Managers often focus on only a few key activities, called critical success factors (CSFS), that greatly

influence the firm's success or failure. By focusing on CSFS, management ensures that it spends its time
on the things that really count. The ability of a firm to develop effective information systems is a CSF.

The transaction processing system processes data that describe the firnm's daily operations. This
processing produces a database that is used by other systems within the firm. The transaction process-
ing system of a firm that is in the distribution business (e., a manufacturer, wholesaler, or retailer)
processes customer sales orders, orders replenishment stock, and maintains a general ledger.

Other information system in the firm are intended to support organizational units. For exmple, the
marketing information system hurnan resources information system, manufacturing Information system
and financial information system are tailored to the information needs of those business areas, end the
executive intormation system recognizes the unique information needs of users on the top
orgarnizational level.

Athough the databases of tho transaction processing system and the orginizational system have great
value, they tail short when users want an extended history of a certain actvity. This need his produce an
application that is currently very popular--customer relationship management or CRM. The data needs of
CRM are so great that an innovative type of storage is required data warehouse. Warehouse data
accumulate over time, and the data can be retrieved quickly for use in decision making. A special type of
software, called OLAP (tor on-line analytical processing) has been developed to provide intormation to
data warehouse users in a multidimensional form. An interesting feature of data warehousing is that
software can recognize patterns in the data that are unknown to the users. This type of data mining is
called knowledge discovery.

Manajer sering fokus hanya pada beberapa kegiatan utama, yang disebut faktor keberhasilan kritis
(CSFS), yang sangat memengaruhi keberhasilan atau kegagalan perusahaan. Dengan berfokus pada CSFS,
manajemen memastikan bahwa ia menghabiskan waktunya untuk hal-hal yang benar-benar
diperhitungkan. Kemampuan perusahaan untuk mengembangkan sistem informasi yang efektif adalah
CSF.

Sistem pemrosesan transaksi memproses data yang menggambarkan operasi harian firnm. Pemrosesan
ini menghasilkan database yang digunakan oleh sistem lain dalam perusahaan. Sistem proses transaksi
perusahaan yang ada dalam bisnis distribusi (mis., Pabrikan, grosir, atau pengecer) memproses pesanan
penjualan pelanggan, memesan stok pengisian ulang, dan mengelola buku besar.

Sistem informasi lain di perusahaan dimaksudkan untuk mendukung unit organisasi. Sebagai contoh,
sistem informasi pemasaran sistem informasi sumber daya hurnan, sistem informasi pabrikan dan sistem
informasi keuangan disesuaikan dengan kebutuhan informasi di area bisnis tersebut, pada akhirnya
sistem intormasi eksekutif mengakui kebutuhan informasi unik dari pengguna di tingkat organisasi
puncak.
Meskipun basis data dari sistem pemrosesan transaksi dan sistem orginizasional memiliki nilai yang
besar, mereka mengalami kekurangan ketika pengguna menginginkan sejarah panjang dari suatu
aktivitas tertentu. Ini membutuhkannya menghasilkan aplikasi yang saat ini sangat populer - manajemen
hubungan pelanggan atau CRM. Kebutuhan data CRM sedemikian besar sehingga diperlukan suatu tipe
penyimpanan inovatif dari data warehouse. Data gudang terakumulasi dari waktu ke waktu, dan data
dapat diambil dengan cepat untuk digunakan dalam pengambilan keputusan. Jenis khusus perangkat
lunak, yang disebut OLAP (untuk pemrosesan analitik on-line) telah dikembangkan untuk menyediakan
intormasi kepada pengguna data warehouse dalam bentuk multidimensi. Fitur menarik dari
pergudangan data adalah bahwa perangkat lunak dapat mengenali pola dalam data yang tidak diketahui
pengguna. Jenis data mining ini disebut penemuan pengetahuan.

INFORMATION AS A CRITICAL SUCCESS FACTOR

In 1961, D. Ronald Daniel of McKinsey & Company, one of the nation's largest consulting companies,
coined the term critical success factor (CSF). He determined that a few key activities spell success or
failure for any type of organization. The key activities are the CSFS, and they can vary from one type of
organization to another. For example, in the automobile indus- try the CSFs are believed to be styling, an
efficient dealer network. and tight control of manu fncturing costs. In the insurance industry, the CSFs
are identified as development of ageney management personnel. control of clerical personnel. and
innovation in creating new insurance products. At least, in the early 1960s these were believed to be the
CSFs.

When a firm's management embraces the CSF concept, they focus their attention on iden tifying the
CSFs and then monitoring how well the firm achieves them.

In this text, we have recognized that information resources are a good way to achieve competitive
advantage. Firms that pursue this strategy accept that information is a valuable resource and that a good
information system is a CSF. In this chapter, we describe various types of information systems and explain
how they are used.

INFORMASI SEBAGAI FAKTOR KEBERHASILAN KRITIS

Pada tahun 1961, D. Ronald Daniel dari McKinsey & Company, salah satu perusahaan konsultan terbesar
di negara itu, menciptakan istilah faktor penentu keberhasilan (CSF). Dia menetapkan bahwa beberapa
kegiatan utama menunjukkan keberhasilan atau kegagalan untuk semua jenis organisasi. Kegiatan utama
adalah CSFS, dan mereka dapat bervariasi dari satu jenis organisasi ke yang lain. Misalnya, dalam industri
mobil CSF diyakini sebagai gaya, jaringan dealer yang efisien. dan kontrol yang ketat atas biaya produksi.
Dalam industri asuransi, CSF diidentifikasi sebagai pengembangan personel manajemen ageney. kontrol
personil kependetaan. dan inovasi dalam menciptakan produk asuransi baru. Setidaknya, pada awal
1960-an ini diyakini sebagai CSF.
Ketika manajemen perusahaan merangkul konsep CSF, mereka memusatkan perhatian mereka pada
mengidentifikasi CSF dan kemudian memantau seberapa baik perusahaan mencapai mereka.

Dalam teks ini, kami telah mengakui bahwa sumber daya informasi adalah cara yang baik untuk
mencapai keunggulan kompetitif. Perusahaan yang mengejar strategi ini menerima bahwa informasi
adalah sumber daya yang berharga dan bahwa sistem informasi yang baik adalah CSF. Dalam bab ini,
kami menjelaskan berbagai jenis sistem informasi dan menjelaskan bagaimana mereka digunakan.

THE TRANSACTION PROCESSING SYSTEM

The term transaction processing system is used to describe the information system that gathers data
describing the firm's activities, transforms the data into information, and makes the information
available to users both inside and outside the firm. This was the first business application to be installed
on computers when they were introduced in the 1950s. The terms electronic data processing (EDP)
system and accounting information system have also heen used, but they are not as popular today.

Figure 8.1 is a model of a transaction processing system. The model is a derivation of the general systems
model of the firm that we described in Chapter 2. The input, transformation and output elements of the
physical system of the firm are at the bottom. Data are gathered from throughout the physical system
and the environment and entered into the database. Data processing software transforms the data into
information for the firm's management and for individuals and organizations in the firm's environment.

The information flow to the environment is especially important. The transaction processing system is
the only information system that has the responsibility to meet information needs outside of the firm.
The transaction processing system has a responsibility to furnish information to each environmental
element except competitors. For example, the transaction processing system provides customers with
invoices and statements, suppliers with purchase orders, and stockholders and owners with data in
annual reports.

A good example of a transaction processing system is one used by distribution firms--firms that
distribute products or services to their customers. We call such a system a distribution system. As you
study this system, it will help to think of a product-oriented firm such as a manufacturer, wholesaler,or
retailer. In addition, the distribution system can also be found in such service organizations as the United
Way and hospitals and in such governmental agencies as the military and the IRS. All organizations are in
the distribution business in one form or another. Also keep in mind that you probably cannot find a firm
that processes its data exactly the same way as deseribed here, Our model is a general one, fitting most
firms in a general way.

SISTEM PENGOLAHAN TRANSAKSI

Istilah sistem pemrosesan transaksi digunakan untuk menggambarkan sistem informasi yang
mengumpulkan data yang menggambarkan aktivitas perusahaan, mengubah data menjadi informasi, dan
membuat informasi tersedia bagi pengguna baik di dalam maupun di luar perusahaan. Ini adalah aplikasi
bisnis pertama yang diinstal pada komputer ketika diperkenalkan pada 1950-an. Istilah sistem
pemrosesan data elektronik (EDP) dan sistem informasi akuntansi juga telah digunakan, tetapi mereka
tidak sepopuler hari ini.

Gambar 8.1 adalah model dari sistem pemrosesan transaksi. Model ini merupakan derivasi dari model
sistem umum perusahaan yang kami jelaskan di Bab 2. Unsur-unsur input, transformasi, dan output dari
sistem fisik perusahaan berada di bagian bawah. Data dikumpulkan dari seluruh sistem fisik dan
lingkungan dan dimasukkan ke dalam database. Perangkat lunak pemrosesan data mengubah data
menjadi informasi untuk manajemen perusahaan dan untuk individu dan organisasi di lingkungan
perusahaan.

Aliran informasi ke lingkungan sangat penting. Sistem pemrosesan transaksi adalah satu-satunya sistem
informasi yang memiliki tanggung jawab untuk memenuhi kebutuhan informasi di luar perusahaan.
Sistem pemrosesan transaksi memiliki tanggung jawab untuk memberikan informasi kepada setiap
elemen lingkungan kecuali pesaing. Sebagai contoh, sistem pemrosesan transaksi memberi pelanggan
dengan faktur dan pernyataan, pemasok dengan pesanan pembelian, dan pemegang saham dan pemilik
dengan data dalam laporan tahunan.

Contoh yang baik dari sistem pemrosesan transaksi adalah yang digunakan oleh perusahaan distribusi -
perusahaan yang mendistribusikan produk atau layanan kepada pelanggan mereka. Kami menyebut
sistem semacam itu sistem distribusi. Ketika Anda mempelajari sistem ini, itu akan membantu untuk
memikirkan perusahaan yang berorientasi produk seperti produsen, grosir, atau pengecer. Selain itu,
sistem distribusi juga dapat ditemukan di organisasi layanan seperti United Way dan rumah sakit dan di
lembaga pemerintah seperti militer dan IRS. Semua organisasi berada dalam bisnis distribusi dalam satu
bentuk atau lainnya. Juga perlu diingat bahwa Anda mungkin tidak dapat menemukan perusahaan yang
memproses datanya dengan cara yang persis sama seperti yang dideklarasikan di sini, Model kami adalah
yang umum, menyesuaikan sebagian besar perusahaan dengan cara yang umum.

System Overview

We will use data flow diagrams, or DFDS, to document the system. We described DFDS in Chapter 7.They
document a system in a hierarchical manner, and the diagram in Figure 8.2 represents the highest level.
The diagram is called a context diagram because it presents the system in the context of its environment.

The entire system is represented by the rectangle labeled "Distribution system" in the center. The
environmental elements that interface with the system are represented by rectangles and are connected
to the system by arrows called data flows.
The environmental elements of the distribution system include customers, suppliers, the materials
stockroom, and management. The data flows that connect the firm with its customers are quite similar
to the flows that connect the firm with its suppliers. That is because the firm a customer of its supplier.
The orders that the firm receives from its customers are called sales orders, whereas the orders that the
firm places to its suppliers are called purchase orders. In some cases, the firm will first obtain
commitments from its suppliers before the purchase orders are prepared. The firm may send rejected
sales order notices to its customers-perhaps their credit rating is bad. Although suppliers also send
rejected purchase order notices to the firm, we have omitted that flow for the sake of simplicity. Both
the firm and its suppliers use invoices to advise customers how much money they owe and statements
to collect unpaid bills Finally, both the firm and its customers must make payments for their purchases.

The data flows from the distribution system to management consist of the standard accounting reports.

All but two of the data flows in Figure 8.2 consist of virtual resources. The two exceptions include the
one from the suppliers to the system. labeled shipments, and the one from the system to the materials
stockroom, labeled stock. Data flows can reflect both virtual and physical resources.

Ikhtisar Sistem

Kami akan menggunakan diagram aliran data, atau DFDS, untuk mendokumentasikan sistem. Kami
menggambarkan DFDS di Bab 7.Mereka mendokumentasikan suatu sistem dengan cara hierarkis, dan
diagram pada Gambar 8.2 mewakili level tertinggi. Diagram ini disebut diagram konteks karena
menyajikan sistem dalam konteks lingkungannya.

Seluruh sistem diwakili oleh persegi panjang berlabel "Sistem distribusi" di tengah. Elemen lingkungan
yang berinteraksi dengan sistem diwakili oleh persegi panjang dan terhubung ke sistem dengan panah
yang disebut data flow.

Elemen lingkungan dari sistem distribusi termasuk pelanggan, pemasok, ruang penyimpanan bahan, dan
manajemen. Aliran data yang menghubungkan perusahaan dengan pelanggannya sangat mirip dengan
aliran yang menghubungkan perusahaan dengan pemasoknya. Itu karena perusahaan merupakan
pelanggan dari pemasoknya. Pesanan yang diterima perusahaan dari pelanggannya disebut pesanan
penjualan, sedangkan pesanan yang ditempatkan perusahaan kepada pemasoknya disebut pesanan
pembelian. Dalam beberapa kasus, perusahaan akan terlebih dahulu mendapatkan komitmen dari
pemasoknya sebelum pesanan pembelian disiapkan. Perusahaan dapat mengirim pemberitahuan
pesanan penjualan yang ditolak kepada pelanggannya - mungkin peringkat kredit mereka buruk.
Meskipun pemasok juga mengirim pemberitahuan pesanan pembelian yang ditolak ke perusahaan, kami
telah menghilangkan aliran itu demi kesederhanaan. Baik perusahaan dan pemasoknya menggunakan
faktur untuk memberi tahu pelanggan berapa banyak uang yang mereka miliki dan pernyataan untuk
menagih tagihan yang belum dibayar Akhirnya, perusahaan dan pelanggannya harus melakukan
pembayaran untuk pembelian mereka.
Data mengalir dari sistem distribusi ke manajemen terdiri dari laporan akuntansi standar.

Semua kecuali dua aliran data pada Gambar 8.2 terdiri dari sumber daya virtual. Dua pengecualian
termasuk yang dari pemasok ke sistem. pengiriman berlabel, dan satu dari sistem ke ruang stok bahan,
stok berlabel. Aliran data dapat mencerminkan sumber daya virtual dan fisik.

The Major Subsystems of the Distribution System

The context diagram is fine for defining the boundary of the system-the environmental elements and the
interfaces. However, we need to learn more about the processes that are performed. We accomplish this
by identifying the three major subsystems in Figure 8.3 in a Figure 0 diagram. An explanation of the term
Figure 0 diagram follows.

The subsystems are identified by the numbered upright rectangles in Figure 8.3. The first subsystem is
concerned with filling customer orders, the second with ordering replenishment stock from suppliers,
and the third with maintaining the firm's general ledger.

Subsistem Utama Sistem Distribusi

Diagram konteks baik untuk mendefinisikan batas sistem-elemen lingkungan dan antarmuka. Namun,
kita perlu belajar lebih banyak tentang proses yang dilakukan. Kami mencapai ini dengan
mengidentifikasi tiga subsistem utama pada Gambar 8.3 dalam diagram Gambar 0. Penjelasan istilah
Gambar 0 diagram berikut.

Subsistem diidentifikasi oleh persegi panjang tegak lurus bernomor dalam Gambar 8.3. Subsistem
pertama berkaitan dengan mengisi pesanan pelanggan, yang kedua dengan memesan stok pengisian
ulang dari pemasok, dan yang ketiga dengan mempertahankan buku besar perusahaan.

Systems that Fill Customer Orders

Figure 8.4 shows the four main systems that are involved in filling customer orders: order entry,
inventory, billing, and accounts receivable. The order entry system enters customer orders into the
system, the inventory system maintains the inventory records, the billing sys tem prepares the customer
invoices, and the accounts receivable system collects the money from the customers.

Figure 8.4 is an explosion of Process I in the Figure 0 diagram. For this reason, it is called a Figure 1
diagram. The figure number refers to the corresponding process number on the next higher level DFD.
Now we can explain how the name Figure 0 diagram was derived. Because the context diagram consists
of only a single, unnumbered process symbol, there is no figure number to reference and the next lower
level DFD is called a Figure 0 diagram.
You will notice that some of the arrows are connected to small circles with numbers in them. The circles
are connectors that establish flows to other DFDs. The numbers identify the sysiem numbers of the other
DFDS. For example, the data flow labeled receivables ledger data is connected to Process 3, which is the
process that maintains the general ledger.

Sistem yang Mengisi Pesanan Pelanggan

Gambar 8.4 menunjukkan empat sistem utama yang terlibat dalam mengisi pesanan pelanggan: entri
pesanan, inventaris, tagihan, dan piutang. Sistem entri pesanan memasukkan pesanan pelanggan ke
dalam sistem, sistem persediaan menyimpan catatan persediaan, sistem penagihan mempersiapkan
faktur pelanggan, dan sistem piutang dagang mengumpulkan uang dari pelanggan.

Gambar 8.4 adalah ledakan Proses I dalam diagram Gambar 0. Untuk alasan ini, ini disebut diagram
Gambar 1. Angka angka mengacu pada nomor proses yang sesuai pada DFD tingkat yang lebih tinggi
berikutnya. Sekarang kita bisa menjelaskan bagaimana diagram Gambar 0 diturunkan. Karena diagram
konteks hanya terdiri dari simbol proses tunggal, tidak bernomor, tidak ada nomor gambar untuk
referensi dan DFD tingkat bawah berikutnya disebut diagram Gambar 0.

Anda akan melihat bahwa beberapa panah terhubung ke lingkaran kecil dengan angka di dalamnya.
Lingkaran adalah konektor yang menetapkan aliran ke DFD lain. Angka-angka mengidentifikasi nomor
sysiem dari DFDS lainnya. Misalnya, aliran data yang berlabel data ledger piutang terhubung ke Proses 3,
yang merupakan proses yang memelihara buku besar umum.

Systems that Order Replenishment Stock

In a similar manner, we identify the subsystems that are concerned with ordering replenishment stock
from suppliers. This detail is shown in Figure 8.5, and it is called a Figure 2 diagram. The purchasing
system issues purchase orders to suppliers for the needed stock, the receiving system receives the stock,
and the accounts payable system makes payments.

Two subsystems are involved. The update general ledger system posts the records that describe the
various actions and transactions to the general ledger. The prepare management reports system uses the
contents of the general ledger to prepare the balance sheet and income statement and other reports.

Unlike previous DFDs, Figure 8.6 includes a data store--the DFD term for a relatively permanent data
storage repository, such as a master file or a history file. The store is illustrated by an open-ended
rectangle and labeled with the name general ledger.

Sistem yang Memesan Stok Pengisian Ulang

Dengan cara yang sama, kami mengidentifikasi subsistem yang berkaitan dengan pemesanan stok
pengisian ulang dari pemasok. Detail ini ditunjukkan pada Gambar 8.5, dan itu disebut diagram Gambar
2. Sistem pembelian mengeluarkan pesanan pembelian kepada pemasok untuk stok yang dibutuhkan,
sistem penerima menerima stok, dan sistem hutang dagang melakukan pembayaran.

Dua subsistem terlibat. Pembaruan sistem buku besar memposting catatan yang menjelaskan berbagai
tindakan dan transaksi ke buku besar. Sistem laporan manajemen menyiapkan menggunakan isi buku
besar untuk menyiapkan neraca dan laporan laba rugi dan laporan lainnya.

Tidak seperti DFD sebelumnya, Gambar 8.6 mencakup penyimpanan data - istilah DFD untuk repositori
penyimpanan data yang relatif permanen, seperti file master atau file histori. Toko diilustrasikan oleh
sebuah persegi panjang terbuka dan diberi label dengan nama buku besar umum.

Putting the Transaction Processing System in Perspective

It was no accident that the transaction processing system was the first information system to be
computerized. In addition to being the best understood application area, it serves as the foundation for
all other applications. The foundation exists in the form of the database, which documents everything of
importance that the firm does in performing its operations and interfacing with its environment.

Menempatkan Sistem Pemrosesan Transaksi dalam Perspektif

Bukan kebetulan bahwa sistem pemrosesan transaksi adalah sistem informasi pertama yang
terkomputerisasi. Selain menjadi area aplikasi yang paling dipahami, ia berfungsi sebagai fondasi untuk
semua aplikasi lainnya. Yayasan ini ada dalam bentuk database, yang mendokumentasikan segala hal
penting yang dilakukan perusahaan dalam melakukan operasi dan berinteraksi dengan lingkungannya.

ORGANIZATIONAL INFORMATION SYSTEMS

The business areas of the firm-finance, human resources, information services, manufacturing, and
marketing-use the database produced by the transaction processing system, plus data from other
sources, to produce information that managers use in making decisions and solving problems.
Information systems have been developed for each of these business areas. Another type of information
system that has been implemented in many firms-the executive information system (EIS)-is intended for
an organizational level rather than a business area. The EIS is used by managers on the upper
organizational levels.

All of these information systems are examples of organizational information systems They are developed
to meet the needs for information relating to those particular parts of the organization.
In the following sections, we will describe information systems for four major business areas of the firm
and one for the executive organizational level.

SISTEM INFORMASI ORGANISASI

Area bisnis perusahaan-keuangan, sumber daya manusia, layanan informasi, manufaktur, dan
pemasaran-menggunakan database yang dihasilkan oleh sistem pemrosesan transaksi, ditambah data
dari sumber lain, untuk menghasilkan informasi yang digunakan manajer dalam membuat keputusan dan
menyelesaikan masalah. Sistem informasi telah dikembangkan untuk masing-masing bidang bisnis ini.
Jenis lain dari sistem informasi yang telah diterapkan di banyak perusahaan - sistem informasi eksekutif
(EIS) - ditujukan untuk tingkat organisasi daripada bidang bisnis. EIS digunakan oleh para manajer di
tingkat organisasi atas.

Semua sistem informasi ini adalah contoh dari sistem informasi organisasi. Mereka dikembangkan untuk
memenuhi kebutuhan akan informasi yang berkaitan dengan bagian-bagian tertentu dari organisasi.

Pada bagian berikut, kami akan menjelaskan sistem informasi untuk empat bidang bisnis utama
perusahaan dan satu untuk tingkat organisasi eksekutif.

The Human Resources Information System

The human resources information system (HRIS) provides information to managers throughout the firm
concerning the firm's human resources. Figure 8.8 illustrates the HRIS using the same format as the
MKIS. The transaction processing system provides input data, as does a human resources research
subsystem that conducts special studies and a human resources intelligence subsystem that gathers
environmental data that bear on HR issues.

The output subsystems of the HRIS each address a particular aspect of HR management: planning,
recruiting, and managing the workforce; compensating the employees: providing employee benefits; and
preparing the many HR reports that are required by the environment primarily government agencies.
This is the way that output subsystems are determined-they represent the major areas of interest to the
users.

Sistem Informasi Sumber Daya Manusia

Sistem informasi sumber daya manusia (HRIS) memberikan informasi kepada manajer di seluruh
perusahaan mengenai sumber daya manusia perusahaan. Gambar 8.8 mengilustrasikan HRIS
menggunakan format yang sama dengan MKIS. Sistem pemrosesan transaksi menyediakan data input,
seperti halnya subsistem penelitian sumber daya manusia yang melakukan studi khusus dan subsistem
intelijen sumber daya manusia yang mengumpulkan data lingkungan yang berkaitan dengan masalah
SDM.

Subsistem keluaran HRIS masing-masing membahas aspek tertentu dari manajemen SDM: perencanaan,
perekrutan, dan pengelolaan tenaga kerja; kompensasi karyawan: memberikan tunjangan karyawan; dan
menyiapkan banyak laporan SDM yang dibutuhkan oleh lingkungan terutama lembaga pemerintah. Ini
adalah cara yang ditentukan subsistem output-mereka mewakili bidang utama yang menarik bagi
pengguna.

The Manufacturing Information System

The manufacturing information system provides information to managers throughout the firm concening
the firm's manufacturing operations. Figure 8.9 illustrates the manufacturing information system, using
the same format as the MKIS and HRIS. The industrial engineering subsystem consists of activity by
industrial engineers (IEs) who conduct studies of the manufacturing operation to ensure its efficiency.
The four output subsystems report on subjects that are of greatest interest concerning manufacturing-
production, inventory, quality, and cost.

Sistem Informasi Pabrikan

Sistem informasi pabrikan memberikan informasi kepada para manajer di seluruh perusahaan yang
menyetujui operasi-operasi pabrikan perusahaan. Gambar 8.9 menggambarkan sistem informasi
pabrikan, menggunakan format yang sama dengan MKIS dan HRIS. Subsistem teknik industri terdiri dari
aktivitas oleh insinyur industri (IEs) yang melakukan studi tentang operasi manufaktur untuk memastikan
efisiensinya. Keempat subsistem melaporkan laporan tentang mata pelajaran yang paling menarik
tentang manufaktur-produksi, persediaan, kualitas, dan biaya.

The Financial Information System

The financial information system provides information to managers throughout the firm concerning the
firm's financial activities. Figure 8.10 uses the same format as the information systems for the other
business areas. The internal audit subsystem consists of activities by the firm's internal auditors to
maintain the integrity of the firm's systems. Key output activities include forecasting future economic
trends, managing the flow of funds through the firm, and controlling the firm's finances.

Sistem Informasi Keuangan

Sistem informasi keuangan memberikan informasi kepada manajer di seluruh perusahaan mengenai
kegiatan keuangan perusahaan. Gambar 8.10 menggunakan format yang sama dengan sistem informasi
untuk area bisnis lainnya. Subsistem audit internal terdiri dari kegiatan oleh auditor internal perusahaan
untuk menjaga integritas sistem perusahaan. Aktivitas output utama termasuk memperkirakan tren
ekonomi masa depan, mengelola aliran dana melalui perusahaan, dan mengendalikan keuangan
perusahaan.

The Executive Information System

The executive information system (EIS) is a system that provides information to upper-level managers on
the overall performance of the firm. The term executive support system (ESS) has also been used.

The firm's EIS usually consists of executive workstations that are networked to the central computer. This
arrangement is shown in Figure 8.11. The workstation configuration includes a personal computer with a
secondary storage unit housing the executive database. This database contains data and information that
has been preprocessed by the firm's central computer. The executive enters information requests to
produce preformatted information displays or to perform a minimum amount of processing. These
preformatted reports act as a "dashboard" for executives to monitor the critical success factors of the
organization.

The EIS model also shows the composition of the central computer that relates to the EIS. Data and
information can be entered into the corporate database from external sources and current news and
explanations of events can be entered by staff members using their workstations. In addition to the
corporate database, the EIS includes the executives' electronic mailboxes and a software library that
produces the executives information.

Although it is generally accepted that executives prefer summary information, there are exceptions.
Some executives prefer the detail. Designers of ElSs build in flexibility so that the systems fit the
preferences of all executives, whatever they are. One approach is to provide a drill-down capability. With
this approach, the executive can bring up a summary display and then successively display lower levels
of detail. This drilling down continues until executives are satisfied that they have obtained as much
detail as is necessary.

Figure 8.12 shows a series of screen displays that illustrate the drill-down process. In this example, an
executive is reviewing profit data for the firm's product categories to see how actual performance
compares to the budget. The actual and budget figures represent thousands of dollars. The display in
Figure 8.12A indicates a high negative variance for radio profit when compared to the budget. The
executive requests more detailed information on the radio product and receives the display in Figure
8.12B. It is now clear that research and development expenses are out of line, being 20 percent over
budget. The executive drills down to another level and retrieves the display in Figure 8.12C, which shows
the problem to be primarily with Project RA100. Now the executive knows where to concentrate
problem-solving efforts.

Sistem Informasi Eksekutif

Sistem informasi eksekutif (EIS) adalah sistem yang memberikan informasi kepada manajer tingkat atas
tentang keseluruhan kinerja perusahaan. Istilah sistem dukungan eksekutif (ESS) juga telah digunakan.

EIS perusahaan biasanya terdiri dari stasiun kerja eksekutif yang terhubung ke komputer pusat.
Pengaturan ini ditunjukkan pada Gambar 8.11. Konfigurasi workstation termasuk komputer pribadi
dengan unit penyimpanan sekunder yang menampung database eksekutif. Basis data ini berisi data dan
informasi yang telah diproses sebelumnya oleh komputer pusat perusahaan. Eksekutif memasukkan
permintaan informasi untuk menghasilkan tampilan informasi yang telah diformat sebelumnya atau
untuk melakukan pemrosesan dalam jumlah minimum. Laporan yang telah diformat sebelumnya ini
bertindak sebagai "dasbor" bagi eksekutif untuk memantau faktor-faktor keberhasilan penting
organisasi.

Model EIS juga menunjukkan komposisi komputer pusat yang berkaitan dengan EIS. Data dan informasi
dapat dimasukkan ke dalam basis data perusahaan dari sumber-sumber eksternal dan berita terkini dan
penjelasan acara dapat dimasukkan oleh anggota staf menggunakan stasiun kerja mereka. Selain
database perusahaan, EIS mencakup kotak surat elektronik eksekutif dan perpustakaan perangkat lunak
yang menghasilkan informasi eksekutif.

Meskipun secara umum diterima bahwa eksekutif lebih suka informasi ringkasan, ada pengecualian.
Beberapa eksekutif lebih suka detailnya. Desainer ElS membangun fleksibilitas sehingga sistem sesuai
dengan preferensi semua eksekutif, apa pun itu. Salah satu pendekatan adalah menyediakan
kemampuan menelusuri. Dengan pendekatan ini, eksekutif dapat memunculkan tampilan ringkasan dan
kemudian secara berturut-turut menampilkan tingkat detail yang lebih rendah. Pengeboran ini berlanjut
sampai eksekutif puas bahwa mereka telah memperoleh detail sebanyak yang diperlukan.

Gambar 8.12 menunjukkan serangkaian tampilan layar yang menggambarkan proses drill-down. Dalam
contoh ini, seorang eksekutif meninjau data laba untuk kategori produk perusahaan untuk melihat
bagaimana kinerja aktual dibandingkan dengan anggaran. Angka aktual dan anggaran mewakili ribuan
dolar. Tampilan pada Gambar 8.12A menunjukkan varians negatif yang tinggi untuk keuntungan radio
bila dibandingkan dengan anggaran. Eksekutif meminta informasi yang lebih terperinci tentang produk
radio dan menerima tampilan pada Gambar 8.12B. Sekarang jelas bahwa biaya penelitian dan
pengembangan di luar batas, menjadi 20 persen di atas anggaran. Eksekutif turun ke tingkat lain dan
mengambil tampilan pada Gambar 8.12C, yang menunjukkan masalah terutama dengan Proyek RA100.
Sekarang eksekutif tahu di mana harus memusatkan upaya pemecahan masalah.
CUSTOMER RELATIONSHIP MANAGEMENT

The databases that we included in the model of the transaction processing system and in the models of
the marketing, human resources, manufacturing and financial information systems are intended to
support the users in performing their day-to-day activities. The data in these databases must be kept
current so that users have the best basis for making decisions and solving problems. For example, if a
sales manager is concerned about a particular sales region meeting its sales quota, the manager wants
to see sales data that are current as of that day, or perhaps even that hour or minute.

In designing these databases, effort is made to provide some, although limited, historical data. For
example, an HR manager reviewing the overtime work for a particular employee would want to know
that employee's year-to-date overtime earnings. In this case, the total figure represents the overtime
earnings from the beginning of the fiscal year to the current date.

Even though some historical data are included, the database seldom contains more than one year of
historical data. In some instances, however, users may want a richer historical record in order to study
behavior over time or to assemble as much information as possible to address an especially complex
problem. This need for historical data has been especially strong in the marketing area, where managers
want to be able to track the purchase behavior of customers over an extended period. This need has
stimulated a popular marketing strategy called customer relationship management. Customer
relationship management, or CRM, is the management of the relationships between the firm and its
customers so that both the firm and its customers receive maximum value from the relationship. It
recognizes that cultivation of long-term customer relationships is a good strategy, because it usually
costs less to keep an existing customer than to obtain a new one. Therefore, efforts are made to
understand the customers so that their needs can be met and they will remain loyal to the firm.

When a firm seeks to practice CRM, it implements a CRM system. The CRM system accumulates
customer data over a long term-5 years, 10 years, or more-and uses that data to produce information for
users. The central element in a CRM system is the data warehouse CRM is only one application that may
use explaining the concept data warehouse, but it is a good example for explaining the concept.

PENGELOLAAN HUBUNGAN PELANGGAN

Basis data yang kami sertakan dalam model sistem pemrosesan transaksi dan dalam model pemasaran,
sumber daya manusia, manufaktur, dan sistem informasi keuangan dimaksudkan untuk mendukung
pengguna dalam melakukan kegiatan sehari-hari mereka. Data dalam database ini harus dijaga agar
tetap terkini sehingga pengguna memiliki dasar terbaik untuk membuat keputusan dan memecahkan
masalah. Misalnya, jika seorang manajer penjualan mengkhawatirkan wilayah penjualan tertentu yang
memenuhi kuota penjualannya, manajer ingin melihat data penjualan yang terkini pada hari itu, atau
mungkin bahkan jam atau menit itu.

Dalam merancang basis data ini, upaya dilakukan untuk menyediakan beberapa, meskipun terbatas, data
historis. Misalnya, manajer SDM yang meninjau pekerjaan lembur untuk karyawan tertentu ingin
mengetahui penghasilan lembur karyawan dari tahun ke tahun. Dalam hal ini, angka total menunjukkan
penghasilan lembur dari awal tahun fiskal hingga tanggal saat ini.

Meskipun beberapa data historis dimasukkan, basis data jarang berisi lebih dari satu tahun data historis.
Namun, dalam beberapa kasus, pengguna mungkin menginginkan catatan sejarah yang lebih kaya untuk
mempelajari perilaku dari waktu ke waktu atau mengumpulkan informasi sebanyak mungkin untuk
mengatasi masalah yang sangat kompleks. Kebutuhan akan data historis ini sangat kuat di bidang
pemasaran, di mana para manajer ingin dapat melacak perilaku pembelian pelanggan selama periode
yang panjang. Kebutuhan ini telah merangsang strategi pemasaran populer yang disebut manajemen
hubungan pelanggan. Manajemen hubungan pelanggan, atau CRM, adalah manajemen hubungan antara
perusahaan dan pelanggannya sehingga perusahaan dan pelanggannya menerima nilai maksimum dari
hubungan tersebut. Ia mengakui bahwa pembinaan hubungan pelanggan jangka panjang adalah strategi
yang baik, karena biasanya biayanya lebih murah untuk mempertahankan pelanggan yang sudah ada
daripada mendapatkan yang baru. Oleh karena itu, upaya dilakukan untuk memahami pelanggan
sehingga kebutuhan mereka dapat terpenuhi dan mereka akan tetap loyal kepada perusahaan.

Ketika suatu perusahaan berusaha untuk mempraktikkan CRM, itu mengimplementasikan sistem CRM.
Sistem CRM mengakumulasikan data pelanggan untuk jangka panjang - 5 tahun, 10 tahun, atau lebih -
dan menggunakan data tersebut untuk menghasilkan informasi bagi pengguna. Elemen sentral dalam
sistem CRM adalah data warehouse CRM hanya satu aplikasi yang dapat menggunakan menjelaskan data
warehouse konsep, tetapi itu adalah contoh yang baik untuk menjelaskan konsep.

DATA WAREHOUSING

As you can imagine, as transaction data accumulate over the years the volume of data becomes
enormous. Only recently has computer technology been capable of supporting a system with such large-
scale data demands. Now it is possible to build a system with almost unlimited data capacity.

GUDANG DATA
Seperti yang dapat Anda bayangkan, ketika data transaksi menumpuk selama bertahun-tahun, volume
data menjadi sangat besar. Hanya baru-baru ini teknologi komputer mampu mendukung suatu sistem
dengan permintaan data berskala besar. Sekarang dimungkinkan untuk membangun sistem dengan
kapasitas data yang hampir tidak terbatas.

Data Warehouse Characteristics

The term data warehouse has been coined to describe data storage that has the following
characteristics:

- The storage capacity is very large.

- The data are accumulated by adding new records, as opposed to being kept current by updating
existing records with new infommation.

- The data are easily retrievable.

- The data are used solely for decision making, not for use in the firm's daily operations.

Achieving a data warehouse sounds like a big challenge--and it is. In fact, it is so big that some experts
recommend taking a more modest approach--implementing the data warehouse in a piecemeal way.
When this approach is followed, the term data mart is used to describe the subsets. A data mart is a
database that contains data describing only a segment of the firm's operations. For example. a firm may
have a marketing data mart, a human resources data mart, and so on.

The creation and use of a data warehouse or data mart is called data warehousing and is performed by a
system.

Karakteristik Gudang Data

Istilah data warehouse telah diciptakan untuk menggambarkan penyimpanan data yang memiliki
karakteristik sebagai berikut:

- Kapasitas penyimpanan sangat besar.

- Data diakumulasikan dengan menambahkan catatan baru, sebagai lawan agar tetap terkini dengan
memperbarui catatan yang ada dengan informasi baru.

- Data mudah diambil.

- Data digunakan semata-mata untuk pengambilan keputusan, bukan untuk digunakan dalam operasi
harian perusahaan.
Mencapai gudang data terdengar seperti tantangan besar - dan memang demikian. Bahkan, ini sangat
besar sehingga beberapa ahli merekomendasikan untuk mengambil pendekatan yang lebih sederhana -
mengimplementasikan data warehouse secara sedikit demi sedikit. Ketika pendekatan ini diikuti, istilah
data mart digunakan untuk menggambarkan himpunan bagian. Data mart adalah database yang berisi
data yang hanya menggambarkan segmen operasi perusahaan. Sebagai contoh. perusahaan mungkin
memiliki data mart pemasaran, data mart sumber daya manusia, dan sebagainya.

Pembuatan dan penggunaan data warehouse atau data mart disebut data warehousing dan dilakukan
oleh suatu sistem.

The Data Warehousing System

The data warehouse is the central portion of a data warehousing system that enters data into the
warehouse, transforms the contents into information, and makes the information available to users.
Figure 8.13 is a diagram of a data warehousing system. Data are gathered from the data sources and sent
through a staging area before being entered in the warehouse data repository. An information delivery
system obtains data from the warehouse data repository and transforms it into information for the users.

The primary data sources are the transaction processing systems, but additional data are obtained from
other sources, both internal and environmental. When data are identified as having potential value in
decision making, they are added to the data warehouse.

The staging area is where the data undergoes extraction, transformation, and loading, a process often
abbreviated to ETL. The extraction process combines data from the various sources; the transformation
process cleans the data, puts it into a standardized format,, and prepares summaries. The data will be
stored in both a detailed and summary form to provide for maximum flexibility in meeting the varying
information needs of the users. The loading process involves the entry of the data into the warehouse
data repository.

You will notice in Figure 8.13 that there are two repositories: one for warehouse data and one for
warehouse metadata. The term metadata means "data about data." It is data that describes the data in
the data repository. It is similar to the data dictionary of a database, only much more detailed. In
addition to describing the data, the metadata tracks the data as it flows through the data warehousing
system.

The data warehousing system also includes a management and control component. This is similar to a
database management system, controlling the movement of data through the system.

Sistem Pergudangan Data

Gudang data adalah bagian sentral dari sistem pergudangan data yang memasukkan data ke dalam
gudang, mengubah konten menjadi informasi, dan membuat informasi tersedia bagi pengguna. Gambar
8.13 adalah diagram dari sistem pergudangan data. Data dikumpulkan dari sumber data dan dikirim
melalui area pementasan sebelum dimasukkan ke dalam gudang data gudang. Sistem pengiriman
informasi memperoleh data dari gudang data gudang dan mengubahnya menjadi informasi bagi
pengguna.

Sumber data primer adalah sistem pemrosesan transaksi, tetapi data tambahan diperoleh dari sumber
lain, baik internal maupun lingkungan. Ketika data diidentifikasi memiliki nilai potensial dalam
pengambilan keputusan, mereka ditambahkan ke gudang data.

Area pementasan adalah tempat data mengalami ekstraksi, transformasi, dan pemuatan, suatu proses
yang sering disingkat menjadi ETL. Proses ekstraksi menggabungkan data dari berbagai sumber; proses
transformasi membersihkan data, memasukkannya ke dalam format standar, dan menyiapkan ringkasan.
Data akan disimpan dalam bentuk terperinci dan ringkasan untuk memberikan fleksibilitas maksimum
dalam memenuhi berbagai kebutuhan informasi pengguna. Proses pemuatan melibatkan pemasukan
data ke dalam gudang data gudang.

Anda akan melihat pada Gambar 8.13 bahwa ada dua repositori: satu untuk data gudang dan satu untuk
metadata gudang. Istilah metadata berarti "data tentang data." Ini adalah data yang menggambarkan
data dalam repositori data. Ini mirip dengan kamus data dari database, hanya jauh lebih rinci. Selain
menggambarkan data, metadata melacak data saat mengalir melalui sistem pergudangan data.

Sistem pergudangan data juga mencakup komponen manajemen dan kontrol. Ini mirip dengan sistem
manajemen basis data, mengendalikan pergerakan data melalui sistem.

How Data Are Stored in the Warehouse Data Repository

In a database, all of the data about a particular subject are stored together in one location, usually a
table. The data includes identifying data (such as customer number), descriptive data (such as customer
name), and quantitative data (such as current month sales). In the warehouse data repository, two types
of data are stored in separate tables. The table data are combined to produce an information package.

DIMENSION TABLES Identifying and descriptive data are stored in dimension tables. The term dimension
captures the idea that this data can provide the basis for viewing the data from various perspectives, or
various dimensions. Figure 8.14 illustrates a dimension table for the customer entity or object. The
entries give you an idea of the typical makeup of the identification and descriptive data. In this example,
customer number can be used to identify a customer, and the remaining data elements describe various
details about a customer.

With the sample dimensions in the figure, users can produce analyses by customer, by customer
territory, by standard industry code, by zip code, and so on.
FACT TABLES Separate tables called fact tables contain the quantitative measures of an entity, object, or
activity. A sample fact table is provided in Figure 8.15. In this example, the fact table contains data about
a particular activity-commercial sales. These are all measures of that activity. Some are units, such as
actual sales units and budgeted sales units. The remainder are in dollars. With these types of facts
available for commercial sales, users can produce such quantitative analyses as actual sales units versus
budgeted units, average sales dollar per unit, sales commissions as a percent of actual sales, and sales
bonuses as a percent of sales commissions.

Combined with the dimension table data. various analyses can be prepared, such as net sales by
customer térritory, sales taxes by zip code, and sales commissions by credit code. Users can request
information that involves any combination of the dimensions and facts.

INFORMATION PACKAGES HOw does the data warehousing system know to associate a particular
dimension table with a particular fact table? The two types of data are combined to form an information
package. An information package identifies all of the dimensions that will be used in analyzing a
particular activity. Figure 8.16 shows the format, and Figure 8.17 includes some sample data.

In the Figure 8.16 format, four dimensions (the vertical columns) are linked to the facts (the row at the
bottom). There can be any number of dimensions. In the Figure 8.17 example the package includes four
dimensions that can be used to analyze commereial sales by time, salesperson, customer, and product.

Each dimension in the information package has a key and one or more additional dimensions. For
example, the customer key is the customer number. Think of dimensions as attributes, or descriptor
variables. Each attribute is arrayed in a hierarchy ranging from the smallest increment at the top to the
largest at the bottom. For example, the smallest measure of time is hour and the largest is year. For the
salesperson, the hierarchy shows how salespersons can be grouped into branches, into larger regions,
and into subsidiaries of the firm.

THE STAR SCHEMA For each dimension, a key identifies the dimension and provides the link to the
information package. Figure 8.18 shows how the keys in the three dimension tables are related to keys in
the information package in the center. Figure 8.19 provides an example using four dimension tables-
customer, time, salesperson, and product. Because of the similarity of the pattern to a star, this structure
is called a star schema. This particular star schema would permit preparation of such information as:

- Actual sales units by zip code for a particular month

- A comparison of sales commission amounts hy sales region for the two previous quarters

- Product sales by customer for the year to date.

This star schema is focused on commercial sales in terms of customers, salespersons, products, and time.
The warehouse data repository contains multiple star schemas, one for each type of activity to be
analyzed.
Bagaimana Data Disimpan di Gudang Data Gudang

Dalam database, semua data tentang subjek tertentu disimpan bersama di satu lokasi, biasanya sebuah
tabel. Data tersebut meliputi data pengidentifikasi (seperti nomor pelanggan), data deskriptif (seperti
nama pelanggan), dan data kuantitatif (seperti penjualan bulan berjalan). Di gudang data gudang, dua
jenis data disimpan dalam tabel terpisah. Data tabel digabungkan untuk menghasilkan paket informasi.

DIMENSI TABEL Identifikasi dan data deskriptif disimpan dalam tabel dimensi. Dimensi istilah menangkap
gagasan bahwa data ini dapat memberikan dasar untuk melihat data dari berbagai perspektif, atau
berbagai dimensi. Gambar 8.14 menggambarkan tabel dimensi untuk entitas atau objek pelanggan. Entri
memberikan Anda gambaran tentang susunan khas dari data identifikasi dan deskriptif. Dalam contoh
ini, nomor pelanggan dapat digunakan untuk mengidentifikasi pelanggan, dan elemen data yang tersisa
menjelaskan berbagai detail tentang pelanggan.

Dengan dimensi sampel dalam gambar, pengguna dapat menghasilkan analisis berdasarkan pelanggan,
berdasarkan wilayah pelanggan, dengan kode industri standar, dengan kode pos, dan sebagainya.

FAKTA TABEL Tabel terpisah yang disebut tabel fakta berisi ukuran kuantitatif suatu entitas, objek, atau
aktivitas. Tabel fakta sampel disediakan pada Gambar 8.15. Dalam contoh ini, tabel fakta berisi data
tentang penjualan aktivitas-komersial tertentu. Ini semua adalah ukuran kegiatan itu. Beberapa adalah
unit, seperti unit penjualan aktual dan unit penjualan yang dianggarkan. Sisanya dalam dolar. Dengan
jenis fakta yang tersedia untuk penjualan komersial, pengguna dapat menghasilkan analisis kuantitatif
seperti unit penjualan aktual versus unit yang dianggarkan, rata-rata dolar penjualan per unit, komisi
penjualan sebagai persentase dari penjualan aktual, dan bonus penjualan sebagai persentase dari komisi
penjualan.

Dikombinasikan dengan data tabel dimensi, berbagai analisis dapat disiapkan, seperti penjualan bersih
menurut riwayat pelanggan, pajak penjualan dengan kode pos, dan komisi penjualan dengan kode
kredit. Pengguna dapat meminta informasi yang melibatkan kombinasi dimensi dan fakta.

PAKET INFORMASI BAGAIMANA sistem penyimpanan data tahu untuk mengaitkan tabel dimensi tertentu
dengan tabel fakta tertentu? Kedua jenis data tersebut digabungkan untuk membentuk paket informasi.
Paket informasi mengidentifikasi semua dimensi yang akan digunakan dalam menganalisis aktivitas
tertentu. Gambar 8.16 menunjukkan formatnya, dan Gambar 8.17 mencakup beberapa data sampel.

Dalam format Gambar 8.16, empat dimensi (kolom vertikal) dihubungkan dengan fakta (baris di bagian
bawah). Bisa ada sejumlah dimensi. Dalam contoh Gambar 8.17 paket mencakup empat dimensi yang
dapat digunakan untuk menganalisis penjualan komersial berdasarkan waktu, tenaga penjualan,
pelanggan, dan produk.

Setiap dimensi dalam paket informasi memiliki kunci dan satu atau lebih dimensi tambahan. Misalnya,
kunci pelanggan adalah nomor pelanggan. Pikirkan dimensi sebagai atribut, atau variabel deskriptor.
Setiap atribut disusun dalam hierarki mulai dari kenaikan terkecil di bagian atas hingga yang terbesar di
bagian bawah. Misalnya, ukuran waktu terkecil adalah jam dan terbesar adalah tahun. Untuk tenaga
penjualan, hierarki menunjukkan bagaimana tenaga penjualan dapat dikelompokkan ke dalam cabang,
ke daerah yang lebih besar, dan menjadi anak perusahaan.

SKEMA BINTANG Untuk setiap dimensi, kunci mengidentifikasi dimensi dan menyediakan tautan ke paket
informasi. Gambar 8.18 menunjukkan bagaimana kunci dalam tabel tiga dimensi terkait dengan kunci
dalam paket informasi di tengah. Gambar 8.19 memberikan contoh menggunakan tabel empat dimensi -
pelanggan, waktu, tenaga penjualan, dan produk. Karena kesamaan pola dengan bintang, struktur ini
disebut skema bintang. Skema bintang khusus ini akan memungkinkan persiapan informasi seperti:

- Unit penjualan aktual dengan kode pos untuk bulan tertentu

- Perbandingan jumlah komisi penjualan dengan wilayah penjualan untuk dua kuartal sebelumnya

- Penjualan produk oleh pelanggan untuk tahun ini.

Skema bintang ini berfokus pada penjualan komersial dalam hal pelanggan, tenaga penjualan, produk,
dan waktu. Gudang data gudang berisi beberapa skema bintang, satu untuk setiap jenis kegiatan yang
akan dianalisis.

INFORMATION DELIVERY

The final element in the data warehousing system is the information delivery system, which obtains data
from the data repository, transforms it into information, and makes the information available to users.

The information can be provided in a detailed form or in various summary levels Figure 8.20 illustrates
how the user can navigate through the data repository to produce summary information (such as net
sales for the Midwestern sales region), detailed information (net sales for salesperson 383), and detailed
data (sales units for salesperson 383).

The process of navigating down through the levels of detail is called drill down, a process that originated
with EISs. The process of navigating upwards is called roll up enabling the user to begin with a detail
display and then summarize the details into increasingly higher summary levels. The user can also drill
across, quickly moving from one data hierarchy to another, and drill through. going from a summary level
to the lowest level of detailed data.

Figure 8.21 shows the results of a drill-across navigation, producing outputs in different hierarchies. The
user can specify the customer hierarchy for customer Bill Marlowe and obtain the output at the top,
then specify the time hierarchy for January 2003 and obtain the information in the center, and then
specify the product class Shoes and obtain the output at the bottom. The information delivery software
accomplishes the navigation quiekly.

PENGIRIMAN INFORMASI
Elemen terakhir dalam sistem pergudangan data adalah sistem pengiriman informasi, yang memperoleh
data dari penyimpanan data, mengubahnya menjadi informasi, dan membuat informasi tersedia bagi
pengguna.

Informasi ini dapat diberikan dalam bentuk terperinci atau dalam berbagai tingkat ringkasan. Gambar
8.20 menggambarkan bagaimana pengguna dapat menavigasi melalui repositori data untuk
menghasilkan informasi ringkasan (seperti penjualan bersih untuk wilayah penjualan Midwestern),
informasi terperinci (penjualan bersih untuk tenaga penjual 383 ), dan data terperinci (unit penjualan
untuk tenaga penjualan 383).

Proses menavigasi turun melalui tingkat detail disebut menelusuri, proses yang berasal dari EIS. Proses
menavigasi ke atas disebut roll up yang memungkinkan pengguna untuk memulai dengan tampilan detail
dan kemudian meringkas detailnya ke level ringkasan yang semakin tinggi. Pengguna juga dapat
menelusuri, dengan cepat bergerak dari satu hierarki data ke yang lain, dan menelusuri. mulai dari level
ringkasan ke level terendah dari data detail.

Gambar 8.21 menunjukkan hasil navigasi lintas-drill, menghasilkan output dalam hierarki yang berbeda.
Pengguna dapat menentukan hierarki pelanggan untuk pelanggan Bill Marlowe dan mendapatkan
output di bagian atas, kemudian menentukan hierarki waktu untuk Januari 2003 dan mendapatkan
informasi di pusat, dan kemudian menentukan kelas produk Sepatu dan mendapatkan output di bagian
bawah. Perangkat lunak pengiriman informasi menyelesaikan navigasi dengan cepat.

OLAP

Any type of software can be used to extract data from the data repository and transform it into
information. Report writers, database query packages, and mathematical models can all be used. In
addition, there is a type of software that has been developed especially for the data warehouse. It is
called OLAP, for on-line analytical processing. OLAP enables the user to communicate with the data
warehouse either through a GUI or a Web interface and quickly produce the information in a variety of
forms, including graphics.

There are two approaches to OLAP: ROLAP and MOLAP. ROLAP (for relational on-line analytical
processing) uses a standard relational database management system. MOLAP (for multidimensional on-
line analytical processing) uses a special multidimensional database management system. ROLAP data
typically exist in a detailed form and analyses must be performed to produce summaries. MOLAP data
are typically pre- processed to produce summaries at the various levels of detail and arranged by the
various dimensions.
Figure 8.22 illustrates the two architectures. Both include a data warehouse server and a second server
that contains the OLAP software. A major difference is that the workstation of the MOLAP user includes
a downloaded multidimensional database. The data in this database have already been formatted in
various dimensions so that data may be made available quickly rather than force users to go through
time-consuming analyses.

ROLAP can easily produce outputs at detailed levels and at a few summary levels but must execute
processes to achieve summary levels that have not been previously prepared. This means that ROLAP
analysis is constrained to a limited number of dimensions. Figure 8.23 illustrates a report that ROLAP can
easily prepare. This report shows sales data in three dimensions: for a particular product (DVD), in a
particular region (West), and by quarter.

In addition to a faster summary ability. MOLAP can produce information in many dimensions-10 or more.
Figure 8.24 illustrates a summary report in four dimensions: store type,product, age, and gender.

OLAP

Semua jenis perangkat lunak dapat digunakan untuk mengekstrak data dari repositori data dan
mengubahnya menjadi informasi. Penulis laporan, paket kueri basis data, dan model matematika
semuanya dapat digunakan. Selain itu, ada jenis perangkat lunak yang telah dikembangkan terutama
untuk data warehouse. Itu disebut OLAP, untuk pemrosesan analitik on-line. OLAP memungkinkan
pengguna untuk berkomunikasi dengan data warehouse baik melalui GUI atau antarmuka Web dan
dengan cepat menghasilkan informasi dalam berbagai bentuk, termasuk grafik.

Ada dua pendekatan untuk OLAP: ROLAP dan MOLAP. ROLAP (untuk pemrosesan analitik on-line
relasional) menggunakan sistem manajemen basis data relasional standar. MOLAP (untuk pemrosesan
analitik on-line multidimensi) menggunakan sistem manajemen basis data multidimensi khusus. Data
ROLAP biasanya ada dalam bentuk terperinci dan analisis harus dilakukan untuk menghasilkan ringkasan.
Data MOLAP biasanya pra-diproses untuk menghasilkan ringkasan pada berbagai tingkat detail dan
diatur oleh berbagai dimensi.

Gambar 8.22 menggambarkan dua arsitektur. Keduanya termasuk server data warehouse dan server
kedua yang berisi perangkat lunak OLAP. Perbedaan utama adalah bahwa workstation pengguna MOLAP
mencakup basis data multidimensi yang diunduh. Data dalam database ini telah diformat dalam berbagai
dimensi sehingga data dapat tersedia dengan cepat daripada memaksa pengguna untuk melalui analisis
yang memakan waktu.

ROLAP dapat dengan mudah menghasilkan output pada level terperinci dan pada beberapa level
ringkasan, tetapi harus menjalankan proses untuk mencapai level ringkasan yang belum disiapkan
sebelumnya. Ini berarti bahwa analisis ROLAP terbatas pada dimensi dimensi yang terbatas. Gambar 8.23
mengilustrasikan laporan yang mudah disiapkan oleh ROLAP. Laporan ini menunjukkan data penjualan
dalam tiga dimensi: untuk produk tertentu (DVD), di wilayah tertentu (Barat), dan berdasarkan kuartal.
Selain kemampuan ringkasan yang lebih cepat. MOLAP dapat menghasilkan informasi dalam banyak
dimensi-10 atau lebih. Gambar 8.24 mengilustrasikan laporan ringkasan dalam empat dimensi: jenis
toko, produk, usia, dan jenis kelamin.

DATA MINING

A term that is often used in conjunction with data warehousing and the data mart is data mining. Data
mining is the process of finding relationships in data that are unknown to the user It is analogous to a
miner panning for gold in a mountain stream. Data mining helps the user by discovering the relationships
and presenting them in an understandable way so that the relationships may provide the basis for
decision making. There are two basic ways of performing data mining: hypothesis verification and
knowledge discovery.

PERTAMBANGAN DATA

Suatu istilah yang sering digunakan dalam hubungannya dengan pergudangan data dan data mart adalah
data mining. Penambangan data adalah proses menemukan hubungan dalam data yang tidak diketahui
pengguna. Ini analog dengan pendulang penambang untuk emas di aliran gunung. Penambangan data
membantu pengguna dengan menemukan hubungan dan menyajikannya dengan cara yang dapat
dimengerti sehingga hubungan tersebut dapat memberikan dasar untuk pengambilan keputusan. Ada
dua cara dasar untuk melakukan penambangan data: verifikasi hipotesis dan penemuan pengetahuan.

Hypothesis Verification

Assume that a bank has decided to offer mutual funds to its customers. Bank management wants to
target promotional materials at the customer segment that offers the greatest potential business. One
approach is for the managers to identify the characteristics that they believe members of the target
market will have. Assume that the managers believe that the target market consists of young, married,
two-income, and high net-worth customers. This multidimensional query could be entered into the
DBMS, and the appropriate customer records retrieved. Such an approach, which begins with the user's
hypothesis of how the data are related, is called hypothesis verification. The shortcoming of this
approach is that the retrieval process is guided entirely by the user. The selected information can be no
better than the user's understanding of the data. This is the traditional way to query a database.

Verifikasi Hipotesis

Asumsikan bahwa bank telah memutuskan untuk menawarkan reksa dana kepada pelanggannya.
Manajemen Bank ingin menargetkan materi promosi di segmen pelanggan yang menawarkan potensi
bisnis terbesar. Salah satu pendekatan adalah bagi manajer untuk mengidentifikasi karakteristik yang
mereka yakini akan dimiliki oleh anggota pasar sasaran. Asumsikan bahwa manajer percaya bahwa target
pasar terdiri dari pelanggan muda, menikah, berpenghasilan dua, dan bernilai tinggi. Kueri multidimensi
ini dapat dimasukkan ke dalam DBMS, dan catatan pelanggan yang sesuai diambil. Pendekatan semacam
itu, yang dimulai dengan hipotesis pengguna tentang bagaimana data terkait, disebut verifikasi hipotesis.
Kelemahan dari pendekatan ini adalah bahwa proses pengambilan dipandu sepenuhnya oleh pengguna.
Informasi yang dipilih tidak lebih baik dari pemahaman pengguna akan data. Ini adalah cara tradisional
untuk query database.

Knowledge Discovery

In knowledge discovery, the data warehousing system analyzes the warehouse data repository, looking
for groups with common characteristics. In the bank example, the system might identify not only the
young married group. but also retired married couples who rely on Social Security and pensions. The big
contribution of knowledge discovery is that it gives the data warehousing system a data analysis ability
that exceeds that of the users. In order to accomplish this, the data mining software must be capable of
identifying patterns in the data that are not obvious to users Such an ability is obtained by employing
artificial intelligence tools such as neural networks, decision trees, genetic algorithms, and memory-
based reasoning.

Penemuan Pengetahuan

Dalam penemuan pengetahuan, sistem pergudangan data menganalisis gudang data gudang, mencari
kelompok dengan karakteristik umum. Dalam contoh bank, sistem mungkin mengidentifikasi tidak hanya
kelompok muda menikah. tetapi juga pensiunan pasangan menikah yang mengandalkan Jaminan Sosial
dan pensiun. Kontribusi besar dari penemuan pengetahuan adalah memberikan data warehousing
kemampuan analisis data yang melebihi dari pengguna. Untuk mencapai hal ini, perangkat lunak
penambangan data harus mampu mengidentifikasi pola dalam data yang tidak jelas bagi pengguna.
Kemampuan tersebut diperoleh dengan menggunakan alat kecerdasan buatan seperti jaringan saraf,
pohon keputusan, algoritma genetika, dan berbasis memori pemikiran.

Putting Data Warehousing in Perspective

There has always been a need for data warehousing, but the information technology needed to support
it only became available and affordable at a later time. When technology caught up to demand. some
dramatic accomplishments were made. Some were new innovations, such as a new way of storing data
in information packages, which made it possible to analyze the data in practically unlimited ways, and
OLAP, which made it possible to retrieve the data quickly. Existing methodologies and technologies were
also applied, such as the drill-down concept and the use of artificial intelligence to discover new
relationships in data.

The ability to store practically unlimited quantities of data and retrieve it quickly opens up new doors to
data processing.

Menempatkan Pergudangan Data dalam Perspektif

Selalu ada kebutuhan untuk penyimpanan data, tetapi teknologi informasi yang diperlukan untuk
mendukungnya hanya tersedia dan terjangkau di kemudian hari. Ketika teknologi berhasil memenuhi
permintaan. beberapa prestasi dramatis dibuat. Beberapa inovasi baru, seperti cara baru menyimpan
data dalam paket informasi, yang memungkinkan untuk menganalisis data dalam cara yang praktis tidak
terbatas, dan OLAP, yang memungkinkan untuk mengambil data dengan cepat. Metodologi dan
teknologi yang ada juga diterapkan, seperti konsep drill-down dan penggunaan kecerdasan buatan untuk
menemukan hubungan baru dalam data.

Kemampuan untuk menyimpan jumlah data yang praktis tidak terbatas dan mengambilnya dengan cepat
membuka pintu baru untuk pemrosesan data.

HIGHLIGHT IN MISS

CASINOS LEAD THE WAY IN DATA MINING

Although data mining is being done by firms of all kinds, the gambling industry is leading the way if the
reports out of MGM Mirage, Harrah's, and Foxwoods are any indication. These resorts are able to keep
track of their customers gambling behavior and award prizes to keep them coming back. Prizes include
such incentives as free hotel rooms, show tickets, and meals. The key ingredient is the loyalty card, a
special bar-coded card that the casino gives to its best customers. Then, when the customer engages in
gambling, the card is scanned, gathering data that identifies the type of gambling, when it begins and
ends, the amount of money wagered, and the amount of money won or lost. The data are stored in a
data warehouse. The MGM Mirage data warehouse maintains 6 terabytes of customer information.
Harrah's accumulates data on 23 million customers, 8 million of whom have the loyalty cards. The Native
American-owned Foxwoods data warehouse has a smaller capacity-200 gigabytes-but this data can be
matched with third-party databases that provide demographic data to learn such details as whether the
customer has children and how much he or she earns. At Foxwoods, when customers spend $100 or
more a day, they receive red-carpet treatment. Harrah's knows a lot about its customers as well, such as
whether someone likes thick steaks, oceanfront views, or Elvis slots.
All of these applications are examples of customer relationship management. The casinos believe that by
knowing their customers they can offer incentives that will cause customers to keep coming back. John
Boushy, Harrah's CIO, said, "We decided we would never be able to anticipate the questions that
marketing might ask, so we keep all the data." Harrah's began populating its data warehouse in 1995 and
has never deleted any data-it just keeps on accumulating.

KASINOS MEMIMPIN JALAN DALAM PENAMBANGAN DATA

Meskipun penambangan data sedang dilakukan oleh perusahaan dari segala jenis, industri perjudian
memimpin jika laporan dari MGM Mirage, Harrah's, dan Foxwoods adalah indikasi. Resor-resor ini
mampu melacak perilaku perjudian pelanggan mereka dan memberikan hadiah agar mereka terus
kembali. Hadiah termasuk insentif seperti kamar hotel gratis, tiket pertunjukan, dan makanan. Bahan
utama adalah kartu loyalitas, kartu berkode bar khusus yang diberikan kasino kepada pelanggan
terbaiknya. Kemudian, ketika pelanggan terlibat dalam perjudian, kartu dipindai, mengumpulkan data
yang mengidentifikasi jenis perjudian, kapan dimulai dan berakhir, jumlah uang yang dipertaruhkan, dan
jumlah uang yang dimenangkan atau hilang. Data disimpan di gudang data. Gudang data MGM Mirage
menyimpan 6 terabyte informasi pelanggan. Harrah's mengumpulkan data pada 23 juta pelanggan, 8
juta di antaranya memiliki kartu loyalitas. Gudang data Foxwoods yang dimiliki penduduk asli Amerika
memiliki kapasitas yang lebih kecil - 200 gigabita - tetapi data ini dapat dicocokkan dengan basis data
pihak ketiga yang menyediakan data demografis untuk mempelajari perincian seperti apakah pelanggan
memiliki anak dan berapa penghasilannya. Di Foxwoods, ketika pelanggan menghabiskan $ 100 atau
lebih sehari, mereka menerima perawatan karpet merah. Harrah's tahu banyak tentang pelanggannya
juga, seperti apakah seseorang menyukai steak tebal, pemandangan pantai, atau slot Elvis.

Semua aplikasi ini adalah contoh manajemen hubungan pelanggan. Kasino percaya bahwa dengan
mengenal pelanggan mereka, mereka dapat menawarkan insentif yang akan menyebabkan pelanggan
terus kembali. John Boushy, CIO Harrah, mengatakan, "Kami memutuskan kami tidak akan pernah bisa
mengantisipasi pertanyaan yang mungkin diajukan oleh pemasaran, jadi kami menyimpan semua data."
Harrah's mulai mengisi data warehouse-nya pada tahun 1995 dan tidak pernah menghapus data apa pun
- data itu terus bertambah.

SUMMARY

Performance in a few areas of a firm's operations can spell success or failure. These areas, called critical
success factors (CSFS), vary from one firm to another, but tend to follow certain patterns based on
industry. The ability of a firm to develop good information systems is a CSF. Such systems are those that
process accounting data and provide information to organizational units.

The system that processes the firm's accounting data is called the transaction processing system. Data
are gathered from the physical system of the firm and entered into a database. along with data from the
environment. Data processing software transforms the data into information for management and the
environment.

A distribution system consists of three main processes: fill customer orders, order replenishment stock
from suppliers, and maintain the general ledger. Order processing involves an order entry system, an
inventory system, a billing system, and an accounts receiv able system. The stock replenishment system
consists of a purchasing system, a receiving system, and an accounts payable system. The general ledger
system consists of two main subsystems: update the general ledger system and prepare management
reports system.

Organizational information systems are tailored to business areas and organizational levels. The systems
for business areas consist of input subsystems that gather data and information for entry into a database
and output subsystems that transform the data into information. The three input subsystems include the
transaction processing system, a system that conducts special research projects, and a system that
gathers intelligence data from the environment. The output systems produce information relating to the
most important activities of the organizational unit. For example. for the marketing information system,
the output subsystems report on the four ingredients of the marketing mix.

The executive information system (EIS) has a different architecture, consisting of executive workstations
networked to the central computer. Preformatted information displays are downloaded from the central
computer and stored in an executive database.

A computer application that is currently drawing much attention is customer relationship management
(CRM). It demands a supersized data storage area called a data warehouse, which accumulates data
rather than keeping it current, makes the data easily retrievable, and is dedicated to supporting decision
making rather than supporting daily operations. Subsets of the data warehouse are called data marts.

A data warehousing system includes a staging area where ETL (extraction, transformation, and loading)
are performed, a warehouse data repository where the data are stored, and an information delivery
system that transforms the data into information and delivers it to users. A management and control unit
controls the data flow from sources to users, and a warehouse metadata repository houses data that
describe the data in the warehouse data repository and keeps track of the data as it flows through the
system.

Data are stored in the warehouse data repository in dimension tables and fact tables, which are
integrated in an informaticon package. A graphical view of the information package and its dimension
tables is called a star schema.

Users navigate through the warehouse data repository by performing such operations as drill down, roll
up, drill across, and drill through. A special type of information delivery software has been developed
especialy for the data warehouse. It is called OLAP for on-line analytical processing. OLAPenables data to
be analyzed in multiple dimensions, a capability that is more easily performed by MOLAP
(multidimensional on-line analytical processing) than ROLAP (relational on-line analytical processing) due
to the fact that MOLAP provides users with downloaded multidimensional databases.
The process of looking through the data warchouse for data is called data mining, and it can be
performed two ways. In hypothesis verification, the user believes that certain patterns exist in the data,
and the system either confirms or rejects this assumption. In knowledge discovery, the user leaves it up
to the system to find the patterns, which it does by using artificial intelligence logic.

In addition to the technological innovations of data warehousing, it represents a breakthrough in

another way--it offers a new way of thinking about data. Rather than trying to keep data current, the
idea is to just accumulate data over time. The data warehouse provides users with a new approach for
obtaining information for decision making.

RINGKASAN

Kinerja dalam beberapa area operasi perusahaan dapat mengeja sukses atau gagal. Bidang-bidang ini,
yang disebut faktor keberhasilan kritis (CSFS), bervariasi dari satu perusahaan ke perusahaan lain, tetapi
cenderung mengikuti pola tertentu berdasarkan industri. Kemampuan perusahaan untuk
mengembangkan sistem informasi yang baik adalah CSF. Sistem seperti itu adalah yang memproses data
akuntansi dan memberikan informasi kepada unit organisasi.

Sistem yang memproses data akuntansi perusahaan disebut sistem pemrosesan transaksi. Data
dikumpulkan dari sistem fisik perusahaan dan dimasukkan ke dalam database. bersama dengan data dari
lingkungan. Perangkat lunak pemrosesan data mengubah data menjadi informasi untuk manajemen dan
lingkungan.

Sistem distribusi terdiri dari tiga proses utama: mengisi pesanan pelanggan, memesan stok pengisian
ulang dari pemasok, dan memelihara buku besar. Pemrosesan pesanan melibatkan sistem entri pesanan,
sistem inventaris, sistem penagihan, dan sistem yang dapat menerima piutang. Sistem pengisian stok
terdiri dari sistem pembelian, sistem penerimaan, dan sistem hutang dagang. Sistem buku besar terdiri
dari dua subsistem utama: memperbarui sistem buku besar dan menyiapkan sistem laporan manajemen.

Sistem informasi organisasi disesuaikan dengan area bisnis dan level organisasi. Sistem untuk area bisnis
terdiri dari subsistem input yang mengumpulkan data dan informasi untuk dimasukkan ke dalam
database dan subsistem output yang mentransformasikan data menjadi informasi. Tiga subsistem input
termasuk sistem pemrosesan transaksi, sistem yang melakukan proyek penelitian khusus, dan sistem
yang mengumpulkan data intelijen dari lingkungan. Sistem keluaran menghasilkan informasi yang
berkaitan dengan kegiatan paling penting dari unit organisasi. Sebagai contoh. untuk sistem informasi
pemasaran, subsistem keluaran melaporkan empat unsur bauran pemasaran.
Sistem informasi eksekutif (EIS) memiliki arsitektur yang berbeda, terdiri dari stasiun kerja eksekutif yang
terhubung ke komputer pusat. Tampilan informasi yang diformat diunduh dari komputer pusat dan
disimpan dalam database eksekutif.

Aplikasi komputer yang saat ini banyak menarik perhatian adalah customer relationship management
(CRM). Ini menuntut area penyimpanan data super besar yang disebut gudang data, yang
mengakumulasi data alih-alih mempertahankannya saat ini, membuat data mudah diambil, dan
didedikasikan untuk mendukung pengambilan keputusan daripada mendukung operasi sehari-hari.
Himpunan bagian dari gudang data disebut data mart.

Sistem pergudangan data mencakup area pementasan tempat ETL (ekstraksi, transformasi, dan
pemuatan) dilakukan, gudang penyimpanan data tempat data disimpan, dan sistem pengiriman
informasi yang mengubah data menjadi informasi dan mengirimkannya kepada pengguna. Unit
manajemen dan kontrol mengontrol aliran data dari sumber ke pengguna, dan gudang metadata
menampung data yang menggambarkan data dalam gudang data gudang dan melacak data saat
mengalir melalui sistem.

Data disimpan dalam gudang data gudang dalam tabel dimensi dan tabel fakta, yang terintegrasi dalam
paket informasi. Tampilan grafis dari paket informasi dan tabel dimensinya disebut skema bintang.

Pengguna menavigasi melalui gudang data gudang dengan melakukan operasi seperti menelusuri,
menggulung, menelusuri, dan menelusuri. Jenis khusus dari perangkat lunak pengiriman informasi telah
dikembangkan terutama untuk data warehouse. Ini disebut OLAP untuk pemrosesan analitik on-line.
OLAPenable data yang akan dianalisis dalam berbagai dimensi, kemampuan yang lebih mudah dilakukan
oleh MOLAP (pemrosesan analitik on-line multidimensi) daripada ROLAP (pemrosesan analitik on-line
relasional) karena fakta bahwa MOLAP menyediakan pengguna dengan database multidimensi yang
diunduh kepada pengguna.

Proses melihat melalui data warchouse untuk data disebut data mining, dan dapat dilakukan dua cara.
Dalam verifikasi hipotesis, pengguna percaya bahwa ada pola-pola tertentu dalam data, dan sistem
mengkonfirmasi atau menolak asumsi ini. Dalam penemuan pengetahuan, pengguna menyerahkannya
ke sistem untuk menemukan pola, yang dilakukannya dengan menggunakan logika kecerdasan buatan.

Selain inovasi teknologi pergudangan data, ini merupakan terobosan dengan cara lain - ia menawarkan
cara berpikir baru tentang data. Alih-alih mencoba menjaga data tetap terkini, idenya adalah
mengakumulasi data dari waktu ke waktu. Gudang data menyediakan pengguna dengan pendekatan
baru untuk mendapatkan informasi untuk pengambilan keputusan.