Pertemuan-2

1. Pertemuan-2

2. Pengantar Data Warehouse dan OLAP

3. Agenda Pengertian data warehouse Model data multidimensi • • Operasi­operasi dalam OLAP Arsitektur data warehouse Kegunaan data warehouse • • •

4. Apa itu Data Warehousing? • Data warehouse adalah koleksi dari data yang  subject­oriented, terintegrasi, time­variant, dan  nonvolatile, dalam mendukung proses pembuatan  keputusan. • Sering diintegrasikan dengan berbagai sistem  aplikasi untuk mendukung pemrosesan informasi  dan analisis data dengan menyediakan platform  untuk historical data. • Data warehousing: proses konstruksi dan  penggunaan data warehouse.

5. Data warehouse ­­ subject oriented • Data warehouse diorganisasikan di seputar subjek­ subjek utama seperti customer, produk, sales. • Fokus pada pemodelan dan analisis data untuk  pembuatan keputusan, bukan pada operasi harian  atau pemrosesan transaksi.  • Menyediakan sebuah tinjauan sederhana dan ringkas   seputar subjek tertentu dengan tidak  mengikutsertakan data yang tidak berguna dalam  proses pembuatan keputusan.

6. Data warehouse ­­ subject oriented • Subjek • Aplikasi

7. Data warehouse ­­ terintegrasi • Dikonstruksi dengan mengintegrasikan banyak  sumber data yang heterogen.  – relational database, flat file, on­line transaction  record • Teknik data cleaning dan data integration  digunakan – Untuk menjamin konsistensi dalam konvensi­ konvensi penamaan, struktur pengkodean, ukuran­ ukuran atribut dll diantara sumber data yang  berbeda.   • Contoh: Hotel price: currency, tax, breakfast  covered, dll. – Data dikonversi ketika dipindahkan ke warehouse.

8. Data warehouse ­­ terintegrasi

9. Data warehouse ­­ terintegrasi Data perlu distandarkan :

10. Data Warehouse—Time Variant • Data disimpan untuk menyediakan  informasi dari perspektif historical, contoh  5­10 tahun yang lalu. • Struktur kunci dalam data warehouse – Mengandung sebuah elemen waktu, baik secara  ekspisit atau secara implisit.  – Tetapi kunci dari data operasional bisa  mengandung elemen waktu atau tidak.

11. Data Warehouse — Non­Volatile • Data warehouse adalah penyimpanan data yang  terpisah secara fisik yang ditransformasikan dari  lingkungan operasional. • Data warehouse tidak memerlukan pemrosesan  transaksi, recovery dan mekanisme kontrol  konkurensi.  • Biasanya hanya memerlukan dua operasi dalam  pengaksesan data, yaitu initial loading of data dan  access of data.

12. Data Warehouse — Non­Volatile

13. OLAP (on­line analitical processing) • OLAP adalah operasi basis data untuk  mendapatkan data dalam bentuk kesimpulan  dengan menggunakan agregasi sebagai  mekanisme utama.  • Ada 3 tipe: – Relational OLAP (ROLAP): – Multidimensional OLAP (MOLAP)  – Hybrid OLAP (HOLAP)  membagi data antara tabel  relasional dan tempat penyimpanan khusus. 

14. Data Warehouse vs. Operational DBMS • OLTP (on­line transaction processing) – Major task of traditional relational DBMS – Day­to­day operations: purchasing, inventory, banking,  manufacturing, payroll, registration, accounting, etc. • OLAP (on­line analytical processing) – Major task of data warehouse system – Data analysis and decision making • Distinct features (OLTP vs. OLAP): – User and system orientation: customer vs. market – Data contents: current, detailed vs. historical, consolidated – Database design: ER + application vs. star + subject – View: current, local vs. evolutionary, integrated – Access patterns: update vs. read­only but complex queries

15. OLTP vs. OLAP OLTP  OLAP  users  function  DB design  data  usage  access  unit of work  # records accessed  #users  DB size  clerk, IT professional  day to day operations  application­oriented  current, up­to­date  detailed, flat relational  isolated  repetitive  read/write  index/hash on prim. key  short, simple transaction  tens  thousands  100MB­GB  knowledge worker  decision support  subject­oriented  historical,   summarized, multidimensional  integrated, consolidated  ad­hoc  lots of scans  complex query  millions  hundreds  100GB­TB 

16. Dari tabel dan spreadsheet  ke Kubus Data • Data warehouse didasarkan pada model data multidimensional,  dimana data dipandang dalam bentuk kubus data • Kubus data, seperti sales, memungkinkan data dipandang dan  dimodelkan dalam banyak dimensi – Tabel dimensi, seperti item (item_name, brand, type), or time(day, week,  month, quarter, year)  – Tabel fakta mengandung measures (seperti dollars_sold) dan merupakan  kunci untuk setiap tabel­tabel dimensi terkait. n­D base cube dinamakan base cuboid. 0­D cuboid merupakan  cuboid pada level paling tinggi, yang menampung ringkasan data dalan  level paling tinggi, dinamakan apex cuboid. Lattice dari cuboid­cuboid  membentuk sebuah data cube. •

17. Cube: A Lattice of  Cuboids all 0­D(apex) cuboid time item location supplier 1­D cuboids time,item time,location item,location location,supplier 2­D cuboids time,supplier item,supplier time,location,supplier time,item,location 3­D cuboids item,location,supplier time,item,supplier 4­D(base) cuboid time, item, location, supplier

18. Pemodelan Konseptual Data Warehouse • Star schema: Sebuah tabel fakta di tengah­tengah  dihubungkan dengan sekumpulan tabel­tabel dimensi.  • Snowflake schema:  perbaikan dari skema star ketika  hirarki dimensional dinormalisasi ke dalam sekumpulan  tabel­tabel dimensi yang lebih kecil • Fact constellations:  Beberapa tabel fakta dihubungkan ke  tabel­tabel dimensi yang sama, dipandang sebagai  kumpulan dari skema star, sehingga dinamakan skema  galaksi atau fact constellation. 

19. Contoh Skema Star time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Measures item item_key item_name brand type supplier_type location location_key street city province_or_street country Sales Fact Table            time_key               item_key            branch_key          location_key             units_sold          dollars_sold              avg_sales

20. Contoh skema Snowflake time time_key day day_of_the_week month quarter year item item_key item_name brand type supplier_key supplier supplier_key supplier_type Sales Fact Table            time_key               item_key            branch_key          location_key             units_sold          dollars_sold              avg_sales location location_key street city_key branch branch_key branch_name branch_type Measures city city_key city province_or_street country

21. Contoh Fact Constellation time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Measures item item_key item_name brand type supplier_type location location_key street city province_or_street country Shipping Fact Table time_key          item_key      shipper_key   from_location       to_location      dollars_cost    units_shipped shipper shipper_key shipper_name location_key shipper_type Sales Fact Table time_key          item_key       branch_key     location_key         units_sold      dollars_sold          avg_sales

22. Hirarki Konsep: Dimensi (Lokasi) all all Europe ... North_America region Germany ... Spain Canada ... Mexico country Vancouver ... city Frankfurt ... Toronto L. Chan ... M. Wind office

23. Tampilan datawarehouse dan  hirarki Specification of hierarchies • Schema hierarchy day < {month < quarter;  week} < year • Set_grouping hierarchy {1..10} < inexpensive

24. Data Multidimensional • Sales volume sebagai fungsi dari product,  month, dan region Dimension: Product, Location, Time Hierarchical summarization paths on gi Industry   Region         Year Category   Country  Quarter Re Product Product      City     Month    Week                    Office         Day Month

25. Contoh Kubus Data Total annual sales of  TV in U.S.A. U.S.A Canada Date 3Qtr 2Qtr sum 1Qtr 4Qtr t TV PC VCR sum uc od Pr Country Mexico sum

26. Cuboid yang terkait dengan  kubus all 0­D(apex) cuboid country product product,date date product,country 1­D cuboids date, country 2­D cuboids 3­D(base) cuboid product, date, country

27. Browsing kubus data • Visualization • OLAP capabilities • Interactive manipulation

28. Operasi­operasi OLAP Roll up (drill­up): summarize data • – by climbing up hierarchy or by dimension reduction Drill down (roll down): reverse of roll­up • – from higher level summary to lower level summary or detailed  data, or introducing new dimensions Slice and dice:  • – project and select  Pivot (rotate):  • – reorient the cube, visualization, 3D to series of 2D planes.

29. Operasi­operasi OLAP ContohTabel Pivoting

30. HierarkiDimensiuntuk Roll-up/Drill-down

31. Rancangan Data Warehouse: Business  Analysis Framework • Four views regarding the design of a data warehouse  – Top­down view • memungkinkan pemilihan informasi yang relevan yang diperlukan untuk data warehouse – Data source view • memperlihatkan informasi yang diambil, disimpan, dan  dikelola oleh sistem operasional – Data warehouse view • terdiri dari tabel fakta dan tabel dimensi – Business query view  • melihat perspektif data di gudangdari sudut pandang pengguna akhir

32. Proses Perancangan Data Warehouse • Top­down, bottom­up approaches or a combination of both – Top­down: Starts with overall design and planning (mature) – Bottom­up: Starts with experiments and prototypes (rapid) • From software engineering point of view – Waterfall: structured and systematic analysis at each step before  proceeding to the next – Spiral:  rapid generation of increasingly functional systems, short  turn around time, quick turn around • Typical data warehouse design process – Choose a business process to model, e.g., orders, invoices, etc. – Choose the grain (atomic level of data) of the business process – Choose the dimensions that will apply to each fact table record – Choose the measure that will populate each fact table record

33. Multi­Tiered Architecture Monitor & Integrator Data Warehouse OLAP Server Serve Metadata Extract Transform Load Refresh other source s Operational DBs Analysis Query Reports Data mining Data Marts Data Sources Data Storage OLAP Engine Front­End Tools

34. Data Warehouse Back­End Tools and  Utilities • Data extraction: – get data from multiple, heterogeneous, and external sources • Data cleaning: – detect errors in the data and rectify them when possible • Data transformation: – convert data from legacy or host format to warehouse format • Load: – sort, summarize, consolidate, compute views, check integrity,  and build indicies and partitions • Refresh – propagate the updates from the data sources to the warehouse

35. Three Data Warehouse  Models • Enterprise warehouse – collects all of the information about subjects spanning the entire  organization • Data Mart – a subset of corporate­wide data that is of value to a specific  groups of users.  Its scope is confined to specific, selected  groups, such as marketing data mart • Independent vs. dependent (directly from warehouse) data mart • Virtual warehouse – A set of views over operational databases – Only some of the possible summary views may be materialized

36. Data Warehouse Development: A  Recommended Approach Multi­Tier Data  Warehouse Distributed  Data Marts Enterprise  Data  Warehouse Data  Mart Data  Mart Model refinement Model refinement Define a high­level corporate data model

37. OLAP Server Architectures • Relational OLAP (ROLAP)  – Use relational or extended­relational DBMS to store and manage  warehouse data and OLAP middle ware to support missing pieces – Include optimization of DBMS backend, implementation of  aggregation navigation logic, and additional tools and services – greater scalability • Multidimensional OLAP (MOLAP)  – Array­based multidimensional storage engine (sparse matrix  techniques) – fast indexing to pre­computed summarized data • Hybrid OLAP (HOLAP) – User flexibility, e.g.,  low level: relational, high­level: array • Specialized SQL servers – specialized support for SQL queries over star/snowflake schemas

38. Data Warehouse Usage • Three kinds of data warehouse applications – Information processing • supports querying, basic statistical analysis, and reporting  using crosstabs, tables, charts and graphs – Analytical processing • multidimensional analysis of data warehouse data • supports basic OLAP operations, slice­dice, drilling,  pivoting – Data mining • knowledge discovery from hidden patterns  • supports associations, constructing analytical models,  performing classification and prediction, and presenting the  mining results using visualization tools. • Differences among the three tasks

39. From On­Line Analytical Processing  to On Line Analytical Mining (OLAM) • Why online analytical mining? – High quality of data in data warehouses • DW contains integrated, consistent, cleaned data – Available information processing structure surrounding data  warehouses • ODBC, OLEDB, Web accessing, service facilities, reporting  and OLAP tools – OLAP­based exploratory data analysis • mining with drilling, dicing, pivoting, etc. – On­line selection of data mining functions • integration and swapping of multiple mining functions,  algorithms, and tasks. • Architecture of OLAM

40. An OLAM Architecture Mining query User GUI API OLAM Engine Data Cube API Mining result OLAP Engine Layer4 User Interface Layer3 OLAP/OLAM Layer2 MDDB Layer1 Data  Repository MDDB Meta  Data Database API Filtering Data cleaning Data  Data integration Warehouse Filtering&Integration Databases

41. Referensi • Data Mining: Concepts and Techniques by Jiawei  Han and Micheline Kamber, 2001 • Introduction to Data Mining by Tan, Steinbach,  Kumar, 2004