tahun untuk pengambilan keputusan barang apa saja yang paling laku dijual serta barang apa saja yang tidak laku di pasar, pada OLAP dikenal dengan istilah drill-down, slicing dan dicing

OLTP (Online Transaction Processing) merupakan suatu sistem yang memproses suatu transaksi secara langsung seperti insert, update, delete, melalui komputer yang terhubung dalam jaringan. OLTP berorientasi pada proses yang memproses suatu transaksi secara langsung melalui komputer yang terhubung dalam jaringan. OLTP sangat optimal untuk updating data. OLTP sering kita jumpai disekitar kita seperti toko atau supermarket seperti misalanya kasir pada sebuah super market yang menggunakan mesin dalam proses transaksinya. OLTP mempunyai karakteristik beberapa user dapat creating, updating, retrieving untuk setiap record data, lagi pula OLTP sangat optimal untuk updating data.

Gambar 2. Skema Proses Pengolahan Data Menjadi Informasi

Berdasarkan dengan gambar bagan diatas terdapat 4 bagian yaitu pada bagian pertama merupakan Sumber Data (Data Sources), bagain kedua merupakan penyimpanan data (Data Storage), bagian ketiga yaitu OLAP Engine dan pada bagian keempat yaitu Ouput yang merupakan hasil keluaran dari semua proses yang ada. Kemudian ke 4 bagian tersebut akan dimanfaatkan oleh pengguna (perorangan maupun organisai) sesuai dengan kebutuhan-kebutuhan yang ada misalnya sebagai DSS (Deasion Support System), Bussines Intellgence, Smart Economic, Big Data serta kebutuhan lainnya didalam mendukung proses bisnis.

Pada bagian pertama terlihat beberapa sumber data seperti document, database, file, aplikasi dan sebagainya merupakan hasil dari proses OLTP yaitu data yang tersimpan setelah melakukan transaksi data seperti insert, update, dan delete. Kemudian sumber-sumber data tersebut akan diintegrasikan dan akan diteruskan menggunakan proses ETL ataupun ELT yang terdapat pada bagian kedua, sesuai dengan kebutuhan untuk disimpan pada data warehouse dan setiap data pada data warehouse dilengkapi oleh metadata. Kegunaan dari metadata ini adalah untuk menyimpan data dari sebuah data yang dikumpulkan menjadi sebuah informasi mengenai data tersebut seperti panjang field, tipe field, tanggal, dan lain sebagainya. Kemudian pengguna akan memberikan perintah untuk menampilkan informasi, OLAP Engine yang terdapat pada bagian keempat akan melakukan analisis terhadap data yang telah tersimpan pada data warehouse. Kemudian, hasil olahan tersebutlah yang akan ditampilkan kepada pengguna sesuai dengan yang diinginkan oleh pengguna tersebut baik dalam format informasi, pelaporan, query, hasil data mining dan lain sebagainya.

Daftar Pustaka

[1]  https://technet.microsoft.com/en-us/library/aa905978(v=sql.80).aspx [diakses tanggal 16 Oktober 2015].
[2]. http://nuraini.staff.gunadarma.ac.id/Downloads/files/26804/2-DATA+MART.ppt [diakses tanggal 16 Oktober 2015].
[3] http://informatika.web.id/etl-extraction-transformation-loading.htm# [diakses tanggal 16 Oktober 2015].
[4]. http://andrey-derma.com/article/detail/32/Mengenal-OLAP-dan-OLTP [diakses tanggal 16 Oktober 2015].