Inteligensi bisnis

Dari Wikipedia bahasa Indonesia, ensiklopedia bebas
Langsung ke: navigasi, cari

Inteligensi Bisnis (IB) adalah sekumpulan teknik dan alat untuk mentransformasi dari data mentah menjadi informasi yang berguna dan bermakna untuk tujuan analisis bisnis. Teknologi IB 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 IB 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. [1]

Teknologi IB 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.

IB 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, IB 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. [2]

Komponen[sunting | sunting sumber]

Inteligensi Bisnis dibangun dari sejumlah komponen termasuk:

  • Alokasi dan agregasi multidimensi
  • Denormalisasi, penandaan dan standarisasi
  • Pelaporan seketika dengan peringatan analitis
  • Sebuah metode antarmuka terhadap sumber data tak terstruktur
  • Perkiraan konsolidasi grup, anggaran dan perpindahan (pegawai)
  • Inferensi statistik dan simulasi probabilitas
  • Optimisasi kunci indikasi performansi
  • Pengontrolan versi dan manajemen proses
  • Manajemen item terbuka

Sejarah[sunting | sunting sumber]

Istilah "Inteligensi Bisnis" 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 IB. [3]

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." [4]

Inteligensi bisnis 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. [5] 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 "inteligensi bisnis" sebagai istilah umum untuk menjelaskan "konsep dan metode untuk meningkatkan pembuatan keputusan bisnis dengan menggunakan sistem bantu berdasar-fakta. [6] Baru pada akhir 1990-an penggunaan ini menyebar luas. [7]

Gudang Data (Data Warehouse)[sunting | sunting sumber]

Seringkali aplikasi IB menggunakan data yang dikumpulkan dari suatu gudang data (GD) atau dari pasar data, dan konsep dari IB dan GD terkadang digabungkan sebagai "IB/GD" (atau "BI/DW") [8][9] atau "IBGD". Suatu gudang data mengandung salinan dari data analitis yang memfalisitasi pendukungan keputusan. Namun, tidak semua layanan gudang data untuk inteligensi bisnis, tidak juga semua aplikasi inteligensi bisnis membutuhkan sebuah gudang data.

Untuk membedakan antara konsep dari inteligensi bisnis dan gudang data, Forrester Research mendefinisikan inteligensi bisnis dengan satu atau dua cara:

  1. Menggunakan definisi luas: "Inteligensi Bisnis adalah suatu kumpulan metodologi, proses, arsitektur, dan teknologi yang mengubah data mentah menjadi informasi yang bermakna dan berguna digunakan untuk mendapatkan strategi yang lebih efektif dan taktis, dan wawasan operasional dan pengambilan-keputusan." [10] Di bawah definisi ini, inteligensi bisnis juga mengikutkan teknologi seperti integrasi data, kualitas data, penggudangan data, manajemen data-master, analitis konten dan teks, dan banyak lainnya yang terkadang pasar menyatukannya ke segmen "Manajemen Informasi"". Oleh karena itu, Forrester mengacu pada persiapan data dan penggunaan data sebagai dua bagian yang terpisah tapi pada segmen yang berkaitan dekat dari susunan arsitektur inteligensi-bisnis.
  2. Forrester mendefinisikan pasar inteligensi-bisnis yang lebih kecil sebagai, "... mengacu hanya pada lapisan paling atas dari susunan arsitektural IB seperti pelaporan, analitis dan dasbor." [11]

Perbandingan dengan inteligensi kompetitif[sunting | sunting sumber]

Walaupun istilah inteligensi bisnis terkadang sinonim untuk inteligensi kompetitif (karena keduanya mendukung pembuatan keputusan), IB menggunakan teknologi, proses, dan aplikasi untuk menganalisis data terstruktur dan proses bisnis yang umumnya internal; sementara inteligensi kompetitif mengumpulkan, menganalisis dan menyebarluaskan informasi dengan fokus topik pada pesaing perusahaan. Jika dipahami secara luas, inteligensi bisnis bisa mengikutkan bagian dari inteligensi kompetitif. [12]

Perbandingan dengan analitis bisnis[sunting | sunting sumber]

Inteligensi bisnis dan analitis bisnis terkadang digunakan bergantian, tapi ada definisi alternatif. [13] Salah satu definisi membedakan keduanya, menyatakan bahwa istilah inteligensi bisnis mengacu pada mengoleksi data bisnis untuk menemukan informasi terutama lewat mengajukan pertanyaan, laporan, dan proses analitis daring. Analitis bisnis, di sisi lain, menggunakan alat statistik dan kuantitatif untuk pemodelan yang prediktif dan bisa dijelaskan. [14]

Dalam definisi alternatif, Thomas Davenport, profesor manajemen dan teknologi informasi di Babson College berargumen bahwa inteligensi bisnis seharusnya dibagi menjadi querying, pelaporan, Pemrosesan analitis daring (Online analytical processing - OLAP), sebuah alat "peringatan", dan analitis bisnis. Dalam definisi ini, analitis bisnis adalah bagian dari IB yang berfokus pada statistik, prediksi, dan optimisasi, bukan melaporkan fungsionalitas. [15]

Aplikasi dalam sebuah perusahaan[sunting | sunting sumber]

Inteligensi bisnis bisa diterapkan untuk tujuan bisnis berikut, dengan tujuan untuk mendapatkan nilai bisnis.[butuh rujukan]

  1. Perkiraan - program yang membuat hirarki dari metrik performansi (lihat juga Model Referensi Metrik) dan pengukuran yang menginformasikan pimpinan bisnis tentang progres kearah tujuan bisnis (manajemen proses bisnis).
  2. Analitis - program yang membuat proses kuantitatif supaya sebuah bisnis mencapai keputusan yang optimal dan melakukan penemuan pengetahuan bisnis. Biasanya mengikutkan: penggalian data, penggalian proses, analisis statistik, analitis prediksi, pemodelan prediksi, pemodelan proses bisnis, silsilah data, pemrosesan kejadian kompleks dan analitis preskriptif.
  3. Pelaporan/pelaporan perusahaan - program yang membangun infrastruktur untuk laporan strategis untuk melayani manajemen strategis dari suatu bisnis, bukan pelaporan operasional. Seringkali mengikutkan visualisasi data, sistem informasi eksekutif dan OLAP.
  4. Kolaborasi/platform kolaborasi - program yang membuat wilayah yang berbeda (baik dalam dan luar bisnis) bekerja sama lewat berbagi data dan pertukaran data elektronik.
  5. Manajemen pengetahuan - program yang membuat data perusahaan diarahkan oleh strategi dan praktik untuk mengidentifikasi, membuat, merepresentasikan, menyalurkan, dan mengadopsi wawasan dan pengalaman yang benar-benar berpengetahuan bisnis. Manajemen pengetahuan mengarah ke manajemen pembelajaran dan penyesuaian peraturan.

Sebagai tambahan dari yang di atas, inteligensi bisnis bisa menyediakan pendekatan pro-aktif, seperti fungsi peringatan yang secara langsung mengingatkan pengguna jika suatu kondisi tertentu tercapai. Sebagai contohnya, jika suatu metrik bisnis melampaui batas yang telah ditentukan, metrik tersebut akan diwarnai dalam laporan standar, dan ahli analis bisnis diperingatkan lewat email atau layanan pengawasan lainnya. Proses ini membutuhkan pengaturan data, yang seharusnya ditangani oleh ahlinya.[butuh rujukan]

Prioritas proyek[sunting | sunting sumber]

Akan sangat sulit untuk menyediakan kasus bisnis yang positif untuk inisiatif inteligensi bisnis, dan terkadang proyek tersebut harus diprioritaskan lewat inisiatif strategis. Proyek IB bisa mendapatkan prioritas tinggi dalam organisasi jika manajer mempertimbangkan hal-hal berikut:

  • Seperti yang dijelaskan oleh Kimball [16] manajer IB harus menentukan keuntungan yang jelas seperti mengeliminasi biaya dari memproduksi laporan terdahulu.
  • Akses data untuk seluruh organisasi harus dipaksa. [17] Dengan cara ini bahkan keuntungan kecil, seperti hematnya waktu beberapa menit, membuat perbedaan jika dikalikan dengan jumlah pekerja dalam seluruh organisasi.
  • Seperti yang dijelaskan oleh Ross, Weil dan Roberson untuk Arsitektur Perusahaan [18], manajer harus mempertimbangkan untuk membiarkan proyek BI diarahkan oleh inisiatif bisnis lainnya dengan kasus bisnis yang lebih bagus. Untuk mendukung pendekatan ini, organisasi harus memiliki arsitektur bisnis yang dapat menentukan proyek bisnis yang sesuai.
  • Menggunakan suatu metodologi yang terstruktur dan kuantitatif untuk menciptakan prioritas yang dapat dipertahankan sejajar dengan kebutuhan sebenarnya dari organisasi, seperti matriks keputusan berbobot. [19]

Faktor sukses dari implementasi[sunting | sunting sumber]

Menurut Kimball dkk., ada tiga wilayah kritis yang mana organisasi harus miliki sebelum mulai melakukan proyek IB: [20]

  1. Tingkat komitmen dan dukungan proyek dari senior manajemen
  2. Tingkat kebutuhan bisnis untuk menciptakan sebuah implementasi IB
  3. Jumlah dan kualitas dari data bisnis yang ada.

Dukungan bisnis[sunting | sunting sumber]

Komitmen dan dukungan dari senior manajemen menurut Kimball dkk., adalah kriteria yang paling penting dalam penilaian. [21] Hal ini dikarenakan memiliki manajemen yang mendukung kuat membantu melewati permasalahan yang dihadapi dalam proyek. Namun, seperti yang Kimball dkk. katakan: "Bahkan rancangan sistem GD/IB yang paling elegan pun tidak dapat mengatasi minimnya dukungan [manajemen] bisnis". [22]

Sangatlah penting bahwa personil yang berpartisipasi dalam proyek memiliki visi dan ide tentang keuntungan dan kerugian dari implementasi sistem IB. Dukungan bisnis yang baik harus memiliki pengaruh kuat dalam organisasi dan harus berhubungan baik dalam organisasi. Ideal bila pendukung bisnis menuntut tapi juga harus mampu bersikap realistik dan suportif jika implementasi menghadapi keterlambatan atau kekurangan. Sokongan manajemen juga harus mampu mengasumsikan akuntabilitas dan bertanggung jawab terhadap kegagalan dan kemunduran dari proyek. Dukungan dari berbagai anggota manajemen memastikan proyek tidak gagal jika salah seorang keluar dari grup utama. Namun, banyaknya manajer yang bekerja sama dalam proyek bisa juga berarti akan adanya kepentingan berbeda yang mencoba menarik proyek ke arah yang berbeda, seperti jika suatu departemen menginginkan pengaruh penggunaan yang lebih kuat pada sisinya. Masalah ini bisa diatasi dengan analisis yang spesifik dari awal terhadap wilayah bisnis yang menguntungkan implementasi kesemuanya. Semua pemegang saham dalam proyek harus berpartisipasi dalam analisis dengan tujuan supaya mereka merasakan kepemilikan dari proyek dan untuk menemukan kesamaan.

Permasalahan manajemen yang lain yang harus dihadapi sebelum memulai implementasi yaitu jika pendukung bisnis terlalu agresif. Jika individu manajemen terbawa oleh kemungkinan-kemungkinan penggunaan IB dan mulai menginginkan implementasi GD atau IB untuk memasukan beberapa kumpulan data yang berbeda yang pada tahap perencanaan awal tidak diikutkan. Namun, karena implementasi tambahan dari data tambahan bisa menambah jumlah waktu dari rencana semula, akan lebih bijak untuk memastikan orang dari manajemen sadar dari aksi mereka.

Kebutuhan bisnis[sunting | sunting sumber]

Karena keterkaitan yang dekat dengan senior manajemen, hal penting yang harus diperhatikan sebelum proyek dimulai adalah apakah ada kebutuhan bisnis dan apakah jelas keuntungan bisnis dengan melakukan implementasi. [23] Kebutuhan dan keuntungan dari implementasi terkadang diarahkan oleh kompetisi dan keinginan untuk mendapatkan keuntungan di pasar. Alasan lain untuk pendekatan berbasis-bisnis untuk implementasi IB adalah akuisisi organisasi lain untuk memperbesar organisasi awal terkadang menguntungkan untuk mengimplementasikan GD atau IB dengan tujuan untuk membuat pengawasan yang lebih.

Perusahaan yang mengimplementasikan IB biasanya organisasi yang besar dan multinasional dengan cabang yang beragam. [24] Solusi IB yang dirancang baik menyediakan pandangan konsolidasi dari kunci data bisnis yang tidak ada di tempat lainnya di dalam organisasi, memberikan manajemen visibilitas dan kontrol terhadap pengukuran yang sebelumnya tidak ada.

Jumlah dan kualitas dari data yang ada[sunting | sunting sumber]

Tanpa data yang cukup, atau dengan kualitas data yang kecil, setiap implementasi IB akan gagal: tidak penting seberapa bagus dukungan manajemen atau motivasi berbasis-bisnis. Sebelum implementasi sebaiknya dilakukan pemrofilan data terlebih dahulu. Analisis ini mengidentifikasi "isi, konsistensi dan struktur [...]" [23] dari data. Hal ini sebaiknya dilakukan seawal mungkin dalam proses dan jika analis memperlihatkan bahwa datanya kurang, tangguhkan proyek untuk sementara sambil departemen IT memikirkan bagaimana mengumpulkan data secara benar.

Saat merencanakan untuk kebutuhan-kebutuhan data bisnis dan inteligensi bisnis, selalu disarankan untuk mempertimbangkan skenario tertentu yang berlaku untuk organisasi tertentu, dan kemudian memilih fitur-fitur inteligensi bisnis yang cocok untuk skenario tersebut.

Terkadang, skenario berkembang di sekitar proses-proses bisnis yang berbeda, tiap-tiapnya dibangun dari satu atau lebih sumber data. Sumber-sumber tersebut digunakan oleh fitur-fitur yang menggambarkan data tersebut sebagai informasi untuk pengetahuan pekerja, yang selanjutnya beraksi terhadap informasi tersebut. Kebutuhan bisnis dari organisasi untuk setiap proses bisnis yang diadopsi bergantung pada langkah-langkah penting dari inteligensi bisnis. Langkah-langkah penting dari inteligensi bisnis ini mengikutkan, tapi tidak terbatas pada, hal-hal berikut:

  1. Langsung ke sumber data untuk mengumpulkan data yang dibutuhkan
  2. Mengubah data bisnis menjadi informasi dan berikan secara tepat
  3. Query dan analisis data
  4. Beraksi terhadap data yang terkumpulkan

Aspek kualitas dalam inteligensi bisnis harus mencakup semua proses dari sumber data sampai pelaporan akhir. Pada setiap langkah, gerbang kualitas-nya berbeda:

  1. Sumber data:
    • Standarisasi data: agar data dapat dibandingkan (unit yang sama, pola yang sama, dsb.)
    • Manajemen Master Data: referensial yang unik
  2. Penyimpanan data operasional:
    • Pembersihan data: mendeteksi dan mengoreksi data yang salah
    • Pemrofilan data: memeriksa nilai yang salah atau kosong
  3. Gudang data:
    • Kelengkapan: memeriksa apakah semua data telah dimuat
    • Integritas referensial: unik dan referensial terhadap semua sumber
    • Konsistensi antara sumber: memeriksa data konsolidasi terhadap sumber
  4. Pelaporan:
    • indikator keunikan: hanya satu kamus indikator yang dibagikan
    • Akurasi formula: formula pelaporan lokal harus dihindari atau diperiksa

Aspek pengguna[sunting | sunting sumber]

Beberapa pertimbangan harus dibuat dengan tujuan supaya sukses mengintegrasikan penggunaan dari sistem inteligensi bisnis dalam sebuah perusahaan. Pada akhirnya sistem IB harus diterima dan digunakan oleh pengguna supaya bernilai bagi perusahaan. [25] [26] Jika usabilitas dari sistem sangat buruk, para pengguna bisa frustasi dan menghabiskan banyak waktu memahami bagaimana cara menggunakan sistem atau mungkin tidak benar-benar bisa menggunakan sistem. Jika sistem tidak memberikan nilai tambah bagi misi pengguna, mereka tidak menggunakannya. [26]

Untuk meningkatkan penerimaan pengguna terhadap suatu sistem IB, disarankan untuk mengkonsultasikan pengguna bisnis pada tahap awal siklus GD/IB, sebagai contohnya pada fase pengumpulan kebutuhan. [25] Hal ini bisa menyediakan wawasan terhadap proses bisnis dan apa yang pengguna butuhkan dari sistem IB. Ada beberapa metoda untuk mengumpulkan informasi ini, seperti kuesioner dan sesi wawancara.

Saat mengumpulkan kebutuhan dari pengguna bisnis, departemen IT lokal juga harus diikutkan untuk menentukan sampai mana kemungkinan memenuhi kebutuhan bisnis berdasarkan data yang ada. [25]

Menggunakan pendekatan berpusat pada pengguna selama tahap perancangan dan pengembangan bisa meningkatkan kesempatan adopsi bagi pengguna sistem IB. [26]

Selain berfokus pada pengalaman user yang diberikan oleh aplikasi IB, juga memungkinkan memotivasi pengguna menggunakan sistem dengan menambahkan elemen kompetisi. Kimball [25] menyarankan mengimplementasikan suatu fungsi pada portal situs IB di mana laporan tentang penggunaan sistem bisa ditemukan. Dengan melakukan hal tersebut, manajer bisa melihat bagaimana departemennya bekerja dan membandingkan dirinya dengan yang lainnya dan hal ini bisa memacu mereka untuk mendorong staf mereka menggunakan sistem IB lebih sering.

Dalam sebuah artikel tahun 2007, H. J. Watson memberikan sebuah contoh bagaimana elemen kompetitif dapat berguna sebagai sebuah insentif. [27] Watson menjelaskan bagaimana suatu pusat panggilan mengimplementasikan dasbor performansi untuk semua agen panggilan, dengan bonus insentif perbulan dikaitkan dengan metrik performansi. Juga, agen dapat membandingkan performansi mereka dengan anggota tim lainnya. Implementasi dari tipe pengukuran performansi ini dan kompetensi secara signifikan meningkatkan performansi agen.

Kesempatan sukses untuk IB dapat ditingkatkan dengan mengikutkan senior manajemen untuk membantu membuat IB sebagai bagian dari kultur organisasi, dan dengan menyediakan pengguna dengan alat-alat yang berguna, pelatihan, dan dukungan. [27] Pelatihan mendorong lebih banyak orang menggunakan aplikasi IB. [25]

Menyediakan bantuan pengguna sangat diperlukan untuk menjaga sistem IB dan menyelesaikan permasalahan pengguna. [26] Dukungan pengguna dapat diikutkan dengan berbagai cara, sebagai contohnya dengan membuat sebuah situs. Situs tersebut harus memiliki isi yang bagus dan alat untuk mencari informasi yang diperlukan. Lebih lanjut, dukungan helpdesk bisa digunakan. Help desk bisa dijalankan oleh pengguna ahli atau tim proyek GD/IB. [25]

Portal IB[sunting | sunting sumber]

Sebuah portal Inteligensi Bisnis (portal IB) adalah akses antarmuka utama untuk aplikasi gudang data (GD) dan Inteligensi Bisnis (IB). Portal IB adalah impresi pertama bagi pengguna dari sistem GD/IB. Biasanya berbentuk aplikasi peramban, di mana pengguna memiliki akses ke semua layanan sistem GD/IB, laporan dan fungsi analitis lainnya. Portal IB harus diimplementasikan supaya mudah digunakan bagi pengguna aplikasi GD/IB untuk melakukan panggilan terhadap fungsionalitas dari aplikasi. [28]

Fungsi utama dari portal IB adalah untuk menyediakan sebuah sistem navigasi dari aplikasi GD/IB. Hal ini berarti portal harus diimplementasikan supaya pengguna memiliki akses terhadap semua fungsi dari aplikasi GD/IB.

Cara paling umum untuk merancang portal adalah dengan menyesuaikannya dengan proses bisnis dari organisasi di mana aplikasi GD/IB dirancang, dengan cara tersebut portal dapat disesuaikan dengan kebutuhan penggunannya. [29]

Portal IB harus mudah digunakan dan dipahami, dan jika bisa memiliki tampilan yang sama dengan aplikasi lainnya atau isi situs dari aplikasi organisasi GD/IB yang dirancang (konsistensi).

Berikut ini adalah daftar fitur yang diperlukan bagi portal web secara umum dan portal IB secara khusus:

Terpakai
Pengguna harus dengan mudah menemukan apa yang mereka butuhkan dalam alat IB.
Kaya isi
Portal tidak hanya alat pencetakan laporan, ia harus berisi fungsi lebih seperti saran, bantuan, informasi pendukung dan dokumentasi.
Bersih
Portal harus dirancang supaya mudah dipahami dan tidak terlalu kompleks sehingga membingungkan pengguna
Terbaru
Portal harus diperbarui secara teratur.
Interaktif
Portal harus diimplementasikan supaya mudah bagi pengguna menggunakan fungsinya dan mendorong mereka menggunakan portal. Skalabilitas dan kostumisasi membuat pengguna dapat menyesuaikan portal sesuai kebutuhan mereka.
Berorientasi nilai
Sangat penting bahwa pengguna merasakan bahwa aplikasi GD/IB memiliki sumber nilai yang patut dipakai.

Pangsa pasar[sunting | sunting sumber]

Ada sejumlah vendor inteligensi bisnis, terkadang dikategorikan menjadi vendor independen "murni" dan gabungan "megavendor" yang memasuki pasar lewat tren baru [30] akuisisi dalam industri IB. [31]

Beberapa perusahaan yang mengadopsi perangkat lunak IB memutuskan untuk memilih dari penawaran produk yang terpisah (tapi yang terbaik) dibandingkan membeli satu solusi yang terintegrasi secara komprehensif (layanan penuh). [32]

Spesifik-industri[sunting | sunting sumber]

Pertimbangan khusus untuk sistem inteligensi bisnis harus dilakukan pada sektor-sektor tertentu seperti regulasi bank pemerintahan. Informasi yang dikumpulkan oleh institusi bank dan dianalisis dengan perangkat lunak IB harus dilindungi dari grup atau individu tertentu, dan tersedia penuh untuk grup atau individu lainnya. Oleh karena itu solusi IB harus sensitif terhadap kebutuhan tersebut dan cukup fleksibel untuk beradaptasi terhadap regulasi baru dan perubahan terhadap hukum yang ada.

Data semi-terstruktur dan tak terstruktur[sunting | sunting sumber]

Bisnis menciptakan sejumlah besar informasi berharga dalam bentuk surel, memo, catatan dari pusat panggilan, berita, grup pengguna, percakapan, laporan, halaman situs, presentasi, berkas gambar, berkas video, dan berita dan materi pemasaran. Menurut Merrill Lynch, lebih dari 85% dari informasi bisnis ada dalam bentuk tersebut. Tipe informasi seperti ini disebut data semi terstruktur atau tak terstruktur. Bagaimanapun juga, organisasi sering kali hanya menggunakan dokumen-dokumen itu sekali saja. [33]

Manajemen dari data semi terstruktur dikenal sebagai masalah utama yang tak terpecahkan dalam industri teknologi informasi. [34] Menurut proyeksi dari Gartner (2003), pegawai kantor menghabiskan 30 sampai 40 persen waktunya mencari, menemukan dan menilai data tak terstruktur. IB menggunakan data semi struktur dan tak terstruktur, tapi yang pertama lebih mudah dicari, dan yang terakhir berisi informasi yang sangat besar dibutuhkan untuk analisis dan pembuatan keputusan. [34][35] Karena kesulitan pada pencarian, penemuan dan penilaian yang baik dari data semi terstruktur dan tak terstruktur, organisasi mungkin tidak menggunakan informasi yang luas tersebut, yang bisa mempengaruhi keputusan tertentu, pekerjaan atau proyek. Hal ini akhirnya mengarah pada buruknya informasi pembuatan keputusan. [33]

Oleh karena itu, saat merancang solusi GD/IB, masalah tertentu yang berhubungan dengan data semi terstruktur dan tak terstruktur haruslah ditangani sebagaimana halnya dengan data terstruktur. [35]

Data tak terstruktur terhadap data semi-terstruktur[sunting | sunting sumber]

Data tak terstruktur dan semi terstruktur memiliki makna yang berbeda bergantung pada konteksnya. Pada konteks sistem database relasional, data tak terstruktur tidak dapat disimpan dalam susunan kolom dan baris yang terprediksi. Salah satu tipe dari data tak terstruktur biasanya disimpan dalam BLOB (binary large object), tipe data penampung-semua yang ada di hampir semua sistem manajemen database relasional. Data tak terstruktur juga bisa mengacu pada pola kolom berulang yang tidak teratur atau acak yang beragam disetiap baris dalam berkas atau dokumen.

Kebanyakan tipe data seperti itu, seperti surel, berkas teks, presentasi, berkas gambar, dan berkas video memenuhi standar yang memberikan kemungkinan adanya metadata. Metadata bisa mengikutkan informasi seperti penulis dan waktu dibuat, dan itu bisa disimpan dalam database relasional. Oleh karena itu, akan lebih akurat berbicara tentang hal ini sebagai dokumen atau data semi-terstruktur, [34] tapi tampaknya belum ada konsensus tertentu yang telah tercapai.

Data tak terstruktur juga bisa menjadi pengetahuan yang pengguna bisnis miliki tentang tren bisnis di masa depan. Peramalan bisnis secara alami menyesuaikan dengan sistem IB karena pengguna bisnis berpikir tentang bisnis mereka dalam makna keseluruhan. Menangkap pengetahuan bisnis yang mungkin hanya ada dalam pikiran pengguna bisnis menyediakan nilai data paling penting untuk sebuah solusi IB yang komplit.

Masalah dengan data semi-terstruktur atau tak-terstruktur[sunting | sunting sumber]

Ada beberapa tantangan dalam mengembangkan IB dengan data semi-terstruktur. Menurut Inmon dan Nesavich, [36] beberapa diantaranya yaitu:

  1. Secara fisik mengakses data tekstual tak-terstruktur - data tak terstruktur disimpan dalam berbagai format.
  2. Terminologi - Di antara peneliti dan analis, ada kebutuhan untuk mengembangkan termilogi yang standar.
  3. Volume data - Sebagaimana yang dinyatakan sebelumnya, sampai 85% dari semua data yang ada adalah semi-terstruktur. Gabungkan hal tersebut dengan kebutuhan untuk analisis semantik dan kata-per-kata.
  4. Pencarian dari data tekstual tak-terstruktur - Pencarian sederhana pada beberapa data, misalnya apel, menghasilkan tautan yang memiliki acuan terhadap istilah yang dicari. [36] Sebagai contoh: "suatu pencarian dilakukan untuk istilah tindak pidana. Dalam pencarian sederhana, istilah tindak pidana digunakan, dan di mana pun ada suatu acuan ke kata tindak pidana, sampai pada dokumen tak terstruktur. Tapi pencarian yang sederhana adalah kasar. Ia tidak menemukan referensi ke kriminal, aksi pembakaran, pembunuhan, penggelapan, kematian karena tabrakan, dan lainnya, walaupun jenis kejahatan ini adalah tipe dari tindak pidana."

Penggunaan metadata[sunting | sunting sumber]

Untuk menangani masalah pencarian dan penilaian dari data, sangat diperlukan untuk mengetahui tentang isinya. Hal ini bisa dilakukan dengan menambahkan konteks lewat penggunaan metadata. [33] Banyak sistem telah menggunakan metadata (misalnya, nama berkas, penulis, ukuran, dll), tapi yang lebih berguna tentu metadata tentang apa yang ada dalam isi -- misalnya, kesimpulan, topik, orang atau perusahaan yang disebutkan. Dua teknologi dirancang untuk menghasilkan metadata tentang yaitu kategorisasi otomatis dan ekstraksi informasi.

Masa depan[sunting | sunting sumber]

Tulisan Gartner tahun 2009 memprediksikan [37] perkembangan berikut dalam pasar inteligensi bisnis:

  • Karena kurangnya informasi, proses, dan perangkat, selama 2012, lebih dari 35 persen dari top 5000 perusahaan global secara regular gagal membuat keputusan yang berwawasan tentang perubahan signifikan dalam pasar dan bisnis mereka.
  • Pada 2012, unit-unit bisnis akan mengontrol paling kurang 40 persen dari anggaran total untuk inteligensi bisnis.
  • Pada 2012, sepertiga dari aplikasi analitis yang digunakan untuk proses bisnis akan diberikan dalam bentuk aplikasi butiran-kasar mashup.

Laporan khusus Information Management tahun 2009 memprediksi tren teratas dari IB: "komputasi hijau, jasa jaringan sosial, visualisasi data, IB seluler, analitis prediktif, aplikasi komposit, komputasi awan dan multi-sentuh.". [38] Penelitian yang dilakukan tahun 2014 mengindikasikan bahwa karyawan lebih mungkin memiliki akses ke, dan lebih mungkin lagi terlibat dengan, perangkat IB berbasis-awan daripada perangkat tradisional. [39]

Tren IB lainya termasuk hal-hal berikut:

  • Produk SOA-IB pihak ketiga yang menangani masalah ETL yang besar.
  • Perusahaan menerapkan pemrosesan dalam memory, pemrosesan 64-bit, dan pra-paket aplikasi IB analitis.
  • Aplikasi operasional memiliki komponen IB, dengan peningkatan pada waktu respon, skala, dan konkurensi.
  • Analitis IB yang tepat atau mendekati seketika adalah ekpektasi dasar.
  • Perangkat lunak sumber-berbuka IB menggantikan penawaran dari vendor.

Jalur penelitian yang lain mengikutkan pengkajian gabungan dari IB dan data tak pasti. [40][41] Dalam konteks ini, data yang digunakan tidak diasumsikan harus tepat, akurat dan komplit. Melainkan, data dianggap tidak pasti dan karenanya ketidakpastian ini disebarkan ke hasil yang dikeluarkan oleh IB.

Menurut kajian dari Aberdeen Group, ada peningkatan ketertarikan dalam IB Software-as-a-Service (SaaS - Perangkat lunak sebagai jasa) selama beberapa tahun terakhir, dengan dua kali lipat organisasi menggunakan pendekatan ini setahun lalu - 15% di tahun 2009 dibandingkan 7% di tahun 2008.[butuh rujukan]

Sebuah artikel oleh Chris Kanaracus menunjukan pertumbuhan data yang sama dari firma penelitian IDC, yang memprediksi pasar IB SaaS akan tumbuh 22 persen setiap tahun sampai 2013 berkat meningkatnya kecanggihan produk, anggaran IT yang ketat, dan faktor lainnya.[42]

Lihat juga[sunting | sunting sumber]

Referensi[sunting | sunting sumber]

  1. ^ Rud, Olivia (2009). Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy. Hoboken, N.J: Wiley & Sons. ISBN 978-0-470-39240-9. 
  2. ^ Coker, Frank (2014). Pulse: Understanding the Vital Signs of Your Business. Ambient Light Publishing. hlm. 41-42. ISBN 978-0-9893086-0-1. 
  3. ^ Miller Devens, Richard. Cyclopaedia of Commercial and Business Anecdotes; Comprising Interesting Reminiscences and Facts, Remarkable Traits and Humors of Merchants, Traders, Bankers Etc. in All Ages and Countries. D. Appleton and company. hlm. 210. Diakses 15 February 2014. 
  4. ^ H P Luhn (1958). "A Business Intelligence System". IBM Journal 2 (4): 314. doi:10.1147/rd.24.0314. 
  5. ^ Pieter M. Kroonenberg, Applied Multiway Data Analysis, Wiley 2008, pp. xv.
  6. ^ D. J. Power (10 March 2007). "A Brief History of Decision Support Systems, version 4.0". DSSResources.COM. Diakses 10 July 2008. 
  7. ^ Power, D. J. "A Brief History of Decision Support Systems". Diakses 1 November 2010. 
  8. ^ "Business Intelligence and Data Warehousing (BI/DW)". Knowledgent. Knowledgent Group Inc. Diakses 2014-07-06. "Business Intelligence and Data Warehousing (BI/DW)" 
  9. ^ Golden, Bernard (2013). Amazon Web Services For Dummies. For dummies. John Wiley & Sons. hlm. 234. ISBN 9781118652268. Diakses 2014-07-06. "[...] traditional business intelligence or data warehousing tools (the terms are used so interchangeably that they're often referred to as BI/DW) are extremely expensive [...]" 
  10. ^ Evelson, Boris (21 November 2008). "Topic Overview: Business Intelligence". 
  11. ^ Evelson, Boris (29 April 2010). "Want to know what Forrester's lead data analysts are thinking about BI and the data domain?". 
  12. ^ Kobielus, James (30 April 2010). "What’s Not BI? Oh, Don’t Get Me Started....Oops Too Late...Here Goes....". "“Business” intelligence is a non-domain-specific catchall for all the types of analytic data that can be delivered to users in reports, dashboards, and the like. When you specify the subject domain for this intelligence, then you can refer to “competitive intelligence,” “market intelligence,” “social intelligence,” “financial intelligence,” “HR intelligence,” “supply chain intelligence,” and the like." 
  13. ^ "Business Analytics vs Business Intelligence?". timoelliott.com. 2011-03-09. Diakses 2014-06-15. 
  14. ^ "Difference between Business Analytics and Business Intelligence". businessanalytics.com. 2013-03-15. Diakses 2014-06-15. 
  15. ^ Henschen, Doug. Interview. Analytics at Work: Q&A with Tom Davenport. 4 January 2010.
  16. ^ Kimball et al., 2008: 29
  17. ^ "Are You Ready for the New Business Intelligence?". Dell.com. Diakses 19 June 2012. 
  18. ^ Jeanne W. Ross, Peter Weill, David C. Robertson (2006) Enterprise Architecture As Strategy, p. 117 ISBN 1-59139-839-8.
  19. ^ Krapohl, Donald. "A Structured Methodology for Group Decision Making". AugmentedIntel. Diakses 22 April 2013. 
  20. ^ Kimball et al. 2008: p. 298
  21. ^ Kimball et al., 2008: 16
  22. ^ Kimball et al., 2008: 18
  23. ^ a b Kimball et al., 2008: 17
  24. ^ "How Companies Are Implementing Business Intelligence Competency Centers". Computer World. Diakses 1 April 2014. 
  25. ^ a b c d e f Kimball
  26. ^ a b c d Swain Scheps Business Intelligence for Dummies, 2008, ISBN 978-0-470-12723-0
  27. ^ a b Watson, Hugh J.; Wixom, Barbara H. (2007). "The Current State of Business Intelligence". Computer 40 (9): 96. doi:10.1109/MC.2007.331. 
  28. ^ The Data Warehouse Lifecycle Toolkit (2nd ed.). Ralph Kimball (2008).
  29. ^ Microsoft Data Warehouse Toolkit. Wiley Publishing. (2006)
  30. ^ Andrew Brust (2013-02-14). "Gartner releases 2013 BI Magic Quadrant". ZDNet. Diakses 21 August 2013. 
  31. ^ Pendse, Nigel (7 March 2008). "Consolidations in the BI industry". The OLAP Report. 
  32. ^ Imhoff, Claudia (4 April 2006). "Three Trends in Business Intelligence Technology". 
  33. ^ a b c Rao, R. (2003). "From unstructured data to actionable intelligence". IT Professional 5 (6): 29. doi:10.1109/MITP.2003.1254966. 
  34. ^ a b c Blumberg, R. & S. Atre (2003). "The Problem with Unstructured Data". DM Review: 42–46. 
  35. ^ a b Negash, S (2004). "Business Intelligence". Communications of the Association of Information Systems 13: 177–195. 
  36. ^ a b Inmon, B. dan A. Nesavich , "Data tekstual tak-terstruktur dalam organisasi" dari "Managing Unstructured data in the organization" , Prentice Hall 2008, pp. 1-13
  37. ^ Gartner Reveals Five Business Intelligence Predictions for 2009 and Beyond. gartner.com. 15 January 2009
  38. ^ Campbell, Don (23 June 2009). "10 Red Hot BI Trends". Information Management. 
  39. ^ Lock, Michael (27 March 2014). "Cloud Analytics in 2014: Infusing the Workforce with Insight". 
  40. ^ Rodriguez, Carlos; Daniel, Florian; Casati, Fabio; Cappiello, Cinzia (2010). "Toward Uncertain Business Intelligence: The Case of Key Indicators". IEEE Internet Computing 14 (4): 32. doi:10.1109/MIC.2010.59. 
  41. ^ Rodriguez, C., Daniel, F., Casati, F. & Cappiello, C. (2009), Computing Uncertain Key Indicators from Uncertain Data ICIQ'09, hlm. 106–120 
  42. ^ [http://infoworld.com/d/cloud-computing/saas-bi-growth-will-soar-in-2010-511 SaaS BI growth will soar in 2010 | Cloud Computing]. InfoWorld (2010-02-01). Retrieved 17 January 2012.

Daftar Pustaka[sunting | sunting sumber]

  • Ralph Kimball et al. "The Data warehouse Lifecycle Toolkit" (2nd ed.) Wiley ISBN 0-470-47957-4
  • Peter Rausch, Alaa Sheta, Aladdin Ayesh : Business Intelligence and Performance Management: Theory, Systems, and Industrial Applications, Springer Verlag U.K., 2013, ISBN 978-1-4471-4865-4.

Tautan luar[sunting | sunting sumber]