Berikut ini adalah script SQL yang dapat digunakan untuk memasukkan suatu file image (misalkan myImage.jpg) ke dalam sebuah tabel dalam suatu database SQL Server 2005.
CREATE TABLE myTable(Document varbinary(max))
GO
INSERT INTO myTable(Document)
SELECT * FROM
OPENROWSET(BULK N'D:myImage.JPG', SINGLE_BLOB)
AS Document
Semoga bermanfaat!
Di bawah ini merupakan script SQL yang kita gunakan untuk mencari daftar stored procedure pada suatu database, yang scriptnya mengandung kata atau kalimat tertentu (misalkan kata ‘JKT’).
SELECT ROUTINE_NAME, ROUTINE_DEFINITION
FROM INFORMATION_SCHEMA.ROUTINES
WHERE ROUTINE_DEFINITION LIKE '%JKT%'
AND ROUTINE_TYPE='PROCEDURE'
Semoga bermanfaat !
Pada tulisan sebelumnya saya sudah bahas perbedaan antara Data Warehouse dan Data Mining. Tulisan kali ini akan memberikan paparan singkat mengenai Business Intelligence (BI).
Mari kita cari definisi Business Intelligence tersebut, saya ambil sebuah potongan paragraph dari bukunya Steve and Nancy Williams “The Profit Impact of Business Intelligence”.
BI as business information and business analyses within the context of key business processes that lead to decisions and actions and that result in improved business performance. In particular, BI means leveraging information assets within key business processes to achieve improved business performance.
Dari kutipan di atas bisa kita simpulkan tujuan utama BI adalah improvisasi performance business via keputusan-keputusan dan aksi yang dilakukan berdasarkan informasi business dan hasil analisis business dari BI ini. Nah, karena itu, betapa krusialnya laporan-laporan (report) (aka informasi business) yang harus dihasilkan dari BI ini. Laporan-laporan yang dihasilkan bukan seperti laporan biasa, seperti laporan yang dihasilkan sistem OLTP biasa, tetapi lebih dari itu, merupakan laporan-laporan yang lebih analitis.
Laporan yang analitis merupakan laporan yang bisa dilihat dari banyak parameter, sehingga bisa membantu analisis dari berbagai perspektif. Yang nantinya hal ini akan terkait dengan istilah cube di dalam BI.
Seperti yang sudah kita bahas, Business Intelligence merupakan salah satu implementasi dari Data Warehouse. Perhatikan gambar di bawah ini.
Dari gambar tersebut, terlihat secara sederhana bagaimana posisi suatu Data Warehouse pada sebuah Business Intelligence Platform.
Di sana digambarkan bahwa beberapa hal. Pertama, sumber data “mentah” berasal dari data ERP (Enterprise Resource Planning), CRM (Customer Relationship Management) dan LOB (Line of Business) Data. Dari sumber-sumber data tersebut data ditransformasikankan menjadi suatu data warehouse. Proses transformasi data ini lebih dikenal dengan istilah ETL (Extract Transform and Loading). Dari istilah ETL itu sendiri tergambar adanya 3 proses utama yaitu proses ekstraksi data dari sumber data, transformasi data dan loading data ke data warehouse. Data dari sumber data dipilih dan dipilah, dibersihkan (cleansing), digabungkan dan kemudian dimuat (load) ke data warehouse. Salah satu tools yang dapat kita gunakan untuk menjalankan proses ini adalah Microsoft SQL Server 2005/2008 Integration Services (SSIS).
Seperti penjelasan di atas, Business Intelligence harus bisa menghasilkan laporan dan query yang analitis. Maka, kita harus melakukan proses analisis dari data warehouse (Data Analysis). Pada data warehouse sudah terdefinisi penyimpanan data dalam bentuk tabel-tabel Fact dan Dimension. Table Fact berisi nilai-nilai yang nantinya akan dilaporkan, sedangkan dimensi akan menjadi parameter (perfective) nilai-nilai Fact tersebut. Berdasarkan tabel-tabel Fact dan Dimension inilah kita membangun cube. Pada cube ini kita definisi ukuran-ukuran (measures), target monitoring (KPI – Key Performance Indicator) dan lain-lain. Kita bisa gunakan Microsoft SQL Server 2005/2008 Analysis Services (SSAS) untuk membantu merealisasikan proses analisis ini. Dan jika diperlukan juga aspek-aspek menemukan pola (pattern) atau trend berdasarkan data pada data warehouse tersebut SSAS juga menyediakan fitur-fitur yang terkait dengan Data Mining.
Proses terakhir, kita tinggal berdeliver laporan-laporan dan query hasil analisis tersebut ke berbagai media yang diperlukan. Kita bisa gunakan Microsoft SQL Server 2005/2008 Reporting Services (SSRS) atau Microsoft Office Excel dan lain-lain.
Semoga bermanfaat!
Pertanyaan soal perbedaan kedua istilah ini terkadang sulit untuk dipahami, sering kali kita bingung karena kedua istilah tersebut mirip-mirip, sering dipertukarkan dan banyak bersinggungan dalam konteks yang sama.
Kita mulai cari definisi data warehouse dulu. Saya coba ambil salah satu definisi yang ada pada bukunya Vincent Rainardi - Building a Data Warehouse With Examples in SQL Server. Beliau menyampaikan definisi sebagai berikut.
A data warehouse is a system that retrieves and consolidates data periodically from the source systems into a dimensional or normalized data store. It usually keeps years of history and is queried for business intelligence or other analytical activities. It is typically updated in batches, not every time a transaction happens in the source system.
Jadi data warehouse merupakan suatu sistem yang mengkonsolidasikan data secara periodik dari sistem-sistem yang ada (OLTP) ke dalam suatu penyimpanan dimensional. Pada umumnya, data warehouse menyimpan data histori beberapa tahun dan di-quey untuk keperluan business intelligence atau aktifitas analisis lainnya. Data warehouse diremajakan secara batch, tidak serta-merta setiap terjadinya transaksi pada sistem-sistem sumber tersebut.
Dari penjelasan di atas terlihat jelas perbedaan antara data warehouse dibandingkan business intelligence ataupun data mining.
Sebagai tambahan informasi, perkembangan saat ini data warehouse digunakan sebagai sumber data untuk Business Intelligence (BI), penyempurnaan CRM (Customer Relationship Management) ataupun Data Mining (DM).
Lalu, apa yang dimaksud dengan Data Mining?
Coba kita buka lagi, definisi data mining dari buku tersebut. Dalam buku tersebut, kita coba telaah paragraph berikut ini :
Data mining is a field that has been growing fast in the past few years. It is also known as knowledge discovery, because it includes trying to find meaningful and useful information from a large amount of data. It is an interactive or automated process to find patterns describing the data and to predict the future behavior of the data based on these patterns.
Data Mining disebut juga knowledge discovery karena merupakan bidang yang berupaya untuk menemukan informasi yang punya arti dan berguna dari jumlah data yang besar. Data mining merupakan suatu proses yang interaktif atau terotomatisasi untuk menemukan pola (pattern) data tersebut dan memprediksi kelakuan (trend) di masa mendatang berdasarkan pola data tersebut.
Nah, mudah-mudahan dengan penjelasan singkat tersebut, sekarang kita sudah bisa membedakan kedua istilah tersebut.
Semoga bermanfaat.