Gudang Data dan Business Intelligence: Laporan yang bisa dipercaya karena bisa ditelusuri

Buku ini membahas gudang data dan business intelligence sebagaimana DAMA-DMBOK Bab 11 mendefinisikannya, dengan satu prinsip dari Ralph Kimball dan Margy Ross (2013): keputusan desain terpenting dalam dimensional modeling adalah mendeklarasikan grain. Bab demi bab menguraikan perbedaan OLAP dan OLTP, tiga dekade evolusi warehouse yang tidak Anda bayar lisensinya, arsitektur warehouse dari staging sampai data mart, dimensional modeling (fact, dimension, grain), dan slowly changing dimensions sebagai historisasi yang jujur.

Pembahasan dilanjutkan dengan semantic layer untuk satu definisi setiap metrik, disiplin ETL/ELT yang bisa diaudit, pemilihan BI tool dan kapan gratis cukup, dan data lineage sebagai jejak dari sumber ke dashboard. Penekanannya pada warehouse untuk keputusan, bukan untuk presentasi.

Saya menulis ini sebagai praktisi yang pernah menyajikan angka kepada klien dan tidak bisa menjelaskan dari mana angka itu berasal. Saya berhenti percaya dengan dashboard tanpa lineage setelah pengalaman itu. Buku ini ditulis untuk pelaku usaha yang ingin laporannya bisa dipercaya karena bisa ditelusuri, bukan karena warnanya bagus.

Untuk pembaca yang mencari: DAMA-DMBOK Bab 11 dalam Bahasa Indonesia, Kimball dimensional modeling, slowly changing dimensions, semantic layer, data lineage, dan pemilihan BI tool untuk SME. Disusun dari konteks operator di Indonesia, tetapi rangka diagnostiknya berlaku untuk organisasi manapun yang dashboard-nya pernah berbohong dengan data yang benar.