Source: Based on Robert S. Kaplan and David P. Norton, Using the Balanced Scorecard as a Strategic
Management System, Harvard Business Review (JanuaryFebruary 1996), 7585; Chee W. Chow,
Kamal M. Haddad, and James E. Williamson, Applying the Balanced Scorecard to Small Companies,
Management Accounting 79, no. 2 (August 1997), 2127; and Cathy Lazere, All Together Now, CFO
(February 1998), 2836.
Gambar 8.5
A Strategy Map for Performance Management
Source: Based on Robert S. Kaplan and David P. Norton, Mastering the Management System, Harvard
Business Review (January 2008), 6377; and R. S. Kaplan and D. P. Norton, Having Trouble with Your
Strategy? Then Map It, Harvard Business Review (SeptemberOctober 2000), 167176.
Dalam peta strategi yang ditampilkan dalam gambar 8.5 organisasi memiliki pembelajaran
dan tujuan pertumbuhan yang meliputi pelatihan karyawan dan pengembangan, belajar
terus menerus dan berbagi pengetahuan, dan membangun budaya inovasi. Pencapaian ini
akan membantu organisasi membangun proses bisnis internal yang efisien yang
mempromosikan baik hubungan dengan pemasok dan mitra, meningkatkan kualitas dan
fleksibilitas operasi, dan unggul dalam mengembangkan produk dan layanan yang
inovatif. mencapai tujuan proses internal yang, pada gilirannya, memungkinkan organisasi
untuk mempertahankan hubungan yang kuat dengan pelanggan, menjadi pemimpin dalam
kualitas dan kehandalan, dan memberikan inovatif solusi untuk kebutuhan pelanggan yang
muncul. Di bagian atas peta strategi, pencapaian tujuan-tingkat yang lebih rendah ini
membantu peningkatan pendapatan organisasi di pasar yang ada, mengurangi biaya
melalui produktivitas dan efisiensi yang lebih baik, dan tumbuh dengan menjual produk
dan layanan baru di segmen pasar baru.
Source: Based on Morten T. Hansen, Nitin Nohria, and Thomas Tierney, Whats Your Strategy for Managing
Knowledge? Harvard Business Review (MarchApril 1999), 106116.
a. Volume, Biasanya ukuran total data dalam terabytes keatas. trilyun byte data yang dibuat
setiap hari dan IBM angka itu, sekitar 90 persen dari data yang ada di dunia untuk hari
diciptakan dalam dua tahun terakhir. Data dapat dikumpulkan dengan mudah
b. Use all data, menggunakan data besar, orang-orang dan perusahaan dapat melakukan hal-
hal yang tidak mungkin dengan jumlah yang lebih kecil. daripada menggunakan hanya
contoh dari data mereka, perusahaan sekarang memiliki kekuatan untuk menangkap dan
menyimpan semua data membentuk operasi mereka, yang dapat menyebabkan korelasi
yang menarik. misalnya, warga perbankan mampu memotong kerugian dari penipuan cek
sebesar 20 persen berkat analisis data yang lebih baik. FedEx dilaporkan dapat
mengidentifikasi dengan 65 sampai 90 persen akurasi yang kemungkinan pelanggan
pindah ke pesaing, memungkinkan perusahaan untuk menawarkan insentif untuk tinggal.
c. Use Messy Data. Big data sering berantakan, bervariasi dalam kualitas, dan berasal dari
sumber yang berbeda, karena ada kesalahan kurang dari menggunakan sampling,
meskipun, manajer dapat hidup dengan ketidakakuratan tersebut. Amazon berlari tes untuk
melihat apakah rekomendasi buku pribadi dari staf editorial atau dari data komputer
berdasarkan analisis yang dihasilkan penjualan buku lebih. analisis komputer menang
telak. situs mengumpulkan sejumlah besar data berantakan pada pelanggan, dengan
menggunakan semua data dan melihat korelasi, perusahaan seperti amazon, Netflix,
eHarmony, LikedInd, dan Facebook bisa merekomendasikan buku, produk, teman,
tanggal, dan kelompok tanpa mengetahui mengapa orang mungkin tertarik pada mereka
d. Adopt new mindset. pendekatan big data membutuhkan pola pikir baru.
e. Organization Structure. Dari berbagai bentuk struktur tersebut dapat dipilih yang terbaik
sesuai dengan ukuran dan tipe organisasinya.
- Outcourcing
Jenis ini sering digunakan oleh banyak organisasi, karena kebanyakan organisasi tidak
memiliki kemampuan untuk mengolah dan menganalisis big data. Satu keuntungan
dengan outsourcing yaitu menekan biaya fixed cost (karena tidak membeli aset dan
tenaga kerja langsung).
- Centralized
Untuk perusahaan yang memilih untuk mendirikan in house unit untuk menganalisis
big data , maka perusahaan tersebut harus memilih sentralisasi atau desentralisasi.
Sentralisasi adalah meletakkan semua analis dalam satu departemen, keuntungan dari
sentralisasi yaitu analis dapat mencapai analisa secara menyeluruh dan memungkinkan
manajer untuk memutuskan apakah satu unit akan melaporkan pada unit yang lain
- Balanced designed
Menggunakan desain yang seimbang dengan pusat keunggulan untuk menetapkan
analisis beberapa untuk divisi khusus, sedangkan sisanya tetap terpusat untuk bekerja
pada koordinasi organisasi masalah lebar
- Decentralized
Penggunaan desentralisasi big data jika analis perlu untuk bekerja lebih erat dengan
masing-masing divisi dan menyesuaikan model mereka dengan kebutuhan masing-
masing divisi.
Pendekatan sepenuhnya desentralisasi ini adalah cara termudah untuk analis untuk
berkolaborasi dengan Departemen-departemen masing-masing atau unit bisnis dan
menyesuaikan model mereka dengan kebutuhan masing-masing unit, tapi membuat
sulit untuk berbagi solusi inovatif di Unit batas dan mencapai massa kritis pada
organisasi masalah lebar dan peluang.
Gambar 8.8
Structures for Organizing Big Data