Anda di halaman 1dari 8

A.

Business Inteligence (BI) for Profit and Nonprofits


Organisasi kadang mengalami persoalan kelebihan data apakah data yang terlalu
banyak atau tidak cukup. Manajer mungkin tidak memiliki data yang benar , atau tidak
mamiliki kemampuan untuk menafsirkan data . Untuk mengatasi persoalan ini , banyak
organisasi menggunakan aplikasi BI atau bisnis integence. Bisnis intelegence mengacu
pada ISS dan teknologi yang mendukung pengambilan keputusan manajerial atau
pengendalian operasional dengan menyediakan informasi dari internal dan eksternal
organisasi.
Karena kompleksitas implementasi BI , maka kebanyakan vendor BI menawarkan
aplikasi yang terintegrasi ke ERP dan CRM . Aplikasi BI bukan sistem yang berdiri sendiri
dan tidak mendukung tujuan tertentu seperti yang dilakukan manajemen rantai pasokan
(SCM) atau manajemen hubungan pelanggan (CRM) . Ada beberapa kasus yang mampu
dipecahkan dengan menggunakan sistem BI dalam organisasi. Terkait dengan kinerja
organisasi nirlaba dan profitabilitas perusahaan, dia bergantung pada ketepatan waktu
informasi. Perusahaan mendapatkan nilai lebih dari BI dengan memaksimalkan dan
memperluas informasi kepada semua tingatan manajerial dan karyawan.
Visualization yang ada, termasuk dashboard dan mashup adalah user interface
yang membantu memahami seorang memahami angka. Dashboard adalah aplikasi yang
menarik data dari sebuah gudang penyimpanan data atau menyimpan data lain dan
kemudian

menggambarkan

grafis

data

dalam

bentuk

display.

Aplikasi

ini

menggambungkan data dari berbagai sumber . Sistem BI sangat baik untuk penyaringan
dan mengabungkan volume data besar menjadi sebuah informasi.
Bisnis intelegence mengambil kentungan dari teknologi IT yang ada untuk
membantu perusahaan meningkatkan investasi teknologi informasi dan menggunakan
data real-time data mereka. Dalam banyak kasus , implementasi BI merupakan kebutuhan
kompetitif atau operasional. Berikut perusahaan yang menggunakan BI dalam operasional
mereka .
Afrika Wild Trcak menggunakan teknik identifikas jejak noninvasif dan analisis data
BI dari SAS untuk melacak dan memantau terus menerus badak afrika yang terancam
punah. Seperti perusahaan yang mencari keuntungan , organisasi menggunakan BI

sebagai alat untuk memotong biaya dan untuk membuat keputusan informasi yang lebih
baik. Menggunakan perangkat lunak SAS BI , wild track telah membantu menyelamatkan
populasi badak hitam di Zimbabwe dan telah memberikan sensus badak putih di Namibia.
Selain itu penggunaan solusi BI telah dihasilkan oleh ROI dalam hal menyediakan
lapangan kerja lokal untuk pekerja asli Namibia . Otoritas pemerintah membutuhkan bukti
kuat dari keberadaan hewan langka sebelum mereka melakukan bimbingan tetang
perlindungan habitat. Kedepan organisasi seperi ini sangat mengharapkan adanya sebuah
sistem yang menggabungan biometrik dan teknologi lainnya dalam proyek-proyek untuk
membantu mempercepat identifikasi hewan.
Kasus berikutnya adalah Jamba Juice (jambajuice.com) monitor preferensi
pelanggan dan penangka[ data cepat , handal dan pelaporan keuangan . Jamba Juice
adalah penyedia sehat untuk makanan dan minuman. Ketika kemerosotan ekonomi
mengalami perlambatan pertumbuhan , manajer memutuskan untuk menerapkan TI baru
di Jamba Juice sebagai cara untuk mendukung peningkatan produktivitas dan pada
akhirnya profitabilitas.
Manajer toko mengalami kesulitan menemukan informasi yang mereka
butuhkanuntuk menjalankan efektiftas perusahaan. Mereka diperintahkan untuk mengelola
informasi yang mereka butuhkan lebih dari 1000 dokumen dan semuanya adalah data
manual. Semua peralatan manual, direktori toko, formulir pajak dan pemasaran guidance
berada dalam folder aslinya . Setiap minggu satu atau dua laryawan perusahaan Jamba
Juice akan mendorong informasi keluar kepada mereka yang berada dilapangan dengan
menempatkannya kedalam dokumen asli folder.
Tidak ada cara bagi manajer toko untuk mengetahui cara menemukan dokumen
yang akurat. Mereka harus menghabiskan setidaknya dua jam setiap minggu
pengumpulan dan mengetik dalam data yang Jamba Juice perusahaan ingin untuk tujuan
analisis. Manajer toko juga berjuang secara manual memperbarui toko mereka 'laba-rugi
(P & L) dan data akuntansi lainnya yang daerahnya dan manajer regional butuhkan .
Bahkan ketika informasi itu dalam sistem Juice Jamba, karyawan yang pasti tentang
integritas data yang dikumpulkan karena set bertentangan metrik antara toko dan sumber
daya perusahaan. Data-kualitas buruk adalah keuntungan merusak, BI sehingga

tradisional ditempatkan di tingkat perusahaan dan BI operasional ditempatkan di tingkat


toko.
1. Dengan mengerahkan alat BI di tingkat perusahaan, data tentang segala sesuatu dari
popularitas masing-masing rasa jus untuk penjualan regional tren dilacak dan
dianalisis untuk mengidentifikasi tren dan untuk menentukan bagaimana untuk
membuat sebagian besar dari perilaku pelanggan pola.
2. Menyebarkan BI di tingkat toko untuk menginformasikan keputusan pemasaran,
seperti mempromosikan item menu tertentu di pasar tertentu dan / atau selama
periode waktu tertentu, diaktifkan manajer toko untuk lebih strategis dalam upaya
pemasaran mereka.
Jenis BI
Teknologi BI telah berkembang ke titik di mana perusahaan menerapkan BI untuk
berbagai jenis pengguna. Strategis BI dan BI taktis disebut sebagai BI tradisional.
Sebagian besar perusahaan menggunakan BI tradisional untuk keputusan strategis dan
taktis
pembuatan mana siklus pengambilan keputusan mencakup beberapa minggu atau
bulan. Kompetitif tekanan, bagaimanapun, memaksa perusahaan untuk bereaksi pada
setiap hari atau real-time untuk perubahan kondisi bisnis dan pelanggan tuntutan-dan
untuk memperluas sistem BI untuk karyawan operasional mereka.
Operasional BI relatif baru dan dapat diimplementasikan dalam berbagai cara.
Satu sehingga dengan meningkatkan responsivitas gudang data tradisional dan
transformasi BI. Cara lain adalah dengan menanamkan BI langsung ke proses
operasional. Ini Pendekatan yang sering digunakan bersama-sama.

How to recognize to need for BI

1. BI dapat dipahami lebih baik dengan belajar untuk mengenali kebutuhan untuk
.berikutnya daftar umum mewakili tujuh situasi sulit dalam bisnis, pemerintahan
lembaga, militer, kesehatan, penelitian, dan nirlaba organisasi-yang dapat manfaat
dari meningkatkan kecerdasan. Bersaing dan versi yang saling bertentangan dari
kebenaran menjadi pertemuan antardepartemen kontroversial sebagai peserta
berpendapat yang spreadsheet memiliki angka yang benar dan menyalahkan orang
lain karena tidak memberikan data terbaru.
2. Laporan lamban: IT tidak dapat memenuhi permintaan dari manajer ketika laporan
kustom atau Anda tidak dapat melakukan rekonsiliasi akuntansi dan laporan
keuangan karena penjualan tidak dapat menemukan jumlah mereka. Atau, seperti
dalam kasus Jamba Juice shop administrator tidak memiliki akses ke data yang
mereka butuhkan untuk kewajiban pelaporan mereka.
3. Anda tidak dapat melakukan analisis mendalam: Manajemen tahu yang outlet ritel
4. memiliki volume penjualan terbesar, tetapi tidak dapat mengidentifikasi produk
memiliki tertinggi penjualan.
5. Kesulitan menemukan data penting: Manajer baru-baru belajar bahwa laporan
menunjukkan tahun pada pertumbuhan tahun untuk setiap pelanggan telah diposting
pada intranet, tetapi memiliki tidak tahu bagaimana menemukannya.
6. Kebutuhan mudah untuk menggunakan teknologi pelaporan produksi: Manajer
disusun keuangan laporan menggunakan spreadsheet dari data yang diperoleh
melalui e-mail dan teks banyak pesan.
7. Keterlambatan dan kesulitan untuk mengkonsolidasikan data yang: Laporan yang
membutuhkan data dari beberapa sistem operasi melibatkan pelaporan secara
terpisah dan kemudian menggabungkan setiap hasil dalam spreadsheet.
8. Tidak mampu memenuhi mandat pemerintah dan informasi peraturan:

9. Sarbanes-Oxley, hukum Basel III, undang-undang privasi atau mandat lain dari badan
pengatur Audit yang handal dan memadai trails untuk membuktikan akurasi
keuangan.
The business care for BI
Dalam perekonomian yang sulit, tingkat bunga yang tinggi dan pengangguran,
setiap proyek membutuhkan investasi yang besar harus dibenarkan secara ekonomi.
Membenarkan investasi TI. Ia juga dikenal bagaimana membuat kasus bisnis untuk itu.
kasus bisnis diperlukan untuk mendokumentasikan inisiatif dan bergerak melalui proses
persetujuan dan pendanaan. Sebuah kasus bisnis yang sukses harus ditulis dengan baik,
menarik, dan mampu menahan tantangan bagi orang-orang yang tidak mendukung atau
menentang proyek tersebut. Meyakinkan orang lain bahwa proyek atau proyek harus
dibiayai baik Anda IT adalah sebuah tantangan kerja.
Biasanya banyak proyek bersaing untuk terbatas organisasi sumber. Tantangan
lain yang membenarkan BI adalah bahwa aplikasi dapat mulai kecil dan kemudian
memperluas. Dalam sebuah badan pemerintah yang besar, BI dipasang untuk pertama
kalinya
sarana untuk sumber daya manusia (SDM) untuk melacak personil militer, tapi
kemudian menjadi upaya perusahaan-lebar, termasuk akumulasi data Teradata besar
penyimpanan dan instalasi SAP Business Objects BI untuk membenarkan platform.Trying
BI di seluruh perusahaan lebih mudah setelah keberhasilan sistem HR BI.
Tiga tujuan bisnis utama. Membangun kasus bisnis untuk BI adalah langkah kunci
dalam memperoleh sponsor perusahaan, komitmen dan involvement. tiga tujuan bisnis
utama Mereka digunakan untuk menjual program konsolidasi BI adalah:
1.

Mengurangi total biaya kepemilikan (TCO)

2.

Mengaktifkan pengusaha untuk menganalisis informasi bukan pengumpulan dan


rekonsiliasi data

3.

Meningkatkan konsistensi dan keyakinan dalam informasi dan analisis


Setiap tujuan bisnis di atas telah dikaitkan biaya yang akan diperkirakan dalam

penyusunan analisis biaya-manfaat. Ini akan menjadi besar jika aku bisa mendapatkan

satu set rumus untuk menghitung laba atas investasi bisnis, tetapi yang hanya tidak
diperlukan simple.Mengukur beberapa manfaat. Dalam rangka untuk mendapatkan
perkiraan biaya-manfaat dan laba atas investasi yang benar-benar valid, TI harus bekerja
sama dengan pembuat keputusan bisnis.
B. Data, Teks, dan Web Mining
Data mining adalah proses yang menggunakan perangkat statistik, matematika,
artificial intelligence, dan teknik mesin pembelajaran untuk mengekstrak dan
mengidentifikasi informasi yang berguna dan dari database besar, termasuk informasi
warehouses. Teks dikodifikasi menggunakan XML (Extensible Markup Language) dan
diekstraksi sehingga nilai prediksi dapat menghasilkan nilai riil. Contoh aplikasi data mining
yang dapat mengidentifikasi peluang bisnis dan kompetitif :
1.

Ritel dan penjualan. Prediksi tingkat persediaan dan distribusi

2.

Perbankan. Peramalan tingkat kredit macet dan penipuan.

3.

Manufaktur dan produksi. Memprediksi kegagalan mesin dan faktor kunci optimasi
kontrol produksi

4.

Kesehatan. Korelasi demografi pasien dengan penyakit kritis

5.

Penyiaran. Memprediksi program yang sesuai dengan kebutuhan

6.

Pemasaran. Mengklasifikasi berdasarkan demografi lingkungan


Text mining merupakan dokumen tidak terstruktur kecuali untuk bentuk faktur atau

terformat. Peran text mining adalah sebagai berikut :


1.

Menemukan konten yang memiliki nilai termasuk dokumen tambahan

2.

Menghubungkan dokumen dari masing-masing departemen

3.

Dokumen dengan tema yang umum


Web mining digunakan untuk penyaringan informasi yang diperoleh dari e-mail,

majalah, surat kabar, media sosial, pengawasan terhadap pesaing, paten, pengembangan
teknologi, akses jaringan untuk menganalisis penggunaan atau analisis clickstream,
penjelajahan, dan layanan yang mampu mengurangi cyber crime.
C. Proses Pengambilan Keputusan

Proses pengambilan keputusan ialah representasi yang disederhanakan dari


kondisi nyata. Pemodelan membantu karena banyak kompleksitas yang relevan dengan
suatu masalah tertentu. Pemodelan dibuat dengan membuat asumsi seperti pertumbuhan
permintaan pelanggan pada periode selanjutnya. Risikonya yaitu jika asumsi yang
digunakan salah maka hasil analisis tidak dapat digunakan.
Tipe-tipe keputusan terdiri atas :
1. Keputusan terstruktur melibatkan masalah rutin dan berulang yang solusinya telah
ada
2. Keputusan yang terstruktur melibatkan banyak ketidakpastian yang berarti bahwa
tidak ada solusi yang jelas
3. Keputusan semi terstruktur dimana sebagian besar asumsi merupakan sistem
pendukung keputusan yang terfokus pada keputusan semi tersruktur.

Gambar
1. Tahapan proses pengambilan keputusan

D. Sistem Pendukung Keputusan (Decision Support Systems DSS)


Sistem pendukung keputusan merupakan bagian dari sistem pendukung informasi
yang menggabungkan pemodelan dan data untuk memecahkan masalah semi terstruktur
dan tak terstruktur dengan keterlibatan pengguna intensif. DSS bersifat interaktif fleksibel,

dan mudah beradaptasi serta mendukung solusi terstruktur atau semi terstruktur.
Pemodelan yang digunakan dalam DSS memungkinkan analisis sensitivitas. Analisis
sensitivitas adalah studi tentang dampak bahwa perubahan dalam satu atau lebih bagian
dari model berpengaruh terhadap hasil yang diperoleh.

E. Mobile Intelligence : Konvergensi Pada Mobile Computing dan BI


Sejak tahun 1960, terdapat lima perkembangan utama komputasi yaitu mainframe,
miniframe, PC, desktop, komputer internet, dan komputasi mobile internet. Perangkat
mobile menjadi komputasi yang dominan. Komputasi mobile tidak hanya fenomenal di
negara maju tetapi juga di negara berkembang yang memiliki pangsa pasar yang cukup
besar.
Mobile Intelligence diposisikan untuk mengubah cara perusahaan mengumpulkan,
menggunakan, dan menyampaikan informasi. Tanpa adanya akses tiap waktu maka
informasi, keputusan, dan tindakan dapat menyebabkan keterlambatan atau penundaan.
konsep mobile intelligence ialah keputusan sweet spot, seperti kereta komuter dan
keputusan windows of opportunity.