Apa yang dimaksud dengan pemrosesan analitis online?
Pemrosesan analitik online (OLAP) adalah teknologi perangkat lunak yang dapat Anda gunakan untuk menganalisis data bisnis dari sudut pandang yang berbeda. Organisasi mengumpulkan dan menyimpan data dari berbagai sumber data, seperti situs web, aplikasi, smart meter, dan sistem internal. OLAP menggabungkan dan mengelompokkan data ini ke dalam kategori untuk memberikan wawasan yang dapat ditindaklanjuti untuk perencanaan strategis. Misalnya, pengecer menyimpan data tentang semua produk yang dijualnya, seperti warna, ukuran, biaya, dan lokasi. Pengecer juga mengumpulkan data pembelian pelanggan, seperti nama barang yang dipesan dan total nilai penjualan, dalam sistem yang berbeda. OLAP menggabungkan kumpulan data untuk menjawab pertanyaan seperti produk warna mana yang lebih populer atau bagaimana penempatan produk berdampak pada penjualan.
Mengapa OLAP penting?
Pemrosesan analitis online (OLAP) membantu organisasi memproses dan mendapatkan manfaat dari makin banyaknya informasi digital. Beberapa manfaat OLAP meliputi hal berikut.
Pengambilan keputusan lebih cepat
Bisnis menggunakan OLAP untuk mengambil keputusan yang cepat dan akurat agar tetap kompetitif dalam ekonomi yang serbacepat. Melakukan kueri analitis di beberapa basis data relasional sangat memakan waktu karena sistem komputer mencari di beberapa tabel data. Di sisi lain, sistem OLAP menghitung dan mengintegrasikan data sehingga analis bisnis dapat menghasilkan laporan lebih cepat jika diperlukan.
Dukungan pengguna nonteknis
Sistem OLAP membuat analisis data yang kompleks lebih mudah bagi pengguna bisnis nonteknis. Pengguna bisnis dapat membuat perhitungan analitis yang kompleks dan menghasilkan laporan tanpa perlu mempelajari cara mengoperasikan basis data.
Tampilan data terintegrasi
OLAP menyediakan platform terpadu untuk pemasaran, keuangan, produksi, dan unit bisnis lainnya. Manajer dan pengambil keputusan dapat melihat gambaran yang lebih besar dan memecahkan masalah dengan efektif. Mereka dapat melakukan analisis what-if, yang menunjukkan dampak keputusan yang diambil oleh satu departemen di area bisnis lainnya.
Apa itu arsitektur OLAP?
Sistem pemrosesan analitik online (OLAP) menyimpan data multidimensi dengan menunjukkan informasi dalam lebih dari dua dimensi, atau kategori. Data dua dimensi melibatkan kolom dan baris, tetapi data multidimensi memiliki beberapa karakteristik. Misalnya, data multidimensi untuk penjualan produk mungkin terdiri dari dimensi berikut:
- Tipe produk
- Lokasi
- Waktu
Rekayasawan data membangun sistem OLAP multidimensi yang terdiri dari elemen-elemen berikut.
Gudang data
Gudang data mengumpulkan informasi dari berbagai sumber, termasuk aplikasi, file, dan basis data. Ini memproses informasi menggunakan berbagai alat sehingga data siap untuk tujuan analitis. Misalnya, gudang data mungkin mengumpulkan informasi dari basis data relasional yang menyimpan data dalam tabel baris dan kolom.
Alat ETL
Alat extract, transform, and load (ETL) adalah proses basis data yang secara otomatis mengambil, mengubah, dan menyiapkan data ke format yang sesuai untuk tujuan analitis. Gudang data menggunakan ETL untuk mengonversi dan menstandardisasi informasi dari berbagai sumber sebelum membuatnya tersedia untuk alat OLAP.
Server OLAP
Server OLAP adalah mesin yang mendasari yang memberdayakan sistem OLAP. Server ini menggunakan alat ETL untuk mentransformasikan informasi dalam basis data relasional dan mempersiapkannya untuk operasional OLAP.
Basis data OLAP
Basis data OLAP adalah basis data terpisah yang terhubung ke gudang data. Rekayasawan data terkadang menggunakan basis data OLAP untuk mencegah gudang data dibebani oleh analisis OLAP. Mereka juga menggunakan basis data OLAP untuk memudahkan dalam membuat model data OLAP.
Kubus OLAP
Sebuah kubus data adalah model yang mewakili larik multidimensi informasi. Meski lebih mudah untuk memvisualisasikannya sebagai model data tiga dimensi, sebagian besar kubus data memiliki lebih dari tiga dimensi. Kubus OLAP, atau hypercube, adalah istilah untuk kubus data dalam sistem OLAP. Kubus OLAP kaku karena Anda tidak dapat mengubah dimensi dan data yang mendasarinya setelah Anda memodelnya. Misalnya, jika Anda menambahkan dimensi gudang ke kubus dengan dimensi produk, lokasi, dan waktu, Anda harus memodel ulang seluruh kubus.
Alat analitik OLAP
Analis bisnis menggunakan alat OLAP untuk berinteraksi dengan kubus OLAP. Mereka melakukan operasi seperti slicing, dicing, dan pivoting untuk mendapatkan wawasan yang lebih mendalam tentang informasi spesifik dalam kubus OLAP.
Bagaimana cara kerja OLAP?
Bagaimana cara kerja OLAP?
Online analytical processing (sistem pemrosesan analitis online/OLAP) bekerja dengan mengumpulkan, menata, mengagregatkan, dan menganalisis data menggunakan langkah-langkah berikut:
- Server OLAP mengumpulkan data dari berbagai sumber data, termasuk basis data relasional dan gudang data.
- Kemudian, alat extract, transform, and load (ETL) membersihkan, mengagregatkan, menghitung di awal, dan menyimpan data dalam kubus OLAP sesuai jumlah dimensi yang ditentukan.
- Analis bisnis menggunakan alat OLAP untuk mengkueri dan menghasilkan laporan dari data multidimensional di kubus OLAP.
OLAP menggunakan Multidimensional Expressions (Ekspresi Multidimensional/MDX) untuk kueri kubus OLAP. MDX adalah kueri, seperti SQL, yang menyediakan satu set instruksi untuk memanipulasi basis data.
Apa saja tipe-tipe OLAP?
Sistem pemrosesan analitis online (OLAP) beroperasi dalam tiga cara utama.
MOLAP
Pemrosesan analitis online multidimensi (MOLAP) melibatkan pembuatan kubus data yang merepresentasikan data multidimensi dari gudang data. Sistem MOLAP menyimpan data yang dihitung di awal di hypercube. Rekayasawan data menggunakan MOLAP karena tipe teknologi OLAP ini memberikan analisis cepat.
ROLAP
Sebagai ganti menggunakan kubus data, relasional online analytical processing (pemrosesan analitis online relasional/ROLAP) memungkinkan rekyasawan data melakukan analisis data multidimensi di basis data relasional. Dengan kata lain, rekayasawan menggunakan kueri SQL untuk mencari dan mengambil informasi spesifik berdasarkan dimensi yang diperlukan. ROLAP cocok untuk menganalisis data yang luas dan terperinci. Namun, performa kueri ROLAP lamban jika dibandingkan dengan MOLAP.
HOLAP
Hybrid online analytical processing (pemrosesan analitis online hybrid/HOLAP) menggabungkan MOLAP dan ROLAP untuk memberikan yang terbaik dari kedua arsitektur tersebut. HOLAP memungkinkan rekayasawan data dengen cepat mengambil hasil analitis dari kubus data dan mengekstrasi informasi terperinci dari basis data relasional.
Apa yang dimaksud dengan pemodelan data di OLAP?
Pemodelan data adalah representasi data di gudang data atau basis data pemrosesan analitis online (OLAP). Pemodelan data sangat penting dalam pemrosesan analitis online relasional (ROLAP) karena menganalisis data langsung dari basis data relasional. Pemodelan ini menyimpan data multidimensi sebagai skema bintang atau kepingan salju.
Skema bintang
Skema bintang terdiri dari tabel fakta dan beberapa tabel dimensi. Tabel fakta adalah tabel data yang berisi nilai numerik yang terkait dengan proses bisnis, dan tabel dimensi berisi nilai-nilai yang menggambarkan setiap atribut dalam tabel fakta. Tabel fakta mengacu pada tabel dimensi dengan kunci asing—pengidentifikasi unik yang berkorelasi dengan informasi masing-masing dalam tabel dimensi.
Dalam skema bintang, tabel fakta menghubungkan ke beberapa tabel dimensi sehingga model data terlihat seperti bintang. Berikut adalah contoh tabel fakta untuk penjualan produk:
- ID Produk
- ID Lokasi
- ID Tenaga Penjualan
- Nilai penjualan
ID produk memberi tahu sistem basis data untuk mengambil informasi dari tabel dimensi produk, yang mungkin terlihat sebagai berikut:
- ID Produk
- Nama produk
- Tipe produk
- Biaya produk
Demikian juga, ID lokasi menunjuk ke tabel dimensi lokasi, yang dapat terdiri dari hal berikut:
- ID Lokasi
- Negara
- Kota
Tabel petugas penjualan mungkin terlihat sebagai berikut:
- ID Tenaga Penjualan
- Nama depan
- Nama belakang
Skema kepingan salju
Skema kepingan salju adalah perpanjangan dari skema bintang. Beberapa tabel dimensi mungkin mengarah ke satu atau lebih tabel dimensi sekunder. Ini menghasilkan bentuk kepingan salju seperti saat tabel dimensi disatukan.
Misalnya, tabel dimensi produk mungkin berisi bidang-bidang berikut:
- ID Produk
- Nama produk
- ID tipe produk
- Biaya produk
ID tipe produk terhubung ke tabel dimensi lain seperti yang ditunjukkan dalam contoh berikut:
- ID tipe produk
- Ketik nama
- Versi
- Varian
Apa itu operasi OLAP?
Analis bisnis melakukan beberapa operasi analitis dasar dengan kubus multidimensional online analytical processing (pemrosesan analitis online multidimensi/MOLAP).
Agregasi
Dalam agregasi, sistem pemrosesan analitis online (OLAP) merangkum data untuk atribut tertentu. Dengan kata lain, ini menunjukkan data yang kurang detail. Misalnya, Anda mungkin melihat penjualan produk menurut New York, California, London, dan Tokyo. Operasi agregasi akan memberikan tampilan data penjualan menurut negara, seperti AS, Inggris, dan Jepang.
Penelusuran
Penelusuran adalah kebalikan dari operasi agregasi. Analis bisnis bergerak ke bawah dalam hierarki konsep dan mengekstraksi detail yang mereka butuhkan. Misalnya, mereka dapat beralih dari melihat data penjualan per tahun ke memvisualisasikannya menurut bulan.
Slice
Rekayasawan data menggunakan operasi slice untuk membuat tampilan dua dimensi dari kubus OLAP. Misalnya, kubus MOLAP menyortir data menurut produk, kota, dan bulan. Dengan mengiris kubus, rekayasawan data dapat membuat tabel seperti spreadsheet yang terdiri dari produk dan kota untuk bulan tertentu.
Dice
Rekayasawan data menggunakan operasi dice untuk membuat subkubus yang lebih kecil dari kubus OLAP. Mereka menentukan dimensi yang dibutuhkan dan membangun kubus yang lebih kecil dari hypercube asli.
Pivot
Operasi pivot melibatkan memutar kubus OLAP di sepanjang salah satu dimensinya untuk mendapatkan perspektif yang berbeda di model data multidimensi. Misalnya, kubus OLAP tiga dimensi memiliki dimensi berikut di sumbu masing-masing:
- Sumbu X—produk
- Sumbu Y—lokasi
- Sumbu Z—waktu
Setelah pivot, kubus OLAP memiliki konfigurasi berikut:
- Sumbu X—lokasi
- Sumbu Y—waktu
- Sumbu Z—produk
Bagaimana OLAP dibandingkan dengan metode analisis data lainnya?
Penambangan data
Penambangan data adalah teknologi analitik yang memproses data historis dalam volume besar untuk menemukan pola dan wawasan. Analis bisnis menggunakan alat penambangan data untuk menemukan hubungan dalam data dan membuat prediksi tren masa depan yang akurat.
OLAP dan penambangan data
Pemrosesan analitis online (OLAP) adalah teknologi analisis basis data yang melibatkan mengkueri, mengkestraksi, dan mempelajari data yang dirangkum. Di sisi lain, penggalian data melibatkan melihat secara saksama ke dalam informasi yang belum diproses. Misalnya, tenaga pemasaran dapat menggunakan alat penambangan data untuk menganalisis perilaku pengguna dari catatan setiap kunjungan situs web. Mereka kemudian dapat menggunakan perangkat lunak OLAP untuk memeriksa perilaku tersebut dari berbagai sudut, seperti durasi, perangkat, negara, bahasa, dan tipe browser.
OLTP
Pemrosesan transaksi online (OLTP) adalah teknologi data yang menyimpan informasi dengan cepat dan andal dalam basis data. Rekayasawan data menggunakan alat OLTP untuk menyimpan data transaksional, seperti catatan keuangan, langganan layanan, dan umpan balik pelanggan, dalam basis data relasional. Sistem OLTP melibatkan pembuatan, memperbarui, dan menghapus catatan dalam tabel relasional.
OLAP dan OLTP
OLTP sangat bagus untuk menangani dan menyimpan beberapa aliran transaksi dalam basis data. Namun, opsi ini tidak dapat melakukan kueri kompleks dari basis data. Oleh karena itu, analis bisnis menggunakan sistem OLAP untuk menganalisis data multidimensi. Misalnya, ilmuwan data menghubungkan basis data OLTP ke kubus OLAP berbasis cloud untuk melakukan kueri intensif komputasi di data historis.
Bagaimana AWS membantu OLAP?
Basis data AWS menyediakan berbagai basis data cloud terkelola untuk membantu organisasi menyimpan dan melakukan operasi pemrosesan analitis online (OLAP). Analis data menggunakan basis data AWS untuk membangun basis data aman yang selaras dengan persyaratan organisasi mereka. Organisasi memigrasikan data bisnis mereka ke basis data AWS karena keterjangkauan dan skalabilitasnya.
- Amazon Redshift adalah gudang data cloud yang dirancang khusus untuk pemrosesan analitis online.
- Amazon Relational Database Service (Amazon RDS) adalah basis data relasional dengan fungsionalitas OLAP. Rekayasawan data menggunakan Amazon RDS dengan Oracle OLAP untuk melakukan kueri kompleks di kubus dimensi.
- Amazon Aurora adalah basis data relasional cloud yang kompatibel dengan MySQL dan PostgreSQL. Basis data ini dioptimalkan untuk menjalankan beban kerja OLAP kompleks.
Mulai menggunakan OLAP di AWS dengan membuat akun AWS sekarang juga.
