Pemodelan Data dengan DAX - Konsep
Business Intelligence (BI) menjadi semakin penting di beberapa bidang dan organisasi. Pengambilan keputusan dan prakiraan berdasarkan data historis telah menjadi penting dalam dunia persaingan yang terus berkembang. Ada sejumlah besar data yang tersedia baik secara internal maupun eksternal dari sumber yang beragam untuk semua jenis analisis data.
Namun, tantangannya adalah mengekstrak data yang relevan dari data besar yang tersedia sesuai dengan kebutuhan saat ini, dan menyimpannya dengan cara yang ramah untuk memproyeksikan wawasan yang berbeda dari data tersebut. Model data yang diperoleh dengan penggunaan istilah bisnis utama adalah alat komunikasi yang berharga. Model data juga perlu menyediakan cara cepat untuk menghasilkan laporan sesuai kebutuhan.
Pemodelan data untuk sistem BI memungkinkan Anda memenuhi banyak tantangan data.
Prasyarat untuk Model Data untuk BI
Model data untuk BI harus memenuhi persyaratan bisnis yang analisis datanya sedang dilakukan. Berikut adalah dasar-dasar minimum yang harus dipenuhi model data apa pun -
Model data harus Business Specific
Model data yang cocok untuk satu lini bisnis mungkin tidak cocok untuk lini bisnis yang berbeda. Oleh karena itu, model data harus dikembangkan berdasarkan bisnis tertentu, istilah bisnis yang digunakan, tipe data, dan hubungannya. Ini harus didasarkan pada tujuan dan jenis keputusan yang dibuat dalam organisasi.
Model data harus memiliki Intelijen bawaan
Model data harus mencakup kecerdasan bawaan melalui metadata, hierarki, dan warisan yang memfasilitasi proses Intelijen Bisnis yang efisien dan efektif. Dengan ini, Anda akan dapat menyediakan platform umum untuk pengguna yang berbeda, menghilangkan pengulangan proses.
Model data harus Kuat
Model data harus secara tepat menyajikan data yang spesifik untuk bisnis. Ini harus memungkinkan penyimpanan disk dan memori yang efektif untuk memfasilitasi pemrosesan dan pelaporan yang cepat.
Model data harus Skalabel
Model data harus dapat mengakomodasi skenario bisnis yang berubah dengan cepat dan efisien. Data baru atau tipe data baru mungkin harus disertakan. Penyegaran data mungkin harus ditangani secara efektif.
Pemodelan Data untuk BI
Pemodelan data untuk BI terdiri dari langkah-langkah berikut -
- Membentuk data
- Memuat data
- Mendefinisikan hubungan antar tabel
- Mendefinisikan tipe data
- Membuat wawasan data baru
Membentuk Data
Data yang dibutuhkan untuk membangun model data dapat berasal dari berbagai sumber dan dapat dalam format yang berbeda. Anda perlu menentukan bagian mana dari data dari masing-masing sumber data ini yang diperlukan untuk analisis data tertentu. Ini disebut Shaping the Data.
Misalnya, jika Anda mengambil data semua karyawan di sebuah organisasi, Anda perlu memutuskan detail apa dari setiap karyawan yang relevan dengan konteks saat ini. Dengan kata lain, Anda perlu menentukan kolom mana dari tabel karyawan yang perlu diimpor. Hal ini dikarenakan, semakin sedikit jumlah kolom dalam sebuah tabel pada model data, semakin cepat pula penghitungan pada tabel tersebut.
Memuat Data
Anda perlu memuat data yang diidentifikasi - tabel data dengan kolom yang dipilih di setiap tabel.
Mendefinisikan Hubungan Antar Tabel
Selanjutnya, Anda perlu mendefinisikan hubungan logis antara berbagai tabel yang memfasilitasi penggabungan data dari tabel tersebut, yaitu jika Anda memiliki tabel - Produk - berisi data tentang produk dan tabel - Penjualan - dengan berbagai transaksi penjualan produk, dengan mendefinisikan hubungan antara dua tabel, Anda dapat meringkas penjualan, produk yang bijaksana.
Mendefinisikan Tipe Data
Mengidentifikasi tipe data yang sesuai untuk data dalam model data sangat penting untuk akurasi penghitungan. Untuk setiap kolom di setiap tabel yang telah Anda impor, Anda perlu menentukan tipe datanya. Misalnya tipe data teks, tipe data bilangan real, tipe data integer, dll.
Membuat Wawasan Data Baru
Ini adalah langkah penting dalam pemodelan tanggal bagi BI. Model data yang dibangun mungkin harus dibagikan kepada beberapa orang yang perlu memahami tren data dan membuat keputusan yang diperlukan dalam waktu yang sangat singkat. Karenanya, membuat wawasan data baru dari data sumber akan efektif, menghindari pengerjaan ulang pada analisis.
Data insights baru tersebut dapat berupa metadata yang dapat dengan mudah dipahami dan digunakan oleh pelaku bisnis tertentu.
Analisis data
Setelah model data siap, data dapat dianalisis sesuai kebutuhan. Penyajian hasil analisis juga merupakan langkah penting karena keputusan akan diambil berdasarkan laporan.