Perusahaan menggunakan Big Data

Perusahaan sebaiknya mengeksplorasi big data dari sisi teknis untuk efisiensi dan efektivitas proses monitoring dari laporan-laporan divisional. Kemampuan dan manfaat yang harus didapat adalah kemudahan pengambilan data, waktu proses untuk mengubah dari data mentah jadi laporan singkat dan tidak ada yang hilang.

Tahap berikut, perlu organisasi aliran data. Misal, bagaimana data disimpan, siapa yang melakukan akses dan siapa yang bertanggung jawab untuk menjaga akses.

Data management biasanya diwujudkan dalam suatu database terpusat. Semua data divisional disatukan, diperkaya dengan mencari korelasi, dan dioptimalkan untuk dapat laporan analisa bisnis yang lebih holistik Perubahan organisasi seperti penambahan data steward dan data custodian mutlak untuk menjaga data. Kedua role ini agar tak mengganggu tugas utama business user dan IT.

Data steward adalah orang yang mengerti proses bisnis dan isi data. Ia akan memberi info kestakeholder bila ada laporan dan data tidak sinkron. Data custodian adalah staf teknis yang bertanggung jawab menjaga proses pengambilan, penyimpanan, dan keamanan data.

Pada tahap akhir, ketika perusahaan sudah memiliki kultur data-driven, dapat memanfaatkan data lebih jauh untuk mencari peluang bisnis baru dan mendeteksi ancaman sejak dini.

Contoh, bisa mengetahui ada tren kenaikan penjualan produk X di cabang tertentu untuk pasar remaja. Tidak terdeteksinya tren ini pada laporan operasional seperti top 10 penjualan, karena persediaan stok produk tak diutamakan di cabang itu. Kondisi ini akan membuat manajemen mengambil keputusan untuk menambah stok dan melakukan berbagai tindakan menguji pasar.

Tapi, perlu orang yang mengerti data dengan baik dan bisa melakukan pemodelan data terstruktur serta kreatif. Lalu, memproses model itu dengan berbagai algoritma komputer dan mendapatkan insight kuat. Sehingga, perusahaan selalu di depan dalam berkompetisi. Profesi dengan tanggungjawab khusus ini disebut dengan Data Scientist.

Kunci sukses penerapan semua tahap tersebut adalah dukungan top management yang kuat. Mengerti bahwa implementasi big data adalah journey-based dan bukan project-based, upgrade skillsets dari karyawan melalui seminar dan pelatihan.

Selain itu mampu memilih teknologi tepat. Jadi, dapat terintegrasi dengan sistem yang ada, bukan membuat sistem baru dan perubahan organisasi dengan role dan tanggung jawab baru.

APA ITU 5V DARI BIG DATA

Istilah "big data" tetap sulit dipahami karena bisa berarti banyak hal yang berbeda untuk orang yang berbeda. Pemahaman Anda akan berbeda jika Anda melihat data yang besar melalui lensa teknologi, versus lensa bisnis atau lensa industri.

Pada dasarnya, Big Data (meskipun tidak deskriptor besar) mengacu pada dua fenomena utama:

• Kecepatan hati di mana kita sekarang menghasilkan data baru

• kemampuan membaik kami untuk menyimpan, mengolah dan menganalisis data yang Untuk menggambarkan fenomena yaitu data besar, orang telah menggunakan empat Vs: Volume, Velocity, Variety dan Veracity.

Berikut adalah 5V Big Data :

Volume

mengacu pada sejumlah big data yang dihasilkan setiap detik. Hanya memikirkan semua email, pesan Twitter, foto, klip video dan data sensor yang kami produksi dan berbagi setiap detik. Kita tidak berbicara terabyte, tapi zettabytes atau brontobytes data. Di Facebook sendiri kita mengirim 10 miliar pesan per hari, klik tombol seperti 4,5 miliar kali dan upload 350 juta foto baru setiap hari. Jika kita mengambil semua data yang dihasilkan di dunia antara awal waktu dan tahun 2000, itu adalah jumlah yang sama kita sekarang menghasilkan setiap menit! Ini semakin membuat set data terlalu besar untuk menyimpan dan menganalisa menggunakan teknologi database tradisional. Dengan teknologi data besar kita sekarang dapat menyimpan dan menggunakan set data dengan bantuan sistem terdistribusi, di mana bagian dari data disimpan di lokasi yang berbeda, dihubungkan oleh jaringan dan membawa bersama-sama oleh perangkat lunak.

Velocity

mengacu pada kecepatan di mana data baru yang dihasilkan dan kecepatan di mana data yang bergerak di sekitar. Hanya memikirkan pesan media sosial akan virus di menit, kecepatan di mana transaksi kartu kredit diperiksa untuk kegiatan penipuan atau milidetik dibutuhkan sistem perdagangan untuk menganalisa jaringan media sosial untuk mengambil sinyal yang memicu keputusan untuk membeli atau menjual saham. Teknologi big data sekarang memungkinkan kita untuk menganalisis data sementara yang dihasilkan tanpa pernah memasukkannya ke dalam database.

Variety

mengacu pada berbagai jenis data kita sekarang dapat menggunakan. Di masa lalu kami fokus pada data terstruktur yang rapi cocok dengan tabel atau database relasional seperti data keuangan (misalnya, penjualan oleh produk atau wilayah). Bahkan, 80 persen dari data dunia sekarang tidak terstruktur dan karena itu tidak dapat dengan mudah dimasukkan ke dalam tabel atau relasional database-pikir foto, urutan video atau update media sosial. Dengan teknologi data besar kita sekarang dapat memanfaatkan jenis Tanguhan data termasuk pesan, percakapan media sosial, foto, data sensor, video atau suara rekaman dan membawa mereka bersama-sama dengan tradisional, data lebih terstruktur.

Veracity

mengacu pada kekacauan atau kepercayaan dari data. Dengan berbagai bentuk data yang besar, kualitas dan akurasi kurang terkontrol, untuk posting contoh Twitter dengan hashtag, singkatan, kesalahan ketik dan pidato sehari-hari. Big Data dan analisis teknologi sekarang memungkinkan kita untuk bekerja dengan jenis data. Volume sering menebus kurangnya kualitas atau akurasi.

Tapi semua volume data yang bergerak cepat dari berbagai berbeda dan kebenaran harus diubah menjadi nilai! Inilah sebabnya mengapa volume adalah salah satu V data besar yang paling penting.

Value

mengacu pada kemampuan kita mengubah data kami menjadi nilai. Adalah penting bahwa bisnis membuat kasus untuk setiap upaya untuk mengumpulkan dan memanfaatkan big data. Sangat mudah untuk jatuh ke dalam perangkap buzz dan memulai inisiatif big data tanpa pemahaman yang jelas tentang nilai bisnis itu akan membawa.

Big Data dapat memberikan nilai di hampir semua bidang bisnis atau masyarakat:

• Ini membantu perusahaan untuk lebih memahami dan melayani pelanggan: Contohnya termasuk rekomendasi yang dibuat oleh Amazon atau Netflix.

 

• Hal ini memungkinkan perusahaan untuk mengoptimalkan proses mereka: Uber mampu memprediksi permintaan, dinamis harga perjalanan dan mengirim driver yang paling dekat dengan pelanggan.

 

• Ini meningkatkan kesehatan kita: Instansi pemerintah sekarang dapat memprediksi wabah flu dan melacak mereka secara real time dan perusahaan farmasi dapat menggunakan analisis data yang besar untuk jalur cepat pengembangan obat.

 

• Ini membantu kita untuk meningkatkan keamanan: Instansi pemerintah dan penegak hukum menggunakan data besar untuk menggagalkan serangan teroris dan mendeteksi kejahatan cyber.

 

• Hal ini memungkinkan bintang olahraga untuk meningkatkan kinerja mereka: Sensor di bola, kamera di lapangan dan GPS pelacak pada pakaian mereka memungkinkan atlet untuk menganalisis dan memperbaiki apa yang mereka lakukan.

Aplikasi data besar tidak terbatas. Setiap bagian dari bisnis dan masyarakat akan segera berubah karena fakta sekarang kami memiliki lebih banyak data dan kemampuan untuk menganalisanya.

Kita harus yakin untuk tidak pernah melupakan kelima V: Value. Bagaimana Big Data akan menguntungkan Anda dan organisasi Anda? Tanpa awal bahwa organisasi titik akan tenggelam dalam data mereka sementara haus manfaat.

Apa Itu Teknologi `Big Data`?

'Big Data', pastinya banyak di antara kita yang masih asing dengan istilah tersebut. Namun belakangan ini istilah 'Big Data' menjadi topik pembahasan dominan di bidang industri teknologi dan informasi (TI) dunia.

Awalnya Big Data adalah sebuah sistem teknologi yang diperkenalkan untuk menanggulangi 'ledakan informasi' seiring dengan semakin bertumbuhnya ekosistem pengguna perangkat mobile dan data internet. Pertumbuhan perangkat mobile dan data internet ternyata sangat mempengaruhi perkembangan volume dan jenis data yang terus meningkat secara signifikan di dunia maya.

Berbagai jenis data, mulai data yang berupa teks, gambar atau foto, video hingga bentuk data-data lainnya membanjiri sistem komputasi. Tentunya hal ini perlu jalan keluar. Dan Big Data adalah solusi yang kerap digaungkan beberapa waktu belakangan ini.

Sejatinya hingga saat ini belum ada definisi resmi dari istilah Big Data. Akan tetapi kemunculnya memang dianggap solusi dari fakta yang menunjukkan bahwa pertumbuhan data dari waktu ke waktu telah melampaui batas kemampuan media penyimpanan maupun sistem database yang ada saat ini.

Sementara itu IBM di situs resminya mendefinisikan Big Data ke dalam tiga istilah yaituvolume , variety , dan velocity. Volume di sini berkaitan dengan ukuran media penyimpanan data yang sangat besar atau mungkin tak terbatas. Sementara variety berarti tipe atau jenis data yang dapat diakomodasi. Sedangkan velocity dapat diartikan sebagai kecepatan proses.

Dengan begitu, Big Data dapat diasumsikan sebagai sebuah media penyimpanan data yang menawarkan ruang tak terbatas, serta kemampuan untuk mengakodasi dan memproses berbagai jenis data dengan sangat cepat.

Di sektor bisnis Big Data, Google bisa dikatakan sebagai pelopor. Perusahaan yang berbasis di Mountain View, California itu di tahun 2006 sempat memperkenalkan Google Bigtable. Bigtable merupakan sistem database berskala besar dan cepat yang digunakan Google untuk mengolah berbagai jenis data dari berbagai layanan, termasuk data dari layanan mesin pencari berbasis internet milik mereka.

Setelah Google, jejaring sosial milik Mar Zuckerberg, Facebook, pun menerapkan sistemdatabase sejenis untuk menangani melonjaknya pengguna layanan mereka. Dengan teknologi Big Data, Facebook tak pernah kesulitan untuk menangani peredaran data yang melonjak drastis dalam enam tahun terakhir yang berasal dari

Sumber : Teknologi Big Data

Perbedaan Business Intelligence dengan Visualisasi Data dan Dashboard.

Pengembangan dan visualisasi data dashboard alat untuk BI yang efektif. Seperti penggunaan Business Intelligence dan teknologi analisis canggih berproliferasi lebih. perusahaan memainkan peran yang lebih besar dan lebih besar lagi dalam keberhasilan bisnis, penyebaran dari data perangkat lunak visualisasi dan alat juga memperluas dan berkembang. BI dan TI tim semakin mendapatkan permintaan dari pengguna bisnis untuk kemampuan visualisasi data, sering disampaikan melalui dashboard BI user-friendly, untuk membantu memenuhi tujuan Business Intelligence. Selain itu, adopsi tumbuh aplikasi data yang besar meningkatkan kompleksitas analisis data bisnis, termasuk jenis visualisasi yang ilmuwan data dan pengguna lain mencari untuk menjalankan. Digunakan secara efektif, alat visualisasi data baru dan baik pikir-out-desain dashboard membantu merampingkan presentasi visual besar, set kompleks data untuk pengambilan keputusan bisnis yang lebih baik.

Namun beragam fitur dan pilihan yang tersedia dapat banyak. Manajer Business Intelligence dan konsultan mengatakan bahwa desainer dashboard harus melawan godaan untuk membuat dashboard mewah dengan lonceng dan peluit berlimpah dan bukan fokus pada apa yang pengguna bisnis yang paling membutuhkan . Selain itu, berbagai vendor telah alat visualisasi data lanjutan di pasar. Memahami kemampuan yang berbeda mereka mendukung dan mengidentifikasi alat yang tepat untuk kebutuhan khusus Program BI organisasi merupakan langkah penting bagi perusahaan yang ingin secara efektif dan bermakna merupakan set besar data tanpa membebani BI dan TI staf dengan pengembangan dan pengguna akhir tugas dukungan.

Untuk membantu analisis dan tim proyek BI menavigasi tantangan, panduan ini menawarkan wawasan ahli dan saran pada pengembangan dashboard dan visualisasi data tren, termasuk penerapan alat visualisasi data dalam lingkungan data besar.

1. dashboard Business Intelligence

Sebuah dashboard Business Intelligence adalah alat visualisasi data yang menampilkan status metrik dan indikator kinerja utama ( KPI ) untuk suatu perusahaan. Dashboard mengkonsolidasikan dan mengatur angka, metrik dan kadang-kadang Scorecard kinerja pada satu layar. Mereka dapat disesuaikan untuk peran dan menampilkan metrik khusus. ditargetkan untuk satu titik pandang atau departemen. Fitur penting dari produk dashboard BI termasuk antarmuka yang dapat disesuaikan dan kemampuan untuk menarik data real-time dari berbagai sumber.

Oracle dan Microsoft adalah salah satu vendor dari Business Intelligence dashboard. Dashboard BI juga dapat diciptakan melalui aplikasi bisnis lain, seperti Excel. Dashboard Business Intelligence kadang-kadang disebut sebagai dashboard perusahaan.

Dashboard Business Intelligence sering bingung dengan scorecard kinerja. Perbedaan utama antara keduanya, secara tradisional, adalah bahwa dashboard Business Intelligence, seperti dashboard mobile, menunjukkan status pada titik waktu tertentu. Sebuah scorecard, di sisi lain, menampilkan kemajuan dari waktu ke waktu menuju tujuan tertentu. Dashboard dan scorecard desain yang semakin konvergen. Sebagai contoh, beberapa produk komersial dashboard juga mencakup kemampuan untuk melacak kemajuan menuju tujuan. Sebuah produk yang menggabungkan unsur-unsur dari kedua dashboard dan scorecard kadang-kadang disebut sebagai papan skor.

2. Visualisasi big data

Alat visualisasi data berkembang dengan data besar

Visualisasi data dalam dunia big data yang menantang, namun semakin diperlukan. Dan, dalam banyak kasus, penggunaan alat-alat visualisasi data harus berubah untuk mengakomodasi kebutuhan data yang besar. Dalam artikel di bagian ini, para ahli menawarkan ide-ide segar pada menggabungkan visualisasi data dan analisis data yang besar.

Analis: alat visualisasi data kunci untuk analisis 'big data' sukses Mencapai sukses dengan alat visualisasi data sebagian besar masalah tetap sederhana dan mengadopsi pemikiran baru tentang bagaimana untuk menyajikan informasi, menurut para ahli. Permintaan alat visualisasi data meningkat tajam, sebagian sebagai akibat dari lebih perusahaan yang ingin mendapatkan wawasan bisnis yang berharga melalui "big data" analisis inisiatif. Namun mencapai sukses dengan visualisasi data sering membutuhkan pemikiran baru tentang bagaimana menyajikan informasi kepada pengguna bisnis , terutama di lingkungan besar-data, menurut analis manajemen data.

Visualisasi data - yang memungkinkan pengguna untuk membuat representasi grafis dan sering interaktif data set besar dan kecil - dapat berkontribusi besar terhadap perbaikan dalam Business Intelligence perusahaan (BI) usaha dan produktivitas organisasi, berdasarkan hasil survei yang dilakukan pada tahun 2010 oleh Data Warehousing Institute (TDWI).

Kami melihat hubungan yang sangat positif antara visualisasi canggih dan analisis. Orang-orang hanya menganggap keduanya berjalan bersama-sama. Phillip Russom, direktur penelitian manajemen data, TDWI

Dalam survei online dari 210 praktisi BI dan pengguna bisnis, 74% dari responden mengatakan pengaruh visualisasi data pada pencapaian wawasan bisnis dalam organisasi mereka adalah "sangat tinggi" atau "tinggi," sementara yang lain 23% mengatakan teknologi memiliki " moderat "pengaruh pada proses BI.

Survei juga menunjukkan bahwa penggunaan alat visualisasi data membantu untuk mendorong peningkatan adopsi dashboard BI , biasanya media pilihan untuk mengakses dan melihat grafik, peta, grafik dan visual lainnya. Dan studi lebih TDWI baru-baru ini menunjukkan sebuah pertemuan yang berkembang antara perangkat lunak visualisasi data dan analisis besar-data.

DEFINISI BUSINESS INTELLIGENCE

Business Intelligence adalah sekumpulan teknik dan alat untuk mentransformasi dari data mentah menjadi informasi yang berguna dan bermakna untuk tujuan analisis bisnis. Teknologi BI dapat menangani data yang tak terstruktur dalam jumlah yang sangat besar untuk membantu mengidentifikasi, mengembangkan, dan selain itu membuat kesempatan strategi bisnis yang baru. Tujuan dari BI yaitu untuk memudahkan interpretasi dari jumlah data yang besar tersebut. Mengidentifikasi kesempatan yang baru dan mengimplementasikan suatu strategi yang efektif berdasarkan wawasan dapat menyediakan bisnis suatu keuntungan pasar yang kompetitif dan stabilitas jangka panjang.

Teknologi BI menyediakan riwayat, pandangan sekarang dan prediksi dari operasi bisnis. Fungsi-fungsi umum dari teknologi inteligensi bisnis adalah pelaporan, pemrosesan analisis daring, analitis, penggalian data, penggalian proses, pemrosesan kejadian kompleks, manajemen performansi bisnis, pengukuran, penggalian teks, analitis prediktif dan analitis preskriptif.

BI dapat digunakan untuk mendukung sejumlah besar keputusan bisnis mulai dari operasi sampai strategis. Keputusan operasi termasuk penempatan dan harga produk. Keputusan strategis termasuk prioritas, tujuan dan arah pada tingkat yang lebih luas. Pada semua kasus, BI lebih efektif bila digabungkan dengan data yang didapat dari pasar tempat perusahaan beroperasi (data eksternal) dengan data dari sumber internal bisnis perusahaan seperti data operasi dan finansial (data internal). Bila digabungkan, data eksternal dan internal bisa menyediakan gambaran yang lebih lengkap, yang efeknya, menciptakan "inteligensi" yang tidak dapat diturunkan dari kumpulan data tunggal manapun.

Istilah "Business Intelligence" awalnya ditemukan oleh Richar Millar Devens dalam "Cyclopedia of Commercial and Business Anecdotes" pada tahun 1865. Devens menggunakan istilah tersebut untuk menjelaskan bagaimana seorang bankir, Sir Henry Furnese, mendapatkan profit dengan memainkan informasi tentang lingkungannya, sebelum kompetitornya. "Sepanjang Holandia, Flanders, Perancis, dan Jerman, dia memelihara rentetan inteligensi bisnis yang komplit dan sempurna. Berita-berita dari banyak pertempuran pertama kali diterima olehnya, dan jatuhnya Namur menambah keuntungannya, berkat penerimaan paling awal dari berita." (Devens, (1865), p. 210). Kemampuan untuk mengumpulkan dan bereaksi berdasarkan informasi yang diterima, suatu kemampuan yang Furnese sangat handal, sampai sekarang masih menjadi jantung dari BI.

Dalam artikel tahun 1958, peneliti dari IBM Hans Peter Luhn menggunakan istilah inteligensi bisnis. Dia menggunakan definisi kamus Webster tentang inteligensi: "kemampuan untuk memahami hubungan mendalam dari fakta yang ada dengan suatu cara sebagai panduan aksi terhadap tujuan yang diinginkan."

Business Intelligence seperti yang dipahami sekarang dikatakan telah berkembang dari Sistem Pendukung Keputusan (SPK) yang mulai dari tahun 1960-an dan berkembang sepanjang pertengahan 1980-an. SPK berasal dari model dibantu-komputer yang dibuat untuk membantu dalam pembuatan keputusan dan perencanaan. Dari SPK, gudang data, Sistem Informasi Eksekutif, OLAP dan inteligensi bisnis muncul menjadi fokus pada akhir 80-an.

Di tahun 1988, konsorsium Itali-Belanda-Prancis-Inggris melaksanakan pertemuan internasional tentang Analisis Data Ragamcara di Roma. Tujuan utamanya yaitu untuk mereduksi beragam dimensi menjadi satu atau dua (dengan mendeteksi pola pada data) yang dapat dipresentasikan pada pembuat-keputusan manusia.

Pada tahun 1989, Howard Dresner (kemudian sebagai analis Gartner Group) mengajukan "Business Intelligence" sebagai istilah umum untuk menjelaskan "konsep dan metode untuk meningkatkan pembuatan keputusan bisnis dengan menggunakan sistem bantu berdasar-fakta. Baru pada akhir 1990-an penggunaan ini menyebar luas.

Sumber : Business Intelligence

Business Intelligence

Terdapat beberapa pendapat mengenai definisi dari Business Intelligence, diantaranya :

Secara umum Business Intelligence (BI) merupakan sebuah proses untuk melakukan ekstraksi data-data operasional perusahaan dan mengumpulkannya dalam sebuah data warehouse yang selanjutnya diproses menggunakan berbagai analisis statistik dalam proses data mining, sehingga didapat berbagai kecenderungan atau pattern dari data (Choirul, 2006).

Business Intelligence adalah rangkaian aplikasi dan teknologi untuk mengumpulkan, menyimpan, menganalisis, dan menyuguhkan akses data untuk membantu petinggi perusahaan dalam pengambilan keputusan (Stevans, 2008).

Business Intelligence (BI) merupakan representasi dari aplikasi dan teknologi untuk mengumpulkan, menyimpan, menganalisa dan menyediakan akses terhadap data untuk membantu user dalam suatu perusahaan untuk mengambil keputusan yang lebih baik (Nirwasita,2008).

Karakteristik Business Intelligence

Sistem Business Intelligence yang baik mempunyai berbagai karakteristik (Stevans,2008), diantaranya :

1. Tujuan utama

Seluruh sistem komputer mempunyai tujuan utama bagi seluruh pengguna sesuai dengan kebutuhan penguna masing-masing.

2. Ketersediaan data yang relevan

Masalah ketersediaan data merupakan poin yang paling penting dalam sistem business intelligence yang efektif. Dalam proses pembuat keputusan sering terjadi penyampaian informasi yang tidak lengkap atau bahkan yang tidak sebenarnya. Namun dengan dukungan BI, ketersediaan data yang relevan dapat diatasis ehingga dapat menyuguhkan data-data yang relevan.

3. Kemampuan

Dalam hal ini terdapat kemampuan BI yang paling utama yaitu dapat memberikan kemudahan akses untuk informasi terbaru dari bisnis yang berjalan serta peluang yang diproyeksikan, selain itu Bi dapat memenuhi kapabilitas untuk melakukan analisis dan memenuhi permintaan pengguna.

4. Struktur Pendukung

Dalam BI, sistem pendukung didalamnya tidak hanya terdiri dari hardware dan software, namun juga terdiri dari suatu proses yang dibuat untuk pengambilan keputusan yang lebih baik serta untuk menentukan strategi untuk misi dan tujuan kedepan.

Sumber : informatika.web.id/business-intelligence

Business Intelligence

1. Pengertian Business Intelligence

Menurut Nadia Branon, Business Intelligence merupakan kategori yang umum digunakan untuk aplikasi dan teknologi untuk mengumpulkan, menyimpan, menganalisa, dan menyediakan akses pada data agar dapat membantu pengguna dari kalangan perusahaan agar dapat mengambil keputusan dengan lebih baik dan tepat.

Secara ringkas Business Intelligence dapat diartikan sebagai pengetahuan yang didapat dari hasil analisis data yang diperoleh dari kegiatan (usaha) suatu organisasi. Business Intelligence biasanya dikaitkan dengan upaya untuk memaksimalkan kinerja suatu organisasi. Business intelligent system merupakan istilah yang umumnya digunakan untuk jenis aplikasi maupun teknologi yang digunakan untuk membantu kegiatan businnes intelligence, seperti mengumpulkan data, menyediakan akses serta menagnalisis data dan informasi mengenai kinerja perusahaan.

2. Sejarah Business Intelligence

Istilah Business Intelligence (BI) pertama kali didengungkan pada tahun 1958 oleh seorang peneliti dari IBM yang bernama Hans Peter Luhn. Beliau mendefinisikan istilah intelligence sebagai “Kemampuan dalam mengerti dan memahami suatu hubungan timbal balik antara fakta-fakta yang disajikan sedemikian rupa menjadi suatu landasan dalam bertindak untuk mencapai tujuan yang dikehendaki”. Business Intelligence seperti yang kita ketahui pada saat ini bisa dikatakan sebagai hasil evolusi dari Decision Support System (DSS) yang dimulai sekitar tahun 1960 dan berkembang sampai tahun 1980an. Sekitar tahun 1980an mulai dari DSS, EIS (Executive Information System), data warehouse, OLAP dan Business Intelligence mulai menjadi perhatian dan menjadi suatu kesatuan system. Pada tahun 1989 dalam sebuah artikel terbitan Gartner, Howard Dresner menggunakan istilah Business Intelligence (BI) . Dia menggambarkan istilah tersebut sebagai seperangkat konsep dan metode yang berguna untuk meningkatkan kemampuan pembuatan keputusan dengan bantuan sistem yang berbasiskan fakta atau realita yang terjadi.

4. Kegunaan Business Intelligence

Perusahaan menggunakan Business Intelligence untuk memahami, meningkatkan kinerja, penganggaran biaya yang lebih efisien dan mengidentifikasi peluang bisnis baru. Beberapa hal kegunaan Business Intelligence, antara lain:

1. Analisa dalam perilaku konsumen, pola pembelian dan trend penjualan

2· Mengukur, melacak dan memprediksi penjualan dan kinerja keuangan

3· Penganggaran, perencanaan keuangan dan peramalan

4· Mengetahui kinerja kegiatan pemasaran

5· Optimalisasi proses dan kinerja operasional

6· Meningkatkan efektifitaspengiriman dan pasokan

7· Analisa CRM (Customer Relationship Management)

8· Analisa Resiko

9· Analisa nilai strategis

10·Analisa social media

Jika pada lembaga bisnis (profit organization) Business Intelligence dimanfaatkan untuk meningkatkan kinerja melalui pemilihan strategi bisnis yang tepat, maka pada lembaga pemerintahan (non-profit organization) business intelligence dapat digunakan untuk meningkatkan kinerja perusahaan melalui peningkatan efisiensi pelaksanaan kerja sehingga pada akhirnya akan tercipta perbaikan layanan pada masyarakat serta pengelolaan anggaran yang tepat. Business Intelligence juga dapat membantu suatu perusahaan dalam menganalisis perubahan trend yang terjadi sehingga akan membantu perusahaan menentukan strategi yang diperlukan dalam mengantisipasi perubahan trend tersebut.

Sumber : rinaindriyani91.blogspot.in/Business Intelligence/

Business Intelligence

1. Pengertian Business Intellegence

Menurut DJ Powers (2002), Business Intellegence menjelaskan tentang suatu konsep dan metode untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem dan berbasis data. BI seringkali disamakan dengan briefing books, report dan query tools, dan seistem informasi eksekutif. BI merupakan sistem pendukung pengambilan keputusan yang berbasiskan data-data. Menurut David (2000), Business Intellegence adalah suatu cara untuk mengumpulkan, menyimpan, mengorganisasikan, membentuk ulang, meringkas data serta menyediakan informasi baik berupa data aktifitas bisnis internal perusahaan termasuk aktifitas bisnis pesaing yang mudah diakses serta dianalisis untuk berbagai kegiatan manajemen. Menurut Stefan Adhi Nugroho (2008), Bussiness Intelegence adalah rangkainan aplikasi dan teknologi untuk mengumpulkan, menyimpan dan menganalisis dan menyuguhkan akses data untuk membantu petinggi perusahaan dalam mengambil keputusan.

Berdasarkan pendapat ahli diatas, menurut pendapat saya Business Intellegence adalah sebuah proses memanipulasi data baik berupa mengumpulkan, menyimpan, menganalisis dan meringkas data baik dari intern perusahaan ataupun dari bisnis pesaing untuk meningkatkan kualitas pengambilan keputusan bagi pejabat perusahaan.

Menurut Ronald (2008) ada beberapa bagian dalam solusi BI yaitu, keseluruhan proses dalam BI dapat diterjemahkan menjadi langkah-langkah dibawah ini :

a. Identifikasi masalah bisnis yang perlu diselesaikan dengan gudang data atau warehouse dan menetukan data yang diperlukan untuk menyelesaikan masalah tersebut.

b. Identifikasi lokasi dari data-data yang diperlukan dan mengambilnya dari sumber penyimpanan.

c. Mengubah data yang diperoleh dari berbagai sumber tersebut ke dalam sebuah data yang konsisten.

d. Mengambil data yang telah diubah tersebut ke dalam lokasi yang tersentralisasi tersebut.

e. Memasang sebuah produk atau aplikasi yang dapat memberikan akses ke data yang adadalam cube tadi. Ada berbagai macam jalan dan cara untuk berbagai macam tipe pekerjaan ketika berurusan dengan cube.

2. Hubungan Business Intellegence dengan Data Ware House.

Business intellegence dan data warehouse adalah dua hal yang berbeda namun satu sama lain mempunyai hubungan yang saling terkait. Data warehouse adalah data yang dimiliki suatu perusahaan yang bersifat besar dan sudah berkualitas yang sudah dipakai sejak perusahaan berdiri. Sehingga hubungan antara data business intellegence dan data warehouse adalah saat penyampaian data business intelegent sebagai teknologi yang dipakai untuk menyajikan data warehouse tersebut sehingga memudahkan para petinggi perusahaan untuk mengambil keputusan.

3. Hubungan Business Intellegence dengan Data Mining

Data mining adalah suatu proses penggalian data dari data warehouse yang disimpan dalam basis data atau media penyimpanan lain sehingga diharapkan setelah melakukan mining terhadap data akan didapatkan suatu data baru yang kemudian disimpan menjadi informasi yang baru pula. Data mining memiliki beberapa solusi untuk melakukan mining data, diataranya menggunakan metode clustering, forecasting, classifying, asociating dan sequencing. Jadi hubungan antara data mining dan business intellegence berada pada data yang akan diproses. Awalnya dari data warehouse yang kemudian di proses data mining baru kemudian disajikan pada business intellegence sehingga mendapat informasi yang lebih bagus, nyaman dan akurat.

Sumber : ayu-maha.blogspot.in/business-intelligence.

Business Intelligence

1. Apa itu Business Intelligence atau BI ?

Secara singkat, Business Intelligence atau lebih sering disingkat BI (baca: bi - ai) adalah seperangkat solusi sistem informasi yang dapat menuntun kepada percepatan pengambilan keputusan dalam tingkat akurasi yang tinggi (valid).

Sebagai contoh, informasi yang dihasilkan adalah metrik performa aktual penjualan vs target penjualan (sales), pengeluaran vs anggaran (finance), analisa tren produksi vs tren permintaan (capacity planning), dan lain-lain. Kenapa BI ?

Pengambilan keputusan memerlukan data dari sistem BI yang berasal dari kumpulan :

1. data faktual

2. data perencanaan.

3. maupun data prediksi.

4. yang diolah menjadi informasi yang komprehensif - dan biasanya komparatif - sehingga dapat memberikan gambaran.

besar bahkan menyeluruh akan kondisi bisnis dan organisasi pada :

1. masa lalu.

2. masa kini.

3. dan tren ke masa depan.

Dari tuntunan informasi yang dihasilkan ini, diharapkan pengguna sistem BI dapat mengambil keputusan dengan cepat dan tegas - serta tingkat resiko yang lebih kecil.

Konsekuensi pengambilan keputusan yang cepat tentu sangat besar, antara lain dapat memenangkan persaingan dimana kita sudah mengambil langkah antisipatif setelah mengetahui informasi satu atau beberapa langkah ke depan dibanding pesaing kita.

2. Dua Aspek Business Intelligence

Batasan definisi yang lebih terinci dari Business Intelligence dapat dibagi dalam dua aspek, yaitu :

Metode-metode atau teknik dalam praktek mendefinisikan, mengumpulkan dan mempresentasikan data dan aturan bisnis yang terikat dengannya menjadi informasi strategis yang dapat dimengerti dengan mudah oleh berbagai level pelaku bisnis. Strategis disini artinya adalah dapat mendukung pengambilan keputusan dalam frame waktu yang semakin baik dari hari ke hari. Kumpulan teknologi dan aplikasi sistem terkomputerisasi yang mendukung hal di atas.

3. Data Warehouse dan Business Intelligence

Business Intelligence dan Data Warehouse adalah dua hal yang sebenarnya berbeda namun hampir tidak bisa dipisahkan. Hubungan antar keduanya sedemikian erat sehingga kita tidak bisa membicarakan BI tanpa Data Warehouse.

Sebagai solusi yang sangat bergantung pada data berkualitas tinggi, solusi BI akan menghasilkan informasi yang akurat jika sumber datanya baik dan akan menghasilkan informasi yang salah jika sebaliknya. Selain itu respon sistem BI juga harus baik sehingga dapat mencapai tujuannya dari sisi efisiensi waktu.

Terkait dengan hal tersebut, sumber data pada organisasi yang kompleks dan besar biasanya perlu diolah agar dapat digunakan baik oleh sistem tersebut.

Kompleksitas yang biasanya terjadi adalah sumber data tersebar di berbagai titik dan pernah memiliki siklus pengembangan bertahap.

Konsekuensinya, isi data bisa berbeda pada tiap titik area fisik, dan pada tiap periode waktu siklus pengembangan. Data demikian hampir dipastikan perlu perlakuan tertentu agar seragam namun tetap valid. Dan jika tidak ditangani dengan disiplin yang baik pada tahap pengembangannya, data cenderung menjadi "kotor".

Data Warehouse memenuhi kriteria tersebut, yaitu merupakan database tersendiri merupakan hasil konsolidasi, pembersihan, penyesuaian, dan optimalisasi data sehingga layak dijadikan sebagai sumber data informasi untuk sistem BI.

Proses menghasilkan data warehouse ini tidak sederhana dan menuntut pembahasan sendiri yang intens. Bahkan bisa diklaim di hampir semua kasus, jika dimasukkan sebagai bagian proyek BI maka Data Warehouse merupakan task yang paling lama pengembangannya.

Sumber : www.kampusbi.com/apa-itu-business-intelligence

ANALISA BIG DATA

Sebuah studi global terbaru, “Industrial Internet Insight 2015,” dari General Electric (GE) dan Accenture menunjukkan adanya kebutuhan mendesak dari berbagai perusahaan, untuk menggunakan analisa big data guna meningkatkan kemampuan strategi Industrial Internet mereka. Namun kurang dari sepertiga dari 250 petinggi perusahaan (29%) atau yang di survei telah menggunakan big data dalam analisa prediktif untuk perusahaan mereka atau mengoptimalisasikan bisnisnya.

Akan tetapi saat ini telah terjadi kemajuan yang baik. Sebagian besar perusahaan (65%) telah menggunakan analisa big data untuk mengawasi perlengkapan dan aset perusahaan untuk mengidentifikasi masalah operasional serta memungkinkan mereka untuk melakukan pemeliharaan secara proaktif. Sebesar 62% dari mereka juga telah mengimplementasikan jaringan teknologi untuk mengumpulkan data dalam jumlah besar di lingkungan yang luas termasuk daerah perkebunan tenaga angin yang terpencil atau data di sepanjang pipa minyak.

Menurut Kristian Steenstrup dan Stephen Prentice, Gartner, beberapa bidang teknologi akan memiliki potensi yang lebih besar untuk meningkatkan kinerja keuangan dan posisi komersial perusahaan secara global dari analisa prediktif. Dari survey tersebut juga diketahui, hampir dua pertiga atau 66% dari para eksekutif dari delapan sektor industri percaya bahwa mereka dapat kehilangan posisi mereka dalam satu atau tiga tahun mendatang jika mereka tidak segera mengadopsi big data, yang dalam laporan tersebut telah disarankan untuk diaplikasikan guna mendukung strategi Industrial Internet mereka. Sebagai tambahan dengan adanya 93% dari para pengguna big data telah mencatat adanya perluasan pangsa pasar yang dapat mereka masuki, sebesar 88% dari para eksekutif menyatakan bahwa analisa big data adalah prioritas utama bagi perusahaan mereka.

Hampir setengah (49%) dari perusahaan yang dilibatkan dalam penelitian ini mengatakan bahwa mereka berencana untuk menciptakan peluang bisnis baru yang bisa menghasilkan aliran pendapatan tambahan dengan strategi big data mereka. Sementara 60% dari lainnya berharap bahwa dengan menggunakan informasi tersebut mereka dapat meningkatkan pengelolaan sumber daya mereka.

Matt Reilly, Senior Managing Director dari Accenture Strategy menyatakan bahwa industrial internet didorong oleh input data mesin-ke-mesin dan memiliki potensi untuk mendorong triliunan dolar pendapatan dari pelayanan baru dan pertumbuhan secara keseluruhan. “Namun untuk menuai hasilnya, perusahaan harus menggunakan informasi mendalam tentang konsumen mereka dan kebutuhan industri apalagi yang dibutuhkan oleh konsumen mereka untuk membangunpenawaran baru, mengurangi biaya dan menginvestasikan kembali simpanan mereka,” ujar Matt seraya menambahkan bahwa untuk mencapai tujuan tersebut banyak hal harus dikerjakan untuk dapat mengatasi masalah yang berlapis agar mereka dapat menggunakan mesin data kedalam analisa prediktif yang lebih lanjut, termasuk menggunakan sumber daya analisa yang tepat untuk memastikan pelaksanaan dan skala program analisa yang efektif.

Meskipun sudah memasuki tahap penting, masih ada beberapa hambatan dalam proses realisasinya. Lebih dari sepertiga eksekutif (36%) mengatakan bahwa adanya pembatas sistem antar departemen mencegah terjadinya pengumpulan dan pengkorelasian data. Sebesar 29% mengatakan sulit untuk mengkonsolidasikan data yang berbeda dan menggunakan repositori data yang dihasilkan. Faktor keamanan juga menempati peringkat tertinggi dimana kurang dari setengahnya (44%) melaporkan adanya solusi end-to-end untuk bertahan dari serangan dunia maya dan kebocoran data.

”Hasil yang didapatkan dari bergabung dengan industrial big data dan analisa prediktif yaitu mendapatkan keuntungan dari peningkatan produktivitas Industrial Internet tidak perlu diragukan lagi,” kata Bill Ruh, Vice President GE Software. Menurutnya, perhitungan sukses dalam industri ini dibuktikan dengan visibilitas yang lebih besar dan kecepatan keputusan dalam operasi dan manajemen kinerja aset. Namun data saja tidak akan menghasilkan nilai. Untuk membuat informasi yang berguna dibutuhkan investasi dalam kemampuan baru dan sumber daya manusia yang akan berfungsi sebagai katalis untuk mengekstraksi nilai dengan cepat.