Omzet naik selama promosi sementara margin justru turun. Untuk mengetahui penyebabnya maka tim perlu mencocokkan transaksi dari sistem kasir, data diskon dari sistem promosi, dan harga pokok dari ERP.
Ketika data masih tersebar di tiga sistem, pencocokan bisa terulang setiap kali laporan diperbarui. Akibatnya, manajemen perlu menunggu lebih lama untuk menilai apakah promosi tersebut layak dilanjutkan.
Apa Itu Data Warehousing?
Data warehousing adalah proses mengumpulkan, mengintegrasikan, dan menyimpan data dari berbagai sistem agar bisa digunakan untuk analisis dan pelaporan bisnis. Melalui proses ini, perusahaan mampu menggabungkan data penjualan, keuangan, dan operasional untuk mengevaluasi kinerja.
Menurut IBM, sistem penyimpanan yang digunakan dalam proses tersebut disebut data warehouse. Sistem ini menyimpan data secara terpusat dan mendukung analisis data historis untuk membandingkan pendapatan, biaya, dan margin antar periode.
Perbedaan Data Warehousing dan Cloud Data Warehousing
Berikut ini adalah perbedaan data warehousing dan cloud data warehousing dalam empat aspek, yaitu:
| Aspek | Data Warehousing | Cloud Data Warehousing |
| Infrastruktur | Dapat diterapkan di infrastruktur perusahaan (on-premises), cloud, atau kombinasi keduanya. | Menggunakan infrastruktur cloud untuk menyimpan dan memproses data. |
| Kapasitas | Penambahan kapasitas bergantung pada infrastruktur yang digunakan. | Kapasitas penyimpanan dan pemrosesan dapat disesuaikan melalui layanan cloud. |
| Pengelolaan | Tanggung jawab pemeliharaan bergantung pada model penerapan yang dipilih. | Pada layanan cloud terkelola, penyedia menangani sebagian pemeliharaan infrastruktur. |
| Biaya | Bergantung pada pilihan infrastruktur, lisensi, dan kebutuhan pemeliharaan. | Bergantung pada model tarif layanan, kapasitas penyimpanan, dan penggunaan komputasi. |
Bagaimana Cara Kerja Data Warehousing?
Data warehousing dimulai dengan menentukan data yang dibutuhkan dan berakhir dengan menyediakannya untuk analisis, dashboard, dan laporan, yaitu:
1. Menentukan Kebutuhan dan Mengambil Data
Tim menentukan pertanyaan bisnis yang ingin dijawab lalu memilih metrik dan sumber data yang relevan untuk menghitung margin penjualan per cabang. Misalnya saat tim mengambil data transaksi, diskon, dan harga pokok dari sistem yang mencatatnya.
2. Mengintegrasikan dan Menyiapkan Data
Tim menyeragamkan kode produk, format tanggal, dan definisi metrik agar data dari berbagai sumber bisa digabungkan. Pada tahap ini, tim juga akan memeriksa data ganda, kolom kosong, dan perubahan format dari sistem sumber.
Menurut IBM proses ETL (extract, transform, load) data diolah sebelum dimuat ke sistem tujuan sedangkan ELT (extract, load, transform), data akan dimuat terlebih dahulu baru diolah di sistem tujuan.
3. Menata Data di Data Warehouse
Tim menata data agar mudah dianalisis berdasarkan periode, produk, atau cabang. Tim juga bisa menetapkan hak akses dan jadwal pembaruan. Misalnya, dashboard penjualan harian biasanya membutuhkan data yang lebih sering diperbarui daripada laporan bulanan.
4. Menghubungkan Data ke Dashboard dan Laporan
Analis bisa menjalankan query SQL di data warehouse sementara tim bisnis dapat mengakses hasilnya lewat dashboard di platform Business Intelligence (BI). Misalnya, tim bisa melihat margin penjualan secara keseluruhan dan menelusuri perubahannya per cabang atau produk.
Baca Juga: Apa Itu Redundansi Data? Dampak & Cara Mengatasinya
Jenis dan Komponen Data Warehouse
Data warehousing dapat mencakup tiga bentuk penyimpanan, yaitu:
| Komponen | Fungsi | Contoh Penggunaan |
| Enterprise Data Warehouse (EDW) | Menyimpan data historis dari berbagai sistem untuk analisis lintas divisi. | Menggabungkan data penjualan, operasional, dan keuangan dalam laporan kinerja perusahaan. |
| Data Mart | Menyediakan data untuk satu divisi atau kebutuhan analisis tertentu. | Menyediakan data anggaran dan realisasi biaya untuk tim keuangan. |
| Operational Data Store (ODS) | Menghimpun data operasional terkini dari beberapa sistem untuk mendukung pemantauan harian. | Memantau status pesanan yang masih diproses hari ini. |
Manfaat Data Warehousing bagi Perusahaan
Dengan data dari berbagai sistem yang terhimpun di satu tempat, tim dapat lebih mudah menyusun laporan dan mengevaluasi perubahan kinerja bisnis, seperti:
1. Menjaga Konsistensi Angka dalam Laporan Antardivisi
Tim penjualan dan keuangan dapat menghitung pendapatan bersih dari data yang sama dengan aturan yang seragam untuk diskon dan retur.
2. Mengurangi Pekerjaan Manual dalam Penyusunan Laporan
Integrasi data yang terjadwal mengurangi kebutuhan untuk mengekspor file dan menggabungkan spreadsheet setiap kali tim menyusun laporan.
3. Memudahkan Perbandingan Kinerja Bisnis Antar Periode
Dengan riwayat penjualan dan retur maka tim dapat membandingkan hasil promosi terbaru dengan hasil promosi serupa pada periode sebelumnya.
4. Menelusuri Perubahan Kinerja
Tim dapat melihat apakah penurunan margin terjadi di banyak cabang atau terkonsentrasi pada produk, kanal atau hanya di lokasi tertentu saja.
Contoh Penerapan Data Warehousing dalam Bisnis
Untuk mengevaluasi promosi, perusahaan akan menggabungkan data penjualan, diskon, dan harga pokok ke dalam data warehouse selanjutnya tim akan menyelaraskan kode produk dari tiap sistem agar data bisa dicocokkan lalu membandingkan omzet dan margin sebelum, selama, dan sesudah promosi.
Misalnya, dashboard menunjukkan bahwa margin paling banyak turun pada kategori dengan diskon terbesar. Tim komersial dapat menelusuri apakah kenaikan harga pokok atau meningkatnya porsi penjualan produk bermargin rendah juga berperan.
Hasil analisis ini membantu tim menentukan kategori produk dan skema diskon yang akan diuji pada promosi berikutnya.
Siapa yang Mengelola Data Warehouse?
Agar laporan margin bisa diperbarui secara berkala, data penjualan, diskon, dan harga pokok dari berbagai sistem perlu masuk ke data warehouse sesuai jadwal maka diperlukan peran dari data engineer.
Menurut Microsoft Learn, data engineer merancang alur data serta menggabungkan dan mengolah data dari berbagai sistem agar siap dianalisis. Dalam pengelolaan data warehouse peran ini mencakup dalam menghubungkan sistem sumber, menyiapkan proses ETL atau ELT, dan memeriksa kualitas data yang masuk.
Misalnya, jika format kode produk berubah di salah satu sistem maka data engineer dapat menyesuaikan aturan pencocokan agar transaksi tetap terhubung dengan harga pokok yang tepat. Dengan begitu, tim BI dan analis dapat memperbarui laporan margin menggunakan data yang konsisten.
Butuh Data Engineer untuk Membangun Data Warehouse?
Saat membangun data warehouse baru atau memperbarui sistem yang sudah berjalan, perusahaan membutuhkan Data Engineer yang memahami sumber data, teknologi, dan kebutuhan pelaporan tim.
Melalui layanan IT Headhunting IDstar, perusahaan dapat mencari kandidat Data Engineer dengan keahlian yang sesuai dengan kebutuhan proyek.
- Integrasi data dari berbagai sistem, seperti ERP, CRM, dan aplikasi operasional.
- Pengembangan dan pemeliharaan data pipeline dengan proses ETL atau ELT.
- Pemeriksaan kualitas data agar data yang masuk ke warehouse siap digunakan untuk analisis dan pelaporan.
Referensi
IBM Think, “What Is a Data Warehouse?”
IBM Think, “ELT versus ETL: What’s the Difference?”
Microsoft Learn.“Training for Data Engineers”



