SISTEM PENUNJANG KEPUTUSAN

REVIEW PRODUCT DECISION SUPPORT SYSTEM AND BUSINESS

INTELLIGENCE : D-SIGHT AND DATAPINE

DISUSUN OLEH (KELOMPOK 3):

Fachri Yafelli
M0512019
Fhiky Adhitama
M0511022
Mirra Prasasti
M0512035
Rizkya Nur Majid
M0512051

JURUSAN INFORMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
SURAKARTA
2015

BAB I
PENDAHULUAN
A. LATAR BELAKANG
Decision Support System (DSS) memiliki arti dalam bahasa Indonesia adalah
sistem penunjang keputusan. Sistem Penunjan Keputusan/Decission Suport System
(DSS) adalah sebuah sistem informasi terkomputerisasi yang mendukung para pengambil
keputusan untuk mengambil sebuah keputusan berdasarkan data yang telah di analisa.
Sistem Penunjang Keputusan (DSS) digunakan untuk mengumpulkan data, membentuk
data dan menganalisa data, dan mengambil sebuah keputusan berdasarkan data atau
membangun sebuah strategi dari analisa data yang dilakukan (yang kemudian
ditampilkan dalam sebuah bentuk laporan), namun tidak mempengaruhi terhadap
komputer, basis data atau manusia penggunanya.
Suatu Sistem Penunjang Keputusan (DSS) yang dirancang adalah suatu sistem
berbasis perangkat lunak (software) yang dimaksudkan untuk membantu para pengambil
keputusan dalam mengkompilasi data mentah, dokumen, pengetahuan pribadi, dan/atau
model bisnis untuk mengidentifikasi dan memecahkan berbagai masalah dan mengambil
sebuah keputusan yang tepat.
Business Intelligence (BI) adalah sebuah teknik mencari, menggali, dan
menganalisis data bisnis, kemudian diolah menjadi informasi atau wawasan yang dapat
dijadikan bahan pertimbangan untuk mengambil keputusan. Hasil keluaran dari BI dapat
berupa representasi lampau, keadaan saat ini, maupun forecast asa depan dari suatu
bisnis.
Dewasa ini banyak sekali software DSS dan BI yang dapat digunakan, di antaranya
adalah D-Sight dan datapine. Baik D-Sight maupun datapine, telah digunakan secara
global oleh perusahaan maupun organisasi, meskipun keduanya masih terbilang
perusahaan atau startup yang masih muda. Lalu, apa saja fitur dan kelebihan yang
ditawarkan kedua produk tersebut sehingga banyak perusahaan tertarik menggunakan
software mereka? Oleh karena itu melalui makalah ini, Penulis akan menyajikan review
dan analisis mengenai kedua produk tersebut.
B. RUMUSAN MASALAH
1. Bagaimana review product DSS : D-Sight?
2. Bagaimana review product BI : datapine?
C. TUJUAN
1. Mengetahui review product DSS : D-Sight.
2. Mengetahui review product BI : datapine.

BAB II
ISI
A. REVIEW PRODUCT DECISION SUPPORT SYSTEM : D-SIGHT
1. Detail Produk D-Sight
a. Deskripsi Produk
D-Sight merupakan perusahaan muda dan tim inovatif yang terdiri dari para
marketer, developer, designer dan ahli pemecahan masalah secara kreatif, yang
berkeinginan dalam menghasilkan solusi software pembuat keputusan(decisionmaking) yang terbaik. Perusahaan ini berdiri pada tahun 2010, dengan kepala
cabang yang terletak pada Brussels di Belgia.
D-Sight membangun solusi software yang berbeda-beda dimana
keseluruhannya bertujuan mendukung perbedaan proses pengambilan
keputusan(decision making) yang kompleks. Keseluruhan produk didistribusikan
pada model Software as a Service(SAS). Produk ini digunakan dalam lingkup
industri yang luas seperti energi, sumber daya alam, kimia dan farmasi, NGO dan
publik, dan lain-lain. produk D-Sight yang kami gunakan adalah yang berjenis
web-based, versi trial.
D-Sight memiliki 3 buah produk unggulan yaitu sebagai berikut.
D-Sight Portofolio adalah platform Project Portofolio Management (PPM)
yang berfokus disekitar tahap awal pengambilan keputusan. D-Sight Portofolio
mengijinkan para user untuk melakukan:
Mengumpulkan dan memusatkan data untuk permintaan projek dan
membangun business-case
Memprioritaskan
proposal
projek
dan
mengevaluasi
pengurutan/penggolongannya
Mengalokasikan sumber daya untuk proposal yang mana menambah jumlah
yang paling banyak untuk organisasi, sehingga akan mengoptimalkan
portofolio projek.
D-Sight Sourching adalah platform perencanaan sumber daya untuk
menstandarisasi dan membenarkan proses pemilihan supplier.
D-Sight Collaborative Decision-Making(CDM) adalah software pengambil
keputusan yang menawarkan pendekatan terstruktur untuk keputusan
kelompok berbasiskan data.
Berikut ini merupakan daftar versi dan fitur yang dirilis selama tahun 2015.
2015-03-30: Version 4.10.2

D-Sight Portfolio: Add new prefilled list attributes

D-Sight Portfolio: Add the ability to link project request to group values
D-Sight Portfolio: Add descriptions to company project attributes

2015-03-24: Version 4.10.1

D-Sight Portfolio: Fix bug when submitting a project request without filling all
fields

All versions: Fix an issue when requesting a report with ".pdf" in its name
All versions: Fix an issue when failing to modify a utility function
All versions: Fix an issue when requesting a non existing qualitative scale

2015-03-09: Version 4.10.0

D-Sight Portfolio: Add project requests module

D-Sight Portfolio: Add new constraint on attribute value for portfolio
optimization module
D-Sight Portfolio: Fix bug when importing projects
All versions: Fix bug when trying to execute actions in the application while
logged off. After login, user is properly redirected.
All versions: Improve performances when rendering menu in analysis phase

2015-02-02: Version 4.9.2

D-Sight Portfolio: Performance improvements when adding new project

D-Sight Portfolio: Performance improvements when adding new attributes
D-Sight Portfolio: Allow decoupling of attributes and criteria imported into
portfolio
D-Sight Portfolio: Fix bug when filtering projects would not load the project
card
D-Sight Portfolio: Fix bug when filtering projects would display an
horizontal Current Weight line in Weight Evolution graph
All versions: Improve performances when updating hierarchy

2015-01-21: Version 4.9.1

D-Sight Portfolio: Fix bug with multiple "Next step" link on evaluation page
D-Sight Portfolio: Fix bug with long criteria names in transposed evaluation
table preventing to input values
All versions: Add timeout on long calculations to ensure that users are
informed in case of error
All versions: Update documentation

2015-01-16: Version 4.9.0

D-Sight Portfolio: Improve performances when loading custom attributes

overview
D-Sight Portfolio: Improve performances when bulk updating custom
numerical attributes

b. Profil Vendor
Nama
Industry
Founded
Headquarters
Website

D-Sight
Enterprise Software
2010
Brussels, Belgium
www.d-sight.com

Facebook
Twitter
Linkedin

D-Sight
https://www.facebook.com/DSight
@d_sight
https://twitter.com/d_sight
https://www.linkedin.com/company/d-sight

c. Sector Industry yang dapat memanfaatkannya

D-Sight dapat dimanfaatkan baik oleh Private maupun Public Sector. Namun ada
beberapa industry sering memanfaatkan D-Sight. Berikut ini sector industry yang
sering memanfaatkan produk D-Sight.
Pharmaceutical Industry
Industry farmasi merupakan salah satu sector yang memiliki sebagian besar
keuntungan dari produk D-Sight. D-Sight terlibat dalam perangkat lunak
pengambilan keputusan untuk salah satu perusahaan farmasi terbesar dunia.
Tool ini memungkinkan client untuk melihat dengan jelas apa yang dipikirkan
oleh ahli. Kemampuan untuk dapat mengumpulkan pendapat dari para ahli di
seluruh dunia dan mengintegrasikannya dalam grafik yang sama memberikan
keuntungan kompetitif bagai client.
Transportation Industry
Sector transportasi memiliki satu tambahan, bidang aplikasi yang spesifik,
yang sejalan dengan solusi decision-making D-Sight. Tidak hanya proyek
ataupun investasi yang diprioritaskan di sector transportasi, namun juga rute
yang berbeda antara node dalam transportasi. Industry transportasi yang
menggunakan produk D-Sight misalnya adalah Italferr (the Italian State
Railways Group) dan belgian STIB (Brussels Intercommunal Transport
Company).
D-Sight membantu Italferr untuk mengidentifikasi rute terbaik dari jalur kereta
api berkecepatan tinggi. Rute tersebut adalah antara Palermo dan Catania di
Sisilia. Aspek yang dipertimbangkan dalam pencarian rute terbaik ini misalnya
aspek keuangan, teknis, dan lingkungan. D-Sight membantu Belgia STIB
untuk memilih teknologi terbaik untuk recover braking energy dan
memasukkannya kembali ke jaringan.
Real Estate Industry
D-Sight membantu para pengusaha real-estate untuk membuat keputusan
dengan tepat, dengan mempertimbangkan variable seperti tren harga dan
fluktuasinya, lokasi, kondisi, dan lain lain. tidak hanya itu, D-Sight juga
dapat menampung portofolio property dengan variable yang selalu berubah
menyesuaikan pasar. Pengusaha real estate dapat secara otomatis
mensimulasikan pasar dan memahami resiko jika suatu keputusan diambil,
sehingga pengusaha dapat dengan mudah melihat proyek mana yang paling
menguntungkan.
Research Industry

Analisis masalah dalam bisnis dan industry yang melibatkan pembangunan

model dan penerapan program linear, analisis jalur kritis, dan teknik kuantitatif
lainnya, memang membutuhkan alat canggih yang memungkinkan para
ilmuwan untuk melihat, menganalisis, dan mengevaluasi data. Dalam banyak
kasus, gigabites data dikumpulkan selama bertahun tahun penelitian. D-Sight
menawarkan kemungkinan untuk mengumpulkan semua data dalam satu
platform software dan menjalankan semua perhitungan berdasarkan multicriteria (MCDA) dan analisis sensitifitas. D-Sight telah diuji oleh lebih dari 50
universitas di seluruh dunia dan telah terbukti menjadi software MCDA
termudah yang dapat digunakan di antara software lain yang terdapat di
pasaran.
Banking and Finance Industry
Keberhasilan bank baru baru ini sebagaian dikarenakan proses pengambilan
keputusan di sector keuangan. Sejumlah besar faktor mempengaruhi
bagaimana bank berfungsi, membuat keputusan, dan menghasilkan
keuntungan. Faktor faktor tersebut umumnya adalah risiko, legislasi
pemerintah, kondisi ekonomi, dan kebijakan federal reserve. D-sight
menyediakan alat alat yang diperlukan untuk menggabungkan data dari
stakeholder yang berbeda dan mengintegrasikannya ke dalam satu platform.
Data ini disajikan dalam format grafis intuitif yang memudahkan proses
pengambilan keputusan dan memberikan data-driven justification untuk setiap
keputusan strategis.
National Defense
Menggunakan D-Sight memungkinkan kita untuk dapat mensimulasikan
scenario dan pilihan yang berbeda agar dapat meramalkan masalah dengan
pilihan dan kemungkinan strategi tertentu. Hal ini akan sangat berguna bagi
pemerintah yang harus mempertanggungjawabkan keputusan militer kepada
public.
Public Health
Setiap sistem kesehatan nasionalsecara primer didanai melalui pajak pusat.
Oleh karena itu decision justification sangatlah penting. Bagaimana proyek
diprioritaskan dalam skala nasional dan pengaturan selama setahun ke depan
merupakan hal penting dalam masyarakat modern. Di sinilah D-Sight
memberikan dukungan kuat bagi pemerintah. D-Sight memungkinkan kita
untuk menganalisis mendalam tentang peristiwa masa lalu dan menghasilkan
model visual untuk scenario masa depan.

d. Sejarah Produk
D-Sight mengembangkan solusi perangkat lunak pengambilan keputusan
kolaboratif untuk membantu bisnis dan organisasi membuat keputusan yang lebih
baik dan lebih cepat. Quantin Hayez mendirikan D-Sight sebagai perusahaan spinoff dari Universit Libre de Bruxelles pada usia 25. Ia mengembangkan produk
pertama, D-Sight Desktop, saat bekerja sebagai peneliti di Teknik Komputer dan

Keputusan departemen universitas. Dia saat ini memimpin kegiatan penjualan dan
pemasaran D-Sight dan mengelola pengembangan produk.
Quantin mencakup tantangan kewirausahaan dan mencintai teknologi baru.
Tujuannya tidak hanya untuk mengubah D-Sight ke pemain nomor satu di ceruk
pasar ini, tetapi juga untuk meningkatkan seluruh dunia pengambilan keputusan.
Dari web www.eu-startups.com dijelaskan bahwa Startup yang berbasis di
Brussels D-Sight telah mengumpulkan lebih dari 1 juta euro dalam pendanaan.
Modal akan digunakan untuk melanjutkan pembangunan pengambilan keputusan
berbasis platform cloud D-Sight dan untuk penetrasi pasar Uni Eropa, fokus pada
Inggris dan Perancis.
Keberhasilan pendanaan D-Sight Seri A menunjukkan peningkatan minat
investor institusi dalam alat untuk mendukung data-driven pengambilan keputusan.
Alat umum pendukung keputusan D-Sight digunakan secara global oleh organisasi
termasuk UNESCO dan WTO. Perusahaan muda sudah melayani lebih dari 70
pelanggan di lebih dari 45 negara. D-Sight didirikan pada tahun 2010.Berikut
gambar beberapa logo perusahaan yang pernah menggunakan dan bekerjasama
dengan D-sight.

2. Hasil Analisis Produk D-Sight

Bagaimana kaitannya dengan Managerial Support System (MSS)?
Kaitan D-sight dengan managerial support system (MSS) adalah D-sight
merupakan salah satu produk dari MSS yaitu produk dari Decision Support Systems
(DSS). D-sight sebagai dalah satu produk DSS termasuk ke dalam kerangka kerja
Decision support semi struktur dan tak terstruktur karena memiliki permasalahan
kompleks dan tak ada solusi serta merta. Sebagai salaha satu produk MSS, D-sight
memiliki fungsi untuk membantu kinerja manajer dalam melaksanakan tugasnya atau
dengan kata lain sebagai sistem penunjang keputusan manajer. Dengan adanya sistem
penunjang keputusan, diharapkan kinerja manajer menjadi lebih baik dan
mempercepat kinerja manajer karena dengan DSS lebih cepat didapati solusi yang
terbaik daripada dengan cara manual atau cara tradisional lainnya.

Bagaimana kaitannya dengan bagaimana manusia membuat keputusan?

Dalam Pengambilan Keputusan dibagi menjadi tiga fase utama yaitu Fase
Intelligence, Fase Desain dan Fase choice dan ketiga fase ini berlaku untuk decision
making tools/decision maker. Berikut pejelasan ketiga fase tersebut :
Fase Intelligence ialah fase dimana decision maker/tools untuk menganalisa
masalah apa yang dihadapi dan pengumpulan data terkait masalah tersebut.
Fase Design adalah Fase decision maker/tool membuat pilihan alternative
ataupun model yang sesuai untuk memecahkan masalah.
Fase Choice adalah Fase dimana Decision maker untuk menentukan pilihan yang
sesuai yang berasalah dari model/alternative yang telah dibuat.(Turban, 2011)
Pada D-sight yang merupakan software pembuat keputusan berbasis web yang
menggunakan algoritma AHP. D-sight merupakan pembuat keputusan dengan model
matematik, bersifat abstract karena model berbentuk hasil perhitungan matematika.
Pada proses pengambilan keputusan D-sight menuntun decision maker untuk
mendesign model dengan menentukan kriteria, bobot, variable-variabel alternative,
memasukkan data terkait alternative dan kriteria untuk mengambil sebuah keputusan
dari masalah yang dihadapi decision maker.
D-sight membantu decision maker membuat keputusan dengan menampikan
grafik berdasarkan hasil perhitungan menggunakan algoritma AHP. Yang setiap
alternatif menunjukan nilai yang dapat diurutkan berdasarkan nilai terbesar/terkecil.
Nilai ini merepresentasikan pilihan yang terbaik memiliki nilai perhitungan terbesar.
Bagaimana klasifikasi dari MSS tersebut, siapa yang termasuk MSS user dan
bagaimana MSS hardware-nya?
Dilihat dari klasifikasinya, dalam D-sight terdapat 3 buah produk unggulan
yaitu D-sight portopolio, D-sight sourching ,dan D-sight collaborative Decisionmaking (CDM). Dengan begitu apabila dilihat dari klasifikasi sifat situasi keputusan
dimana DSS didesain untuk mendukungnya maka D-sight termasuk dalam
instutionalized DSS karena produk D-sight portopolio. Untuk klasifikasi
berdasarkan derajat implikasi tindakan dari output sistem D-sight masuk ke
Suggestion model dan Data analysis systems.
Dilihat dari segi user, dalam D-sight terdapat 3 user yaitu regular user,
manager, dan project creator. Manager merupakan admin pada D-sight yang dapat
mengontrol user, proyek, dll. Project creator dapat membuat proyek dan mengedit
proyek sedangkan regular user hanya dapat melihat sistem yang telah dibuat dan hasil
yang didapat dari sistem tersebut. Dilihat dari pola penggunaan DSS pada usernya Dsight termasuk dalam pola terminal mode dimana pengambil keputusan adalah user
langsung dari sistem melalui akses online.
Dilihat dari hardware, D-sight sudah berbasis web jadi menurut Turban D-sight
telah masuk ke dalam klasifikasi distributed DSS yang memiliki keuntungan dalam
hal ketersediaan dan aksesnya terhadap data dan model di berbagai lokasi.
Bagaimana model dan analisa pengambilan keputusan yang digunakan?
Model yang digunakan dalam D-Sight termasuk ke dalam kategori simulation
dan predictive models. Termasuk ke dalam model simulation, karena dalam D-Sight

juga menyediakan simulasi jika salah satu atau beberapa kondisi kriteria diubah
dengan memberikan good enough solution. Termasuk ke dalam model predictive
karena D-Sight juga menyediakan what-if-analysis yang memungkinkan user untuk
melakukan analisis terhadap suatu pengembangan business process. Selain itu, DSight termasuk ke dalam Dynamic model karena kondisi parameter dapat diubah
ubah.
Metode analisis yang digunakan untuk mengambil keputusan :
MCDA
Metodelogi yang digunakan dalam platform-platform tersebut adalah MultiCriteria Decision Analysis(MCDA). Metode MCDA adalah metode yang
digunakan untuk menimbang faktor yang berpengaruh yang lebih dari satu dalam
proses pengambilan keputusannya. Metode ini mengintegrasikan informasi yang
kuantitatif dan kualitatif dan memungkinkan untuk membuat informasi daripada
murni intuitif.
AHP
Metode AHP dikembangkan oleh Thomas L. Saaty dan digunakan untuk
menyelesaikan masalah yang kompleks dalam situasi yang tidak terstruktur
menjadi bagian bagian komponen. Metode AHP merupakan pendekatan
pengambilan keputusan dengan multiple criteria yang disusun dalam struktur
hirarki (Saaty,1990). Kelebihan metode ini dibanding metode pengambilan
keputusan yang lain adalah metode AHP dapat menggunakan parameter kualitatif
dan kuantitatif.
What-if-analysis
What-if-analysis adalah metode terstruktur untuk menentukan hal hal apa yang
bisa salah dan menilai kemungkinan dan konsekuensi dari situasi yang terjadi.
Jawaban utnuk pertanyaan pertanyaan ini membentuk suatu dasar untuk
membuat penilaian dan menentukan tindakan yang tepat untuk antisipasi risiko
yang tidak dapat diterima.
Sensitivity analysis
Sensitivity analysis merupakan analisis yang dilakukan utnuk mengetahui akibat
dari perubahan parameter produksi terhadap perubahan kinerja dan hasil atau
keuntungan.
3. Contoh Skenario
Secara umum, tahap tahap dalam membuat keputusan menggunakan software DSight adalah.
Alternatives
Alternatives merupakan tahap paling awal. Pada tahap ini akan diinputkan
alternative pilihan-pilihan yang tersedia.
Criteria
Criteria merupakan tahap peng-inputan keriteria atau faktor-faktor yang
mempengaruhi dalam pembentukan keputusan.
Users

Users merupakan tahap pemberian hak akses penggunaan fitur yang ada pada
software D-Sight.
Weights
Weights merupakan tahap pemberian bobot kriteria peniliaian dalam bentuk
persentase.
Parameters
Parameters merupakan tahap pemberian parameter pada masing-masing kriteria.
Adapun beberapa bagian parameter yang dapat diubah-ubah adalah sebagai
berikut.
Type: Kolom ini merupakan jenis evaluasi yang akan digunakan untuk
mencetak alternatif. Anda dapat memilih antara membuat perbandingan
Berpasangan (metode PROMETHEE) atau menggunakan fungsi utilitas. Untuk
pengenalan singkat tentang cara kerjanya, silakan kunjungi halaman pengantar
pemodelan preferensi.
Function: (modus Berpasangan saja) ini menunjukkan fungsi preferensi
PROMETHEE yang terkait dengan kriteria.
Indifference Threshold: (modus Berpasangan saja): Hal ini menunjukkan
ambang ketidakpedulian fungsi preferensi.
Preference Threshold: (modus Berpasangan saja) ini menunjukkan ambang
preferensi fungsi preferensi.
Qualitative Scale: Secara default, skala kuantitatif (numerik). Anda dapat
menambahkan skala kualitatif baru dengan mengklik "Tambah Skala Kualitatif"
link di menu sebelah kiri.
Decimals: Anda dapat memilih jumlah desimal yang akan ditampilkan dalam
sel Evaluasi. Hal ini tidak relevan jika skala tidak Numerik.
Unit: Kolom ini merupakan unit kriteria. Sel ini mungkin kosong.
Evaluations
Evaluations merupakan tahap pemberian bobot nilai untuk keseluruhan kriteria
yang telah ditentukan sebelumnya.
Analysis
Analysis merupakan tahap menganalisa data yang telah dimasukkan. Pada tahap
ini data yang telah dianalisa akan ditampilkan. Data yang ditampilkan tersebut
dapat diubah-ubah secara langsung untuk mengetahui kemungkinankemungkinan yang ada. Pada tahap ini juga akan dijelaskan proses penilaian
keputusan yang dilakukan oleh aplikasi.
Contoh scenario yang kami buat adalah sistem penunjang keputusan untuk memilih
motor dengan mempertimbangkan lima parameter. Pertama tama, kita tentukan
terlebih dahulu alternatif pilihan motor. Ada 6 ilihan yang tersedia, yaitu Kawasaki
Pulsar 200NS, New Vixion Lighting, Honda CB150R, Satria FU 150, Honda CBR,
dan Honda Tiger Revo.

Pada tahap keduan, kita tentukan kriteria yang akan menjadi bahan pertimbangan
dalam mengambil keputusan. Kriteria yang dipilih adalah harga, konsumsi bahan
bakar, power, berat, dan torsi maksimum.

Pada tahap ketiga, menambahkan user yang terlibat dalam project. Ada beberapa jenis
user yang tugasnya seperti berikut.

User dapat di-invite melalui e-mail.

Pada tahap keempat, memberi bobot pada setiap kriteria. Kami memakai normal
distribution, sehingga total jumlah bobot untuk ecology, performance, dan harga
adalah 100%.

Pada tahap kelima, mengatur kriteria parameter. Pada tahap ini setiap kriteria diberi
keterangan minimize atau maximize. Semakin rendah harga, maka semakin baik
(semakin dipilih), sehingga diberi keterangan minimize. Semakin besar power, maka
semakin baik, sehingga diberi keterangan maximize.

Pada tahap keenam, kita memasukkan data untuk setiap kriteria dan alternatif. Data
data tersebut kita peroleh dari berbagai situs sebagai berikut.
http://pertamax7.com/2014/12/23/honda-verza-paling-irit-bahan-bakar-all-new-cbr150r-palingboros-menurut-komparasi-otomotifnet/#more-251721
https://jurigkamera.wordpress.com/2013/07/12/perbandingan-harga-power-torsi-top-speeddan-konsumsi-bahan-bakar-kawasaki-bajaj-pulsar-200nsdengan-motor-sekelasnya/
http://otosister.com/harga-motor-honda/
http://www.kawasaki-motor.co.id/product-detail/pulsar-200ns-1#bigimg-2
http://ridertua.com/2011/02/09/daftar-tabel-top-speed-sepeda-motor-lengkap/
http://ridertua.com/2011/02/08/daftar-tabel-konsumsi-bbm-sepeda-motor-lengkap/

http://motorcomcom.blogspot.com/2014/03/harga-motor-satria-fu.html?m=1
https://rooveg.files.wordpress.com/2014/01/picture1.jpg?w=1675&h=707

Hasil :

Langkah terakhir, melihat hasil analisis D-Sight yang disajikan dalam bantuk grafik.

Dari gambar di atas, dapat kita ambil kesimpulan bahwa D-Sight menyarankan kita
untuk memilih Satria FU 150, karena mempunyai skor yang paling tinggi, yaitu 69,48.
Pada tahap ini kita juga dapat melakukan simulasi, ketika suatu keadaan berubah,
maka akan ditampilkan hasil yang berbeda pula.

4. Success Story dari Client

Sudah banyak perusahaan, organisasi ataupun universitas yang telah
menggunakan software ini. Salah satu cerita sukses yang dilansir pada situs www.dsight.com adalah penggunaan software D-Sight pada UNESCO-IHE.
Dalam situs tersebut D-Sight mengatakan: We have worked with UNESCOIHE on a project for water resources prioritization in Uganda. The main goal of this
project was to determine the best use for scarce water resources.
Yang artinya Kami telah bekerja sama dengan UNESCO-IHE pada sebuah
proyek untuk prioritas sumber daya air di Uganda. Tujuan utama dari proyek ini
adalah untuk menentukan penggunaan terbaik untuk sumber daya yang langka air.
Tidak dijelaskan case studynya secara lebih jelas dan terperinci pada situs
tersebut. Namun pada situs D-Sight, pihak UNESCO-IHE sangat terkesan dengan
bantuan pengolahan data dan hasil data yang disajikan untuk menunjang keputusan
yang diberikan oleh software D-Sight. Berikut kata-kata yang disampaikan oleh pihak
UNESCO-IHE pada testimoni yang ada pada situs www.d-sight.com.
"With the increase for water demand and scarcity, utilities require effective
strategies for optimum use of available water resources. Deciding on which option to
choose amongst conflicting multiple criteria and different interests of stakeholders is a
challenging task. The D-Sight Software was key in prioritizing water loss reduction
options for Kampala city and made our strategic plan a success." Harrison Mutikanga
/ UNESCO-IHE.
"Dengan meningkatnya permintaan air dan kelangkaan, utilitas membutuhkan
strategi yang efektif untuk pemanfaatan secara optimal sumber daya air yang tersedia.
Menentukan pilihan untuk memilih di antara beberapa bertentangan kriteria dan
kepentingan yang berbeda dari para pemangku kepentingan adalah tugas yang
menantang. The D-Sight Software adalah kunci dalam memprioritaskan pilihan

pengurangan kehilangan air untuk kota Kampala dan membuat rencana strategis kami
sukses. "Harrison Mutekanga / UNESCO-IHE.
Salah satu perusahaan yang pernah bekerjasama adalah Ecorem S.A.
Perusahaan ini merupakan sebuah perusahaan independen, multidisiplin konsultasi
dan khusus dalam menangani berbagai aspek lingkungan. ECOREM S.A. didirikan
dan dikembangkan di sekitar pendekatan multidisiplin yang terintegrasi dan selalu
mencari solusi yang dibuat khusus untuk berbagai masalah. Amandine dHaese selaku
coordinator and team leader of the SEE project di perusahaan Ecorem S.A
mengatakan Dengan menggunakan D-Sight untuk penilaian lingkungan alternatif
proyek, kami mampu mengikuti proses secara otomatis, sehingga secara signifikan
mengurangi durasi analisis. Selain itu, alat visual memungkinkan kita untuk dengan
mudah berinteraksi dengan pengambil keputusan dan karena itu membantu mereka
memahami dan menerima hasilnya. D-Sight menyediakan dukungan nyata bagi
pengambilan keputusan yang memungkinkan kita untuk obyektif memilih pilihan
terbaik. Dari pendapat Amandine, jelas bahwa D-sight telah berhasil membantu
perusahaan Ecorem S.A. dalam mengatasi masalah dan menentukan solusi terhadap
masalah lingkungan.
Kerjasama dengan Ecorem menjadi salah satu study case untuk D-sight yang
diberi judul D-Sight's solutions for environmental studies. Dalam study case ini
menunjukkan bagaimana multi-kriteria analisis software dari D-sight yang digunakan
untuk mengukur luas jalur air yang menghubungkan Seine-Scheldt Timur di wilayah
Walloon Region. Ecorem memilih menggunakan solusi D-sight untuk melaksanakan
evaluasi dan perbandingan alternatif proyek karena banyaknya kriteria yang terlibat
dalam penilaian lingkungan. Hasil yang didapat Ecorem sangat terbantu dengan solusi
D-sight ini.
B. REVIEW PRODUCT BUSINESS INTELLIGENCE : DATAPINE
1. Detail Produk Datapine

Datapine adalah alat Business Intelligence Software-as-a-Service yang

memempukan user untuk membuat query database yang kompleks tanpa pengetahuan
SQL. Untuk tujuan tersebut, datapine menyediakan bagi user kemudahan, tampilan
intuitif drag and drop yang menjembatani interaksi antara user dengan query database.
Hasil query ditampilkan dalam grafik atau table yang dinamis. Pilihan filter yang
inovatif dan fitur perhitungan menawarkan fleksibilitas yang tinggi. Tentunya, semua
grafik dapat disimpan pada dashboard interaktif dan dibagikan kepada user baik yang
berada di dala maupun di luar organisasi. Datapine berusaha membantu customer
untuk membuat pengambilan keputusan bisnis yang lebih cepat dan tepat. Kami
menggunakan datapine yang berjenis web-based dan free trial.
Berikut ini merupakan alamat dan kontak dari datapine.
Alamat
Oranienstrasse 185, 10999 Berlin, Germany
+49 30 6920 9427
No. Telp.

http://www.datapine.com/
datapine
www.facebook.com/datapine
@datapine
Twitter
https://twitter.com/datapine
https://www.linkedin.com/company/datapine-businessanalytics
LinkedIn
https://plus.google.com/+Datapine/about
Google +
Datapine mempunyai dua founder yaitu, Jakob Rehermann dan Martin
Blumenau, yang keduanya bertindak sebagai managing partner.
Jakob Rehermann
Dengan pengalaman satu tahun dalam BI-driven consulting, Jakob menjadi otak di
balik datapine dan mengelola produk, strategi, dan hubungan dengan investor.
Martin Blumenau
Dalam mengelola penjualan dan pemasaran, Martin mengetahui segala hal baik di
dalam maupu di luar startup dan mendorong timnya untuk mendapat hasil yang
terbaik.
Web
Facebook

Datapine memiliki lima keunggulan, yaitu sebagai berikut.

Data discovery

 Tidak membutuhkan pengetahuan SQL. Datapine menerjemahkan interaksi Anda

menjadi kode SQL dan secara singkat menyajikan hasilnya.
Anda dapat dengan mudah mengeksplore dan memvisualisasikan data menggunakan
tampilan drag and drop.
Menunjukkan perhitungan advanced dengan metric builder dan expression library
mereka.
Membuat query pada database yang berbeda dan membawa analisis Anda pada level
yang lebih tinggi.
Real-time monitoring

Secara cepat membangun dashboard Andadengan drag and drop.

Melengkapi dashboard Anda dengan elemen style seperti headlines, text boxes, dan
gambar.
Pilihan elemen control yang interaktif (seperti timelines dan custom global filter)
memampukan user untuk menelusuri dan menggali dataset lebih dalam.
Akses ke data kapan pun dari PC, tablet, atau mobile phone dan mendapatkan
overview bisnis Anda secara real-time.
Smart sharing

 Dengan mudah membagikan wawasan (insight) menggunakan Automated Report

Scheduler.
Dengan cepat membagikan dashboard Anda via URL kepada kolega dan atau pihak
luar.
Menyediakan akses bebas yang ekslusif bagi klien Anda melalui tampilan customable
dan terpisah.
Setup and Connection

Menghubungkan database kurang dari 10 menit, dengan tidak ada restructuring atau
pun skema analytical database yang diminta.
Dengan mudah mengkombinasikan multiple datasources.
Membangun dan mengeksekusi multidimensional query tanpa membutuhkan stuktur
cube OLAP.
Memperbaiki wawasan Anda dengan data dari Google Analytics, sistem CRM,
maupun file CSV.
Data storage service

 Memampukan Anda untuk mengakses database dari jarak jauh dengan kecepatan
tinggi.
Data warehouse datapine berjalan pada server yang kuat dan menggunakan teknologi
memori terbaru untuk pengolahan data yang cepat.
Privasi data adalah yang utama. Semua data disimpan di server dengan tingkat
keamanan yang tinggi, di server center Franfkurt am Main, Jerman.
Dengan lima keunggulan tersebut dilengkapi dengan fitur fitur lainnya,
sebagai salah satu tool Business Intelligence, datapine dapat digunakan oleh semua
perusahaan atau organisasi yang membutuhkan pengambilan keputusan bisnis.
Sebagaimana kita tahu, saat ini hampir semua perusahaan mempunyai data dan dari
data itulah perusahan dapat memperoleh banyak informasi yang bermanfaat bagi
kelangsungan bisnisnya. Ada beberapa bagian atau tim dalam perusahaan yang perlu
untuk mengimplementasikan datapine, seperti tim controlling, sales, marketing,
management, bahkan IT department. Dengan menganalisis data, perusahaan dapat
mengetahui informasi penting mengenai customer maupun segala hal mengenai
bisnisnya. Informasi tersebut kemudian dapat dijadikan bahan pertimbangan untuk
mengambil berbagai keputusan, misal keadaan atau lingkungan bisnis yang berubah,
tren yang baru, membuat inovasi untuk menarik lebih banyak pelanggan, dan lain
lain.
2. Hasil Analisis Produk Datapine
Bagaimana kaitannya dengan Managerial Support System (MSS)?
Kaitan Datapine dengan managerial support system (MSS) adalah Datapine
merupakan produk dari Business Intellegence. Business Intelligence memilki kaitan
dengan MSS yaitu untuk membantu dalam proses mengelola data. BI ada karena
pengambilan keputusan memerlukan data dari BI yang berasal daru kumpulan data
factual, data prencanaan, maupun data prediksi. 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.
Bagaimana kaitannya dengan bagaimana manusia membuat keputusan?
Dalam Pengambilan Keputusan dibagi menjadi tiga fase utama yaitu Fase
Intelligence, Fase Desain dan Fase choice dan ketiga fase ini berlaku untuk decision
making tools/decision maker. Berikut pejelasan ketiga fase tersebut :
Fase Intelligence ialah fase dimana decision maker/tools untuk menganalisa
masalah apa yang dihadapi dan pengumpulan data terkait masalah tersebut.

Fase Design adalah Fase decision maker/tool membuat pilihan alternative ataupun
model yang sesuai untuk memecahkan masalah.
Fase Choice adalah Fase dimana Decision maker untuk menentukan pilihan yang
sesuai yang berasalah dari model/alternative yang telah dibuat.(Turban, 2011).
Datapine membantu untuk membuat keputusan mulai dari fase Intelligence.
Datapine dapat mengumpulkan data dari berbagai sumber data yang berbeda,
kemudian mengintegrasikannya ke dalam satu dashboard yang dapat diakses di
manapun dan kapan pun. Data data ini pun disajikan dalam bentuk grafik atau table
yang interaktif. Hal ini memungkinkan pada decision maker untuk mengerti masalah
yang sebenarnya dihadapi.
Pada fase design, datapine membantu decision maker untuk membuat model
atau planning pemecahan masalah dengan menampilkan informasi yang mungkin
tersembunyi dari sejumlah besar data, melakukan evaluasi terhadap masa lampau,
masa sekarang, ataupun forecast terhadap masa depan. Dengan menggunakan
datapine, kita juga tidak perlu memahami SQL command. Kita dapat
mengoperasikannya hanya dengan drag and drop table / grafik.
Datapine telah menyajikan berbagai alternatif solusi dengan risiko yang
mungkin diakibatkan. Hal ini membuat decision maker dapat membuat keputusan
dengan lebih baik, dalam waktu yang lebih singkat, dan telah mempertimbangkan
berbagai risiko yang mungkin ada. Cara seperti ini akan jauh lebih efektif daripada
menggunakan cara trial and error atau pun sepenuhnya mengandalkan intuisi.
Bagaimana klasifikasi dari MSS tersebut, siapa yang termasuk MSS user dan
bagaimana MSS hardware-nya?
Dilihat dari klasifikasinya, dalam datapine termasuk ke dalam Analysis
Information System.
Dilihat dari segi user, dalam Datapine terdapat 2 user yaitu editor dan admin.
admin pada datapine merupakan user yang dapat mengontrol user lain, proyek, dll.
editor dapat membuat proyek dan mengedit proyek. Dilihat dari pola penggunaan
MSS pada usernya Datapine termasuk dalam pola terminal mode dimana pengambil
keputusan adalah user langsung dari sistem melalui akses online.
Dilihat dari hardware, Datapine sudah berbasis web jadi menurut Turban
Datapine telah masuk ke dalam klasifikasi distributed DSS yang memiliki
keuntungan dalam hal ketersediaan dan aksesnya terhadap data dan model di berbagai
lokasi.
Apa saja komponen yang ada dalam BI tersebut? Apa saja metode yang
digunakan dalam setiap komponen (jika ada)?

Datapine merupakan Bi berbasis web yang memiliki empat Komponen Utama:

a. Database source/ Database warehouse
Ada dua pilihan dalam mengkoneksikan data pada Datapine :
Mengkoneksikan tidak sepenuhnya
Berdasarkan interaksi user, Datapine menghasilkan query SQL yang sesuai
dan mengirimkannya langsung ke database user. Setelah perhitungan
dijalankan pada server user, Datapine menerima hasil dan memvisualisasinya
ke grafik atau tabel.
Mengkoneksikan sepenuhnya, data masuk ke datawarehouse milik datapine
Datapine mentransfer dengan kecepatan tinggi ke Data Warehouse dan
update setiap hari.
Database yang digunakan pada datapine dapat berasal dari google drive, format
csv ataupun dengan mengambil data dari media penyimpanan online (cloud).
Datapine berbasis online maka data yang tersimpan pada database yang di
support adalah MySQL, PostgreSQL, Microsoft Server SQL and Oracle. User
juga dapat megupload file CSV dan menghubungkan akun Google ananlytics user
dengan datapine. Selain itu datapine juga memperbolehkan untuk
mengkombinasikan data dari website dan data dari database milik user. Datapine
juga dapat mengkombinasikan dari berbagai sumber database dan melakukan
database-cross query. Serta membuat muldideminsional query tanpa
menggunakan OLAP.
b. Bussines Analytics
Business analytics berupa koleksi perangkat bantu (tools) untuk memanipulasi,
menambang, dan menganalisis data pada data warehouse. Pada Datapine
user/decision maker dapat melakukan Analisa dari data yag dimiliki dengan
menggunakan tools yang mudah dipahami karena menggunakan drag-drop. User
hanya tinggal men-drag/drop attributt yangingin dianalisa. Maka Datapine akan
menampilkan dalam bentuk grafik (gambar 1). Dalam pengolahan/analisa data
user juga akan dapat menambahkan perhitungan baru dengan menggunakan
pilihan metric builder (gambar 2). User juga dapat bisa mengatur properties dari
data yang ingin dianalisis (data input atau output).

c. Dashboard
User dapat mengatur dashboard. Chart-chart yang ditampilkan merupakan hasil
analisa yang dilakukan pada menu analisa sebelumnya. Dashboard dapat
dikelompokkan sesuai kebutuhan dari user. User pun dapat menentukan yang
berhak untuk mengakses dashboard tersebut. Serta didukung oleh visualisasi chart
yang baik. Terdapat 11 bentuk visualisasi chart yang dapat ditampilkan yaitu
(Number, line, column, Bar, Spider web, Pie Table, Area, Stacked Column,
Stacked Column, Stacked bars, scatter Plot). Selain itu user juga dapat mengedit
dan mengatur tampilan dashboard (menambah chart, menambah text, menambah
gambar atau pun widget yang berupa garis)
Setiap blok tulisan/chart dapat diatur tampilan, posisi, ataupun melakukan
duplikasi.

Selain blok tulisan, blok chart juga dapat di ubah tampilannya ataupun diatur
kembali datanya.

Secara keseluruhan datapine merupakan software yang cukup mudah digunakan,

pemasukkan attribut saat analisa pun hanya tinggal melakukan drag-drop dari
atrribut dari database.

Bagaimana arsitektur dari BI tersebut?

Arsitektur Datapine terdiri tiga komponen utama yaitu Datawarehouse,

Bussiness Anaytics, dan interactive dashboard. Data Warehouse mengambil database
dari file (data source) yang diupload ataupun disambungkan oleh user. Datapine
mendukung banyak tipe file databasae seperti MySQL, PostgreSQL, Microsoft Server
SQL, Oracle dan User juga dapat megupload file CSV. Data yang ditampung di
Datapine warehouse terupdate secara real time.
Pada proses analisis data yang digunakan bersumber dari datawarehouse milik
datapine. Setelah data selesai dianalisis nantinya akan ditampilkan ke user dalam
bentuk chart dan diagram. Selain itu user juga dapat meng-share dashboard ke user
lain. User juga dengan mudah dapat mengirim report melalui email.
Bagaimana hasil analisa disajikan kepada user?
Hasil analisa yang disajikan berupa chart dan tabel yang dapat dianalisa sesuai
kebutuhan yang dibutuhkan oleh user. User dapat mengkombinasikan beberapa atribut
dari database sesuai keinginan pada menu Analyze. Setiap atribut dapat pula
digroupkan sesuai keinginan. Chart yang ditampilkan memperlihatkan perkembangan
data dari rentang waktu tertentu yang dapat diatur oleh user. Menyajikan tampilan
yang dinamis, riil dengan data terbaru yang tepat waktu, memungkinkan pengguna
untuk tetap up-to-date dengan berbagai perubahan terbaru dalam perusahaan.
Keunggulan dari Datapine ini adalah visualisasi dalam menampilkan data yang
ada.Tapi sayang sekali pada datapine ini tidak ditampilkannya forecasting berdasarkan
data yang ada.

3. Contoh Skenario
Pada suatu database suatu perusahaan yang memiliki database berisi catatan penjualan
di perusahaan tersebut. Database perusahaan tersebut memiliki 7 tabel yaitu :
Customer berisi data dari customer perusahaan tersebut, tabel customer ini
memliki 7 attribut (Age, Channel, City, Country, Customer Id, Name dan
Sign_up Date).
Logs berisi data log ketika customer melakukan akses ke web milik perusahaan
ini, tabel ini memiliki 4 attribut ( Customer ID, IP, LogsID dan Logs_Date).

Order berupa data order yang dilakukan, memiliki 3 atribut (OrderID,

PaymentID, SalesID)
Payment berupa data pembayaran yang dilakukan oleh customer. Memiliki 4
attribut (Amount, Customer ID, PaymentID, Payment_method)
Product berupa data berisi product yang dijual oleh perusahaan X. Memiliki 6
attribut (ProductID, Product_Category, Product_Margin, Product_Name, Profit,
Unit_price)
SalesID berupa data customer yang melakukan pembelian. Memiliki 3 attribut
(CustomerID, Date, SalesID).
Sold_Items berupa data barang yang telah diorder. Memiliki 2 atrribut (OrderID,
ProductID)
Membuat diagram terkait data di atas.
Pengecekkan penjualan barang dan pendapatan perusahaan setiap bulannya.
Untuk melakukan analisa tersebut ketika menginputkan Unit_Price dan SalesID
sebagai nilai pada sumbu Y dan Date sebagai inputan pada sumbu Y. Makan akan
ditampilkan diagram seperti dibawah ini

Dari hasil analisa diatas dapat terlihat bagaimana suatu penjualan barang/product.
Secara lebih jelas untuk membaca diagram diatas dapat dibantu dengan tabel
dibawah ini :

Dimana sales_ID menggunkan perhitungan distinct sehingga pada baris pertama

175 menunjukkan jumlah totalyang berhasil dijual bulan april 2014 dan
Unit_price menggunakan perhitungan sum yang berarti total penjualan pada
bulan april 2014.

Penjualan product per negara

Untuk melakukan analisa Penjualan product per negara ketika menginputkan
ProductID sebagai nilai pada sumbu Y, Product_Category sebagai inputan pada
sumbu X, Atrribut Country sebagai input untuk Decomposed by
(dipisah/diuraikan). Dan difilter menggunakan inputan dari attribut Date. Maka
akan ditampilkan diagram seperti dibawah ini

Dari diagram spider web diatas dapat dilihat bagaimana penjualan tiap negara
memiliki angka yang berbeda. Pasar penjualan pada seluruh kategori produk
dikuasai oleh EU (Uni Eropa ), kedua oleh Amerika Utara dan terakhir Australia.
Juga dapat dilihat pada diagram produk apa yang paling menonjol disetiap negara
tersebut. Secara lebih jelas hubungan data pada diagram diatas ditampilkan pada
tabel dibawah ini :

Log data customer yang sign up

Ini dilakukan untuk menganalisa customer ingin melakukan sign up ke web
perusahaan X dari channel (Coupon, Display, Other, SEM, SEO) yang mana .
Untuk melakukan analisa Log data customer yang sign up ketika menginputkan
LogsID sebagai nilai pada sumbu Y, Logs_Date sebagai inputan pada sumbu X,
Atrribut Channel sebagai input untuk Decomposed by (dipisah/diuraikan). Dan
difilter menggunakan inputan dari attribut Signup_Date. Maka akan ditampilkan
diagram seperti dibawah ini

Dilihat dari gambar diatas pada Quater 1 tahun 2013 Customer melakukan sign
up didasarkan oleh alasan dll (memiliki luas diagram yang lebih luas
dibandingkan yang lain). Dari digram tersebut decision maker dapat melihat hal
apa yang lebih menarik Customer untuk melakukan sign Up ke web Perusahaan
X. Data secara lengkap dapat dilihat pada tabel dibawah ini :

4. Success Story dari Client

Ada banyak perusahaan atau instasi yang menggunakan datapine. Berikut ini
merupakan contoh perusahaan yang menggunakan datapine.

Berikut ini merupakan contoh study case dari client yang pernah menggunakan
datapine dan berhasil.
a. Lieferando
With its unique combination of scalability, ease-of-use and functionality, datapine
changed the way we analyze our data.
-Kai Hansen, Managing Director Lieferando-

Lieferando merupakan layanan food-ordering secara online yang beroperasi secara

internasional dan merupakan bagian dari Takeaway group.
Nama Oganisasi
Lieferando
Berlin, Germany
Lokasi
www.lieferando.de
Website
Marketplace
Industry
Lieferando adalah sebuah layanan food-ordering secara
About
online yang beroperasi secara internasional. Sebagai
bagian dari takeaway group dengan lebih dari 400
pekerja, misi dari perusahaan ini adalah menyediakan
cara cepat dan mudah bagi customer untuk
mendapatkan makanan favoritnya.
Data sources
Google Analytics
MySQL
Challenges :
Kombinasi data pemasaran dan penjualan secara real-time.
Optimasi dari marketing campaigns.
Pandangan yang komperehensif dari seluruh lifecycle pelanggan.
Requirements :
Real-time, akses self-service ke informasi.
Kemampuan Enterprise-caliber BI untuk analisis multidimensional.
Waktu pelaksanaan dan biaya yang rendah.
Hasil setelah menggunakan datapine :
Pengambilan keputusan yang lebih cepat dan lebih baik menggunakan informasi
secara real-time
Dashboard real-time memungkinkan Lieferando untuk memantau semua kegiatan
bisnis utama melalui indicator Key Performance. Mereka dapat secara langsung
bertindak atas perubahan dan sekarang dapat beradaptasi dengan lebih baik dan tepat
terhadap tantangan bisnis yang baru.
Streamlined marketing dan aktivitas penjualan
Setiap karyawan dapan men-generate wawasan yang ia perlukan. Perusahaan ini tidak
lagi perlu meminta laporan dan menunggu berjam jam sampai mereka menerima
hasil dari depertemen IT. Sangatlah mudah untuk menganalisis advanced data dalam
datapine dan mendapatkan semua informasi yang dibutuhkan untuk melacak dan
mengefisienkan aktivitas penjualan dan pemasaran.

Wawasan bisnis dalam lingkungan yang terpercaya

Dengan kombinasi unik dari skalabilitas, kemudahan penggunaan, dan fungsionalitas,
datapine memungkinkan kita untuk meningkatakan wawasan bisnis dan memberikan
reaksi yang sesuai. Karena keindahan model SaaS, perusahaan ini mendapatkan
update bulanan dan fitur baru tanpa support tambahan ataupun biaya upgrade.
b. Customer Alliance
Thanks to datapine we are able to review all relevant customer data and react on
trends and opportunities much faster.
-Moritz Klussmann, CEO Customer AllianceCustomer Alliance menyediakan sistem penilaian bagi industry hotel untuk meninjau
dan menganalisis data pelanggan.
Nama Oganisasi
Customer Alliance
Berlin, Germany
Lokasi
www.customer-alliance.com
Website
Software as service
Industry
Customer Alliance menyediakan sistem penilaian bagi
About
industry hotel untuk meninjau dan menganalisis data
pelanggan. Tujuannya adalah untuk menghasilkan
sejumlah besar review kualitatif pelanggan, sehingga
membantu hotel untuk mendapatkan lebih banyak
pengunjung dan pemesanan melalui website mereka.
Data sources
SUGAR CRM
MySQL
CSV
Challenges :
Data tersebar pada beberapa sistem (database MySQL, SugarCRM, dan file CSV).
Kinerja dari tim sales harus dipantau setiap jam.
Menggabungkan data dari penjualan dan pelanggan.
Requirements :
Solusi berbasis analisis Saas yang memerlukan keterlibatan IT minimal.
Integrasi yang mudah dengan SugarCRM.
Dukungan pelanggan yang handal.
Hasil setelah menggunakan datapine :
Customer insight dan pembuatan keputusan yang lebih baik
Datapine memberikan kita semua wawasan yang kita butuhkan. Berkat datapine,
Customer Alliance dapat meninjau data pelanggan yang relevan dalam laporan
otomatis mereka dan mereka dapat bereaksi lebih cepat terhadap tren dan peluang saat
ini. kemampuan untuk mengkombinasikan data dengan cepat dari sumber data yang
berbeda memberikan mereka wawasan yang baru bagi departemen penjualan dan
dengan demikian meningkatkan jumlah persetujuan secara signifikan.
Meningkatkan efisiensi operasional melalui information sharing

Ketika perusahaan tersebut menerapkan datapine pada seluruh organisasi mereka,

mereka pertama tama berfokus pada mengevaluasi masa lalu dan membuat inisiatif
penjualan yang dapat memberikan dampak besar terhadap kelanjutan pertumbuhan
perusahaan. Real-time dashboard sekarang memberikan informasi yang detail yang
dapat memampukan perwakilan penjualan mereka untuk mengidentifikasi dan
mengevaluasi prospek penjualan dengan lebih cepat dan akurat.
Meningkatkan produktivitas dengan akses mobile ke informasi
Dengan dukungan datapine, mereka dapat menyediakan tim manajemen kemampuan
untuk mengakses semua dashboard di mana saja. Pengguna dapat memanfaatkan iPad,
fungsi touch-screen untuk menelusuri grafik dan table, menyaring informasi yang
menarik, dan menggali laporan untuk informasi yang lebih detail.

BAB III
PENUTUP
A. KESIMPULAN
Dalam decision support-system yang paling harus diperhatikan adalah ketepatan
dalam kalkulasi, kecepatan dalam kalkulasi dan kemampuan visualiasi laporan yang
dihasilkan berdasarkan data yang telah diinputkan, keseluruhan hal tersebut telah
dimiliki oleh software D-Sight (CDM). Selain kemampuan tersebut D-Sight juga mudah
untuk dioprasionalkan.
Pada tahap analisis software D-Sight mempunyai fitur simulation yang mana
sangat membantu dalam proses mengetahui setiap kemungkinan yang ada. Pada tahap ini
pula diberikan beberapa pilihan analisis yang mana mampu digunakan untuk
membandingkan dari setiap alternative yang ada.
Pengerjaan pengambilan keputusan yang dibentuk dalam sebuah project yang dapat
diisi dengan beberapa orang mampu memberikan ruang bekerja sama dalam proses
mencapai sebuah keputusan. Dalam hal ini juga mampu membuat sebuah proses
pengambilan keputusan bisa menjadi lebih tertata dan sistematis.
Meskipun termasuk startup yang belum lama berdiri, datapine telah memperoleh
banyak pelanggan di seluruh dunia. Hal ini dikarenakan datapine memiliki fitur yang
lengkap, penggunaan yang mudah, dan hasil yang sangat membantu pada decision maker
untuk membuat keputusan bisnis. Bahkan, banyak pelanggan datapine memuji produk ini
karena hasil yang diperoleh maksimal, dengan mempertimbangkan biaya yang
dikeluarkan rendah, tetapi keuntungan yang diperoleh tinggi. Lima keunggulan datapine
antara lain terdapat dalam aspek data discovery, real-time monitoring, data sharing, setup
and connection, dan data storage service.

DAFTAR REFERENSI
1. Anonymous. (2015). D-Sight. http://en.wikipedia.org/wiki/D-Sight, 14 April 2015.
2. Anonymous. D-Sight. http://www.d-sight.com/, 14 April 2015
3. Thomas Ohr. (2014). D-Sight raises 1 million and plans European expansion.
http://www.eu-startups.com/2014/08/belgian-startup-d-sight-raises-e1m-and-planseuropean-expansion/, 14 April 2015.
4. Wang Eric. (2014). Advanced Analytics to Increase Your Efficiency When Making
Decisions D-Sight(CCE). https://www.youtube.com/watch?v=HpLjT6TKWpA, 14 April
2015
5. http://www.eu-startups.com/2014/08/belgian-startup-d-sight-raises-e1m-and-planseuropean-expansion/
Diakses pada tanggal 13 April 2015.
6. http://www.eventbrite.com/e/meet-the-innovators-d-sight-young-innovative-companyaward-winners-2012-tickets-5200853894
Diakses pada tanggal 13 April 2015.
7. http://www.slideshare.net/D-Sight/dsight-pitch-presentation
Diakses pada tanggal 14 April 2015.
8. http://www.d-sight.com/our-customers
Diakses pada tanggal 14 April 2015.
9. https://web.d-sight.com/cdm/en/pages/releases/history
Diakses pada tanggal 14 April 2015.
10. http://www.d-sight.com/industries/
11. Turban, Efraim Et All. Decision Support and Business Intelligence Systems, 9th edition.
2011. Prentice Hall.
12. https://neoindrayana.files.wordpress.com/2013/10/reviewbuku.pdf
Diakses pada tanggal 15 April 2015.
13. www.datapine.com
Diakses pada tanggal 13 April 2015.
14. http://www.datapine.com/customer-success-stories/lieferando
Diakses pada tanggal 14 April 2015.
15. http://www.datapine.com/customer-success-stories/customer-alliance
Diakses pada tanggal 14 April 2015.