BAB VI DASAR-DASAR INTELIJEN BISNIS: DATABASE DAN MANAJEMEN INFORMASI

6.1MENGINTEGRASI DATA DI LINGKUNGAN FILE TRADISIONAL

Sistem informasi yang efektif memberi pengguna informasi yang akurat, tepat waktu, dan relevan. Informasi yang akurat bebas dari kesalahan. Informasi tepat waktu bila tersedia bagi pengambil keputusan bila dibutuhkan. Informasi itu relevan bila berguna dan sesuai untuk jenis pekerjaan dan keputusan yang memerlukannya.

Persyaratan Organisasi dan Konsep File

Sistem komputer mengatur data dalam hierarki yang dimulai dengan bit dan byte dan berlanjut ke bidang, catatan, file, dan database. bit mewakili unit data terkecil yang bisa ditangani komputer. Sekelompok bit, disebut byte, mewakili satu karakter, yang bisa berupa huruf, angka, atau simbol lainnya. Pengelompokan karakter menjadi sebuah kata, sekelompok kata, atau nomor lengkap (seperti nama atau umur seseorang) disebut bidang. Sekelompok bidang terkait, seperti nama siswa, jalur yang ditempuh, tanggal, dan kelasnya, terdiri dari sebuah catatan; Sekelompok catatan dari tipe yang sama disebut file. Sekelompok file terkait membuat database. Sebuah catatan menggambarkan sebuah entitas. Entitas adalah orang, tempat, benda, atau acara dimana kita menyimpan dan memelihara informasi. Setiap karakteristik atau kualitas yang menggambarkan suatu entitas tertentu disebut atribut.

Masalah Dengan Lingkungan File Tradisional

Di sebagian besar organisasi, sistem cenderung tumbuh mandiri tanpa rencana perusahaan, semuanya mengembangkan sistem dan file data mereka sendiri. Setiap aplikasi, tentu saja, membutuhkan file sendiri dan program komputernya sendiri untuk beroperasi. Di perusahaan secara keseluruhan, proses ini menyebabkan beberapa file master dibuat, dipelihara, dan dioperasikan oleh divisi atau departemen terpisah. Seiring proses ini berlangsung selama 5 atau 10 tahun, organisasi ini dibebani dengan ratusan program dan aplikasi yang sangat sulit untuk dikelola dan dikelola. Masalah yang timbul adalah redundansi data dan inkonsistensi, ketergantungan program-data, tidak fleksibel, keamanan data yang buruk, dan ketidakmampuan untuk berbagi data antar aplikasi.

Redundansi Data dan Inkonsistensi

Redundansi data adalah adanya duplikat data pada beberapa file data sehingga data yang sama tersimpan lebih banyak dari pada tempat atau lokasi. Redundansi data terjadi ketika berbagai kelompok dalam sebuah organisasi secara independen mengumpulkan data yang sama dan menyimpannya secara independen satu sama lain. Redundansi data menghabiskan sumber daya penyimpanan dan juga menyebabkan inkonsistensi data, di mana atribut yang sama mungkin memiliki nilai yang berbeda.

Ketergantungan Data Program

Ketergantungan program data mengacu pada kopling data yang tersimpan dalam file dan program spesifik yang diperlukan untuk memperbarui dan memelihara file-file tersebut sehingga perubahan dalam program memerlukan perubahan pada data. Setiap program komputer tradisional harus menggambarkan lokasi dan sifat data yang digunakannya. Dalam lingkungan file tradisional, setiap perubahan dalam program perangkat lunak memerlukan perubahan dalam data yang diakses oleh program tersebut.

Kurangnya Fleksibilitas

Sistem file tradisional dapat memberikan laporan terjadwal rutin setelah upaya pemrograman ekstensif, namun tidak dapat menyampaikan laporan ad hoc atau menanggapi persyaratan informasi yang tidak diantisipasi secara tepat waktu.

Kurangnya Keamanan

Karena hanya ada sedikit kontrol atau pengelolaan data, akses dan penyebaran informasi mungkin tidak terkendali. Manajemen mungkin tidak memiliki cara untuk mengetahui siapa yang mengakses atau bahkan membuat perubahan pada data organisasi.

Kurangnya Berbagi dan Ketersediaan Data

Karena potongan informasi dalam file yang berbeda dan bagian organisasi yang berbeda tidak dapat dikaitkan satu sama lain, hampir tidak mungkin informasi dibagi atau diakses pada waktu yang tepat.

6.2 PENDEKATAN DATABASE PADA DATA PENGELOLAAN

Definisi database yang lebih ketat adalah kumpulan data yang disusun untuk melayani banyak aplikasi secara efisien dengan memusatkan data dan mengendalikan data yang berlebihan. Alih-alih menyimpan data dalam file terpisah untuk setiap aplikasi, data disimpan agar pengguna hanya disimpan di satu lokasi.

Sistem Manajemen Database

Sistem manajemen basis data (Database Management System/DBMS) adalah perangkat lunak yang memungkinkan organisasi untuk memusatkan data, mengelolanya secara efisien, dan menyediakan akses ke data tersimpan melalui program aplikasi. DBMS bertindak sebagai antarmuka antara program aplikasi dan file data fisik.

     DBMS mengurangi pemrogram atau pengguna akhir dari tugas memahami di mana dan bagaimana data sebenarnya disimpan dengan memisahkan tampilan logis dan fisik data. Perangkat lunak manajemen basis data membuat database fisik tersedia untuk berbagai pandangan logis yang dibutuhkan oleh pengguna.

Bagaimana DBMS Mengatasi Masalah Lingkungan File Tradisional

DBMS mengurangi redundansi dan inkonsistensi data dengan meminimalkan file yang terisolasi dimana data yang sama diulang. DBMS tidak menggabungkan program dan data, namun memungkinkan data berdiri sendiri. Akses dan ketersediaan informasi akan ditingkatkan dan Biaya pengembangan dan pemeliharaan program berkurang karena pengguna dan pemrogram dapat melakukan query data ad hoc dalam database. DBMS memungkinkan organisasi untuk mengelola data, penggunaan, dan keamanan mereka secara terpusat.

DBMS Relasional

DBMS Kontemporer menggunakan model basis data yang berbeda untuk melacak entitas, atribut, dan hubungan. Jenis DBMS yang paling populer saat ini untuk PC dan juga untuk komputer dan mainframe yang lebih besar adalah DBMS relasional. Database relasional mewakili data sebagai tabel dua dimensi (disebut hubungan). Tabel dapat disebut sebagai file. Setiap tabel berisi data tentang entitas dan atributnya.

Operasi DBMS Relasional

Tabel database relasional dapat dikombinasikan dengan mudah untuk mengirimkan data yang dibutuhkan oleh pengguna, dengan ketentuan bahwa setiap dua tabel memiliki elemen data yang sama. Dalam database relasional, tiga operasi dasar, digunakan untuk mengembangkan kumpulan data yang berguna: pilih, gabung, dan proyekkan. Operasi pilih membuat subset yang terdiri dari semua catatan dalam file yang memenuhi kriteria yang disebutkan. Operasi gabung menggabungkan tabel relasional untuk memberi pengguna informasi lebih banyak daripada yang tersedia di tabel individual. Operasi proyek menciptakan subset yang terdiri dari kolom dalam sebuah tabel, yang memungkinkan pengguna membuat tabel baru yang hanya berisi informasi yang dibutuhkan.

DBMS Berorientasi Obyek

DBMS berorientasi objek menyimpan data dan prosedur yang bertindak berdasarkan data tersebut sebagai objek yang dapat diambil dan dibagi secara otomatis. Sistem manajemen basis data berorientasi objek (Object-Oriented Database Management Systems /OODBMS) menjadi populer karena dapat digunakan untuk mengelola berbagai komponen multimedia atau applet Java yang digunakan dalam aplikasi Web, yang biasanya mengintegrasikan beberapa informasi dari berbagai sumber. Meskipun basis data berorientasi objek dapat menyimpan tipe informasi yang lebih kompleks daripada DBMS relasional, namun relatif lambat dibandingkan dengan DBMS relasional untuk memproses sejumlah besar transaksi.

Kemampuan Sistem Manajemen Database

DBMS mencakup kemampuan dan alat untuk mengatur, mengelola, dan mengakses data dalam database. Yang paling penting adalah bahasa definisi datanya, kamus data, dan bahasa manipulasi data. DBMS memiliki kemampuan definisi data untuk menentukan struktur isi database. Ini akan digunakan untuk membuat tabel database dan untuk menentukan karakteristik field di setiap tabel. Informasi tentang database ini akan didokumentasikan dalam kamus data. Kamus data adalah file otomatis atau manual yang menyimpan definisi elemen data dan karakteristiknya.

Permintaan dan Pelaporan

DBMS mencakup alat untuk mengakses dan memanipulasi informasi di database. Kebanyakan DBMS memiliki bahasa khusus yang disebut bahasa manipulasi data yang digunakan untuk menambah, mengubah, menghapus, dan mengambil data dalam database. Bahasa ini berisi perintah yang mengizinkan pengguna akhir dan spesialis pemrograman mengekstrak data dari database untuk memenuhi permintaan informasi dan mengembangkan aplikasi.

Perancangan Databases

Database membutuhkan desain konseptual dan desain fisik. Perancangan basis data konseptual, atau logis, adalah model abstrak dari perspektif bisnis, sedangkan perancangan fisik menunjukkan bagaimana database benar-benar diatur pada perangkat penyimpanan akses langsung.

Normalisasi dan Diagram Entitas-Hubungan

Perancangan basis data konseptual menggambarkan bagaimana elemen data dalam database dikelompokkan. Proses perancangan mengidentifikasi hubungan antar elemen data dan cara pengelompokan elemen data yang paling efisien untuk memenuhi kebutuhan informasi bisnis. Proses ini juga mengidentifikasi elemen data yang berlebihan dan pengelompokan elemen data yang diperlukan untuk program aplikasi tertentu. Kelompok data disusun, disempurnakan, dan disederhanakan sampai keseluruhan pandangan logis tentang hubungan antara semua data dalam database muncul.

Untuk menggunakan model basis data relasional secara efektif, pengelompokan data yang kompleks harus disederhanakan untuk meminimalkan elemen data yang berlebihan dan hubungan banyak orang yang kikuk. Proses pembuatan struktur data kecil, stabil, namun fleksibel dan adaptif dari kelompok data yang kompleks disebut normalisasi.

     Sistem database relasional mencoba menerapkan peraturan integritas referensial untuk memastikan bahwa hubungan antara tabel yang digabungkan tetap konsisten. Perancang database mendokumentasikan model data mereka dengan diagram relasi entitas.

6.3 MENGGUNAKAN DATABASES UNTUK MENINGKATKAN KINERJA BISNIS DAN PENGAMBILAN KEPUTUSAN

Bisnis menggunakan basis data mereka untuk melacak transaksi dasar, seperti membayar pemasok, memproses pesanan, mencatat pelanggan, dan membayar karyawan. Tetapi mereka juga membutuhkan database untuk memberikan informasi yang akan membantu perusahaan menjalankan bisnis dengan lebih efisien, dan membantu manajer dan karyawan membuat keputusan yang lebih baik. Jika sebuah perusahaan ingin mengetahui produk mana yang paling populer atau siapa pelanggannya yang paling menguntungkan, jawabannya terletak pada data.

Gudang Data

Apa Itu Gudang Data?

Gudang data adalah database yang menyimpan data terkini dan historis yang potensial bagi pengambil keputusan di seluruh perusahaan. Data berasal dari banyak sistem transaksi operasional inti, seperti sistem penjualan, akun pelanggan, dan manufaktur, dan mungkin mencakup data dari transaksi situs Web.

Gudang data mengkonsolidasikan dan membakukan informasi dari database operasional yang berbeda sehingga informasi tersebut dapat digunakan di seluruh perusahaan untuk analisis manajemen dan pengambilan keputusan. Gudang data membuat data tersedia bagi siapa saja untuk diakses sesuai kebutuhan, namun tidak dapat diubah. Sebuah sistem gudang data juga menyediakan berbagai alat query ad hoc dan standar, alat analisis, dan fasilitas pelaporan grafis. Banyak perusahaan menggunakan portal intranet untuk membuat informasi gudang data tersedia secara luas di seluruh perusahaan.

Data Mart

Data mart adalah subkumpulan dari sebuah gudang data dimana bagian data organisasi yang diringkas atau sangat terfokus ditempatkan di database terpisah untuk populasi pengguna tertentu.

Alat Untuk Kecerdasan Bisnis: Analisa Data Multidimensional Dan Data Mining

Alat intelijen bisnis memungkinkan pengguna menganalisis data untuk melihat pola, hubungan, dan wawasan yang berguna untuk memandu pengambilan keputusan. Alat utama untuk intelijen bisnis mencakup perangkat lunak untuk query database dan pelaporan, alat untuk analisis data multidimensional (pemrosesan analisis online), dan alat untuk data mining.

Pemrosesan Analisis Online / Online Analytical Processing (OLAP)

OLAP mendukung analisis data multidimensi, memungkinkan pengguna melihat data yang sama dengan berbagai cara menggunakan banyak dimensi. OLAP memungkinkan pengguna memperoleh jawaban online atas pertanyaan ad hoc dengan waktu yang cukup cepat, walaupun data disimpan dalam database yang sangat besar, seperti angka penjualan selama beberapa tahun.

Data Mining

Data mining lebih banyak digerakkan oleh penemuan. Data mining memberikan wawasan tentang data perusahaan yang tidak dapat diperoleh dengan OLAP dengan menemukan pola dan hubungan tersembunyi di database besar dan menyimpulkan aturan dari mereka untuk memprediksi perilaku masa depan. Pola dan aturan digunakan untuk memandu pengambilan keputusan dan memperkirakan dampak keputusan tersebut.

Jenis informasi yang dapat diperoleh dari data mining meliputi:

• Asosiasi adalah kejadian yang terkait dengan satu peristiwa.
• Dalam urutan, kejadian dihubungkan dari waktu ke waktu.
• Klasifikasi mengenali pola yang menggambarkan kelompok tempat barang berada dengan memeriksa barang-barang yang ada yang telah diklasifikasikan dan dengan mengesampingkan seperangkat aturan.
• Pengelompokan bekerja dengan cara yang mirip dengan klasifikasi bila belum ada kelompok yang ditetapkan. Alat data mining dapat menemukan pengelompokan yang berbeda dalam data.
• Meskipun aplikasi ini melibatkan prediksi,/prakiraan,  peramalan menggunakan prediksi dengan cara yang berbeda. Ini menggunakan serangkaian nilai yang ada untuk meramalkan nilai lainnya.

Sistem ini melakukan analisis pola atau tren tingkat tinggi, namun mereka juga dapat menelusuri hingga memberikan rincian lebih banyak bila diperlukan. Ada aplikasi data mining untuk semua bidang fungsional bisnis, dan untuk karya pemerintah dan ilmiah. Analisis prediktif menggunakan teknik data mining, data historis, dan asumsi tentang kondisi masa depan untuk memprediksi hasil kejadian, seperti probabilitas pelanggan akan merespons penawaran atau membeli produk tertentu.

Text Mining dan Web Mining

Text mining adalah alat teknologi yang mampu mengekstrak elemen kunci dari kumpulan data tidak terstruktur yang besar, menemukan pola dan hubungan, dan meringkas informasinya. Bisnis mungkin beralih ke penambangan teks untuk menganalisis transkrip panggilan ke pusat layanan pelanggan untuk mengidentifikasi masalah layanan dan perbaikan utama.

Penemuan dan analisis pola dan informasi berguna dari World Wide Web disebut Web mining. Bisnis mungkin beralih ke penambangan Web untuk membantu mereka memahami perilaku pelanggan, mengevaluasi keefektifan situs Web tertentu, atau mengukur keberhasilan kampanye pemasaran.

Web Mining atau Penambangan web mencari pola dalam data melalui penambangan konten, penambangan struktur, dan penambangan penggunaan. Penambangan konten web adalah proses mengekstrak pengetahuan dari konten halaman Web, yang mungkin mencakup data teks, gambar, audio, dan video. Struktur web pertambangan mengekstrak informasi bermanfaat dari tautan tertanam dalam dokumen web. Penambangan penggunaan web menguji data interaksi pengguna yang dicatat oleh server Web kapan pun permintaan untuk sumber daya situs Web diterima. Data penggunaan mencatat perilaku pengguna saat pengguna melihat atau melakukan transaksi di situs Web dan mengumpulkan data di log server. Menganalisis data tersebut dapat membantu perusahaan menentukan nilai pelanggan tertentu, strategi pemasaran lintas lintas produk, dan efektivitas kampanye promosi.

Databases dan Web

Banyak perusahaan sekarang menggunakan Web untuk membuat beberapa informasi dalam database internal mereka tersedia bagi pelanggan dan mitra bisnis. Perangkat lunak peramban Web pengguna meminta data dari basis data organisasi, menggunakan perintah HTML untuk berkomunikasi dengan server Web. Karena banyak database back-end tidak bisa menafsirkan perintah yang ditulis dalam HTML, server Web meneruskan permintaan data ke perangkat lunak yang menerjemahkan perintah HTML ke dalam SQL sehingga bisa diproses oleh DBMS dengan database di lingkungan klien / server, DBMS berada pada komputer khusus yang disebut server basis data. DBMS menerima permintaan SQL dan menyediakan data yang dibutuhkan. Middleware mentransfer informasi dari database internal organisasi kembali ke server Web untuk pengiriman dalam bentuk halaman Web ke pengguna.

Ada sejumlah keuntungan menggunakan Web untuk mengakses database internal organisasi. Pertama, perangkat lunak browser Web jauh lebih mudah digunakan daripada alat kueri berpemilik. Kedua, antarmuka Web hanya membutuhkan sedikit atau tidak ada perubahan ke database internal Biayanya jauh lebih sedikit untuk menambahkan antarmuka Web di depan sistem warisan daripada mendesain ulang dan membangun kembali sistem untuk meningkatkan akses pengguna. Mengakses database perusahaan melalui Web adalah menciptakan efisiensi, peluang, dan model bisnis baru.

6.4 MENGELOLA SUMBER DAYA DATA

Membangun Kebijakan Informasi

Kebijakan informasi menentukan peraturan organisasi untuk berbagi, menyebarkan, memperoleh, membuat standarisasi, mengklasifikasi, dan menginventarisir informasi. Kebijakan informasi memaparkan prosedur dan akuntabilitas yang spesifik, mengidentifikasi pengguna dan unit organisasi mana yang dapat berbagi informasi, di mana informasi dapat didistribusikan, dan siapa yang bertanggung jawab untuk memperbarui dan memelihara informasi tersebut.

Jika Anda berada dalam bisnis kecil, kebijakan informasi akan dibuat dan diterapkan oleh pemilik atau manajer. Dalam sebuah organisasi besar, mengelola dan merencanakan informasi sebagai sumber daya perusahaan seringkali memerlukan fungsi administrasi data formal. Administrasi data bertanggung jawab atas kebijakan dan prosedur spesifik yang melaluinya data dapat dikelola sebagai sumber organisasi. Tanggung jawab ini meliputi pengembangan kebijakan informasi, perencanaan data, pengawasan perancangan basis data logis dan pengembangan kamus data, dan pemantauan bagaimana pakar sistem informasi dan kelompok pengguna akhir menggunakan data.

Sebuah organisasi besar juga akan memiliki desain database dan kelompok manajemen di dalam divisi sistem informasi perusahaan yang bertanggung jawab untuk menentukan dan mengatur struktur dan isi database, dan memelihara database. Dengan kerja sama yang erat dengan pengguna, kelompok desain menetapkan database fisik, hubungan logis antar elemen, dan aturan akses dan prosedur keamanan. Fungsi yang dilakukannya disebut administrasi database.

Memastikan Kualitas Data

Langkah tambahan harus diambil untuk memastikan data dalam database organisasi akurat dan tetap dapat diandalkan. Data yang tidak akurat, tepat waktu, atau tidak konsisten dengan sumber informasi lainnya menyebabkan keputusan yang salah, penarikan produk, dan kerugian finansial. Data yang tidak akurat dalam peradilan pidana dan database keamanan nasional bahkan mungkin akan mengarahkan Anda ke pengawasan atau penahanan yang tidak perlu.

Jika database dirancang dengan benar dan standar data perusahaan-lebar ditetapkan, elemen data duplikat atau tidak konsisten harus minimal. Namun, sebagian besar masalah kualitas data, seperti nama yang salah eja, nomor terputus, atau kode yang salah atau hilang, berasal dari kesalahan selama input data. Insiden kesalahan tersebut meningkat saat perusahaan memindahkan bisnis mereka ke Web dan memungkinkan pelanggan dan pemasok memasukkan data ke situs Web mereka yang secara langsung memperbarui sistem internal.

Sebelum database baru tersedia, organisasi perlu mengidentifikasi dan memperbaiki data yang salah dan menetapkan rutinitas yang lebih baik untuk mengedit data setelah basis data mereka beroperasi. Analisis kualitas data sering diawali dengan audit kualitas data, yaitu survei terstruktur tentang keakuratan dan tingkat kelengkapan data dalam suatu sistem informasi. Audit kualitas data dapat dilakukan dengan mensurvei seluruh file data, mensurvei sampel dari file data, atau mensurvei pengguna akhir untuk persepsi kualitas data mereka.

    Pembersihan data, juga dikenal dengan data scrubbing, terdiri dari kegiatan untuk mendeteksi dan memperbaiki data dalam database yang tidak benar, tidak lengkap, tidak diformat dengan benar, atau berlebihan. Pembersihan data tidak hanya memperbaiki kesalahan tetapi juga memberlakukan konsistensi antar kumpulan data yang berbeda yang berasal dari sistem informasi terpisah. Perangkat lunak pembersihan data khusus tersedia untuk secara otomatis mensurvei file data, memperbaiki kesalahan dalam data, dan mengintegrasikan data dalam format perusahaan yang konsisten. Masalah kualitas data bukan hanya masalah bisnis. Mereka juga menimbulkan masalah serius bagi individu, mempengaruhi kondisi keuangan dan bahkan pekerjaan mereka.

Sumber: buku Management Information Systems, MANAGING THE DIGITAL FIRM, TWELFTH EDITION, karya Kenneth C. Laudon dan Jane P. Laudon