Ware house 2

Dasar dari Komputer, Sistem Bilangan, dan Gerbang logika

Data
- Komputer yang dipakai saat ini adalah sebuah pemroses data.
- Untuk memproses data, kemudian hasil prosesnya diselesaikan secara elektronis didalam CPU (Central Processing Unit) dan komponen lainnya yang menyusun sebuah komputer personal.

Analog
- Data : Suatu sinyal yang dikirimkan dari suatu pemancar (transmitter) ke penerima (receiver) untuk berkomunikasi
- Bentuk data : suara, huruf, angka, dan karakter lain (tulisan tangan atau dicetak), foto, gambar, film dan lain sebagainya.
- Suatu sistem yang dapat memproses nilai yang kontinyu berbanding terhadap waktu dinamakan sistem analog.
- Sistem analog, nilainya biasa diwakili oleh tegangan, arus dan kecepatan


gambar grafik nilai tegangan analog terhadap waktu
Digital
-Sistem yang memproses nilai diskrit (langkah demi langkah) dinamakan digital.
- Pada sistem digital untuk menunjukkan suatu nilai digunakan simbol yang dinamakan digit.
- Sinyal pada gambar grafik di atas dapat “didigitalkan” dengan menggunakan ADC (Analog to Digital Converter)
- ADC mengubah sinyal kontinyu menjadi sinyal diskrit dengan menyamplingnya tiap detik (tiap satuan waktu).


gambar grafik nilai tegangan digital terhadap waktu.
Komputer
- Komputer adalah sebuah perangkat elektronik.
- Data yang dapat diolah adalah data yang direpresentasikan oleh sinyal listrik.
- Sinyal yang digunakan bisa dianalogikan dengan saklar listrik, yaitu tombol off (mati) atau on (hidup).
- Jika saklar pada kondisi off, maka komputer membaca sebagai data 0, jika saklar dalam kondisi hidup, maka komputer membaca sebagai angka 1
- Sebuah komputer personal terdiri dari saklarsaklar yang banyak jumlahnya (menggunakan komponen elektronik berupa transistor).
- Jumlah dari transistor yang digunakan bisa sampai jutaan, sehingga dapat memproses data dari jutaan angka 0 dan 1.

Gambar analogi
Bits
- Setiap angka 0 dan 1 biasa disebut Bit.
- Bit adalah singkatan dari Binary Digit.
- Kata Binary diambil dari nama Binary Number System (Sistem Bilangan Biner)

Tabel Sistem Bilangan Biner.
Sistem Bilangan Biner
- Sistem bilangan biner disusun dari angka angka, sama seperti sistem bilangan desimal (sistem bilangan 10) yang sering digunakan saat ini.
- desimal menggunakan angka 0 sampai 9
- sistem bilangan biner hanya menggunakan angka 0 dan 1


tabel contoh sistem bilangan biner.
Bytes
- Pengolahan data yang paling sering digunakan adalah pengolah kata (word processing)
- Ketika melakukan suatu pengolahan kata, komputer bekerja dengan keyboard.
- Ada 101 tombol yang mewakili karakter alphabet A, B, C, dst.  Selain itu juga akan ditemui karakter angka 0 sampai dengan 9, dan karakterkarakter lain yang diperlukan, antara lain : ,.;():_?!"#*%&.
- Seluruh karakter yang ada pada keyboard harus didigitalkan.
- Karakterkarakter tersebut diwakili oleh angka angka 0 dan 1
- Bit yang digunakan adalah 8 bit biner. 8 bit biner dinamakan Byte. 8 bit = 1 bytes, sistem inilah yang digunakan.
- Untuk sistem bilangan biner, banyaknya kombinasi dihitung dengan 2 n = m. n adalah jumlah bit, m adalah kombinasi yang dapat diwakili.
- Sehingga pada 8 bit biner, dapat mewakili 2^8 = 256 kombinasi maksimal.

Tabel berikut menunjukkan perbandingan ukuran unit data
ASCII
- ASCII singkatan dari American Standard Code for Information Interchange. Standard yang digunakan pada industri untuk mengkodekan huruf, angka, dan karakterkarakter lain pada 256 kode (8 bit biner) yang bisa ditampung.
- Tabel ASCII dibagi menjadi 3 seksi:
 a. Kode sistem tak tercetak (Non Printable System Codes) antara 0 – 31.
 b. ASCII lebih rendah (Lower ASCII), antara 32 – 137. Diambil dari kode sebelum ASCII digunakan, yaitu sistem American ADP, sistem yang bekerja pada 7 bit biner.
 c. ASCII lebih tinggi (Higher ASCII), antara 128 – 255. Bagian ini dapat diprogram, sehingga dapat mengubahubah karakter.


Program Code
- Telah disebutkan diatas tentang data yang digunakan pada komputer.
- banyak data yang ada pada komputer personal.
- Tipe data dasar dapat dikelompokkan menjadi 2 :
 a. Program Code, dimana data digunakan untuk menjalankan fungsi komputer.
 b. Data User, seperti teks, gambar dan suara.
- CPU didesain untuk mengenali instruksiinstruksi ini, yang kemudian diproses bersamasama data user.
- Program Code adalah kumpulan instruksiinstruksi, dieksekusi satu persatu, ketika program dijalankan. Saat mengklik mouse, atau mengetikkan sesuatu pada keyboard, instruksiinstruksi dikirimkan dari software (perangkat lunak) ke CPU.


Sistem Bilangan
BILANGAN DESIMAL
Representasi

Dn..D2D1D0 , D-1 D-2..Dm
= Dn x 10n+ D2 x 102+D1 x 101 +D0 x 100 +D-1 x 10-1 + D-2 x 10-2 +Dm x 10m

Contoh:
123 = 1x 102 +2 x 101 +3 x 100
       = 100 + 20 + 3 = 123

Positional value                         102   101   100

      (Bobot)
                                                 1      2      3
                       MSD        LSD

Bilangan Biner
BILANGAN BINER
Representasi

Bn..B2 B1 B0 , B-1 B-2..Bm
= Bn x 2n+ B2 x 22+ B1 x 21+ B0 x 20+ B-1 x 2-1+ B-2 x 2-1 +Bm x 2m

Contoh:
1112 = 1 x 22 +1 x 21 +1 x 20
       =  4 + 2+ 1 = 710
Positional value                  22     21     20
      (Bobot)
                                                     1      1      1
                               MSB         LSB

- Konversi Desimal ke biner
- Konversi bilangan desimal bulat: Gunakan pembagian dgn 2 secara suksesif sampai sisanya = 0. Sisa-sisa pembagian membentuk jawaban, yaitu sisa yang pertama akan menjadi least significant bit (LSB) dan sisa yang terakhir menjadi most significant bit (MSB).
- Contoh: Konersi 17910  ke biner:
     179 / 2 = 89 sisa 1   (LSB)
                    / 2 = 44 sisa 1
                            / 2 = 22 sisa 0
                                    / 2 = 11 sisa 0
                                             / 2 = 5 sisa 1
                                                     / 2 = 2 sisa 1
                                                             / 2 = 1 sisa 0
                                                                     / 2 = 0 sisa 1 (MSB)
     ?  17910  =  101100112


Konversi desimal ke biner – lanj.
- Konversi fraksi-fraksi desimal ke biner: kalikan dengan 2 secara berulang sampai fraksi hasil perkalian = 0 (atau sampai jumlah penempatan biner yang diharapkan). Digit kesleuruhan hasil perkalian memrupakan jawaban, dengan yang pertama ?  MSB, dan yang terakhir ?LSB.
- Contoh: Konversi  0.312510  ke biner
                        Digit hasil
        .3125 ? 2    =    0.625        0    (MSB)
        .625 ? 2     =    1.25        1
        .25 ? 2       =    0.50        0
        .5 ? 2         =    1.0         1    (LSB)
        ?  0.312510 = .01012

Bilangan Oktal
- Bilangan oktal disebut bilangan basis 8, artinya ada 8 simbol yang mewakili bilangan ini

Bilangan Oktal
Representasi

On..O2 O1 O0 O-1 O-2..Om
= On x 8n + O2 x 82 + O1 x 81 + O0 x 80 +  O-1 x 8-1 + O-2 x 8-2 + Om x 8m

- Contoh:
5678 = 5 x 82 + 6 x 81 + 7 x 80
     = 320 + 48 + 7
     = 37510
KONVERSI BILANGAN OKTAL
- Desimal ke Oktal
- Bagi bilangan decimal dengan 8, tulis sisa pembagian, lanjutkan pembagian sampai tidak bisa dibagi lagi.
- Tulis hasil pembagian tersebut mulai dari sisa pembagian pertama sampai dengan sisa pembagian terahir.

Contoh:
266 / 8       = 33      sisa    =  2
33/8        = 4     sisa     = 1
Jadi 26610 = 4128
KONVERSI BILANGAN OKTAL
- Biner ke Oktal
- Konversi bilangan biner ke octal bisa dilakukan dengan mengelompokan bilangan biner mulai dari LSB. Setiap kelompok terdiri dari 3 bit, kemudian konversikan setiap kelompok ke bilangan octal.

- Contoh:
100111010 = 100   111   010
                      4        7       28

KONVERSI BILANGAN OKTAL
- Oktal ke Biner
- Konversi bilangan Oktal ke biner bisa dilakukan denga cara mengkonversi setiap digit bilangan okta menjadi 3 bit bilangan biner

Contoh:
4728 =  4       7        2
           100   111    010
Jadi  4728 = 1001110102
Bilangan Hexadesimal
Bilangan heksadesimal biasa disebut bilangan basis 16, artinya ada 16 simbol yang mewakili bilangan ini.

BILANGAN HEXADESIMAL
= System bilangan hexadecimal disebut juga bilangan berbasis 16 karena memiliki 16 simbol  yaitu 0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F. Simbol A,B,C,D,E,F setara dengan 10,11,12,13,14,15. Represenasi bilangan hexadecimal adalah sebagai berikut:

Hn..H2 H1 H0 H-1 H-2..Hm
= Hn x 16n + H2 x 162 + H1 x 161+ H0 x 160 +      H-1 x 16-1+ H-2 x 16-2 +Hm x 16m

- Contoh:
2AF16 =  2 x 162 + 10 x 161 + 15 x 160
           =   512     +    160      +     15
           =    68710
KONVERSI BILANGAN HEXADESIMAL
- Desimal ke Hexadesimal
- Konversi Bilangan decimal ke Hexadesimal dapat dilakukan dengan membagi bilangan decimal dengan 16, sampai tidak bisa dibagi lagi

- Contoh:
423/ 16     = 26    sisa  7
26/16    = 1     sisa 10
Jadi 42310 = 1A716

KONVERSI BILANGAN HEXADESIMAL
- Biner ke Hexadesimal
- Konversi bilangan biner ke bilangan hexadecimal dapat dilakukan dengan mengkonversi setiap 4 bit bilangan biner ke bilangan hexadecimal.
- Contoh:
11101001102 = 0011     1010      0110
                     =    3           A           6
 Jadi 11101001102 =  3A616

KONVERSI BILANGAN HEXADESIMAL
- Hexadesimal ke biner
- Konversi bilangan hexadecimal ke bilangan biner dapat dilakukan dengan cara mengkonversi setiap digit bilangan Hexadesimal  menjadi 4 bit bilangan biner.

- Contoh:
9F216       =        9          F          2
               =    1001    1111    0010
Jadi 9F216 = 1001111100102

SANDI BINER
Sandi 8421 BCD (Binary Coded Decimal)
- Sistem BCD digunakan untuk menampilka=n digit decimal sebagai kode biner 4 bit.
- Untuk mengkonversikan bilangan decimal ke  BCD, setiap digit decimal dirubah ke 4 bit biner.

- Contoh:
59610 = 0101    1001    0110
Jadi 59610 = 0101  1001  0110BCD

- Dalam sistem kode desimal BCD terdapat 6 buah kode yang tidak dapat digunakan (invalid code) : 1010, 1011, 1100,  1101, 1110 dan 1111 atau dari ( A B C D E F pada hexadecimal)
- Contoh :
Ubah 0111  1100  0001BCD
0111= 7
1100 = invalide code
0001=1


Kode Excess-3
- Kode Excess-3 ? kode yang tiga angka lebih besar dari BCD
                             8421.
    Contoh :   62 = …….xs3
    Caranya :
    Tambah desimal 3  di setiap digit desimalnya
    Ubah desimal  tersebut ke BCD   
                6   2
                3   3  +
                       9   5  ?  1001 0101(xs3)
Kode gray
- Kode Gray biasanya digunakan pada mecanical incode pada telegraf.
- Kode Gray ? kenaikan hitungan (penambahan) dilakukan hanya
                       dengan pengubahan keadaan satu bit saja.
    Contoh :   2 = …..kode gray
    Caranya :
     1. ubah des. ke biner dahulu ? 0010
                                          0      0      1
         BINER ?           0    0      1      0   +
         KELABU?                0    0      1       1

- Kode Gray sering  digunakan dalam situasi dimana kode biner yang lainnya mungkin menghasilkan kesalahan atau kebingungan selama dalam transisi dari satu word kode ke word kode yang lainnya, dimana lebih dari satu bit dari kode diubah.

           Logic Gate (Gerbang Logika)
Logic Gate (Gerbang Logika) adalah merupakan dasar pembentuk sistem digital

Logic Gate mempunyai gerbang logika dasar yaitu NOT, AND dan OR.

Dari 3 gerbang logika dasar dibentuk 4 gerbang logika tambahan yaitu  NAND, NOR, EX-OR, dan EX- NOR

Aplikasi dan Trend dalam Data Mining
- Aplikasi Data mining
- Produk Sistem dan Penelitian Data mining
- Tema Tambahan pada Data Mining
- Pengaruh Sosial dari Data Mining
- Trend dalam Data Mining

Aplikasi Data Mining
- Data mining adalah disiplin ilmu yang masih baru dengan aplikasi yang luas dan beragam
- Masih ada satu nontrivial gap antara prinsip umum dari data mining dan domain-specific, effective data mining tools untuk aplikasi tertentu.
- Beberarap domain aplikasi, antara lain:
- Biomedical and DNA data analysis
- Financial data analysis
- Retail industry
- Telecommunication industry


Biomedical and DNA Data Analysis
- Urutan DNA:  4 blok dasar yang membangun DNA: (nucleotides): adenine (A), cytosine (C), guanine (G), and thymine (T). 
- Gene: satu urutan/barisan dari ratusan individual nucleotides tersusun dalam urutan tertentu.
- Manusia mempunyai sekitar 30,000 genes
- Sangat banyak cara sehingga nucleotides dapat diurutkan dan dibariskan untuk membentuk genes yang berbeda.
- Integrasi semantik dari keberagaman, database genome yang terdistribusi
- Current: highly distributed, uncontrolled generation dan menggunakan data DNA yang sangat luas kebergamannya
- Metode Data cleaning dan data integration dikembangkan dalam data mining akan membantu

Analisis DNA : Contoh
- Pencarian keserupaan dan perbandingan diantara barisan DNA
- Bandingkan pola yang sering muncul dari setiap kelas (misal, penyakit dan kesehatan)
- Identifikasi pola barisan gene yang berpengaruh dalam berbagai penyakit.
- Analisis Association : Pengidentifikasian dari kemunculan barisan gen
- Sebagian penyakit tidak di triger melalui satu gen tunggal tetapi oleh kombinasi gen yang berlaku bersama.
- Analysis Association dapat membantu menentukan macam macam dari gen yang kelihatannya akan muncul secara bersamaan dalam contoh target.
- Analisis Path : menghubungkan gen ke tingkatan pengembangan penyakit yang berbeda.
- Gen yang berbeda dapat menjadi aktif pada tingkatan berbeda dari penyakit
- Mengembangkan intervensi pharmaceutical yang mentargetkan tingkatan yang berbeda secara terpisah. 
- Tool Visualisasi dan analisis data genetika

Data Mining untuk Analisis Data Keuangan
- Data keuangan terkumpul di bank dan intstitusi keuangan yang pada umumnya adalah lengkap, handal dan tinggi kualitasnya.
- Desain dan konstruksi dari data warehouse untuk analisis data multidimensi dan data mining.
- View perubahan debet dan pendapatan/keuntungan berdasarkan bulan, daerah, sektor dan faktor.
- Akses informasi statistik seperti max, min, total, average, trend, dll.
- Peramalan/prediksi pembayaran pinjaman / analisis kebijaksanaan kredit konsumen.
- Pemeringkatan pemilihan fitur dan keterhubungan atribut
- Kinerja pembayaran pinjaman
- Rating kredit konsumen

Data Mining Keuangan
- Classification dan clustering dari konsumen untuk sasaran pemasaran.
- multidimensi segmentasi melalui tetangga-terdekat, klasifikasi, pohon keputusan, dll. UNTUK mengidentifikasi Kelompok Konsumen atau mengasosiasi Satu Konsumen Satu Kelompok baru ke Konsumen Yang Tepat / Sesuai.
- Deteksi pencucian uang murahdan kejahatan keuangan lainnya
- Integrasi dari berbagai DBs (misalnya, transaksi bank, federal / negara DBs sejarah kejahatan)
- Peralatan: visualisasi data, analisis keterkaitan, klasifikasi, alat clustering, analisis outlier, dan alat analisis sekuensial pola (ditemukan urutan akses tidak biasa)

Data Mining untuk Retail Industry
- Retail industry: jumlah data yang sangat besar pada sales, customer shopping history, dll.
- Aplikasi dari retail data mining
- Mengidentifikasi perilaku pembelian pelanggan
- Temukan pola belanja pelanggan dan tren
- Meningkatkan kualitas layanan pelanggan
- Mencapai lebih baik retensi pelanggan dan kepuasan
- Meningkatkan rasio barang-barang konsumsi
- Desain lebih efektif angkutan barang dan kebijakan distribusi

Data Mining dalam Retail Industry: Contoh
- Desain dan konstruksi dari gudang data berdasarkan manfaat data mining
- Multidimensional analisis penjualan, pelanggan, produk, waktu, dan wilayah
- Analisis efektivitas kampanye penjualan
- Pelanggan retensi: Analisis loyalitas pelanggan
- Gunakan informasi pelanggan loyalitas kartu untuk mendaftar urutan pembelian pelanggan tertentu
- Gunakan pertambangan pola sekuensial untuk menyelidiki perubahan dalam konsumsi pelanggan atau loyalitas
- Sarankan penyesuaian pada harga dan berbagai barang
- Pembelian rekomendasi dan lintas-referensi item

Data Mining untuk Industri Telekomunikasi (1)
- Sebuah industri berkembang pesat dan sangat kompetitif dan permintaan yang besar untuk data mining
- Memahami bisnis yang terlibat
- Mengidentifikasi pola telekomunikasi
- Menangkap kegiatan penipuan
- Membuat lebih baik menggunakan sumber daya
- Meningkatkan kualitas layanan
- Multidimensional analisis data telekomunikasi
- Intrinsik multidimensi: memanggil-waktu, durasi, lokasi penelepon, lokasi callee, jenis panggilan, dll

Data Mining untuk Industri Telekomunikasi (1)
- Pola penipuan analisis dan identifikasi pola yang tidak biasa
- Mengidentifikasi pengguna yang berpotensi curang dan pola atipikal mereka penggunaan
- Mendeteksi upaya untuk mendapatkan masuk penipuan untuk rekening nasabah
- Temukan pola-pola yang tidak biasa yang mungkin perlu perhatian khusus
- Multidimensional asosiasi dan analisis pola sekuensial
- Temukan pola penggunaan untuk satu set layanan komunikasi dengan kelompok pelanggan, bulan, dll
- Mempromosikan penjualan jasa tertentu
- Meningkatkan ketersediaan layanan tertentu di suatu wilayah

Bagaimana memilih satu Sistem Data Mining?
- Data komersial sistem pertambangan memiliki sedikit kesamaan
- Berbagai data mining fungsi atau metodologi
- Mei bahkan bekerja dengan benar berbagai jenis data set
- Perlu melihat beberapa dimensi dalam pemilihan
- Tipe data: relasional, transaksional, teks, urutan waktu, spasial?
- Sistem isu
- Berjalan pada hanya satu atau pada beberapa sistem operasi?
- Klien / arsitektur server?
- Menyediakan antarmuka berbasis web dan memungkinkan data XML sebagai masukan dan / atau output?

Bagaimana memilih satu Sistem Data Mining? (2)
-sumber data
- ASCII file teks, beberapa sumber data relasional
- Dukungan koneksi ODBC (OLE DB, JDBC)?
- Data mining fungsi dan metodologi
- Salah satu fungsi data mining vs beberapa
- Satu vs berbagai metode per fungsi
- Fungsi pertambangan Lebih data dan metode per fungsi menyediakan pengguna dengan fleksibilitas lebih besar dan daya analisis
- Coupling dengan DB dan / atau data warehouse sistem
- Empat bentuk coupling: kopling tidak ada, kopling longgar, kopling semitight, dan kopling ketat
- Idealnya, sebuah sistem data mining harus erat dengan sistem database


Bagaimana memilih satu Sistem Data Mining? (3)
- skalabilitas
- Row (atau ukuran database) skalabilitas
- Kolom (atau dimensi) skalabilitas
- Kutukan dimensi: itu jauh lebih menantang untuk membuat kolom sistem scalable yang terukur baris
- Visualisasi alat
- "Sebuah gambar bernilai seribu kata"
- Visualisasi kategori: visualisasi data, visualisasi hasil pertambangan, pertambangan visualisasi proses, dan visual data mining
- Data mining bahasa query dan antarmuka pengguna grafis
- Mudah digunakan dan berkualitas tinggi antarmuka pengguna grafis
- Esensial untuk pengguna-dipandu, sangat interaktif data mining

Contoh Sistem Data Mining (1)
- IBM Cerdas Miner
- Berbagai macam algoritma data mining
- Algoritma pertambangan Scalable
- Toolkit: algoritma jaringan saraf, metode statistik, persiapan data, dan alat-alat visualisasi data
- Ketat integrasi dengan sistem database relasional DB2 IBM
- SAS Perusahaan Miner
- Berbagai alat analisis statistik
- Data warehouse alat dan algoritma beberapa data mining
- Mirosoft SQLServer 2000
- Mengintegrasikan DB dan OLAP dengan pertambangan
- Dukungan standar OLEDB untuk DM

Contoh Sistem Data Mining (2)
- SGI MineSet
- Beberapa algoritma penambangan data dan statistik tingkat lanjut
- Advanced visualisasi alat
- Clementine (SPSS)
- Sebuah pertambangan data terintegrasi lingkungan pengembangan untuk end-user dan pengembang
- Beberapa algoritma pertambangan data dan alat visualisasi
- DBMiner (DBMiner Technology Inc)
- Modul pertambangan Beberapa data: Penemuan-driven OLAP analisis, asosiasi, klasifikasi, dan clustering
- Alat Efisien, asosiasi dan pola sekuensial-fungsi pertambangan, dan visual klasifikasi
- Pertambangan database baik relasional dan gudang data

Data Mining dan Intelligent Query Answering
- Sebuah kerangka kerja umum untuk integrasi data mining dan menjawab permintaan cerdas
- Data query: menemukan data konkret disimpan dalam database; kembali persis apa yang diminta
- Pengetahuan query: menemukan aturan, pola, dan jenis lain dari pengetahuan dalam database
- Cerdas (atau koperasi) menjawab permintaan: analisis maksud dari query dan menyediakan umum, lingkungan atau informasi terkait yang relevan dengan query


Tren Dalam, Data Mining (1)
- Aplikasi eksplorasi
- Pengembangan aplikasi-spesifik sistem data mining
- Terlihat data mining (pertambangan sebagai built-in fungsi)
- Metode data mining Scalable
- Kendala berbasis pertambangan: penggunaan kendala untuk memandu sistem data mining dalam pencarian mereka untuk pola yang menarik
- Integrasi data mining dengan sistem database, gudang data, dan sistem database Web
- Terlihat data mining

Trends dalam Data Mining (2)
- Standardisasi bahasa data mining
- Sebuah standar akan memfasilitasi pengembangan sistematik, meningkatkan interoperabilitas, dan mempromosikan pendidikan dan penggunaan sistem data mining dalam industri dan masyarakat
- Visual data mining
- Metode baru untuk jenis pertambangan kompleks data
- Lebih banyak penelitian diperlukan terhadap integrasi metode penambangan data dengan teknik analisis data untuk tipe kompleks data yang ada
- Web mining
- Perlindungan privasi dan keamanan informasi dalam data mining

Defining Business Requirement / Medefiniskan kebutuhan User
Datawarehouse
-Data warehouse adalah Information delivery system Untuk menyelesaikan permasalahan dan menyediakan informasi strategis bagi pengguna
- OLTP ? Data capture system
- Datawarehouse ? Infromation delivery system
- Sehingga  Kita harus membedakan mindset kita ketika kita membangun datawarehouse.
- Pada tahap pendefinisian kebutuhan user fokus utama anda adalah mendefiniskan informasi apa yang dibutuhkan user bukan bagaimana cara anda menyediakan informasi kepada user.


Analisa Dimensi
- Membangun DW berbeda dengan OLTP
- Oleh karena itu Metode untuk mendefiniskan requirement yang bekerja baik pada OLTP tidak dapat diterapkan dalam membangun DW

Penggunaan Informasi tidak dapat diprediksi
- OLTP User dapat memberikan requirement secara tepat dan detail, fungsi, konten informasi, penggunaannya.
- DW User tidak dapat mendefinisikan requirement/kebutuhannya dengan detil.

Penggunaan Informasi tidak dapat diprediksi
Initially
- Kita dapat mengumpulkan keseluruhan data dari organisasi/perusahaan tersebut.
- Mengecek jalannya bisnis sehari-harinya.
- Menggabungkan rule businis yang ada.
- Melihat bagaimana produk dikembangkan dan dipasarkan.

Dimensional Nature of Business Data
- User dapat memberikan gambaran bagaimana pandangannya terhadap bisnisnya
- Memberikan measurement units yang penting.setiap user di departemen bisa menjelaskan measurement untuk menentukan kesuksesan pada departemennya.
- User dapat menjelaskan bagaimana ia menggabungkan informasi yang  terpisah menjadi informasi strategis

Pandangan Manager pada area businisnya
- Manager Pemasaran
Berikan saya statistic penjualan berdasarkan produk, dirangkum berdasarkan kategori produk, harian, mingguan,bulanan,berdasarkan lokasi, berdasarkan rekanan distributor
- Dekan Fakultas
Tunjukkan pada saya daftar mahasiswa berdasarkan IPK, berdasarkan jurusan, berdasarkan semester, tahun, berdasarkan jenis kelamin, berdasarkan propinsi, kota.

Dimensional nature of business data.
- Hanya ada tiga dimensi yaitu waktu, produk dan geography
- Jika ada banyak dimensi disebut multidimensi dan divisualisasikan dengan multidimensional cubes diseut juga Hypercubes

Contoh Bisnis Dimensi :
- Untuk rantai supermarket, pengukuran yang dianalisis adalah unit penjualan. Ini dianalisis bersama empat dimensions.when bisnis Anda mencari hypercubes, sisi kubus tersebut adalah waktu, promosi, produk, dan toko.

- Jika Anda adalah Marketing Manager untuk rantai supermarket, Anda ingin penjualan Anda dipecah oleh produk, di setiap toko, dalam urutan waktu, dan dalam kaitannya dengan promosi yang berlangsung.


Requirement tidak didefinisikan dengan jelas
- User tidak dapat menjelaskan dengan detil apa yang mereka benar-benar inginkan dari DW
- Metode untuk mendapatkan requirement untuk DW adalah dimensi bisnis (business dimensions)
- Tujuan utama anda pada tahap requirement adalah memperoleh paket informasi (information package)dari semua subjek untuk DW

Key Business Metrics or Facts
- The Number ? analisa user adalah measurement atau metric yang mengukur tingkat kesuksesan pada suatu departemen
- Fact ? fakta yang mengindikasikan bagaimana departemen, perusahaan, organisasi dapat mencapai tujuannya (visi/misi)

User DW
- Senior eksekutif (termasuk sponsor)
- Departemen manajer Kunci
- Bisnis analis
- DBA sistem Operasional
- Lainnya dicalonkan oleh di atas

Requrement apa yang perlu kita dapatkan,kumpulkan
- Elemen data: fakta kelas, dimensi
- Perekaman data dalam hal waktu
- Data ekstrak dari sistem sumber
- Bisnis aturan: atribut, berkisar, domain, catatan operasional

Persyaratan Dokumen Garis Definisi
1. Pendahuluan.tujuan dan ruang lingkup proyek. Sertakan justifikasi proyek yang luas. Memberikan ringkasan eksekutif dari masing-masing bagian berikutnya.
2. Persyaratan Umum deskripsi. menjelaskan sistem sumber terakhir. Sertakan ringkasan wawancara. Secara menyatakan apa jenis kebutuhan informasi yang dibutuhkan dalam data warehouse.
3. Persyaratan tertentu. Sertakan rincian sumber data yang diperlukan. Daftar transformasi data dan persyaratan penyimpanan. Jelaskan jenis-jenis metode penyampaian informasi yang dibutuhkan oleh pengguna.
4. Paket informasi. Menyediakan informasi sedetail mungkin untuk setiap paket informasi. Sertakan dalam bentuk diagram paket.
5. Persyaratan lainnya. Menutupi kebutuhan lain-lain seperti frekuensi ekstrak data, loading data metode, dan lokasi dimana informasi harus disampaikan.
6. Harapan pengguna. arapan dalam hal masalah dan peluang. Menunjukkan bagaimana pengguna berharap untuk menggunakan data warehouse.
7. Partisipasi pengguna dan sign-off. Daftar tugas dan kegiatan di mana pengguna diharapkan untuk berpartisipasi di seluruh siklus hidup pengembangan.
8. Umum pelaksanaan rencana. Pada tahap ini, memberikan rencana tingkat tinggi untuk implementasi.