Friday, March 20, 2015

Visualisasi Data, Tampilan Indah Sarat Makna

KOMPAS.com - Jika anda penggemar film science fiction seperti Iron Man, atau serial TV detektif seperti CSI tentu akan lebih mudah untuk memahami yang dimaksudkan dengan visualisasi data seperti pada film science fiction tersebut. Dengan sentuh sini dan sana, geser sini dan sana akan muncul informasi-informasi yang dibutuhkan dengan penampakan seperti peta, gedung-gedung, gambar orang dan berbagai informasi pendukung yang rinci. 

Pernahkah Anda bayangkan dari mana data-data tersebut berasal dan bagaimana disimpan dan diolah sehingga dapat divisualisasikan sedemikian rupa (yang dari sudut pandang TI merupakan komputer)?

Datawarehouse VS DataMart

Pangkalan Data atau Datawarehouse (DWH) adalah jawabannya. Sesuai dengan namanya DWH adalah sebuah lingkungan data yang tidak lagi hanya sekedar fakta yang dicatat melainkan data-data sudah terhubung seperti data histori kepemilikan mobil, transaksi perbankan, dan catatan pelanggaran hukum dalam sebuah topi/subject dan relasi. DWH ini yang menjadi sumber informasi yang ditampilkan/divisualisasikan.

Secara teknis, sebuah DWH yang baik dan dapat menjadi single source of truth, harus memenuhi beberapa kriteria berikut ini:

  • Subject-Oriented, artinya informasi yang disimpan memiliki struktur/membangun struktur secara khusus mengenai “sesuatu” tidak hanya sekedar file komputer. Misalnya tentang Profit & Lost.
  • Integrated, artinya sebuah kajian tentang sesuatu terkadang tidak dapat dihasilkan hanya dari sebuah database tetapi hanya dapat tersedia dengan menggabungkan dari informasi-informasi di area yang lain.
  • Non-Volatile, artinya informasi yang tersedia di dalam DWH harus tetap dengan berjalannya waktu (konsisten).
  • Time-variant, artinya di dalam DWH setiap subjek mempunyai nilai historis. Hal ini penting untuk melihat tren, membandingkan performa, dan lain-lain.
  • Process-Oriented, artinya suatu hal yang penting untuk memahami bahwa DWH adalah sebuah proses menyajikan informasi. DWH bukan sebuah hasil yang berdiri sendiri. Dan karena bersifat proses, maka pengelolaan DWH  merupakan sebuah proses yang terus menerus dan berulang.
  • Accessible, artinya tujuan utama DWH adalah untuk menyajikan informasi yang siap akses bagi pengguna akhir.

Namun sayangnya, membangun DWH tidak semudah penggambarannya. Hingga sekarang para professional TI yang berkecimpung di dalam bidang DWH secara umum terkelompok dalam dua mashab: Pendukung Bill Inmon atau Ralph Kimball. Keduanya merupakan mahaguru di bidang DWH tetapi mempunyai pandangan yang berbeda.

Bill Inmon mengikuti pendekatan TOP DOWN: A normalized data model is designed first. Then the dimensional data marts, which contain data required for specific business processes or specific departments are created   from the data warehouse.
Ralph Kimball menggunakan pendekatan BOTTOM-UP:The data marts facilitating reports and analysis are created first; these are then combined together to create a broad data warehouse.

Perbedaan utama dari kedua mahaguru DWH itu adalah: data marts, yang didefinisikan sebagai sebuah struktur data yang menghubungkan berbagai data di dalam satu subjek informasi. Dengan mengembangkan sebuah DWH dimulai dengan kebutuhan- kebutuhan kecil datamart, maka pemanfaatan pembangunan DWH segera dapat dirasakan, sementara pengembangan DWH terus berlanjut untuk kebutuhan-kebutuhan yang lain.

Tetapi pendekatan datamart bukannya tanpa risiko, apa yang pada awalnya kelihatannya cepat selesai, biaya tidak besar dan segera bermanfaat justru dapat menimbulkan ‘bencana’ di kemudian hari. Implementasi banyak data mart untuk memenuhi kebutuhan penyediaan informasi secara terpisah-pisah pun dapat memunculkan “data mart anarchy”.

Sangat berbahaya di dalam manajemen Teknologi Informasi jika harus mengelola banyak hardware,software, database  dan platform yang berbeda untuk mart-mart yang dibangun. Tentu saja ditambah kerunyaman akan munculnya mart yang tumpang tindih dan ketidak konsistenan data. Padahal tujuan utama untuk membangun DWH adalah untuk menyediakan  informasi yang consistent, accurate data about the organization to the users

Tak cukupkah Business Intelligence reporting?

Sekarang kita akan bahas mengenai pemanfaatan DWH. Karena seperti telah disampaikan di atas, DWH bukanlah sebuah deliverable akhir tetapi sebagai bagian dari proses menyajikan informasi. Informasi yang dapat diperoleh dari DWH dapat dikelompokan menjadi dua, yakni informasi manajerial, yang biasanya berupa laporan dan analisis untuk mengelola dan mengambil keputusan bisnis; serta informasi regulasi, yang biasanya berupa laporan-laporan untuk memenuhi peraturan-peraturan pemerintah dan/atau otoritas bisnis. 

Sistem yang mendukung informasi Manajerial sering juga disebut dengan Business Intelligence (BI) reporting dan mempunyai kapabilitas berikut ini:

1) Standard reports. Biasanya berupa laporan rutin yang menampilkan statistik. Digunakan untuk menjawab pertanyaan What happened? and When did it happen? 

2) Ad hoc reports. Terkadang laporan rutin tidak cukup,apalagi jika ditemukan masalah, maka terkadang dibuat laporan tambahan untuk menjawab permasalah tersebut. MisalnyaHow many? How often? Where? 

3) Query drill-downs. Fasilitas ini adalah fasilitas standar yang ada untuk mengakses data yang tersimpan di DWH. User melakukan query ke DWH dan mencoba mencari informasi ini dan itu untuk mengonfirmasi asumsi, atau untuk menjawab pertanyaan /masalah yang muncul seperti Where exactly is the problem? and How do I find the answers

4) Alerts. Fasilitas ini biasanya dipergunakan untuk menandai secara otomatis pengukuran-pengukuran kinerja (KPI). Fungsi ini berkaitan dengan pertanyaan – pertanyaan bisnis: When should I react? and What actions are needed now? 

Feature-feature no.1 – hingga no.4 di atas adalah feature wajib yang harus ada untuk melengkapi fungsi DWH. Sementara itu seiring dengan tuntutan pengelolaan bisnis modern, maka feature-feature itu dilengkapi dengan kemampuan Analytics sebagai berikut: 

5) Statistical analysis. Berbagai macam metode statistik digunakan untuk memahami pencapaian, transaksi, pola – pola keterkaitan antara hal satu dengan lainnya. Statistical analysis answers the questions, Why is this happening? and What opportunities am I missing? 

6) Forecasting. Secara umum pengertian forecasting/peramalan adalah memahami transaksi yang telah lalu (historis) dan mencoba menggambarkan model/pola transaksinya untuk jangka waktu ke depan. Dengan tersedianya fasilitas ini dimungkinkan untuk menjawab pertanyaan seperti: What if these trends continue? How much is needed? When will it be needed? 

7) Predictive modeling. Predictive modelling adalah penerapan metode metode statistik untuk memahami kelompok- kelompok customer dan produk serta kecenderungan yang terjadi antara pelanggan dan transaksinya serta faktor-faktor yang menjadi latar belakang pelanggan. Dengan memahami kelompok – kelompok tersebut dapat ditentukan strategi pemasaran yang efisien.

8) Optimisation. Ini adalah tingkatan feature tersulit yang dapat diimplementasikan, tetapi manfaat bisnisnya adalah yang paling besar. Optimisation answers the questions, How do we do things better? and What is the best decision for a complex problem?Dengan feature ini dapat dioptimalkan kombinasi produk yang dibuat dengan memperhatikan biaya bahan baku, biaya penyimpanan serta biaya pengiriman dengan mengkaitkan harga jualnya. Hasilnya bisa berupa kombinasi produk dan jumlah yang harus diproduksi yang akan menghasilkan margin terbesar.

Manfaat visualisasi bagi pengguna:

  • Geographical maps. Data yang berbasis lokasi/tempat akan lebih mudah dipahami dengan menvisualisasikannya di atas peta. Akan sangat mudah sekali memahami kinerja suatu wilayah dan trennya ke depan dan membandingkannya dengan kinerja wilayah lain.

  • Timelines. Memvisualisasikan data berbasis waktu (time series) adalah suatu hal yang biasa apalagi jika terdapat fasilitas untuk melakukan simulasi dengan mengubah parameter yang diduga mempengaruhi data tersebut .

  • Workflow representations. Fasilitas visualisasi ini memungkinkan para pengguna dapat memahami status/progress suatu hal. Misalnya status pengiriman barang dapat dilihat sudah sampai titik mana, dan ketika tidak sesuai dengan yang dijadwalkan akan dapat diketahui statusnya ,mengapa dan siapa yang bertanggung jawab.

Bayangkan jika semua hal di atas dapat dilakukan dengan perangkat bergerak di mana saja dan kapan saja, tentu bukan hal yang mengada-ada: Tampilan indah dan sarat makna.

*Penulis adalah Kristianus Yulianto, seorang praktisi Business Analytics di Jakarta, Indonesia. 

Artikel ini merupakan bagian dari seri Business Analytics yang sebelumnya telah dimuat diMajalah InfoKomputer. InfoKomputer.com merupakan salah satu rekanan sindikasi konten dari KompasTekno.
Previous Post
Next Post

0 comments: