Prinsip & Tantangan Data Management

Back to IF3140 Sistem Basis Data

Prinsip & Tantangan Data Management

Questions/Cues

• Apa prinsip inti #1? (Value)

• Mengapa properti data itu unik?

• Apa prinsip inti #2? (Business Reqs)

• Apa itu Metadata?

• Mengapa DM harus mendorong keputusan IT?

• Apa prinsip inti #3? (Skills)

• Mengapa DM butuh perspektif enterprise?

• Apa prinsip inti #4? (Lifecycle)

• Apa itu Data Lifecycle?

• Apa prinsip inti #5? (Leadership)

Reference Points

• Slides “14 - Data Management.pdf” (Slide 9-15)

• DAMA DMBOK, Chapter 1

Prinsip & Tantangan Data Management

Data management harus menyeimbangkan kebutuhan strategis dan operasional. Ini didasarkan pada beberapa prinsip kunci.

1. Data itu Berharga (Data is Valuable)

• Prinsip: Data adalah aset dengan properti unik. Nilainya bisa dan harus dinyatakan dalam istilah ekonomi.

• Tantangan:

  • Properti Unik: Data tidak seperti aset fisik. Data bisa disalin tanpa batas, tidak habis dipakai, dan nilainya kontekstual (data yang sama bisa sangat berharga bagi tim marketing, tapi tidak berharga bagi tim HR).

  • Valuasi: Sulit memberi nilai moneter pasti pada data, karena nilainya seringkali temporal (bergantung waktu). Ini menyulitkan pengukuran kontribusi data terhadap kesuksesan.

2. Kebutuhan DM adalah Kebutuhan Bisnis

• Prinsip: Kebutuhan Data Management (DM) berasal dari kebutuhan bisnis.

• Rincian:

  1. Mengelola Data = Mengelola Kualitas: Untuk memastikan data memenuhi kebutuhan bisnis, karakteristik kualitas tinggi harus didefinisikan bersama konsumen data (pengguna bisnis).

  2. Butuh Metadata untuk Mengelola Data: Untuk mengelola aset apapun, kita butuh data tentang aset itu. Data tentang data inilah yang disebut Metadata. Tantangannya: Metadata itu sendiri adalah data, dan juga perlu dikelola.

  3. Butuh Perencanaan untuk Mengelola Data: Nilai dari data tidak muncul secara kebetulan. Butuh perencanaan strategis.

  4. Kebutuhan DM Harus Mendorong Keputusan IT: Kebutuhan data harus menjadi pendorong keputusan teknologi, bukan sebaliknya. Tantangannya: Godaan teknologi baru seringkali “membutakan” organisasi dari kebutuhan data yang sebenarnya.

3. DM Bergantung pada Keterampilan Beragam

• Prinsip: DM adalah aktivitas lintas-fungsional, membutuhkan perspektif enterprise, dan harus memperhitungkan berbagai sudut pandang.

• Rincian:

  1. Lintas-Fungsional: DM butuh kolaborasi antara orang bisnis, orang IT, analis, legal, dll. Tantangannya: Membuat orang dengan bahasa dan skill berbeda ini bekerja sama menuju tujuan yang sama.

  2. Perspektif Enterprise: Data harus dilihat sebagai aset seluruh perusahaan, bukan milik satu departemen.

4. DM adalah Manajemen Siklus Hidup (Lifecycle)

• Prinsip: Jenis data yang berbeda memiliki siklus hidup yang berbeda. Mengelola data juga berarti mengelola risiko terkait data.

• Data Lifecycle: Data memiliki siklus hidup dari:

  Plan → Design → Create/Obtain → Store → Use → Enhance → Dispose of (Hapus).

• Tantangan:

  • Satu kebijakan tidak cocok untuk semua. Data transaksi mungkin perlu disimpan 7 tahun (hukum), sementara data log server mungkin cukup 30 hari.

  • Risiko (data hilang, dicuri, disalahgunakan) harus dikelola di setiap tahap siklus hidup.

5. DM Efektif Butuh Komitmen Pimpinan

• Prinsip: DM adalah proses yang kompleks dan membutuhkan koordinasi, kolaborasi, dan komitmen.

• Tantangan: Tanpa visi dan tujuan yang jelas dari pimpinan (level C/Direksi), inisiatif data management seringkali gagal karena terbentur politik departemen atau kekurangan sumber daya.

Summary

Prinsip Data Management (DM) yang sukses didasarkan pada 5 pilar: 1) Memperlakukan data sebagai aset berharga yang nilainya harus diukur; 2) Menyadari bahwa kebutuhan DM adalah kebutuhan bisnis (memerlukan Metadata & Kualitas); 3) DM adalah lintas-fungsional yang butuh beragam skill dan perspektif enterprise; 4) DM adalah manajemen siklus hidup data (dari dibuat hingga dihapus) dan risikonya; 5) Semua ini tidak mungkin berhasil tanpa komitmen dan visi dari Pimpinan.

Additional Information

Pendalaman Teknis: Metadata, Jantungnya Data Management

Metadata adalah “data tentang data”. Ada tiga jenis utama:

1. Business Metadata: Memberi konteks bisnis.

   • Contoh: Definisi (“Apa itu ‘Pelanggan Aktif’?”), Aturan Bisnis (“Batas kredit tidak boleh > Rp 10 Juta”), Pemilik Data (“Data Steward: Tim Marketing”).

2. Technical Metadata: Menjelaskan bagaimana data disimpan dan diproses.

   • Contoh: Nama tabel, nama kolom, tipe data (VARCHAR(255)), constraint (NOT NULL), skema database, script ETL.

3. Operational Metadata: Data tentang kapan dan bagaimana data digunakan.

   • Contoh: Kapan data terakhir di-refresh, siapa yang mengakses data, jumlah baris yang dimuat, log error.

Tanpa metadata, data hanyalah angka dan teks yang tidak berarti. Metadata adalah kamus dan peta untuk aset data Anda.

Pendalaman Teknis: Data Lifecycle vs. System Development Lifecycle (SDLC)

• SDLC (Software Development Lifecycle): Fokus pada aplikasi/sistem. Berakhir saat sistem di-deploy atau di-retire. (Misal: Waterfall, Agile).

• Data Lifecycle: Fokus pada datanya sendiri. Siklus hidup data jauh lebih panjang daripada siklus hidup aplikasi yang membuatnya.

Sebuah aplikasi (SDLC) mungkin dibuat, dipakai 5 tahun, lalu diganti. Tapi data yang dihasilkannya (misal: data transaksi pelanggan) harus dipindahkan (migrasi) ke sistem baru dan terus dikelola, mungkin hingga puluhan tahun. Inilah mengapa “Kebutuhan DM harus mendorong keputusan IT”.

Sumber & Referensi Lanjutan:

• Buku: DAMA DMBOK: Data Management Body of Knowledge, 2nd Edition, Chapter 1.

• Konsep: “Data Lifecycle Management (DLM)”, “Metadata Management”.