WorksheetsUTS Big Data
Total questions: 30
Worksheet time: 15mins
Manakah dari berikut ini yang paling menggambarkan perbedaan antara OLTP dan OLAP dalam hal tujuan penggunaannya?
OLTP digunakan untuk pelaporan jangka panjang, OLAP untuk transaksi real-time
OLAP bersifat operasional, OLTP bersifat strategis
OLTP mendukung proses bisnis harian, sedangkan OLAP mendukung pengambilan keputusan strategis
OLTP digunakan untuk batch processing, OLAP untuk data entry
OLAP memproses transaksi keuangan, OLTP memproses laporan BI
Apa peran utama dari proses transformasi dalam ETL?
Menyimpan data ke sistem target
Menghapus data duplikat di sistem OLTP
Mengonversi dan membersihkan data dari sumber sebelum dimuat
Mencadangkan data dari OLAP
Menyinkronkan data mart dan dashboard
Salah satu alasan utama penggunaan data mart adalah:
Mengganti kebutuhan akan data warehouse
Menyimpan semua data perusahaan dalam satu tempat
Menyediakan subset data terfokus bagi unit bisnis tertentu
Menghapus kebutuhan terhadap OLAP
Mengelola database operasional harian
Bagaimana OLAP mendukung analitik preskriptif dalam kerangka kerja intelijen bisnis?
Dengan menyimpan data transaksi
Dengan menyimpan data real-time
Dengan melakukan pembelajaran mesin langsung di OLTP
Dengan memungkinkan kueri kompleks pada data multidimensi
Dengan mempercepat proses ETL
Salah satu kelemahan utama dari sistem data warehouse adalah:
Kurangnya kemampuan untuk menangani data terstruktur
Tidak dapat digunakan dengan OLAP
Waktu respons kueri yang melambat seiring peningkatan data
Tidak mampu memproses ETL
Ketidakmampuan menangani data historis
Mengapa data yang disimpan dalam OLTP biasanya dinormalisasi?
Untuk memudahkan visualisasi grafis
Untuk mempercepat pelaporan
Untuk meminimalkan redundansi dan menjaga integritas data
Untuk menyimpan data dalam format multidimensi
Agar bisa digunakan langsung dalam OLAP
Apa alasan utama BI tradisional tidak cocok untuk data tidak terstruktur?
Karena BI tradisional menggunakan sistem real-time
Karena tidak memiliki alat transformasi data
Karena hanya mendukung laporan ad-hoc
Karena hanya mampu menangani data dari spreadsheet
Karena BI tradisional bergantung pada data terstruktur dan tervalidasi dari data mart
Apa karakteristik dari data visualization untuk Big Data dibandingkan dengan visualisasi data tradisional?
Hanya menyediakan grafik statis
Membutuhkan spreadsheet untuk menjalankan kueri
Menyediakan visualisasi interaktif dan koneksi langsung ke data tidak terstruktur
Tidak kompatibel dengan data OLAP
Memerlukan proses ETL secara manual
Apa yang membedakan data warehouse generasi berikutnya (next-generation) dari data warehouse tradisional?
Tidak mendukung data tidak terstruktur
Hanya menggunakan teknologi relational database
Mampu mengintegrasikan data terstruktur, semi-terstruktur, dan tidak terstruktur dalam satu lapisan akses
Tidak menggunakan proses ETL
Hanya digunakan untuk laporan keuangan
Apa fungsi utama dari fitur "drill-down" dalam visualisasi data Big Data?
Menghapus data yang tidak relevan
Menyediakan ringkasan umum data
Memungkinkan eksplorasi detail dari subset data tertentu
Menggabungkan beberapa grafik
Menyembunyikan data tidak pentin
Manakah dari berikut ini yang bukan merupakan fitur umum dari alat visualisasi Big Data?
Aggregation
Drill-down
Batch normalization
Roll-up
What-if analysis
Apa tujuan utama dari arsitektur hybrid data warehouse dalam solusi Big Data BI?
Mengurangi kebutuhan akan data terstruktur
Menghapus proses ETL dari semua sistem
Menyediakan akses terpusat ke semua jenis data dalam satu platform
Mengganti dashboard tradisional
Meningkatkan pengolahan transaksi harian
Dalam konteks OLTP, kueri umumnya bersifat:
Multidimensi dan preskriptif
Panjang dan tidak terstruktur
Sederhana, real-time, dan cepat
Fokus pada korelasi historis
Visual dan prediktif
Mengapa data historis didenormalisasi dalam sistem OLAP?
Untuk efisiensi penyimpanan
Untuk memfasilitasi integrasi dengan OLTP
Agar dapat diproses oleh sistem batch
Untuk mendukung kueri analitik kompleks dengan kecepatan tinggi
Karena tidak bisa disimpan dalam database relasional
Dalam sistem Big Data BI, apa yang membuat proses penemuan data (data discovery) menjadi mungkin?
Integrasi dengan ERP
Ketersediaan data mart
Analitik prediktif dan preskriptif terhadap banyak proses bisnis
Penggunaan hanya pada OLAP
Eksklusi data tidak terstruktur
Manakah yang paling tepat menggambarkan hubungan antara dashboard dan ad-hoc report?
Dashboard hanya menyajikan data historis, sedangkan ad-hoc report bersifat real-time
Dashboard bersifat visual dan periodik, sedangkan ad-hoc report bersifat tabular dan dibuat sesuai permintaan
Ad-hoc report menyajikan semua KPI, sedangkan dashboard fokus pada satu metrik
Keduanya hanya digunakan untuk analisis prediktif
Keduanya tidak memerlukan OLTP
Mengapa traditional BI dianggap kurang 'intelligent'?
Karena tidak menyimpan data
Karena tidak menggunakan OLAP
Karena hanya menjawab pertanyaan yang dirumuskan dengan benar tanpa mendukung eksplorasi
Karena tidak memiliki koneksi ke sistem operasional
Karena hanya digunakan untuk pengambilan keputusan otomatis
Bagaimana big data BI memperluas cakupan analisis dibandingkan traditional BI?
Dengan menggunakan lebih banyak sistem OLTP
Dengan fokus pada satu unit bisnis secara mendalam
Dengan menggabungkan banyak proses bisnis dan sumber data tidak terstruktur
Dengan hanya menggunakan laporan periodik
Dengan mengganti kebutuhan terhadap data warehouse
Apa keuntungan utama penggunaan teknologi in-memory dalam visualisasi Big Data?
Meningkatkan akurasi statistik
Mengurangi kebutuhan dashboard
Menurunkan latensi akses data secara signifikan
Menghapus semua proses ETL
Menyediakan data hanya dalam bentuk grafis
Apa dampak tidak adanya data mart dalam sistem BI tradisional?
Sistem tidak mampu menyimpan data terstruktur
Visualisasi tidak dapat digunakan
Kueri menjadi lebih lambat karena harus mengekstrak langsung dari data warehouse
Tidak dapat mengakses data dari OLTP
Tidak dapat melakukan analisis prediktif
Apa fungsi utama proses "roll-up" dalam visualisasi Big Data?
Menghapus informasi historis
Memperluas detail pada subset data
Mengelompokkan data ke dalam level agregasi lebih tinggi
Menyembunyikan data untuk keamanan
Menentukan skema ETL
Apa fungsi utama dari sistem OLAP dalam pengambilan keputusan bisnis modern?
Mengelola transaksi point-of-sale
Melakukan pembaruan data harian
Menganalisis data historis secara multidimensi untuk mendukung strategi
Mempercepat entri data
Menghindari proses transformasi
Apa peran big data BI dalam mendukung penemuan pola tersembunyi di dalam organisasi?
Hanya menyediakan laporan visual
Memungkinkan analisis real-time pada data transaksi
Menyatukan dan menganalisis berbagai jenis data untuk menemukan insight baru
Mengurangi data warehouse menjadi data mart
Menghindari proses agregasi data
Apa risiko utama ketika dashboard hanya bergantung pada OLTP?
Visualisasi data menjadi terlalu kompleks
Informasi historis tidak tersedia untuk tren
Waktu kueri menjadi terlalu lama
Agregasi tidak bisa dilakukan
Drill-down tidak dapat difungsikan
Mengapa solusi visualisasi untuk Big Data memerlukan koneksi ke data semi-terstruktur dan tidak terstruktur?
Karena data terstruktur tidak valid untuk BI
Untuk memungkinkan analisis transaksi
Karena sebagian besar data bisnis modern tidak dalam bentuk tabel
Untuk menggantikan sistem ETL
Untuk menyederhanakan pelaporan OLTP
Apa tantangan utama dari proses ETL dalam konteks Big Data modern?
Hanya bisa menangani data spreadsheet
Tidak mampu mengakses data OLTP
Prosesnya lambat dan tidak efisien untuk volume besar dan format beragam
Tidak dapat diintegrasikan dengan OLAP
Membutuhkan input manual
Mengapa big data visualization tools menggabungkan transformasi data dalam sistemnya?
Agar bisa menghindari sistem OLTP
Untuk meningkatkan latensi data
Agar proses ETL bisa diabaikan dan analisis bisa real-time
Untuk menambah laporan historis
Agar hanya mendukung data relasional
Apa dampak dari menyimpan data dalam format multidimensi di OLAP?
Membuat sistem lebih lambat
Menyulitkan integrasi dengan BI
Memungkinkan kueri analitik yang kompleks dan cepat
Mengurangi presisi data
Menghilangkan kebutuhan ETL
Apa perbedaan utama antara data mart dan data warehouse dalam hal cakupan data?
Data mart menyimpan data seluruh organisasi, data warehouse hanya satu unit
Data mart hanya untuk proses ETL
Data mart menyimpan subset spesifik dari data warehouse untuk unit tertentu
Data warehouse tidak bisa digunakan untuk analisis
Data mart hanya menyimpan data tidak terstruktur
Mengapa visualisasi interaktif penting dalam solusi Big Data?
Untuk menghindari penggunaan dasbor
Untuk mempermudah pengguna awam memahami data kompleks
Untuk mempercepat proses ETL
Untuk menyimpan hasil analisis
Untuk mengurangi kebutuhan pada data OLAP
