Kenalan dengan Snowflake Schema, Struktur Database yang Menyerupai Kepingan Salju
Isi Artikel
Pengambilan data yang cepat dan tepat adalah kebutuhan utama dalam data warehouse dan data mart. Salah satu skema atau pengaturan tabel dalam database data warehouse dan data mart yang efisien adalah snowflake schema.
Snowflake schema merupakan susunan yang menawarkan solusi terhadap masalah-masalah yang bisa timbul dalam star schema.
Nah, bagaimana skema ini bisa melakukannya?
Yuk, simak artikel Glints berikut ini.
Baca Juga: Skill yang Dibutuhkan untuk Menjadi Seorang Database Administrator (DBA)
Apa Itu Snowflake Schema?
© Freepik.com
Snowflake schema adalah database multidimensional dalam data warehouse.
Database berupa skema ini memiliki beberapa tabel di dalamnya yang menyerupai bentuk snowflake atau kepingan salju.
Oleh karena itu, namanya disebut sebagai snowflake schema atau skema kepingan salju.
Skema ini tersusun dari fact table atau tabel fakta yang berada di tengah.
Tabel ini terhubung dengan berbagai dimensi yang juga dikelompokkan dalam tabel.
Tabel ini disebut dengan dimensional tables atau tabel dimensional.
Informasi atau data dalam tabel-tabel ini kemudian dinormalisasi untuk mengurangi redundancy atau pengulangan data yang ada.
Skema jenis ini merupakan yang sangat cocok untuk mengolah data dengan hubungan serta tabel yang rumit, tidak seperti star schema.
Namun, menurut Educba, struktur atau arsitektur dari skema ini tidak jauh berbeda dengan star schema.
Hanya saja, ia mampu menawarkan solusi untuk permasalahan-permasalahan yang ada pada star schema akibat data yang belum dinormalisasi.
Berikut merupakan contoh struktur skemanya.
© Guru99.com
Karakteristik snowflake schema
Dilansir dari Geeks for Geeks, salah satu karakteristik utama dari snowflake schema adalah ukurannya yang kecil.
Selain itu, mudah juga untuk menambahkan dimensi pada skema saat kamu mau.
Akan tetapi, karena ada begitu banyak tabel di dalamnya, performa skema ini pun cenderung lebih lambat.
Namun, setiap dimension table-nya bisa memiliki dua atau lebih set atribut yang mendefinisikan informasi dalam grain data yang berbeda.
Baca Juga: Tips Membangun Karier sebagai Business Intelligence
Kelebihan Snowflake Schema
© Freepik.com
1. Cocok ke lebih banyak tool
Snowflake schema bisa digunakan dengan lebih banyak OLAP database modeling tools.
OLAP database modeling tools adalah tool yang digunakan untuk analisis data dan modeling.
Tool ini pada dasarnya dibuat dan didesain untuk memproses skema data tipe snowflake.
2. Hemat storage
Karena ada proses snowflaking yaitu normalisasi data, pengulangan data yang sama bisa dikurangi.
Dengan begitu, besar data yang harus disimpan juga semakin kecil.
Kekurangan Snowflake Schema
© Freepik.com
Meskipun memiliki banyak keuntungan, skema yang menyerupai kepingan salju ini juga memiliki kekurangan, seperti:
1. Skema data kompleks
Skema database yang satu ini memiliki kemungkinan menciptakan banyak level kompleksitas saat proses normalisasi atribut dari star schema.
Memang, ini akan berujung pada penyimpanan data yang lebih efektif.
Namun, performanya bisa menurun akibat join query yang rumit.
Akan tetapi, dengan berkembangnya teknologi, snowflake schema menjadi semakin cepat beberapa tahun belakangan ini.
Oleh karena itu, skema ini semakin banyak digunakan dari waktu ke waktu.
2. Proses lebih lambat
Skema ini lebih lambat dalam memproses cube data akibat join query yang kompleks.
Dibanding star schema, kecepatannya masih kalah.
3. Integritas data
Skema jenis ini memiliki integritas data yang lebih rendah.
Snowflake schema pada dasarnya menawarkan pengambilan data yang lebih efektif dengan risiko minim setelah update dan memasukkan data baru.
Akan tetapi, tidak ada jaminan integritas data seperti struktur database tradisional yang highly–normalized.
Untuk meminimalkan risiko ini, penting untuk selalu mengecek kualitas informasi atau data setelah di-load.
Baca Juga: 10 Pertanyaan Interview Data Scientist yang Harus Kamu Ketahui
Itulah rangkuman Glints mengenai hal-hal penting yang perlu kamu pahami mengenai snowflake schema dalam data warehouse dan data mart.
Skema ini sering dibanding-bandingkan dengan star schema yang cukup mirip.
Keduanya sama-sama memiliki kekurangan dan kelebihan masing-masing yang perlu kamu benar-benar pahami sebelum pilih untuk gunakan.
Jika ingin memahami lebih lanjut soal pengolahan data, teknologinya, serta prospek kerja dalam bidang tersebut, kamu bisa menemukan informasinya di blog Glints.
Agar tidak ada yang terlewat, yuk, berlangganan newsletter blog-nya.
Cukup dengan mendaftarkan alamat email, kamu bisa langsung mendapatkan artikel terkini dan terpercaya ke dalam inbox emailmu.
Jangan lupa buat akun juga untuk berpeluang menemukan lowongan kerja impianmu di Glints, ya!
