On-Line Analytical Processing (OLAP)

Pendahuluan
Business Intelligence dapat didefinisikan sebagai kemampuan untuk mengumpulkan data dari berbagai sumber, memproses dan menampilkannya dalam bentuk yang dapat dengan mudah dianalisis oleh orang-orang bisnis pada suatu organisasi sehingga dari hasil analisis tadi dapat dihasilkan keputusan yang lebih baik untuk organisasi tersebut. Tentunya dengan pengambilan keputusan yang baik akan membantu bisnis berkembang dengan pesat dan menjaga bisnis tetap berada pada performa terbaik.
Business Intelligence mampu mengolah data-data mentah dari berbagai resources menjadi informasi berharga untuk mengambil keputusan secara real time. Menjadi seorang pemimpin di sebuah perusahaan distributor besar dengan banyak cabang tentu tidak mudah. Apalagi setiap saat ‘diharuskan’ memonitor kinerja seluruh cabang. Setiap saat pemimpin tersebut harus mampu menjawab secara akurat berbagai pertanyaan penting seperti: Bagaimana ketersediaan barang di cabang? Bagaimana dengan penjualannya? Produk apa saja yang sedang digemari? Hingga pertanyaan tentang kinerja cabang secara keseluruhan.
Tentu semua pertanyaan itu akan sulit dijawab kalau informasi yang dibutuhkannya itu tersaji dalam format yang berbeda-beda. Misalnya, laporan quality control disajikan dengan kertas laporan (hardcopy), laporan inventori menggunakan spreadsheet, dan laporan distribusi menggunakan database sederhana.
Namun, data itu akan jauh lebih mudah tersaji kalau perusahaan dilengkapi dengan sistem teknologi informasi (TI) yang memadai. Terutama, perusahaan dilengkapi aplikasi bisnis yang mampu menyajikan data-data mentah menjadi informasi penting dari berbagai aplikasi bisnis seperti ERP (SAP, Oracle, SunSystems, Microsoft Axapta serta aplikasi lainnya).

Saat ini solusi business intelligence masih dibayang-bayangi EIS (Executive Information System) sehingga business intelligence dianggap hanya untuk pihak eksekutif saja, padahal sekarang ini business intelligence juga bisa digunakan untuk tingkat operasional dilihat dari kemampuan dalam memberikan informasi yang cepat. Misalnya saja bagian operasional sebuah pabrik dapat melihat alokasi stok bahan baku dengan cepat.
Solusi business intelligence, merupakan solusi bisnis yang sangat comprehensive, sangat mudah dalam implementasinya dan juga dapat mengintegrasikan data dari berbagai aplikasi yang berbeda yang saat ini digunakan oleh pelanggan.
Aplikasi business intelligence diperlukan perusahaan untuk mengumpulkan, menyimpan, menganalisis dan menyediakan akses ke data guna membantu penggunanya mengambil keputusan bisnis secara akurat. Aplikasi ini mencakup berbagai aktivitas seperti reporting, online analytical processing (OLAP), statistical analysis, planning, budgeting, forecasting, hingga analisa penjualan.
Selain analisa dan pembuatan laporan, solusi ini menawarkan fungsi-fungsi fleksibilitas yang dapat disesuaikan dengan kebutuhan perusahaan. Misalnya, Risk Management, Planning dan Budgeting, Balanced Scorecard, Consolidation. Data-data yang tersimpan dalam berbagai macam database bisa disajikan secara real time. Tergantung dari kebutuhan perusahaan. Dengan solusi business intelligence para pengambil keputusan secara langsung bisa mendapatkan informasi yang diperlukan kapan pun dan di mana pun berada tanpa harus menunggu divisi TI untuk mengolahnya.
Sedangkan dari sisi output, business intelligence memberikan fitur yang cepat dan informasi yang akurat. ETL (Extract Transform Load) dapat mengumpulkan data dari berbagai aplikasi sehingga report tidak lagi hanya dari satu aplikasi. Dari sisi fleksibilitas analisa dari OLAP, business intelligence memberikan informasi secara cepat sesuai dengan data yang diinginkan. Metode drill-downnya juga memungkinkan user melakukan analisa lebih mendalam, misalnya dari tingkat (level) tahun, masuk ke dalam tingkat quarter, bulan dan seterusnya.
Solusi ini membantu menampilkan indikator berdasarkan tingkat kondisi transaksi dari informasi yang diinginkan (conditional coloring). Misalnya, kantor cabang A kekurangan pasokan barang, maka di layar komputer akan terlihat tombol indikator berwarna merah. Melalui indikator tersebut, perusahaan dapat menggali informasi lebih dalam mengenai alur distribusi barang. Indikator peringatan itu juga bisa digunakan untuk memantau kinerja cabang secara keseluruhan.


Proses Business Intelligence
Seringkali sebuah organisasi menyimpan datanya dalam berbagai bentuk. Sebagian besar data disimpan di database, tapi ada juga yang disimpan dalam file excel karena struktur database-nya tidak dapat mengakomodasi data-data dalam file excel tadi. Ditambah lagi, database yang digunakan bermacam-macam. Bisa jadi dalam database legacy seperti AS/400, SAP, SQL Server dan Oracle. Tentunya keberagaman sumber data seperti ini akan menyulitkan orang-orang bisnis untuk melakukan analisis data secara cepat dan akurat.
Pada pembuatan sebuah solusi BI, data-data tadi akan diambil, dibersihkan dan distandardisasi, lalu disimpan ke dalam sebuah database yang disebut data warehouse. Proses pengambilan, pembersihan dan penyimpanan tadi dikenal dengan proses Extract, Transform, Load (ETL).
Data warehouse terdiri dari dua tipe table. Pertama adalah fact table yang menyimpan data numerik yang merupakan kunci bisnis yang akan diagregasi dan dianalisa. Dan yang kedua adalah dimension table yang mendefinisikan aspek bisnis dimana fact diagregasi. Sebagai contoh pada data penjualan, data tentang jumlah barang yang dijual dan nilai transaksi penjualan disimpan dalam fact table sementara produk dan waktu penjualan disimpan dalam dimension table.
Setelah datanya disimpan di data warehouse, kemudian data tadi akan diproses ke dalam multi dimensional database yang disebut database OLAP (Online Analytical Processing). Di dalam OLAP terdapat cube yang menyimpan summary fact dan dimension yang dapat di slice and dice untuk keperluan analysis. OLAP inilah yang nantinya dapat diakses oleh orang-orang bisnis menggunakan aplikasi BI seperti Excel, Reporting Services atau Performance Point.
Keseluruhan proses mulai dari ETL hingga ke OLAP adalah proses yang biasanya dilakukan setiap hari sekali secara otomatis, seringnya dikerjakan pada tengah malam dan selesai sebelum jam masuk kerja sehingga pada saat orang-orang bisnis tiba di kantor mereka sudah disuguhi laporan analisis dari data-data pada hari sebelumnya. Sebagai catatan, biasanya data pada database OLAP tidak bersifat realtime, tapi h-1. Hal ini dimaksudkan agar prosesnya tidak menggangu performance database OLTP yang berjalan. Selain itu juga karena untuk keperluan analisis, data yang dianalisis adalah data yang telah selesai ditransaksikan dan bukan data yang sedang ditransaksikan.
Dengan database OLAP, data yang disimpan sudah berupa hasil agregasi yang akan mempercepat waktu dan performace database. Selain itu struktur data pada database OLAP juga akan memudahkan proses pembuatan report dan analisis data.

Apa Sebenarnya OLAP?
Selama sepuluh tahun terakhir, persentase yang signifikan dari data perusahaan telah bermigrasi ke database relasional. database relasional telah digunakan besar-besaran di bidang operasi dan kontrol, dengan penekanan khusus pada proses transaksi (misalnya, kontrol proses manufaktur, perdagangan perantara).
Adalah penting untuk membedakan kemampuan sebuah Data Warehouse dari kemampuan OLAP (On-Line Analytical Processing) sistem. Berbeda dengan sebuah Data Warehouse, yang biasanya didasarkan pada teknologi relasional, OLAP menggunakan pandangan multidimensi data agregat untuk menyediakan akses cepat ke informasi strategis untuk analisa lebih lanjut.
OLAP memungkinkan analis, manajer, dan eksekutif untuk mendapatkan informasi tentang data secara cepat, konsisten, akses interaktif untuk berbagai kemungkinan pandangan informasi. OLAP mengubah data mentah sehingga mencerminkan dimensi nyata dari perusahaan sebagaimana yang dipahami oleh pengguna.
Sementara sistem OLAP memiliki kemampuan untuk menjawab "siapa?" dan "apa?" pertanyaan, itu adalah kemampuan mereka untuk menjawab "bagaimana jika?" dan "mengapa?" yang membedakan mereka dari Data Warehouse. OLAP memungkinkan pengambilan keputusan tentang tindakan di masa depan. Perhitungan OLAP lebih kompleks dari sekadar penjumlahan data, misalnya: Apa yang akan dampaknya terhadap biaya minuman ringan untuk distributor jika harga sirup naik sebesar Rp 1000/galon dan biaya transportasi turun Rp 500/Km?.
OLAP dan Data Warehouse saling melengkapi. Data Warehouse menyimpan dan mengelola data. OLAP mengubah data Data Warehouse menjadi informasi strategis. OLAP berkisar dari navigasi dasar dan browsing (sering dikenal sebagai "memilah-milah"), untuk perhitungan, untuk analisis yang lebih serius seperti time series dan pemodelan yang kompleks.

Siapa yang Menggunakan OLAP dan Mengapa?
Aplikasi OLAP menjangkau berbagai fungsi organisasi. Departemen keuangan menggunakan OLAP untuk aplikasi seperti anggaran, biaya berdasarkan aktivitas (alokasi), analisis kinerja keuangan, dan pemodelan keuangan. Analisis dan peramalan/forecasting penjualan adalah dua aplikasi OLAP yang digunakan di departemen penjualan. Di antara aplikasi lain, departemen pemasaran menggunakan analisis OLAP untuk riset pasar, peramalan penjualan, analisis promosi, analisis pelanggan, dan pasar / segmentasi pelanggan. Aplikasi OLAP untuk manufaktur meliputi perencanaan produksi dan analisis cacat (defect analysis).
Penting untuk semua aplikasi di atas adalah kemampuan untuk menyediakan informasi bagi manajer dengan informasi yang mereka butuhkan untuk membuat keputusan yang efektif tentang arah strategis organisasi. Indikator kunci sukses dari sebuah aplikasi OLAP adalah kemampuannya untuk menyediakan informasi yang diperlukan, yaitu kemampuannya untuk menyediakan "just-in-time" informasi untuk pengambilan keputusan yang efektif. Hal ini membutuhkan lebih dari tingkat dasar data rinci.

Just-in-time informasi adalah data dihitung yang biasanya mencerminkan hubungan kompleks dan sering dihitung dengan cepat. Menganalisis dan pemodelan hubungan kompleks hanya jika waktu respons secara konsisten pendek. Selain itu, karena sifat hubungan data mungkin tidak diketahui sebelumnya, model data harus fleksibel. Sebuah model data yang fleksibel yang benar-benar memastikan bahwa sistem OLAP dapat merespon perubahan kebutuhan bisnis yang diperlukan untuk pengambilan keputusan yang efektif.
Meskipun aplikasi OLAP ditemukan di daerah fungsional yang sangat beragam, mereka semua memerlukan fitur utama sebagai berikut:
•Multidimensional dilihat dari data
•Perhitungan kemampuan-intensif
•Waktu intelijen


Multidimensional Views

Multidimensi views menyediakan lebih dari kemampuan untuk "memilah-milah", ia menyediakan landasan untuk pemrosesan analitis melalui akses fleksibel untuk informasi. Desain database yang tidak seharusnya mengurangi operasi dapat dilakukan pada dimensi atau seberapa cepat operasi mereka dilakukan. Manajer harus mampu menganalisis data melalui dimensi apapun, pada setiap tingkat agregasi, dengan fungsionalitas yang sama dan mudah. perangkat lunak OLAP harus mendukung pandangan data ini dengan cara alami dan responsif, isolasi pengguna informasi dari sintaks query yang kompleks. Para manajer tidak harus memahami layout table yang kompleks, table layout yang rumit, dan tabel ringkasan (summary table).
OLAP Council APB-1 melakukan tes benchmark kinerja kemampuan server untuk memberikan pandangan yang multidimensi dari data dengan query yang diperlukan dari berbagai kompleksitas dan lingkup data. Dasar agregasi dilakukan pada beberapa dimensi (produk, pelanggan, dan saluran), perhitungan yang lebih kompleks dilakukan pada dimensi lain. Dimensi peengukuran menghitung rasio dan rata-rata. Varians dihitung sepanjang dimensi skenario. Sebuah model kompleks berdasarkan kinerja historis digunakan untuk menghitung perkiraan skenario. Respon cepat secara konsisten untuk jenis-jenis query merupakan kunci untuk membangun kemampuan server untuk menyediakan pandangan multidimensi informasi.

Kompleks Perhitungan
Uji nyata dari database OLAP adalah kemampuannya untuk melakukan perhitungan rumit. OLAP database harus mampu melakukan lebih dari agregasi sederhana. Sementara agregasi sepanjang hirarki adalah penting, ada lebih banyak analisis dari data roll-up sederhana. Contoh perhitungan yang lebih kompleks termasuk perhitungan saham (persentase dari total) dan alokasi (yang menggunakan hierarki dari perspektif top-down).
Indikator kinerja utama yang terlibat seringkali membutuhkan persamaan aljabar. Peramalan penjualan menggunakan algoritma tren seperti bergerak dan pertumbuhan rata-rata persentase. Menganalisis penjualan dan promosi suatu perusahaan dan pesaingnya membutuhkan pemodelan hubungan yang kompleks antara pemain. Dunia nyata adalah rumit - kemampuan untuk model hubungan yang kompleks adalah kunci dalam aplikasi pemrosesan analitis.
Perangkat lunak OLAP harus menyediakan tool kit kaya metode komputasi kuat namun ringkas. Untuk membuat pengembang lebih efisien dan pengguna bisnis yang lebih mandiri, diperlukan metode komputasi yang jelas dan non-prosedural. Jika metode untuk membuat perhitungan yang diinginkan tidak jelas, waktu pengembangan dan / atau penggunaan akan sangat lama. Jika metode perhitungan prosedural, perubahan sistem tidak dapat dilakukan pada waktu yang tepat.
Sedangkan sistem pengolahan transaksi dinilai pada kemampuan mereka untuk mengumpulkan dan mengelola data, sistem pengolahan analisis dijustifikasi pada kemampuan mereka untuk menciptakan informasi dari data.

Waktu Intelijen
Waktu adalah komponen yang tidak terpisahkan dari hampir semua aplikasi analitis. Waktu adalah dimensi yang unik karena sekuensial dalam karakter (Januari selalu datang sebelum Februari). OLAP sistem memahami sifat berurutan waktu. Kinerja hampir selalu dinilai dari waktu ke waktu, misalnya, bulan ini vs bulan lalu, bulan ini vs bulan yang sama tahun lalu.
Hirarki waktu tidak selalu digunakan dalam cara yang sama seperti hirarki lainnya. Misalnya, seorang manajer mungkin meminta untuk melihat penjualan bulan Mei atau penjualan selama lima bulan pertama pada tahun 2010. Manajer yang sama juga bisa meminta untuk melihat penjualan kemeja biru tapi tidak akan pernah meminta untuk melihat penjualan selama lima kemeja pertama. Konsep-konsep seperti year-to-date dan periode selama periode perbandingan harus mudah didefinisikan dalam suatu sistem OLAP.
Selain itu, sistem OLAP harus memahami konsep saldo dari waktu ke waktu. Sebagai contoh, jika sebuah perusahaan menjual 10 kemeja di bulan Januari, lima kemeja pada bulan Februari, dan 10 kemeja di bulan Maret, maka saldo yang terjual untuk kuartal adalah 25 shirt. Jika, di sisi lain, perusahaan memiliki jumlah 10 karyawan pada bulan Januari, hanya lima karyawan pada Februari, dan 10 karyawan lagi di bulan Maret, apa yang kepala SDM perusahaan hitung untuk setiapvkuartal? Kebanyakan perusahaan akan menggunakan saldo rata-rata. Dalam kasus kas, sebagian besar perusahaan menggunakan saldo akhir.

Manfaat OLAP
Kesuksesan implementasi aplikasi OLAP meningkatkan produktivitas manajer bisnis, pengembang, dan organisasi secara keseluruhan. Fleksibilitas yang melekat dari sistem OLAP berarti pengguna bisnis aplikasi OLAP dapat menjadi lebih mandiri. OLAP memungkinkan manajer untuk memodelkan masalah yang tidak mungkin dilakukan dengan menggunakan sistem yang kurang fleksibel dengan waktu tanggapan yang panjang dan tidak konsisten.
Pengembang TI juga mendapat keuntungan dari penggunaan perangkat lunak OLAP dengan benar. Dengan menggunakan perangkat lunak yang khusus dirancang untuk OLAP, pengembang dapat mengirimkan aplikasi untuk pengguna bisnis lebih cepat, menyediakan layanan yang lebih baik. pengiriman cepat aplikasi juga mengurangi backlog aplikasi.
OLAP mengurangi backlog aplikasi dengan membuat pengguna bisnis mampu untuk membangun model mereka sendiri. Namun, tidak seperti aplikasi standalone departemen yang berjalan di jaringan PC, aplikasi OLAP tergantung pada Data Warehouse dan sistem pengolahan transaksi untuk memperbarui source level data. data.
TI juga menyadari operasi lebih efisien melalui OLAP. Dengan menggunakan software yang dirancang untuk OLAP, IT mengurangi hambatan permintaan dan lalu lintas jaringan pada sistem transaksi atau Data Warehouse.

Penutup
Dengan menyediakan kemampuan untuk memodelkan masalah-masalah bisnis yang nyata dan lebih efisien atas penggunaan sumber daya manusia, OLAP memungkinkan organisasi secara keseluruhan untuk merespon lebih cepat terhadap permintaan pasar. Pasar responsif, pada gilirannya, sering menghasilkan peningkatan pendapatan dan profitabilitas.