Memahami Star Schema, Pendekatan Olah Data yang Dibutuhkan Business Intelligence
Isi Artikel
Data analysis dan reporting dengan data warehouse telah menjadi salah satu bagian dari business intelligence yang teramat penting. Nah, star schema adalah salah satu cara pengolahan data untuk tujuan tersebut yang paling sederhana.
Saat ini, skema tersebut merupakan yang paling banyak digunakan untuk mengembangkan data warehouse dan juga dimensional data mart.
Ingin tahu lebih lanjut tentang serba-serbi pendekatan pengolahan data ini?
Glints sudah rangkum semuanya untukmu.
Jadi, simak artikel berikut baik-baik, ya.
Baca Juga: Kupas Tuntas Perbedaan Business Intelligence dan Business Analytics
Apa Itu Star Schema?
© Freepik.com
Star schema adalah salah satu tipe skema yang dibuat untuk memodelkan sebuah sistem data warehouse.
Skema jenis ini dianggap sebagai skema data warehouse yang paling sederhana yang mudah dibuat dan dimengerti.
Nama skema ini datang dari susunan tabelnya yang membentuk bintang seperti contoh di bawah ini.
© Guru99.com
Dalam skema ini, ada fact table di tengah dan di sekelilingnya terdapat dimension table.
Pasalnya, menurut Microsoft, modelers atau para pemodel yang menggunakan skema tipe ini untuk data warehouse harus mengklasifikasi tabelnya hanya ke dalam dua jenis ini, yaitu dimension dan fact.
Komponen Struktur Star Schema
© Freepik.com
1. Fact table
Fact table atau tabel fakta berisi metrik proses sebuah bisnis.
Data yang dimuat dalam tabel ini harus bersifat numerik (dalam bentuk angka) dan bisa ditambah.
Apa pun data yang kamu miliki, pastikan bahwa data tersebut adalah kuantitatif. Misalnya, jumlah sesuatu.
Selain itu, wajib diperhatikan juga bahwa tabel fakta harus memuat hal-hal utama yang terkait dengan tabel-tabel di sekitarnya, yaitu tabel dimensi.
Seperti contoh yang sebelumnya diperlihatkan, hanya boleh ada satu tabel fakta dalam sebuah star schema.
Tabel ini umumnya memiliki jumlah baris yang tidak banyak.
Sementara, tabel dimensi bisa memuat jauh lebih banyak jumlah baris dan bisa terus ditambahkan dari waktu ke waktu.
2. Dimension table
Dimensions table atau tabel dimensi memuat informasi mengenai kapan, di mana, apa, dan lain-lain.
Berbeda dengan tabel fakta, tabel dimensi berisi informasi yang bersifat kualitatif.
Dalam sebuah star schema, bisa ada beberapa tabel dimensi sekaligus yang mengelilingi tabel fakta.
Namun, harus dipastikan bahwa semua informasinya terkait dengan apa yang dicantumkan dalam tabel fakta.
Baca Juga: Mengenal Analisis Data dan Tips Terbaik untuk Melakukannya
Karakteristik Star Schema
© Freepik.com
Dalam membuat star schema, kita harus memahami karakteristiknya juga.
Beberapa karakteristik utama skema bentuk bintang ini adalah:
- Struktur yang sederhana dan mudah dipahami.
- Jumlah tabel tidak begitu banyak.
- Semua dimensi dalam skema bentuk bintang direpresentasikan hanya menggunakan tabel satu dimensi.
- Dapat digunakan oleh beragam business intelligence tools.
Kelebihan Star Schema
© Freepik.com
1. Query lebih sederhana
Menurut Global Knowledge Management Center (GKMC) dari David Eccles School of Business University of Utah, star schema adalah model yang memiliki jumlah tabel sedikit serta join path yang jelas.
Oleh karena itu, query bisa dijalankan lebih cepat dibanding sistem online analytical processing (OLTP).
Untuk query kecil, proses bisa dijalankan secara instan.
Sementara, query besar yang membutuhkan pengolahan beberapa tabel hanya membutuhkan beberapa detik atau menit.
2. Waktu loading
Karena memiliki struktur yang sederhana, salah satu keutamaan star schema merupakan kecepatan load-nya.
Meskipun satu skema memuat data yang banyak, kamu bisa memangkas waktu banyak dibanding menggunakan database lainnya.
3. Referential integrity
Skema ini memiliki referential integrity yaitu keakuratan dan konsistensi data yang baik ketika di-load.
4. Mudah dimengerti
Navigasi dan pemahaman menggunakan star schema tidaklah sulit dan lebih mudah dibanding yang lainnya. Oleh karena itu, skema ini sering digunakan.
Kekurangan Star Schema
© Freepik.com
1. Integritas data
Salah satu kekurangan yang paling utama dari star schema adalah mengenai integritas data.
Banyak yang setuju bahwa skema ini kurang memiliki integritas data yang kurang baik, karena data yang diolah biasanya belum dinormalisasi.
2. Kurang fleksibel
Selain integritas data, kekurangan lainnya yaitu fleksibilitasnya.
Skema ini lebih cocok untuk melihat data saja.
Oleh karena itu, analisis yang terlalu kompleks tidak bisa dilakukan.
Jadi, itulah pembahasan Glints mengenai star schema untuk data warehouse dan data mart yang dibutuhkan dalam dunia olah data.
Baca Juga: Tips Membangun Karier sebagai Business Intelligence
Menurutmu, apakah metode ini sulit untuk dimengerti? Apakah justru mudah?
Jika butuh lebih banyak referensi lagi dalam memahami pengolahan data dan hal-hal terkait lainnya, kamu bisa menemukan banyak artikel dengan topik itu di blog Glints.
Nah, supaya selalu update dan mendapat artikel terpercaya yang paling baru, kamu bisa berlangganan newsletter blog-nya secara gratis.
Dengan begitu, artikel-artikel akan langsung dikirimkan ke inbox emailmu.
Yuk, buat akun dulu dan langsung langganan hari ini!
