BAB 5:

Asas Kepada Kepintaran

Perniagaan: Pangkalan data dan
Pengurusan Maklumat
• Pangkalan data:
• Koleksi fail berkaitan yang mengandungi rekod orang, tempat atau
benda itu.
• Sebelum pangkalan data digital, perniagaan yang digunakan
kabinet fail dengan fail kertas.
• Entiti:
• kategori umum yang mewakili orang, tempat, perkara di mana kita
menyimpan dan mengekalkan maklumat
• Contohnya, PEMBEKAL, BAHAGIAN
• sifat-sifat:
• ciri-ciri tertentu bagi setiap entiti:
• nama PEMBEKAL, alamat
• Huraian BAHAGIAN, harga unit, pembekal
• Hubungan pangkalan data :
• Menyusun data ke dalam jadual dua dimensi (hubungan) dengan
lajur dan baris.
• Satu jadual bagi setiap entiti:
• Cth (PELANGGAN, PEMBEKAL, BAHAGIAN, JUALAN)
• Fields ( menyimpan data mewakili atribut.
• Baris menyimpan data untuk rekod yang berasingan, atau tuples.
• bidang utama: unik mengenal pasti setiap rekod.
• Kunci utama:
• Satu medan dalam setiap jadual
• tidak boleh ditiru
• Menyediakan pengecam unik untuk semua maklumat di mana-
mana baris
 A Relational Database Table

A relational database organizes data in the form of two-dimensional tables. Illustrated here is
a table for the entity SUPPLIER showing how it represents the entity and its attributes.
Supplier_Number is the key field.
• Kesatabilan hubungan data
• gambar rajah hubungan entiti
• Digunakan untuk menjelaskan perhubungan jadual
dalam pangkalan data hubungan
• Hubungan jadual pangkalan data boleh mempunyai:
• Satu-sama-satu hubungan
• Satu-ke-banyak hubungan
• Banyak-ke-banyak hubungan
• Memerlukan mewujudkan jadual (menyertai meja,
Intersection berhubung) yang menghubungkan kedua-dua
jadual untuk menyertai maklumat
A Simple Entity-Relationship
Diagram

This diagram shows the relationship between

the entities SUPPLIER and PART.
• normalisasi
• Proses memperkemaskan kumpulan kompleks data kepada:
• Mengurangkan unsur-unsur data berlebihan.
• Mengurangkan banyak-ke-banyak hubungan janggal.
• Meningkatkan kestabilan dan fleksibiliti.
• Rujukan peraturan integriti
• Digunakan oleh pangkalan data hubungan untuk memastikan
bahawa perhubungan antara jadual ditambah pula tetap
konsisten.
• Contohnya, apabila satu jadual mempunyai kunci asing yang
menunjuk ke meja yang lain, anda tidak boleh menambah
rekod ke meja dengan kunci asing melainkan ada rekod berkaitan
dalam jadual yang dipautkan.
 Sample Order Report
The shaded
areas show
which data came
from the
SUPPLIER,
LINE_ITEM, and
ORDER tables.
The database
does not
maintain data on
Extended Price
or Order Total
because they can
be derived from
other data in the
tables.
 The Final Database Design with Sample Records
The final design of
the database for
suppliers, parts,
and orders has
four tables. The
LINE_ITEM table is
a join table that
eliminates the
many-to-many
relationship
between ORDER
and PART.
 Entity-Relationship Diagram for the Database
with Four Tables

This diagram shows the relationship between the entities

SUPPLIER, ART, LINE_ITEM, and ORDER .
 Database Management Systems
(DBMS)
• jenis tertentu perisian untuk mencipta, menyimpan,
menyusun, dan mengakses data dari pangkalan data
• Memisahkan pandangan logik dan fizikal data
• pandangan logik: bagaimana pengguna akhir melihat data
• pandangan fizikal: bagaimana data sebenarnya berstruktur
dan teratur
• Contoh DBMS: Microsoft Access, DB2, Pangkalan Data
Oracle, Microsoft SQL Server, MySQL
 Human Resources Database with Multiple Views

A single human
resources
database provides
many different
views of data,
depending on the
information
requirements of
the user. Illustrated
here are two
possible views,
one of interest to a
benefits specialist
and one of interest
to a member of the
company’s payroll
department.
Operasi DBMS Relational
• pilih:
• Mewujudkan subset semua kriteria rekod mesyuarat dinyatakan
• menyertai:
• Menggabungkan jadual hubungan untuk membentangkan pelayan
dengan maklumat yang lebih daripada yang terdapat dari jadual
individu
• projek:
• Mencipta subset yang terdiri daripada lajur dalam jadual yang
• Membenarkan pengguna untuk membuat jadual baru yang
mengandungi maklumat sahaja dikehendaki
The Three Basic Operations of a Relational DBMS

The select, project, and join operations enable data

from two different tables to be combined and only
selected attributes to be displayed.
Keupayaan Pangkalan Data Sistem
Pengurusan
• keupayaan definisi data:
• Menentukan struktur kandungan pangkalan data.
• kamus Data:
• Automatik atau fail manual menyimpan definisi elemen data dan ciri-ciri
mereka.
• Pertanyaan dan melaporkan:
• bahasa manipulasi data
• bahasa pertanyaan berstruktur (SQL)
• Microsoft Access Alat Pertanyaan-bangunan
• Penjanaan laporan, contohnya, Laporan Crystal
 Access Data Dictionary Features
Microsoft Access has a
rudimentary data
dictionary capability
that displays
information about the
size, format, and other
characteristics of each
field in a database.
Displayed here is the
information maintained
in the SUPPLIER table.
The small key icon to
the left of
Supplier_Number
indicates that it is a key
field.
 An Access Query

Illustrated here is how

the query in Figure 5-
10 would be
constructed using
Microsoft Access
query-building tools. It
shows the tables,
fields, and selection
criteria used for the
query.
Objek-Berorientasikan DBMS (OODBMS)
• Menyimpan data dan prosedur yang bertindak ke atas data tersebut
sebagai objek yang akan diambil dan dikongsi
• Lebih baik sesuai untuk menyimpan objek grafik, lukisan, video,
daripada DBMS direka untuk data penstrukturan sahaja
• Digunakan untuk menguruskan komponen multimedia atau Java
applet dalam aplikasi Web
• Agak perlahan berbanding DBMS hubungan
• DBMS objek hubungan: menyediakan keupayaan kedua-dua jenis
• Pangkalan data yang menyediakan maklumat untuk
membantu syarikat itu menjalankan perniagaan
dengan lebih cekap, dan pengurus bantuan dan
pekerja membuat keputusan yang lebih baik.
• Alat untuk menganalisis, mengakses kuantiti besar
data:
• gudang data
• analisis data multidimensi
• perlombongan data
• Menggunakan antara muka Web kepada pangkalan
data
• Gudang Data:
• Pangkalan data yang menyimpan data semasa dan
sejarah yang mungkin menarik minat kepada
pembuat keputusan
• Gabung dan menstandardkan data dari banyak
sistem, pangkalan data operasi dan transaksi
• Data boleh diakses tetapi tidak diubah
• Data mart:
• Subset gudang data yang sangat fokus dan terpencil
untuk penduduk tertentu dari pengguna
 Components of a Data Warehouse
The data warehouse
extracts current and
historical data from
multiple operational
systems inside the
organization. These data
are combined with data
from external sources and
reorganized into a central
database designed for
management reporting and
analysis. The information
directory provides users
with information about the
data available in the
warehouse.
Sesi interaktif: Organizations
IRS mendedahkan Penipuan Cukai dengan Gudang
Data
• Membaca Sesi Interaktif dan kemudian membincangkan
soalan-soalan berikut:
• Mengapa begitu sukar untuk IRS untuk menganalisis data
pembayar cukai ia telah dikumpul?
• Apa jenis cabaran melakukan pertemuan IRS apabila
melaksanakan Data Pematuhan yang Warehouse?
• Bagaimanakah CDW meningkatkan membuat keputusan dan
operasi di IRS? Manfaat sana untuk pembayar cukai?
• Adakah anda fikir gudang data boleh menjadi berguna di tempat
lain dalam sektor persekutuan? Yang mana satu? Mengapa atau
mengapa tidak?
Kepintaran Perniagaan, Multidimensional
Analisis Data, dan Data Mining
• Kepintaran perniagaan: alat untuk menyatukan,
menganalisis, dan menyediakan akses kepada jumlah data
yang besar untuk meningkatkan pembuatan keputusan
• Perisian untuk laporan pangkalan data dan menyoal
• Alat untuk analisis data multidimensi (pemprosesan analitis dalam
talian)
• perlombongan data
• Cth, Hiburan Harrah mengumpulkan dan menganalisis data
pelanggan untuk membuat profil perjudian dan mengenal
pasti pelanggan yang paling menguntungkan
 Business Intelligence

A series of analytical
tools works with data
stored in databases
to find patterns and
insights for helping
managers and
employees make
better decisions to
improve
organizational
performance.
Online Analytical Processing (OLAP)
• Menyokong analisis data pelbagai dimensi, yang membolehkan
pengguna untuk melihat data yang sama dengan cara yang berbeza
menggunakan pelbagai dimensi
• Setiap aspek maklumat produk, harga, kos, kawasan, atau masa tempoh-
mewakili dimensi yang berbeza
• Cth, membandingkan jualan di Timur pada bulan Jun berbanding bulan Mei
dan Julai
• Membolehkan pengguna untuk mendapatkan jawapan dalam talian
untuk iklan hoc soalan-soalan seperti ini dalam jumlah yang agak
pesat masa
 Multidimensional Data Model

The view that is showing

is product versus region.
If you rotate the cube 90
degrees, the face that
will show is product
versus actual and
projected sales. If you
rotate the cube 90
degrees again, you will
see region versus actual
and projected sales.
Other views are
possible.
Data Mining
• Mendapati corak tersembunyi dan hubungan dalam
pangkalan data yang besar dan menyimpulkan kaedah-
kaedah dari mereka untuk meramalkan tingkah laku masa
depan
• Jenis maklumat yang diperolehi dari perlombongan data
• Persatuan: kejadian dikaitkan dengan peristiwa tunggal
• Urutan: peristiwa-peristiwa yang berkaitan dari masa ke masa
• Klasifikasi: corak menggambarkan sekumpulan item tergolong
dalam
• Kelompok: menerokai kumpulan lagi tidak dikelaskan
• Ramalan: menggunakan siri nilai untuk meramal nilai masa depan
• Salah satu penggunaan popular mining data: menganalisis
pola dalam data pelanggan untuk kempen satu-sama-satu
pemasaran atau untuk mengenalpasti pelanggan
menguntungkan
• analisis ramalan:
• Menggunakan teknik data perlombongan, data sejarah, dan
andaian tentang keadaan masa depan untuk meramalkan hasil
peristiwa, seperti kebarangkalian pelanggan akan bertindak balas
terhadap suatu tawaran atau membeli produk tertentu
• mining data berbanding kebimbangan privasi
• Digunakan untuk mewujudkan imej data terperinci tentang setiap
individu
• Text Mining
• data tidak berstruktur (kebanyakannya fail teks)
menyumbang 80 peratus daripada maklumat yang
berguna organisasi.
• perlombongan teks membolehkan perniagaan untuk
mengeluarkan unsur-unsur utama daripada, menemui
corak dalam, dan merumuskan set data tidak berstruktur
besar.
• web Mining
• Penemuan dan analisis pola yang berguna dan maklumat
dari Web
• perlombongan kandungan, struktur perlombongan,
perlombongan penggunaan
Databases and the Web
• Firma menggunakan Web untuk membuat maklumat
daripada pangkalan data dalaman mereka disediakan untuk
pelanggan dan rakan kongsi.
• Middleware dan perisian lain membuat ini mungkin
• pelayan web
• pelayan aplikasi atau CGI
• pelayan pangkalan data
• antara muka Web menyediakan kebiasaan kepada pengguna
dan penjimatan lebih mereka bentuk semula dan membina
semula sistem warisan.
Linking Internal Databases to the Web

Users access an organization’s internal database through the Web

using their desktop PCs and Web browser software.