Manajemen Data: Pergudangan,Menganalisis, Pertambangan, dan Visualisasi

Manajemen data

Seperti digambarkan di seluruh buku ini, aplikasi TI tidak dapat dilakukan tanpa menggunakan beberapa jenis data.

manajemen data adalah pengembangan dan penerapan arsitektur, kebijakan, praktik, dan prosedur yang secara benar menangani siklus hidup lengkap data yang dibutuhkan oleh suatu perusahaan.

 MASALAH DAN KESULITAN  DATA

Mengelola data dalam orgnisasi sulit karna berbagai alasan:

1.Jumlah data meningkat secara eksponensial dengan waktu. Data masa lalu banyak harus
disimpan untuk waktu yang lama, dan data baru ditambahkan dengan cepat. Namun, hanya kecil bagian dari data organisasi yang relevan untuk setiap aplikasi tertentu, dan bahwa data yang relevan harus diidentifikasi dan ditemukan untuk menjadi berguna.

2. Data yang tersebar di seluruh organisasi dan dikumpulkan oleh banyak perorangan dengan menggunakan beberapa metode dan perangkat. Data sering disimpan dalam beberapa server dan lokasi, dan dalam berbagai sistem komputasi, database,format, dan manusia dan bahasa komputer.

3. Keamanan data, kualitas, dan integritas adalah penting, namun mudah terancam. Di Selain itu, persyaratan hukum yang berkaitan dengan data yang berbeda antara negara dan sering berubah.

4. Memilih alat manajemen data dapat menjadi masalah besar karena sejumlah besar produk yang tersedia.Kesulitan-kesulitan ini, dan kebutuhan kritis untuk informasi yang tepat waktu dan akurat, memiliki mendorong organisasi untuk mencari manajemen data yang efektif dan efisien solusi.

 Tujuan manajemen data

Tujuan dari manajemen data yang tepat adalah untuk mempermudah
beban mempertahankan data dan untuk meningkatkan kekuatan dari penggunaan mereka/user.

 Metode pengumpulan data

§     Data mentah dapat dikumpulkan secara manual atau dengan instrumen (penelitian)dan sensor(indera). Beberapa
contoh metode pengumpulan data manual adalah studi waktu, survei, observasi
tions, dan kontribusi dari para ahli. Data juga dapat dipindai atau ditransfer
elektronik.

 Data pergudangan

Kasus Harrah menggambarkan beberapa manfaat utama dari sebuah gudang data, yang
adalah gudang data historis subjek berorientasi yang terorganisir menjadi acces-
jawab dalam bentuk yang mudah diterima untuk kegiatan pengolahan analisis (seperti data
pertambangan, pendukung keputusan, query, dan aplikasi lainnya). Wakil
contoh adalah pengelolaan pendapatan, manajemen pelanggan-hubungan, penipuan
aplikasi deteksi, dan kru penggajian manajemen (Whiting, 2003)

Manfaat utama dari gudang data

1.kemampuan untuk mendapatkan data cepat, karena mereka berada di satu tempat,

2.kemampuan untuk mendapatkan data
mudah dan sering bagi user dengan Web browser.

Proses membangun dan menggunakan gudang data:Menggunakan perangkat lunak khusus yang disebut ETL (ekstraksi, transformasi, load),Data diproses dan kemudian disimpan dalam sebuah gudang data.

KARAKTERISTIK DARI GUDANG DATA

 

1.Data diorganisasikan oleh subjek

2.Konsistensi.

3.Varian Time.

4.Nonvolatile

5.Relational

6.Client/server.

7.Web-based.

8.Integrasi

9.Real time

 

Menganalisis data

Menurut Taylor, analisis data didefinisikan sebagai proses yang melakukan perincian usaha secara formal yang berguna untuk merumuskan hipotesis dan menemukan tema seperti apa yang telah disarankan serta sebagai bentuk usaha untuk memberikan kontribusi dan tema pada hipotesis

 

§Kecerdasan bisnis

Business intelligence (BI) adalah kategori yang luas dari aplikasi dan teknik untuk mengumpulkan, menyimpan, menganalisis dan menyediakan akses ke data untuk membantu perusahaan pengguna membuat keputusan bisnis yang lebih baik dan strategis (lihat Oguz, 2003, dan Moss dan Atre, 2003). 

Contoh: Pizza Hut, misalnya, telah secara signifikan meningkatkan pendapatan penjualan sebesar menggunakan alat BI (Langnau, 2003). Berdasarkan senilai 20 tahun data pada konsumen, Pizza Hut tahu apa jenis pelanggan pizza memesan, jenis kupon yang mereka biasanya menggunakan, dan berapa banyak mereka menghabiskan dalam periode waktu tertentu. Pemasaran managers dapatmengambil informasi ini dan menjalankannya melalui sistem BI yang memprediksi dan memperkirakan probabilitas pesanan berikutnya pelanggan. Perusahaan kemudian menggunakan ini
informasi untuk menentukan strategi pemasaran untuk mempengaruhi pelanggan untuk membeli
lebih pizza 

 

PERTAMBANGAN

Data mining dan aplikasi

Data mining menjadi alat utama untuk menganalisis data dalam jumlah besar,
sekutu dalam sebuah gudang data (Nemati dan Barko, 2002) serta untuk menganalisis Web
data. Data mining mendapatkan namanya dari kesamaan antara pencarian untuk informasi bisnis yang berharga dalam data base yang besar, dan pertambangan gunung untuk
vena bijih berharga.

§Untuk beberapa definisitions dari data mining, lihat HORMOZI dan Giles (2004). Dalam beberapa kasus, data yang dikonsolidasikan dalam data warehouse dan data mart. Di lain mereka terus Internet dan server intranet. Biasanya, data dapat berasal dari rutinitas operasi kegiatan internasional seperti penjualan dan pemasaran, pengadaan dan logistik, pro-
produksi, dan akuntansi. Data juga dapat berasal dari eksternal, sumber tidak rutin seperti sumber pemerintah statistik, survei, dan database komersial.

 

KEMAMPUAN DATA MINING

Prediksi otomatis tren dan perilaku. 

Data mining mengotomatisasi Proses mencari informasi prediksi dalam database yang besar.Pertanyaan yang traditionally diperlukan tangan-analisis yang ekstensif sekarang dapat dijawab secara langsung  dan cepat dari data. Sebuah contoh khas dari masalah prediksi ditargetkan pemasaran. Data mining dapat menggunakan data dari promosi surat masa lalu untuk mengidentifikasi target yang paling mungkin untuk merespon positif terhadap surat masa depan. prediksi lain contoh termasuk peramalan kebangkrutan dan bentuk lain dari default, dan statement dalam mengidentifikai segmen populasi cenderung merespon sama dengan yang diberikan peristiwa.

 

Penemuan otomatis pola yang sebelumnya tidak diketahui.Data mining tools mengidentifikasi pola-pola yang sebelumnya tersembunyi dalam satu langkah. Contoh dari pola penemuan adalah analisis data penjualan ritel untuk mengidentifikasi produk yang tampaknya tidak berhubungan yang sering dibeli bersama-sama, seperti popok bayi dan bir. Masalah pola penemuan lainnya termasuk mendeteksi transaksi kartu kredit palsu dan mengidentifikasi valid (anomali) data yang dapat mewakili keying kesalahan entri data.  

Ketika alat data mining yang diimplementasikan pada kinerja tinggi paralelsistem pengolahan, mereka dapat menganalisis database besar dalam beberapa menit. Lebih besardatabase, pada gilirannya, meningkatkan hasil prediksi (lihat Hirji, 2001). Seringkali, ini databasis akan berisi data yang tersimpan selama beberapa tahun. Proses lebih cepat berarti bahwa penggunabisa bereksperimen dengan model yang lebih untuk memahami data yang kompleks.

ALAT UNTUK DATA MINING

 Data mining sering terdiri dari dua langkah, membangun kubus data dan menggunakan kubus untuk mengekstrak data untuk fungsi pertambangan bahwa alat pertambangan mendukung.  Data kubus multidimensi

 APLIKASI DATA MINING

§Menurut laporan GartnerGroup (gartnergroup.com),
lebih dari setengah dari semua Fortune 1000 perusahaan di seluruh dunia menggunakan data mining
teknologi. Juga, sejumlah besar produk komersial yang tersedia (misalnya, data-
miners.com, dbminer.com

Visualisasi data

 Teknologi Visual membuat gambar bernilai seribu angka dan membuat aplikasi IT lebih menarik dan mudah dipahami bagi pengguna. Visualisasi data mengacu pada penyajian data dengan teknologi seperti gambar digital, geograpik sistem informasi ical, antarmuka pengguna grafis, tabel multidimensi dan grafik, virtual reality, presentasi tiga dimensi, video dan animasi. Dengan menggunakan teknologi analisis visual, orang mungkin melihat masalah yang telah ada selama bertahun-tahun, tidak terdeteksi oleh metode analisis standar.Visualisasi data dapat didukung dalam cara yang dinamis (misalnya, dengan klip video). Itujuga bisa dilakukan secara real time (misalnya, Bates, 2003).

Kesimpulan 

Jadi pada intinya” Manajemen Data: Pergudangan,Menganalisis,
Pertambangan, dan Visualisasi” dapat memperlancar dan mengefektifkan proses kerja user/pengguna  sehingga pengolahan data dapat di peroleh secara akurat ,dan efisien.