Struktur data warehouse

•       Dengan penggunaan dw, seorang analis dss dapat lebih mudah untuk melakukan analisa dibandung dengan lingkungan database operasional, karena ada satu sumber data tunggal yang terintegrasi dengan dasar reusability yang baik.

•       Dw harus dapat digunakan untuk penggunaan yang berbeda-beda, termasuk untuk requirement masa depan

•       Sebuah dw yang ideal memiliki karakteristik:

1. Berorientasi subjek
2. Terintegrasi
3. Non volatil
4. Time variant - Memiliki rentang waktu (history)

Karakteristik DW – orientasi

•       Tiap subject pada DW diimplementasi secara fisik pada tabel yang berhubungan dengan jumlah yang bisa amat  besar (hingga ratusan table)

•       Media penyimpanan dapat berbeda beda, umumya data yang lama akan disimpan pada media dengan akses lebih lambat

•       Data-data dengan subject yang sama akan dihubungkan dengan sebuah id pada tiap table

 

Karakteristik DW- integrasi

•       Karakteristik lain dari DW ialah terintegrasi.

•       Dari semua aspek yang lain, integrasi merupakan hal yang paling penting dalam dw.

•       Data didapatkan dari berbagi sumber yang terpisah menjadi sebuah DW.

•       Data tersebut akan dikonversi, di format, di-resequence, di summarisasi, sehingga menjadi data “image” dari perusahaan tersebut.

Karakteristik DW : non volatile

•       Yang dimaksud dengan non volatil disini berbeda dengan non volatil pada media penyimpanan.

•       Maksud non volatil disini ialah pola penambahan, dan pemanfaatan data pada dw.

•       Data operasional diakses secara reguler per record.

•       Data operasional juga sering diupdate.

•       Data pada DW umumnya di load (diisi) secara massal

•       Data pada DW tidak di-update seperti pada data operasional, namun dibuat sebagai “snapshot” dengan format statis. Sehingga memiliki data sejarah.

•       Data pada DW di-optimasi untuk access secara massal (besar)

Karakteristik DW : time variant

•       Time variant mengimplikasikan bahwa tiap unit data pada dw ialah akurat  pada rentang waktu tertentu.

•       Data bisa di “tandai” dengan waktu, atau tanggal transaksi. Atau bentuk “tanda” lain yang menginformasikan kapan data tersebut akurat.

•       Lingkungan yang berbeda akan memiliki rentang waktu yang berbeda (time-horizon : rentang waktu data direpresentasikan dalam sistem)

•       Pada sistem operasional, time horizon yang umum berkisar antara 60-90 hari.

•       Pada sistem DW, time horizon yang umum ialah 5-10 tahun.

•       Sebagai hasilnya, dw memiliki lebih banyak sejarah dibanding lingkungan sistem lain.

•       Tiap tabel akan dilengkapi dengan informasi yang berkaitan dengan waktu yang menunjukkan validitas data

Struktur DW

•       Dw memiliki struktur umum seperti pada gambar

•       data yang lama  umumnya diletakkan pada media bulk karena lebih jarang diakses.

Granularity

•       Telah diketahui bahwa data yang disimpan pada DW berbeda dengan data pada sistem operasional.

•       Salah satu perbedaan utama ialah sifat granularity(granularitas) data.

•       granularity menunjukkan tingkat kedalaman (detail) dari sebuah atau kumpulan data.

•       Granularity merupakan permasalahan utama dalam mendesain dw, karena mempengaruhi ukuran (volume) data yang disimpan, dan jenis query yang bisa dilakukan.

•       Volume data berbanding terbalik dengan tipe query dan detail query yang bisa dilakukan: semangkin rendah granularity, maka semangkin detail query bisa diberikan.  Semangkin tinggi granularity, semangkin sederhana query yang bisa diberikan.

•       Pada umumnya data yang masuk ke dw terlalu rendah granularity nya, sehingga desainer dw harus menghabiskan banyak waktu untuk memecah data, dan memformat data sesuai spesifikasinya.

•       Penentuan tingkat granularity harus dilakukan di awal desain dw, karena dampaknya pada pemanfaatan, volume, dan komplexitas dw itu sendiri

•       Kadang-kadang diambil jalan tengah berupa data yang lightly-summarized

•       Berikut ialah referensinya

Partisi data

•       Partisi data mengacu pada pemecahan data menjadi berbagai unit fisik yang bisa di manjemen secara independen.

•       Dalam dw, partisi data bersifat wajib, yang perlu didesain secara teliti dan tepat.

•       Keuntungan penggunaan partisi ialah kemudahan melaksanakan proses berikut (karena ukuran yang lebih kecil):

1.       Restructuring

2.       Indexing

3.       Sequential scanning,

4.       Reorganization

5.       Recovery

6.       Monitoring

•       Data dapat dibagi berdasarkan kaidah berikut:

1.       Tanggal (waktu)

2.       Sifat bisnis

3.       Geografis

4.       Kelompok organisasional

5.       Semua yang diatas, atau kriteria lain

Struktur Data DW

•       Berikut adalah contoh struktur data DW secara umum, yang bersifat simple cumolative.

•       Data operasional di summary kan lalu disimpan ke dw, misalnya per hari.

•       Contoh lain bersifat rolling summary

•       Dimana summary per hari akan disummarykan perminggu-per bulan-per tahun,

•       tidak ada data summary per hari jika sudah disummary per bulan, dst

Perbandingan model summary

Homogenitas dan heterogenitas

·         Sekilas, dw terlihat homogen, karena semua recordnya menyatu.

·         Sebenarnya dw bersifat heterogen, dimana data dalam dw dibagi dalam subject area.

·         Pada gambar, terlihat bahwa ada subject area berupa Product, Customer, Vendor, dan Transaction.

·         Setiap subject area terdiri dari berbagai table yang terhubung satu sama lain dengan key

Data purging(membuang)

·         Umumnya pada dw tidak dilakukan purging data (pembuangan data) kecuali untuk kasus khusus (keputusan organisasi).

·         Data data yang lama umumnya diproses dengan metode :

·         Data ditambahkan dalam model rolling summary (detail hilang)

·         Data ditransfer ke media bulk (tape drive, media backup lain)dari media akses cepat (Harddisk)

·         Data ditransfer ke arsitektur lain.