Performance Management using Data Visualization, Mashups,

and Mobile Intelligence

Visualisasi Data dan Penemuan Data

Kebutuhan untuk bereaksi cepat terhadap perubahan iklim bisnis memaksa para
manajer untuk melakukannya keputusan bisnis yang lebih cepat. Pertanyaan yang rumit atau
spontan dari perusahaan data sangat penting, tetapi seringkali mahal, memakan waktu, dan
sulit.
Visualisasi datamenggunakan steno visual untuk menyajikan data kompleks dengan
cepat dan jelas membuat tugas-tugas ini lebih mudah. Visualisasi data adalah istilah merujuk
luas baik untuk representasi visual data dan studi tentang penyajian data dengan cara visual.
Penemuan data mengacu pada proses penemuan hubungan menggunakan alat analisis data,
seperti perangkat lunak statistik, grafik statistik, dan perangkat lunak pemetaan. Visualisasi
dan penemuan data memiliki banyak tumpang tindih, dan penggunaannya meningkat karena
ketersediaan perangkat lunak swalayan dan aplikasi seluler. Sebagai contoh, perangkat lunak
SAS Visual Data Discovery (sas.com/) menyediakan antarmuka point-and-klik untuk
kemampuan analitik SAS dan interaktif data visuil alisasi.

Visualisasi Data Dan Tabel : Disruptive Teknologi

Cara-cara manajer mengakses, mengeksplorasi, dan menganalisis data bisnis sedang
terganggu oleh aplikasi visualisasi data yang mengeksploitasi prosesor berkecepatan tinggi,
ponsel luas- konektivitas band, dan kontrol gerakan multitouch komputer tablet. Perusahaan
aplikasi untuk Android, Apple iPads, dan BlackBerry Playbook menggantikan statis laporan
bisnis dengan data real-time, analitik, dan alat pelaporan interaktif. Sebagai Anda membaca
dalam kasus pembuka, aplikasi visualisasi data yang dirancang untuk operasi tablet- ing
sistem (OS) mengubah cara orang menangani dan memanipulasi data.

Penemuan Data: Pelayanan Diri Dan Analisis Next-Gen

Sebelum 2011, perangkat lunak penemuan data dipandang sebagai suplemen untuk BI
tradisional platform. Tapi sekarang semakin sering digunakan sebagai pengganti mandiri
yang layak platform ini. Teknologi penemuan data hari ini menyediakan eksplorasi data yang
lebih besar dan kemudahan penggunaan untuk membantu pengguna menemukan jawaban
atas pertanyaan “mengapa” dan “bagaimana jika” melalui aplikasi analitik swalayan.
Perusahaan semakin berinvestasi di aplikasi terbaru itu melengkapi pengguna akhir mereka
untuk melakukan analitik mereka sendiri.

WAHIDA
A062171021
 Performance Management using Data Visualization, Mashups,
and Mobile Intelligence
Menurut laporan Gartner Magic Quadrant 2011 , perangkat lunak penemuan data
vendor bersaing secara langsung dengan mega-vendor BI, Oracle dan SAP BusinessObjects.
Sebagai contoh, perangkat lunak Tableau (tableausoftware.com/) sedang ditempatkan di
Perusahaan Asuransi Allstate. Jeff Strauss, arsitek BI di Allstate, menjelaskan bahwa Allstate
berinvestasi dalam alat penemuan data Tableau sehingga pengguna di seluruh organisasi
dapat melakukan analisis mereka sendiri daripada bergantung pada TI departemen.
Data discovery menawarkan kecepatan dan fleksibilitas. penemuan data diharapkan
untuk mengambil pada peran yang lebih besar dalam pengambilan keputusan perusahaan.
Perusahaan berinvestasi dalam lat est solusi penemuan data sebagian besar karena kecepatan
dan fleksibilitas yang mereka sediakan. Mereka memungkinkan pengguna dan pakar TI untuk
menyatukan data dari informasi yang berbeda sumber dengan cepat dan menjelajahi data
dengan visualisasi interaktif yang mudah digunakan dan antarmuka pencarian.

Visual Shortand
Baris data membutuhkan banyak waktu dan upaya untuk memahami. Visualisasi data
menyajikan data dengan cara menarik dan membantu masyarakat ide kompleks yang rumit
lebih cepat. Ini juga meningkatkan analisis data dan menyajikannya cara yang
memungkinkan pemirsa menemukan pola yang mungkin sulit dilakukan menemukan. Apa
yang dianggap sebagai salah satu grafik statistik terbaik yang pernah digambar adalah peta
yang dibuat pada tahun 1869 oleh Charles J. Minard. Dia menggambarkan kerugian yang
diderita oleh pasukan Napoleon dalam kampanye Rusia tahun 1812 menggunakan lebar dari
band-band untuk mewakili ukuran tentara di setiap posisi. Jalan Retret Napoleon dari
Moskow digambarkan oleh band bawah yang gelap, bersama dengan waktu dan suhu.

Contoh Visualisasi Data Untuk Kinerja Pengelolaan

Mengumpulkan data relatif mudah. Memahami data itu tidak. Berikut ini ujian- contoh
bagaimana perusahaan dan atau seluruh industri menggunakan visualisasi data dan
interaktivitas untuk meningkatkan kecepatan dan kinerja keputusan.
Pedagang, manajer, analis risiko, dan regulator juga menggunakan visual 3D- alat
ization untuk melihat pola di sumber yang berbeda dari data pasar di seluruh dunia. Dua
contoh alat visualisasi 3D yang dirancang dan dioptimalkan untuk membantu profesional
pasar keuangan berinteraksi dengan dataset besar adalah:

WAHIDA
A062171021
 Performance Management using Data Visualization, Mashups,
and Mobile Intelligence
1. Aplikasi AlphaVision (aqumin.com) mengintegrasikan aliran data yang sangat besar dari
ThomsonReuters, Bloomberg, Bursa Efek New York (NYSE), dan Nasdaq untuk
membuat interaksi - tive 3D displays.
2. Perangkat lunak visualisasi Panopticon (panopticon.com) menyajikan pedagang dengan
pandangan dan peta prehensive dari portofolio mereka dengan kemampuan drill-down.

Tren Dalam Data Visualisasi

Kecenderungan dalam visualisasi data menunjukkan penggunaan yang lebih luas.
Berikut ini tiga tren:
1. Karena perangkat lunak menjadi lebih mudah, semua orang akan dapat merancang atau
mengembangkan visualisasi.
2. Karena kebutuhan untuk mengukur, menilai, dan melaporkan hasil meningkat, data akan
menjadi lebih penting dalam bisnis, perawatan kesehatan, masyarakat, dan pemerintah.
Kecenderungan menuju keputusan berdasarkan data mendorong tren menuju cara
mengekstrak yang relevan informasi dari kumpulan data besar.
3. Seni data akan menghasilkan estetika yang lebih baik dalam visualisasi fungsional.

Prinsip-prinsip Sukses Desain Data Viz

Visualisasi data yang berhasil memiliki tiga karakteristik:
1) Akurasi. Presentasikan data dengan cara yang paling tepat menggunakan skala yang
tepat, grafik jenis, dan desain.
2) Estetis menyenangkan. Berikan pengalaman pengguna yang menyenangkan.
3) Fleksibel. Mengakomodasi perubahan dalam gaya visual.

Mashups Data Perusahaan

Secara teknis, mashup adalah teknik untuk membangun aplikasi yang menggabungkan
data dari berbagai sumber untuk menciptakan pengalaman terintegrasi. Karena teknik untuk
membuat mashup menjadi lebih mudah, perusahaan mulai menggunakan mereka untuk
membangun mashup perusahaan yang mendukung model bisnis mereka. Tech- manajer yang
cerdas menyadari bahwa mereka dapat menggunakan aplikasi mashup dengan data mereka
yang ada dan layanan eksternal untuk memberikan tampilan baru dan menarik pada data.
Gambar dibawah ini menunjukkan arsitektur umum aplikasi mashup enterprise yang
mengintegrasikan data dari penyimpanan data operasional, sistem bisnis, data eksternal (data

WAHIDA
A062171021
 Performance Management using Data Visualization, Mashups,
and Mobile Intelligence
ekonomi, pemasok; informasi, kegiatan pesaing) dan umpan berita real-time untuk
menghasilkan sebuah mashup perusahaan.

Gambar Arsitektur dari sebuah aplikasi mashup perusahaan

Enterprise Data Mashups

Mashups sumber semua konten mereka dari sistem dan sumber data yang ada; mereka
punya tidak ada penyimpanan data asli. Data enterprise mashup adalah kombinasi data dari
berbagaisistem bisnis dan sumber eksternal, sering secara real time, dan tanpa bergantung
pada langkah ETL (mengekstrak, mengubah, dan memuat) dari gudang data.
Mengkombinasikan sumber data yang berbeda adalah umum untuk data mashup, bahkan jika
hanya ada satu sumber data, mashup dapat dibuat dengan menggabungkan data dengan cara
yang tidak diantisipasi. Pengguna akhir dan analis yang mengandalkan dasbor dan
kemampuan drill-down mendapatkan manfaat akses lebih besar ke data, tetapi mashup tetap
berada di belakang layar dan tidak terlihat. Dasbor interaktif dan laporan yang bisa di-bor
dapat dibuat dengan cepat berdasarkan pada dihaluskan data. Peta panas dan peta pohon
dapat dibuat sebagai visualisasi data dalam mashup.
Penggerak utama enterprise mashups adalah komposisi sumber daya yang ringangaya
dengan menggunakan kembali blok bangunan dalam konteks yang berbeda. Komposisi
berlangsung baik pada lapisan sumber daya (perpipaan) dan seterusnya lapisan widget
(pengkabelan). Komposisi perpipaan mengintegrasikan sejumlah sumber daya berbasis web
yang heterogen mendefinisikan rantai data pemrosesan yang dikomposisi/ grafik yang
menggabungkan sumber daya berturut-turut. Output dari setiap proses adalah input langsung
ke yang berikutnya. Pengumpulan, fungsi transformasi, filter dan urutkan menyesuaikan,
mencampur dan memanipulasi konten, fungsi data dan aplikasi dari sumber daya berbasis

WAHIDA
A062171021
 Performance Management using Data Visualization, Mashups,
and Mobile Intelligence
web. Di widget lapisan, pengguna akhir yang sebenarnya dapat mentransfer widget yang ada
secara bersamaan dengan interkoneksi visual input dan output parameter mereka (Clarkin,
2012).

Mengapa Pengguna Bisnis Membutuhkan Data Mashup Teknologi

Pengguna bisnis memiliki waktu yang cukup sulit mengidentifikasi kebutuhan data
mereka saat ini. Bukan itu realistis untuk mengharapkan mereka juga mempertimbangkan
semua sumber data baru yang mungkin ada tersedia bagi mereka dan analisis yang mungkin
mereka lakukan jika mereka memiliki akses ke data tersebut. Dengan sistem BI dan
pergudangan data tradisional, sumber data harus identi Fied dan beberapa pemahaman
tentang persyaratan data dan model data diperlukan.
Mashup perusahaan meningkatkan efisiensi operasional, mengoptimalkan saluran
penjualan, meningkatkan kepuasan pelanggan, dan mendorong profitabilitas. Di dalam
pemerintahan, mashup memiliki dampak positif terhadap bidang strategis seperti keterlibatan
dan kepuasan warga negara, transparansi keuangan, pengawasan proyek, kepatuhan terhadap
peraturan dan pembuatan laporan.

Mashup Teknologi
Dalam laporan Mei 2008 The Mashup Opportunity, Forrester Research menulis:
“Mashups—aplikasi khusus yang menggabungkan beberapa sumber data yang berbeda
menjadi sesuatu yang baru dan unik — hantam web dengan cara besar mulai tahun 2005. . .
dan bahwa mashup perusahaan pasar akan mencapai hampir $ 700 juta pada 2013 ”(Forrester,
2008). Teknologi Mashup memanfaatkan investasi organisasi di kedua alat BI dan teknologi
Web 2.0 interaktif.Sebagai penggerak kunci untuk mencapai kelincahan BI swalayan adalah
teknologi mashup perusahaan.
Sistem BI sangat bagus dalam menyaring dan menggabungkan volume data yang
sangat besar ke dalam infor- Dengan teknologi mashup, misalnya, pengguna dapat memfilter
data berdasarkan pada mereka kebutuhan sehingga hanya informasi yang dibutuhkan
disediakan oleh layanan data yang tersedia.
Di lingkungan perusahaan, mashup dapat digunakan untuk menyelesaikan berbagai
macam masalah bisnis dan situasi sehari-hari. Contoh dari jenis mashup ini adalah
1) Mashup data pelanggan yang memberikan tampilan cepat data pelanggan untuk
penjualan orang dalam persiapan untuk kunjungan situs pelanggan.

WAHIDA
A062171021
 Performance Management using Data Visualization, Mashups,
and Mobile Intelligence
2) Sebuah mashup logistik yang menampilkan inventaris untuk sekelompok department
store berbasis pada semacam kriteria.
3) Mashup sumber daya manusia yang memberikan sekilas data karyawan seperti itu
sebagai profil, gaji, peringkat, status manfaat, dan aktivitas.

Fungsi dan Penggunaan Aplikasi Enterprise Mashup

Aplikasi mashup data digunakan dalam organisasi:
 Untuk kesadaran waktu nyata dan kesegaran data;
 Untuk memberi makan data ke dasbor lintas fungsional;
 Untuk analisis kompetitif;
 Untuk memantau kepatuhan dan mengelola risiko;
 Untuk pemantauan bencana dan tanggap bencana;
 Untuk menghasilkan laporan vendor eksternal.
Manfaat Perusahaan Mashups
Ringkasan manfaat teknologi mashup untuk suatu perusahaan:
 Secara dramatis mengurangi waktu dan upaya yang diperlukan untuk menggabungkan
sumber data yang berbeda.
 Pengguna dapat menentukan mashup data mereka sendiri dengan menggabungkan
bidang dari data yang berbeda sumber yang sebelumnya tidak dimodelkan.
 Pengguna dapat mengimpor sumber data eksternal, misalnya, spreadsheet dan data
pesaing, ke buat dasbor baru.
 Memungkinkan pembuatan query yang kompleks oleh non-ahli dengan drag-and-drop
alat pembuatan kueri.
 Mengaktifkan BI yang lincah karena sumber data baru dapat ditambahkan ke sistem
BI secara cepat melalui tautan langsung ke sumber data operasional, melewati
kebutuhan untuk memuatnya ke gudang data.
 Menyediakan mekanisme untuk menyesuaikan dan berbagi pengetahuan dengan
mudah di seluruh perusahaan.

Dashboard Bisnis
Dasbor bisnis memberikan snapshot visual dari operasional kritis suatu organisasi data
atau indikator kinerja utama (KPI) untuk menemukan masalah, tren, pencilan, peluang-
tunities, dan pola. Dasbor adalah alat manajemen kinerja yang berlaku KPI, target, dan

WAHIDA
A062171021
 Performance Management using Data Visualization, Mashups,
and Mobile Intelligence
peringatan untuk mengukur dan memantau proses dan hasil bisnis. Dua komponen dasbor
adalah:
1) Desain. Teknik visualisasi data, seperti grafik informatif(Infografis) dengan keterangan
deskriptif.
2) Metrik kinerja. KPI dan konten real-time lainnya ditampilkan didasbor. Semua data
dasbor harus mencerminkan nilai saat ini dari setiap metrik.
Dasbor adalah untuk nilai-nilai KPI yang real-time. Dasbor sering keliru dianggap
sebagai laporan yang terdiri dari berbagai alat pengukur, grafik, dan cepat. Tetapi tujuan pose
dasbor bisnis jauh lebih spesifik dan terarah. Tujuan dari dashboard adalah untuk
memberikan pengguna pandangan yang jelas dari saat keadaan KPI, alert real-time,dan
metrik lainnya tentang operasi. Desain dasbor merupakan faktor penting karena pengguna
bisnis harus dapat memahami signifikansi dasbor informasi sekilas dan memiliki kemampuan
untuk menelusuri ke satu atau lebih tingkat els detail.

Kecerdasan Mobile : Dari Eksekutif Untuk Staf

Tablet, khususnya iPad, mendorong kecerdasan seluler di seluruh perusahaan, sesuai-
ing ke Joao Tapadinhas, seorang analis di Gartner, perusahaan riset pasar TI. Berbasis
berdasarkan pengalamannya, ketika kepala eksekutif melihat dasbor kecerdasan seluler di
iPad untuk pertama kalinya, mereka menginginkannya — dan mereka ingin tim eksekutif
mereka memiliki kemampuan, juga. Ketika para pengguna melihat potensi kecerdasan seluler
untuk lini bisnis (LOB) manajer dan pemimpin tim, peluncuran diperluas — mungkin untuk
insinyur lapangan, eksekutif penjualan, dan staf ritel berinteraksi dengan pembeli.
Dalam survei Gartner lebih dari 1.300 perusahaan yang menggunakan alat BI, hanya 8
persen memiliki kecerdasan seluler pada tahun 2011, tetapi 33 persen berencana untuk
menerapkannya pada tahun 2012, dan 13 persen lainnya direncanakan untuk mengujinya
dengan menjalankan proyek-proyek percontohan. Bisnis sudah menggunakan dasbor dan
kecerdasan ponsel adalah peritel mode Tebak, asuransiperusahaan MetLife, dan jaringan
supermarket Whole Foods Market.
Keterbatasan dan Tantangan, pada Saat Ini. Berikut adalah batasan saat ini dan
tantangan terkait kecerdasan seluler; Analytics tidak tersedia, Mobile intelligence terkait
dengan platform BI, Kebijakan dan praktik BYOD (bawa perangkat Anda sendiri), Ukuran
layar, Dasbor Seluler.

WAHIDA
A062171021