BI Architecture (Business Intelligence Architecture) adalah kerangka kerja yang digunakan untuk merancang dan membangun sistem Business Intelligence (BI) dalam organisasi. BI Architecture terdiri dari berbagai komponen yang saling bekerja sama untuk mengumpulkan, memproses, menganalisis, dan menyajikan data yang berguna bagi pengambil keputusan dalam organisasi.

 

Gambar 1. Business Intelligence Architecture(1)

   

Gambar 2. Komponen Utama Dalam Business Intelligence 

 

Merujuk pada gambar di atas kecerdasan bisnis terdiri dari beberapa komponen utama.

1. Data Source Pada tahapan pertama pada BI perlu adanya data yang terkumpul dan terintegrasi dari berbagai sumber. Baik internal atau eksternal, dari penyimpanan data utama maupun data secondary dan dalam bentuk dan format yang berbeda.
2. Data Warehouses dan data marts
   Berikutnya tempat berkumpulnya data yang akan dijadikan sebagai bahan analisis pada BI. Proses pengumpulan data dari data source kedalam datawarehouse dikenal dengan nama extract, transform, load (ETL). Data yang telah terkumpul dari beberapa sumber dan terkumpul didalam datawarehouse dan data marts siap untuk dianalisis dan diambil insight-nya.  Data mart adalah sistem yang mengumpulkan semua data yang diperlukan oleh departemen tertentu dalam suatu perusahaan, seperti pemasaran atau logistik, untuk tujuan melakukan analisis BI dan melaksanakan aplikasi pendukung keputusan khusus untuk fungsi itu sendiri. Oleh karena itu, data mart dapat dianggap sebagai gudang data fungsional atau departemen dengan ukuran lebih kecil dan tipe yang lebih spesifik dibandingkan gudang data perusahaan secara keseluruhan.
3. Business Intelligence methodoloies and Data Exploration
   Data yang sudah terkumpul kemudian dianalisis menggunakan permodelan matematika dan statistik yang diimplementasikan kedalam sistem pendukung keputusan.
4. Data Mining
   Data mining dalam business intelligence digunakan untuk mengefektifkan bisnis perusahaan dengan cara mengekstraksi data sehingga menghasilkan  informasi yang membantu pengambilan keputusan secara tepat. Pengambilan keputusan secara tepat inilah yang menjadi aktivitas dalam  business intelligence (BI).
5. Optimization
   Optimasi merupakan model yang memungkinkan pengambil keputusan memilih alternatif berdasarkan data yang tersaji. Alternatif yang diambil tentu merupakan solusi yang dianggap terbaik dari beberapa solusi yang ada.
6. Decission 
   Terakhir adalah pengambilan keputusan.. perlu diingat disini bahwa pengambilan keputusan tetap berada ditangan para decission maker. Sistem hanya sebagai pendukung dalam pengambilan keputusan saja.  

BUSINESS INTEELIGENCE LIFE CYCLE

 

Gambar 3. Business Intelligence Life Cycle

 

Business Intelligence (BI) life cycle adalah serangkaian langkah atau tahapan dalam proses pengembangan dan implementasi solusi BI di dalam sebuah perusahaan atau organisasi. dari gambar BI Life Cycle diatas dapat dijelaskan sebagai berikut:

1. Analysis
   Tahapan ini diperlukan untuk mengurai permasalahan yang ada. Didalamnya mencakup perencanaan, seperti menentukan strategi BI, mengidentifikasi kebutuhan bisnis, merencanakan sumberdaya sampai kepada proses pengumpulan data.
2. Insight
   pada fase ini pengambil keputusan mencoba mendapatkan wawasan dari data yang terkumpul
3. Decision 
   Pada fase ketiga ini, pengetahuan yang diperoleh sebagai hasil dari fase wawasan diubah menjadi keputusan dan selanjutnya menjadi tindakan.
4. Evaluation
   Terakhir, fase keempat dari BI Life cycle ini melibatkan pengukuran dan evaluasi kinerja dari keseluruhan fase.  

DATA WAREHOUSE

Seperti namanya tentu data warehouse merupakan gudang tempat berkumpulnya semua data dalam rangka pengembangan arsitektur BI. Ada 3 kategori data yang dapat

dikumpulkan dalam data warehouse.

1. Data Internal
   Data internal sebagian besar disimpan dalam database, yang disebut sebagai sistem transaksional atau sistem operasional, yang merupakan data penting dan utama dalam sistem informasi perusahaan atau organisasi. Data internal dikumpulkan melalui aplikasi transaksional yang secara rutin mengatur operasional perusahaan, seperti administrasi, akuntansi, produksi, dan logistik. Kumpulan aplikasi perangkat lunak transaksional ini disebut Enterprise Resource Plannig (ERP) atau sistem Perencanaan Sumber daya Perusahaan. Data yang disimpan dalam sistem operasional biasanya berhubungan dengan entitas utama yang terlibat dalam proses perusahaan, seperti pelanggan, produk, penjualan, karyawan, dan pemasok. Data ini biasanya berasal dari berbagai komponen sistem informasi sebagai berikut

• • sistem back-office, sistem ini yang mengumpulkan catatan transaksi dasar seperti pesanan, faktur, inventaris, data produksi dan logistik;
• • sistem front-office, sistem yang menglola data yang berasal dari aktivitas call-center, bantuan pelanggan (customer asistance), dan sistem yang berhubungan dengan pemasaran;
  • Web-based Systems, sistem yang mengumpulkan transaksi penjualan di situs e-commerce, pengunjung website, data yang tersedia pada formulir yang diisi oleh pelanggan lama dan calon pelanggan.

2. Data External
   Data External digunakan untuk memperkaya data internal yang ada. Contoh data external mungkin bisa didapat dari organisasi pemerintahan atau organisasi terpercaya. Seperti data yang dapat diambil dari web badan pusat statistik, dan lainnya.
3. Data Personal
   Dalam beberapa contoh kasus, pengambil keputusan yang melakukan analisis BI, juga mengandalkan informasi dan penilaian pribadi yang disimpan di dalam lembar kerja (worksheet, seperti MS.Excel) atau database lokal yang terletak di komputer mereka.

 

Gambar 4. Data Warehouse Architectures

ETL [Etract, Trasnform, Load]

ETL mengacu pada alat atau perangkat lunak yang dikhususkan untuk menjalankan tiga fungsi utama secara otomatis yaitu ekstraksi, transformasi, dan load data ke dalam data warehouse atau datamart. Extract (Ekstraksi): Pada tahap ini, data diambil dari berbagai sumber, seperti database operasional, file Excel, atau sumber data eksternal lainnya. Proses ini mencakup pengidentifikasian dan ekstraksi data yang diperlukan untuk analisis lebih lanjut. Transform (Transformasi): Setelah data diekstraksi, tahap transformasi melibatkan pembersihan, penggabungan, dan pengubahsuaian format data agar sesuai dengan kebutuhan penyimpanan dan analisis di data warehouse. Transformasi juga melibatkan penghapusan data yang tidak relevan atau tidak akurat, serta penggabungan data dari beberapa sumber ke dalam format yang konsisten. Load (Pemuatan): Pada tahap ini, data yang telah diekstraksi dan diubah kemudian dimuat ke dalam data warehouse. Data dimuat ke dalam tabel atau struktur penyimpanan data yang telah dirancang sebelumnya untuk mendukung analisis yang efisien.

Proses ETL sangat penting karena membantu memastikan bahwa data yang masuk ke dalam data warehouse bersih, terstruktur, dan siap untuk dianalisis. Ini memungkinkan organisasi untuk memiliki sumber data yang konsisten dan dapat diandalkan untuk mendukung pengambilan keputusan. Selain itu, ETL juga dapat melibatkan transformasi data yang lebih kompleks, seperti penghitungan agregat, pembuatan dimensi waktu, atau penggabungan data dari sumber yang berbeda. Semua langkah ini dirancang untuk meningkatkan kualitas dan ketergunaan data di dalam lingkungan data warehouse.  

OLAP

OLAP adalah singkatan dari Online Analytical Processing, sebuah pendekatan dalam teknologi informasi yang digunakan untuk menggali dan menganalisis data dari berbagai sudut pandang. Sistem OLAP dirancang untuk menyediakan akses cepat dan interaktif ke data bisnis yang terkumpul. OLAP biasanya digunakan dalam konteks data warehouse, di mana data bisnis terkumpul dan disusun sedemikian rupa agar dapat dioptimalkan untuk analisis OLAP. Teknologi ini membantu organisasi dalam pengambilan keputusan, perencanaan, dan analisis strategis. Terminologi "OLAP" dapat merujuk pada dua konsep yang terkait tetapi sedikit berbeda:

1. OLAP sebagai Model Analisis: Secara umum, OLAP merujuk pada model analisis data multidimensional. Ini tidak selalu terkait dengan satu sistem perangkat lunak tertentu. Konsep OLAP mencakup cara data diorganisir dan diakses dalam tampilan multidimensional untuk analisis yang lebih baik.
2. OLAP sebagai Perangkat Lunak atau Sistem: Sebaliknya, OLAP juga dapat merujuk pada perangkat lunak atau sistem yang mengimplementasikan model analisis OLAP. Contohnya adalah Microsoft Excel dengan fitur PivotTable, Microsoft SQL Server Analysis Services, IBM Cognos, dan banyak lagi. Sistem ini dirancang khusus untuk mendukung analisis OLAP dan menyediakan antarmuka yang memudahkan pengguna untuk menjelajahi dan menganalisis data multidimensional.

Jadi, bisa dikatakan bahwa OLAP bisa merujuk pada konsep atau model analisis, dan juga pada implementasi perangkat lunak atau sistem yang menggunakan model ini untuk menyajikan dan menganalisis data secara efisien.

Kesimpulan

Business Intelligence (BI) Architecture adalah kerangka kerja yang terdiri dari beberapa komponen utama seperti sumber data (internal, eksternal, dan personal), data warehouse dan data mart, metodologi BI dan eksplorasi data, data mining, optimasi, hingga pengambilan keputusan. Proses ini dimulai dari pengumpulan dan integrasi data menggunakan ETL (Extract, Transform, Load), penyimpanan dalam data warehouse, analisis dengan OLAP, hingga penyajian hasil untuk mendukung keputusan bisnis. Siklus BI terdiri dari tahap analisis, insight, keputusan, dan evaluasi, yang semuanya bertujuan untuk menghasilkan keputusan bisnis yang lebih tepat berbasis data yang bersih, terstruktur, dan relevan.