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.
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.
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.
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.
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?
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.
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.
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.
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.
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.
What is your secret to making money from slots?
BalasHapusHow to make money in slot machine game? · One of the easiest things to do 바카라 to งานออนไลน์ get started is to learn how to · 2. Find a 바카라 new favorite. · 3. Find the best slot machines for you. · 4. Find the best table