Chapter 3 : DATA MANAGEMENT, BIG DATA ANALYTICS, AND RECORDS MANAGEMENT - SISTEM INFORMASI

Data merupakan kekuatan pendorong di balik setiap bisnis yang sukses. Operasi, perencanaan, kontrol, dan semua fungsi manajemen lainnya sangat bergantung pada informasi yang diproses, bukan data mentah. Dan, tidak ada yang mau menunggu laporan bisnis penting atau jawaban spesifik untuk pertanyaan mereka. Teknologi manajemen data yang membuat pengguna tetap mendapat informasi dan mendukung berbagai tuntutan bisnis adalah sebagai berikut :

1. Databases
2. Data Warehouses 
3. Data marts
4. Business intelligence (BI)
5. Electronic Records Management (ERM)

DATABASE MANAGEMENT SYSTEMS (DBMSs)

Database management systems (DBMSs) merupakan sistem software yang digunakan untuk menyimpan, mengatur, dan memastikan data-data tersebut tersimpan dengan aman. Dengan DBMS, user bisa membuat, membaca, memperbarui, dan menghapus data yang ada di database.

Relational management systems (RDBMSs) adalah menyediakan akses ke data menggunakan bahasa deklaratif seperti Structured Query Language(SQL).

Fungsi DBMS

• Penyaringan dan pembuatan profil data: Memproses dan menyimpan data secara efisien. Periksa data untuk kesalahan, inkonsistensi, redudansi, dan informasi yang tidak lengkap. 
• Integritas data dan pemeliharaan: Perbaiki, standarisasi, dan verifikasi konsistensi dan integritas data. 
• Sinkronisasi data: Mengintegrasikan, mencocokkan, atau menautkan data dari sumber yang berbeda. 
• Keamanan data: Periksa dan kontrol integritas data dari waktu ke waktu. 
• Akses data: Memberikan akses yang sah ke data dengan cara yang direncanakan dan ad hoc dalam waktu yang dapat diterima

Faktor Kinerja Yang Mengpengaruhi DBMS

• Latensi data. Latensi adalah waktu yang berlalu (atau penundaan) antara saat data dibuat dan kapan data tersedia untuk kueri atau laporan.
• Kemampuan untuk menangani volatilitas data. Basis data memiliki kekuatan pemrosesan untuk menangani volatilitas data.
• Waktu respons queri. Volume data berdampak waktu respons terhadap kueri dan eksplorasi data
• Konsistensi data. Konsistensi langsung berarti bahwa segera setelah data diperbarui, respons terhadap permintaan baru akan mengembalikan nilai yang diperbarui.
• Prediktabilitas query. Semakin besar jumlah query ad hoc atau tak terduga, semakin fleksibel database yang dibutuhkan.

Contoh DBMS

• MySQL, yang diakuisisi oleh Oracle pada Januari 2010, memberdayakan ratusan ribu situs web komersial dan sejumlah besar aplikasi internal perusahaan.
• SQL Server’s yang memberikan kemudahan penggunaan, ketersediaan, dan integrasi sistem operasi Windows SQL membuatnya menjadi pilihan yang mudah bagi perusahaan yang memilih produk Microsoft untuk perusahaan mereka.
• PostgreSQL adalah database sumber terbuka paling canggih, yang sering digunakan oleh aplikasi game online dan Skype, Yahoo !, dan MySpace.
• DB2 banyak digunakan di pusat data dan berjalan di Linux, UNIX, Windows, dan mainframe.

Arsitektur Data terpusat dan Terdistribusi

Database terpusat atau terdistribusi, seperti yang ditunjukkan pada Gambar diatas. Kedua jenis database membutuhkan satu atau lebih cadangan dan harus diarsipkan di tempat dan di luar lokasi jika terjadi kecelakaan atau insiden keamanan.

Master Data dan Master Data Management

Ketika data menjadi lebih kompleks dan volume mereka meledak, kinerja database menurun. Salah satu solusinya adalah penggunaan data master dan manajemen data master (MDM). Proses MDM mengintegrasikan data dari berbagai sumber atau aplikasi perusahaan untuk membuat tampilan yang lebih lengkap (terpadu) dari pelanggan, produk, atau entitas lain.

DATA WAREHOUSE DAN DATA BIG DATA ANALYTICS

Manajer pemasaran senior peritel besar AS mengetahui bahwa perusahaannya terus kehilangan pangsa pasar ke pesaing di banyak segmen menguntungkan mereka. Kerugian berlanjut bahkan setelah kampanye penjualan yang menggabungkan promosi online dengan peningkatan penjualan (Brown, Chui, & Manyika, 2011).

FOUR V'S OF DATA  ANALYTICS

• Ragam/Variety : Lingkungan analitik telah berkembang, dari menarik data dari sistem perusahaan untuk memasukkan data besar dan sumber tidak terstruktur.
• Volume: Volume besar data terstruktur dan tidak terstruktur dianalisis.
• Kecepatan/Velocity : Kecepatan akses ke laporan yang diambil dari data menentukan perbedaan antara analitik yang efektif dan tidak efektif.
• Kebenaran/Veracity : Memvalidasi data dan mengekstraksi wawasan yang dapat dipercaya oleh manajer dan pekerja adalah faktor kunci dari analisis yang sukses. Kepercayaan pada analitik menjadi semakin sulit dengan ledakan sumber data.

Perbedaan Antara Database dan Data Warehouse

Database

• Didesain dan dioptimalkan untuk memastikan bahwa setiap transaksi dicatat dan disimpan dengan segera.
• Volatil karena data terus diperbarui, ditambahkan, atau diedit.
• Sistem OLTP (Online Transaction Processing ).

Data Warehouse

• Dirancang dan dioptimalkan untuk analisis dan respons cepat terhadap pertanyaan.
• Sistem OLAP (Online Analytical Processing).
• Subjek yang berorientasi, yang berarti bahwa data yang diambil diatur untuk memiliki data serupa yang dihubungkan bersama

Perbedaan Data Mart dan Data Warehouse

• Fokus utama data mart adalah pada kebutuhan pengguna yang berkaitan dengan suatu dapartemen maupun fungsi bisnis
• Umumnya tidak terdapat data operasional secara detail seperti pada data warehouse
• Data mart memiliki data lebih sedikit, namun data mart lebih mudah dipahami
• Cakupan/sumber daya data mart adalah usaha, sedangkan data warehouse adalah peruasahaan
• Data mart menyediakan kapasitas kurang dari 100GB, sedangkan data warehouse menyediakan kapasitas lebih dari 100 GB
• Data mart berisikan sumber data yang sedikit sedangkan data warehose terdiri dari sumber daya yang lebih banyak

ANALISIS BIG DATA DAN DISCOVERY DATA

Analisis data membantu pengguna menemukan wawasan. Wawasan ini dikombinasikan dengan keahlian manusia memungkinkan orang untuk mengenali hubungan yang bermakna lebih cepat atau mudah,dan lebih jauh lagi, menyadari implikasi strategis dari situasi ini.

Bayangkan mencoba memahami data yang cepat dan luas yang dihasilkan oleh kampanye media sosial di Facebook atau oleh sensor yang melekat pada mesin atau benda.

Sensor murah memungkinkan untuk memantau semua jenis benda fisik sementara analisis memungkinkan untuk memahami data tersebut untuk mengambil tindakan secara waktu nyata. Sensor murah memungkinkan untuk memantau semua jenis benda fisik sementara analisis memungkinkan untuk memahami data tersebut untuk mengambil tindakan secara waktu nyata.

DATA MINING DAN TEXT MAINING

Data Mining adalah proses mengekstrak informasi dan pengetahuan yang berguna dari kumpulan data yang besar, data mining dapat digunakan untuk berbagai tujuan. Sedangkan Text Mining adalah proses mengekstrak informasi dan pengetahuan yang berguna dari data teks. Data teks dapat berupa dokumen,email,tweet maupun bentuk yang lainnya 

BUSINESS INTELLIGENCE 

Business intelligence (BI) adalah proses, teknologi, dan alat yang digunakan untuk mengumpulkan, menyimpan, menganalisis, dan menyajikan data bisnis untuk pengambilan keputusan yang lebih baik. BI dapat membantu bisnis untuk memahami kinerja mereka saat ini, mengidentifikasi tren, dan membuat prediksi tentang masa depan.

Tujuan Business Intelegence

Tujuan utama BI adalah untuk membantu bisnis membuat keputusan baik dengan menyediakan informasi yang akurat dan relavan. BI dapat di gunakan untuk berbagai tujuan,seperti:

• Meningkatkatkan efisiensi operasional
• Meningkatkan kepuasan pelanggan
• Memprediksi tren pasar
• Mengidentifikasi peluang baru
• Meningkatkan pengambilan keputusan

Komponen Business Intelegence

• Data adalah bahan mentah yang digunakan untuk BI. Data dapat berasal dari berbagai sumber, seperti sistem operasional, sistem CRM, dan sistem ERP.
• Analisis adalah proses mengekstrak informasi dan pengetahuan dari data. BI menggunakan berbagai teknik analisis data, seperti statistik, data mining, dan machine learning.
• Pemvisualisasian adalah proses menyajikan data dalam format yang mudah dipahami. BI menggunakan berbagai alat pemvisualisasian data, seperti grafik, diagram, dan tabel.
• Kecerdasan bisnis adalah proses menerjemahkan informasi dan pengetahuan menjadi tindakan. BI dapat membantu bisnis untuk membuat keputusan yang lebih baik dengan menyediakan informasi yang akurat dan relevan.

Teknologi Business Intelegence

BI digunakan oleh berbagai teknologi termasuk : 

• Data warehouse adalah repositori data terpusat yang dirancang untuk mendukung analisis bisnis.
• Big data analytics adalah proses analisis kumpulan data besar yang sangat kompleks dan beragam.
• Data mining adalah proses mengekstrak informasi dan pengetahuan yang berguna dari kumpulan data yang besar.
• Text mining adalah proses mengekstrak informasi dan pengetahuan yang berguna dari data teks.

ELECTRONIC RECORDS MANAGEMENT (ERM)

Electronic Records Management (ERM) adalah proses pengelolaan dokumen dan catatan elektronik secara sistematis. ERM memastikan bahwa dokumen dan catatan elektronik dapat dibuat, ditangkap, disimpan, digunakan, dan dibuang dengan cara yang aman dan sesuai dengan peraturan.

Manfaat ERM

• Departemen atau perusahaan yang karyawannya menghabiskan sebagian besar hari mereka untuk mengisi atau mengambil dokumen atau menyimpan catatan kertas dapat mengurangi biaya secara signifikan dengan ERM. Sistem ini meminimalkan inefisiensi dan frustrasi yang terkait dengan pengelolaan dokumen kertas dan alur kerja. Namun, mereka tidak membuat kantor tanpa kertas seperti yang telah diprediksi.
• ERM dapat membantu bisnis menjadi lebih efisien dan produktif dengan:
• Memungkinkan perusahaan untuk mengakses dan menggunakan konten yang terdapat dalam dokumen.
• Memotong biaya tenaga kerja dengan mengotomatisasi proses bisnis.  Mengurangi waktu dan upaya yang diperlukan untuk mencari informasi yang dibutuhkan bisnis untuk mendukung pengambilan keputusan.
• Meningkatkan keamanan konten, sehingga mengurangi risiko pencurian kekayaan intelektual.
• Meminimalkan biaya yang terkait dengan pencetakan, penyimpanan, dan pencarian konten.

Contoh Penggunaan ERM

• Sebuah perusahaan dapat menggunakan ERM untuk mengelola dokumen dan catatan terkait penjualan, seperti proposal, kontrak, dan faktur.
• Sebuah rumah sakit dapat menggunakan ERM untuk mengelola dokumen dan catatan medis pasien.
• Sebuah lembaga pemerintah dapat menggunakan ERM untuk mengelola dokumen dan catatan terkait kebijakan, program, dan layanan.