NEW
Font size
WorksheetsUTS Data Warehouse
Total questions: 30
Worksheet time: 15mins
Manakah dari pernyataan berikut yang paling tepat menggambarkan pendekatan Inmon dalam merancang data warehouse?
Memprioritaskan fleksibilitas visualisasi data
Dimulai dengan data mart terdesentralisasi
Fokus pada integrasi data pada tingkat entitas yang dinormalisasi
Menghindari pembuatan model logis secara rinci
Menganalisis proses bisnis terlebih dahulu
Apa keuntungan utama dari model data warehouse Inmon?
Dimensi dikonformasi sejak awal
Pelaporan dapat segera diaktifkan
Mengurangi anomali pembaruan data
Tidak memerlukan tim spesialis
Tidak menggunakan proses ETL
Dalam pendekatan Kimball, integrasi antar data mart dilakukan melalui:
Skema snowflake
Penggunaan surrogate key yang acak
Konformed dimensions
Normalisasi dimensi
Replikasi skema fakta
Keunggulan utama star schema dalam pendekatan Kimball adalah:
Mendukung analisis OLTP
Lebih cepat dibangun dibanding skema galaksi
Meningkatkan kompleksitas query
Cocok untuk proses bisnis operasional
Menyulitkan pengguna bisnis untuk eksplorasi data
Konsep 'Enterprise Bus Matrix' dalam metodologi Kimball digunakan untuk:
Menyusun skema snowflake
Mengidentifikasi ETL yang gagal
Memetakan proses bisnis dan dimensi yang digunakan
Menentukan indeks untuk database
Mengatur keamanan pengguna akhir
Mengapa dimensi pada model Kimball sering didenormalisasi?
Agar bisa digunakan oleh sistem OLTP
Untuk meminimalkan ukuran penyimpanan
Untuk meningkatkan kemudahan pemahaman dan performa query
Karena normalisasi tidak mungkin dilakukan pada dimensi
Supaya bisa digunakan pada cloud-native warehouse
Dalam model Inmon, data mart dibangun:
Sebelum data warehouse
Bersamaan dengan proses ETL
Setelah data dimasukkan ke data warehouse
Dengan langsung menyalin data sumber
Tanpa mempertimbangkan struktur entitas
Kerugian utama pendekatan Kimball menurut dokumen adalah:
Pelaporan tidak bisa dilakukan secara ad hoc
Integrasi data menjadi lebih rumit
ETL tidak diperlukan
Skema terlalu kaku untuk perubahan
Data warehouse tidak cocok untuk analitik
Apa yang dimaksud dengan "Slowly Changing Dimension Type 2"?
Dimensi yang tidak pernah berubah
Menghapus atribut lama saat terjadi perubahan
Menyimpan versi historis dimensi dengan surrogate key baru
Menggunakan kompresi data secara otomatis
Tidak memungkinkan pelacakan waktu
Dimensi yang digunakan lintas beberapa skema fakta disebut:
Dimensi agregat
Dimensi historis
Conformed dimensions
Custom dimensions
Global entities
Keunggulan penggunaan surrogate key dalam Kimball model adalah:
Mengurangi jumlah tabel
Menghindari konflik antar sistem sumber
Meningkatkan kompleksitas ETL
Mengganti dimensi dengan fakta
Tidak mendukung integrasi
Pendekatan Kimball lebih cocok dipilih bila:
Kebutuhan pelaporan bersifat strategis dan menyeluruh
Organisasi siap menunggu implementasi 9 bulan
Tim IT tersedia dalam jumlah besar
Pelaporan bersifat taktis dan berdasar proses bisnis
Sistem sumber sering berubah
Apa yang menjadi dasar pemilihan pendekatan Kimball atau Inmon?
Jenis database yang digunakan
Teknologi OLTP yang tersedia
Tingkat pendidikan pengguna akhir
Kebutuhan pelaporan, waktu implementasi, budaya organisasi
Ukuran disk yang tersedia
Pada pendekatan Kimball, siklus pengembangan DW dimulai dengan:
Perancangan data mart
Pemetaan indeks sistem
Identifikasi kebutuhan bisnis dan proses
Penyesuaian laporan dashboard
Optimasi query
Apa yang tidak sesuai tentang dimensi terkonformasi?
Memungkinkan drill across antar fakta
Harus dibangun lebih dari satu kali
Menyediakan standar definisi dimensi
Membantu integrasi data
Meningkatkan interoperabilitas antar data mart
Fungsi utama dari staging area dalam arsitektur DW adalah:
Menyediakan akses data akhir pengguna
Menyimpan data warehouse secara permanen
Melakukan ekstraksi dan transformasi awal
Membuat data mart khusus divisi
Menyediakan OLTP real-time
Apa kelemahan utama pendekatan Inmon?
Query lebih cepat karena de-normalisasi
Tidak membutuhkan transformasi data
Waktu implementasi awal lebih lama
Tidak membutuhkan arsitek data
Tidak cocok untuk laporan perusahaan besar
Dimensi produk yang didenormalisasi dalam skema bintang bertujuan untuk:
Mengurangi performa
Menambah data source
Memudahkan pemodelan data analitik
Menghindari pelaporan historis
Menggabungkan data real-time
Peran utama ETL dalam Kimball adalah:
Mengubah data warehouse ke OLTP
Menulis laporan BI
Menormalkan semua data
Menyatukan data dan mengisi skema dimensional
Menghindari transformasi data
Kimball Lifecycle mendukung pendekatan pengembangan:
Sekali jadi
Bertahap dan iteratif
Tanpa dokumentasi
Paralel dengan produksi
Manual dan lambat
Manakah pernyataan yang TIDAK benar tentang pendekatan Kimball?
Memanfaatkan skema bintang
Dibangun berdasarkan kebutuhan proses bisnis
Mengintegrasikan data sebelum pelaporan
Cocok untuk tim kecil
Menggunakan dimensional modeling
Tujuan utama dari pemodelan dimensional adalah:
Meminimalkan ukuran hard disk
Meningkatkan kompleksitas relasi data
Meningkatkan performa dan kemudahan akses data
Menormalkan seluruh dimensi
Menyimpan data untuk OLTP
Mengapa perubahan atribut dimensi harus dilacak?
Untuk mempercepat loading data
Untuk menghindari penggunaan surrogate key
Untuk mendukung analisis historis
Karena tidak ada alternatif lainnya
Untuk membuat query lebih kompleks
Apa tantangan utama dalam pendekatan data warehouse hybrid?
Tidak bisa menggunakan skema snowflake
Integrasi antara DW terpusat dan data mart berbasis proses
Tidak bisa menyimpan data historis
Tidak kompatibel dengan model Kimball
Hanya cocok untuk cloud DW
Dimensi dalam DW/BI dirancang berdasarkan:
Proses ETL
Data marts dari OLTP
Objek yang terlibat dalam proses bisnis
Query dari pengguna akhir
Index bawaan dari sistem RDBMS
Salah satu prinsip utama Kimball Lifecycle adalah:
Hindari integrasi awal
Jangan gunakan star schema
Fokus pada penyerahan cepat berbasis proses bisnis
Kembangkan sistem besar dalam satu tahap
Buat laporan terlebih dahulu
Apa keuntungan replikasi dimensi ke setiap node dalam MPP (Kimball)?
Mempercepat normalisasi dimensi
Menghindari kebutuhan ETL
Mengurangi kebutuhan join antar node
Menonaktifkan BI tools
Menambah kompleksitas query
Keunggulan Kimball terhadap fleksibilitas data warehouse adalah:
Tidak mendukung data historis
Mampu mendukung data pada tingkat atomik
Tidak membutuhkan ETL
Hanya cocok untuk laporan ringkasan
Tidak menggunakan model data logis
Bagian penting dari arsitektur DW yang memisahkan sumber transaksi dan penyimpanan analitik disebut:
Data Visualization Layer
Data Mart
Data Lake
Data Staging
Query Optimizer
Apa tantangan umum dalam implementasi data warehouse menurut dokumen?
Tidak bisa digunakan oleh pengguna non-teknis
Tidak mendukung arsitektur cloud
Perlu waktu untuk memodelkan konsep bisnis dengan tepat
Tidak bisa menggunakan query SQL
Tidak kompatibel dengan database relasional
