Integritas DBMS, Data Warehouse dan Data Mining dalam Bisnis

RDBMS(Relational Database Management System)

Contoh yang akan digunakan adalah Grosir Kamera digital untuk mengetahui pola perilaku konsumen, sekmentasi pasar, dan prediksi dan tren penjualan kedepan.

Sebuah sistem database DBMS terdiri dari tabel-tabel dibentuk secara unik dan saling terkait atau relasi antar tabel. Setiap tabel terdiri dari satu set atribut field(kolom) dan  menyimpan satu set catatan record, setiap record data dalam databasee relational merupakan object yang di buat suatu kunci unik (primery key) dan untuk satu kunci untuk relasi data tabel yang dinamakan Foreign Key. Contoh perangkat lunak DBMS diantaranya SQL Sever, MySQL, Firebird, Oracle dsb. DBMS dapat diakses dengan bahasa query database SQL ( stucture Query Leaguage) atau dengan bantuan antar muka grid table. Query dalam database merupakan bahasa yang digunakan untuk melayani request yang diberikan seperti operasi join, seleksi, pengelompokan data, sum(), count(), max(), min(), avg(). Melalui SQL ini data-data yang ada dalam database bisa diolah.

Data Warehouse

Gudang data (Data Warehouse) merupakan gudang informasi yang dikumpulkan dari berbagai sumber yang bersifat subject-oriented, terintegrasi, time varian, dan nonvolatile. Data warehouse dibangun melalui proses pembersihan data , integrasi data, ekstaksi dan transformasi, setelah tranformasi dilakukan data tersebut dimasukan ke dalam data warehouse. Dalam data warehouse proses analisis data dilakukan dengan OLAP (Online Analitical Processing). Yaitu teknik analisis dengan fungsi seperti summarization, konsolidasi, dan agergasi, analisi multidimensional secara interaktif memungkinkan precomputation dan cepat mengakses data ringkas cube (kubus Data). Contoh data warehouse sebuah kubus data penjualan kubus memiliki tiga dimensi alamat (Jakarta, Surabaya, Malang, Jogyakarta), waktu(dengan Quartal Q1, Q2, Q3, Q4) dan item dengan jenis item(Kamera SLR, Kamera D-SLR, Kamera Pocket) nilai yang disimpan dari agergat setiap sel kubus total jumlah penjualan kamera berdasarkan 4 wilayah kantor cabang misal untuk melihat penjualan dalam quartal pertama Q1 untuk kamera perkelompok item perwilayah kantor cabang. Kubus kemungkinan digunakan juga untuk melihat jumlah total penjualan per wilayah dan Quartal. Olah mempunyai fungsi build in drill-down, drill-up memungkinkan untuk melihat data pada derajat yang berbeda contoh melihat hasil penjualan pada ringkasan quartal pertama Q1 dengan melihat data dirangkum oleh bulan."Data warehouse merupakan sebuah alat bantu untuk mendukung anasisis data bisnis sebagai penunjang proses pendukung keputusan" akan tetapi, data warehouse masih membutuhkan alat bantu untuk pertambangan data yang lebih mendalam untuk mendukung kemajuan bisnis perusahaan.

Tugas Data Mining

Data mining dapat diklasifikasikan dalam 2 kategori deskriptif dan prediktif. Tugas data mining deskriptif menjabarkan sifat dari data dalam databases. Tugas data mining prediktif melakukan inferensi pada data saat untuk membuat prediksi. Data mining merupakan gabungan dari berbagai bidang disiplin ilmu "iterdisipliner" diantaranya database, statistik, pembelajaran mesin, visualisasi dan ilmu informasi. Dengan banyaknya data dalam sistem database meliputi kegiatan transaksional penjualan kamera digital. Dengan menngunakan contoh transaksi penjualan kamera digital diatas maka,  antara database, datawarehouse dan data mining memiliki  hubungan saling terkait. Hubungan keterkaiatan tersebut terlihat pada pengumpulan ekstraksi data transaksional kedalam data warehouse dan ekstaksi data dari data warehouse yang digunakan sebagai alat analisis bisnis. Proses ektaksi data pada data mining dapat dilakukan dengan cara memanfaatkan data warehouse. melakukan ektranski  data dengan menggunakan data warehouse membutuhkan waktu relatif lebih cepat sebab, data yang digunakan data warehouse sudah teratur atau bebas dari "anomali data" dimana ekstaksi data akan digali nilai informasi yang ada pada data. Contoh apa nilai informasi yang akan ditemukan dari penggalian data penjualan kamera dengan menggunakan data mining angine. data mining engine merupakan modul-modul data mining yang disusun secara fungsional untuk tugas-tugas analisa data mining seperti mengenali pola karaterisasi data, asosiasi dan korelasi, klasifikasi prediksi, analisis klaster, analisa outliner, dan evolusi analisis. Dengan data mining angine maka dapat digunakan untuk melihat jenis pola yang ditemukan dalam data mining.

Macam-macam Pola data yang menarik dihasilkan dari penerapan algoritma data mining serbagai contoh data transaksi " Penjualan kamera digital berdasarkan merek, lokasi, harga,target omset, prediksi tren penjualan"
 

hasil ekstaksi data mining pada penjualan kamera digital
hasil ekstraksi pola data yang menarik pada penjualan kamera digital dari beberapa merk seperti SONY, Fuji,KODAK,CANON,NIKON,SAMSUNG,PANASONIC. Data mining dapat digunakan sebagai pendeteksian  penyimpangan penjualan kamera digital seperti item penjualan kamera cenderung menurun dibandingkan dengan tahun tahun sebelumnya. Penyimpangan tersebut kemudian dapat digunakan sebagai parameter analisa bisnis untuk mengetahui faktor-faktor penurunan item penjualan kamera digital.sebagai contoh setelah ditelusuri ternyata penurunan penjualan kamera disebabkan berkurangnya  promo diskon, model-model kamera sudah ketinggalan jaman, kenaikan harga kamera digital cenderung meningkat, harga jual pesaing yang kompetif, jumlah pesaing semakin banyak. Beberapa contoh hasil pemanfaatan data mining pada penjualan kamera diantaranya:

1.  Kecenderungan pelanggan membeli kamera berdasarkan merk dan spesifikasi kamera yang diminati pada periode satu tahun atau seberapa sering pelanggan membeli kamera dalam satu tahun.
2. Cara mengetahui item barang yang sering dibeli bersama dalam transaksi pembeilan kamera digital yang sama sebagai contoh jika pelanggan membeli kamera DSLR Canon EOS 60D maka ada kencedungan untuk membeli memory dan flasdisk.
3. Cara mengetahui tren harga kamera digital DSLR berdasaarkan kategori merk yang  menunjukan grafik pertumbuhan secara signifikan
4. Cara mengetahui kelompok spesifikasi kamera DSLR  yang paling banyak diminati pembeli
5. Cara mengetahui peristiwa menarik yang langka dalam penjualan kamera digital misalnya penjualan kamera DSLR cenderung meningkat pada saat musim liburan sekolah, libur hari raya, dan musim pernikahan
6. cara mengetahui perbandingan omset penjualan kamera DSLR berdasarkan zona lokasi geografis antar cabang perusahaan