Inggris Inggris

Randall Parman, arsitek basis data di jaringan restoran

Pengguna Applebee's Internasional dan kepala Teradata
grup, membuka konferensi pengguna tahunan Teradata di
Las Vegas dengan peringatan kepada mereka yang tidak membuat yang terbaik
menggunakan data mereka. "Data seperti emas," kata Parman. "Jika kamu
jangan menggunakan emas, Anda akan memiliki orang lain yang mau
datang dan ambil kesempatan, ”berbicara di sebuah ruangan
dikemas dengan hampir 3.900 pengunjung.

Parman menggambar analogi dengan cerita tentang Ishak

Penemuan gravitasi Newton setelah dia dipukul di kepala
dengan sebuah apel. "Bagaimana jika Newton baru saja memakan apel itu?"
bertanya. “Bagaimana jika kami gagal menggunakan teknologi yang tersedia, atau
gagal menggunakan wawasan ini untuk mengambil tindakan? ”Applebee, yang
memiliki 1.900 restoran makan santai di seluruh dunia dan merugi
$ 1,34 miliar dalam pendapatan tahun lalu, memiliki empat-node, 4-terabyte
sistem data warehouse. Meskipun perusahaan memiliki staf
hanya tiga administrator basis data yang bekerja dengan sistem,
"Kami telah memanfaatkan informasi kami untuk mendapatkan wawasan tentang
bisnis, ”katanya. “Beberapa dari wawasan itu tidak terduga,
keluar dari biru saat kami mencari di sepenuhnya
arah yang berbeda. "

Misalnya, Applebee telah menggunakan gudang data

untuk menganalisis "kinerja rumah" restoran,
termasuk berapa lama karyawan menyiapkan makanan
di dapur. “Seseorang memiliki wawasan yang tak terduga
menggunakan kinerja back-of-house untuk mengukur front-of-house
kinerja, ”katanya. “Dari melihat waktu pesanan
ditempatkan ketika dibayar dengan kartu kredit dan mengurangi
persiapan waktu makan, kita bisa mencari tahu caranya
server panjang menghabiskan waktu bersama pelanggan. ”Parman
menambahkan bahwa informasi tersebut digunakan untuk membantu perusahaan
meningkatkan pengalaman pelanggan.

Applebee juga telah melampaui keputusan bisnis dasar

berdasarkan data — seperti mengisi persediaan makanan menurut
untuk berapa banyak produk jadi yang terjual setiap hari — ke
mengembangkan analisis yang lebih canggih. Departemennya, untuk
Misalnya, muncul dengan "menu optimasi kuadran" itu
melihat seberapa baik barang yang dijual sehingga perusahaan bisa
membuat keputusan yang lebih baik tentang tidak hanya apa yang harus dipesan, tetapi
tentang produk apa yang dipromosikan.

Sementara itu, vendor teknologi melihat potensi yang belum dimanfaatkan untuk bisnis
menghabiskan uang untuk perangkat lunak dan perangkat keras yang memungkinkan mereka
menggunakan data untuk membuat lebih canggih keputusan bisnis. “Perusahaan yang
beroperasi dengan kecepatan dan kecerdasan terbesar akan menang, ”kata Teradata CEO
Michael Koehler.

Seperti banyak perusahaan, Travelocity.com memiliki banyak yang tidak terstruktur

data yang terkandung dalam e-mail dari pelanggan, panggilan
catatan representatif pusat, dan sumber lain yang mengandung
nugget informasi penting tentang bagaimana pelanggan merasa
tentang situs perjalanan. Untuk mengimbangi ketidakmampuan kecerdasan bisnis
alat untuk mencari data tidak terstruktur, Travelocity memiliki
meluncurkan proyek baru untuk membantu menambang hampir 600.000 komentar tidak terstruktur sehingga dapat
memantau dan merespons dengan lebih baik
untuk masalah layanan pelanggan.

Situs perjalanan online telah mulai menginstal analitik teks baru perangkat lunak yang akan
digunakan untuk menjelajahi sekitar 40.000 kata demi kata komentar dari survei kepuasan
pelanggan, 40.000 e-mail dari pelanggan, dan 500.000 interaksi dengan call center yang
menghasilkan komentar untuk pelanggan potensial permukaan masalah layanan. “Yang benar
adalah itu sangat melelahkan dan sangat mahal untuk melalui semua pelanggan verbatim
umpan balik untuk mencoba mengekstrak informasi yang kami butuhkan harus membuat
keputusan bisnis, ”catat Don Hill. Travelocity direktur advokasi pelanggan. “Kemampuan
penambangan teks. . . memberi kita kemampuan untuk pergi melalui semua umpan balik
verbatim dari pelanggan dan ekstrak informasi yang berarti. Kami mendapatkan informasi
tentang sifat komentar dan jika komentarnya positif atau negatif. "

Travelocity akan menggunakan perangkat lunak analisis teks dari Attensity

untuk secara otomatis mengidentifikasi fakta, pendapat, permintaan, tren, dan
titik masalah dari data tidak terstruktur. Travelocity akan
kemudian hubungkan analisis itu dengan data terstruktur dari Teradata-nya
gudang data sehingga perusahaan dapat mengidentifikasi tren. "Kita mendapatkan
untuk mengambil data tidak terstruktur dan memasukkannya ke dalam data terstruktur sehingga kami
dapat melacak tren dari waktu ke waktu, ”tambah Hill. “Kita bisa tahu frekuensinya
dari komentar pelanggan tentang masalah 'x' dan jika komentar
tentang topik itu naik, turun, atau tetap sama. ”
Tidak seperti teknologi analisis teks lainnya, yang membutuhkan
penandaan manual, penyortiran, dan penggolongan istilah sebelumnya
analisis data tidak terstruktur, teknologi Attensity memiliki a
mesin bahasa alami yang secara otomatis menarik keluar penting
data tanpa banyak istilah standar, catat Michelle
de Haaff, wakil presiden pemasaran di vendor. Ini memungkinkan
perusahaan memiliki sistem peringatan dini untuk ditangani
masalah yang perlu diatasi, tambahnya.
VistaPrint Ltd., pengecer online yang berbasis di Lexington,
Massachusetts, yang menyediakan layanan desain grafis dan
produk yang dicetak khusus, telah meningkatkan konversi pelanggannya
tingkat dengan teknologi analisis Web yang melakukan latihan
ke rincian paling menit tentang 22.000 transaksi itu
memproses setiap hari di 18 situs Web.
Seperti banyak perusahaan yang telah banyak berinvestasi di online
penjualan, VistaPrint menemukan dirinya tenggelam, lebih dari satu tahun
lalu, dalam data log Web yang dilacak dari operasi online-nya.
Menganalisis perilaku pelanggan online dan bagaimana fitur baru
mungkin mempengaruhi perilaku itu penting, tetapi pengambilan dan
analisis data tersebut menggunakan jam atau bahkan hari menggunakan
aplikasi tua yang dibangun khusus, kata Dan Malone, senior
manajer intelijen bisnis di VistaPrint.

"Itu tidak berkelanjutan, dan itu tidak terukur," Malone kata. “Kami menyadari bahwa
meningkatkan rasio konversi bahkan oleh a beberapa poin persentase dapat memiliki dampak
besar di bagian bawah line. "Jadi VistaPrint berangkat untuk menemukan paket analisis Web
yang dapat menguji antarmuka pengguna baru untuk melihat apakah mereka dapat
meningkatkan tingkat konversi (persentase pengunjung online yang menjadi pelanggan), cari
tahu mengapa pengunjung meninggalkan situs, dan tentukan titik pasti di mana pengguna
berhenti.

Pencarian pertama mengidentifikasi dua kamp vendor. Satu grup menawarkan alat yang
menganalisa semua data yang tersedia, tanpa dimuka pengumpulan. Alat lain yang ditawarkan
yang dikumpulkan semuanya dimuka tetapi mengharuskan pengguna meramalkan semua
pertanyaan mereka ingin berlari, kata Malone. “Jika Anda punya pertanyaan yang berada di luar
rangkaian pertanyaan yang Anda agregasi data karena, Anda harus memproses ulang seluruh
kumpulan data. " Perusahaan akhirnya beralih ke opsi ketiga, memilih Aplikasi Situs Visual dari
Visual Sciences Inc. Visual Situs menggunakan metode sampling, yang artinya VistaPrint bisa
masih query data rinci. tetapi “itu juga cepat karena Anda mendapatkan tanggapan segera
setelah Anda mengajukan pertanyaan. Itu pertanyaan melalui 1% dari data yang Anda miliki,
dan berdasarkan itu. . . saya t memberi Anda jawaban kembali. Ini mengasumsikan sisa 99%
[dari data] terlihat seperti itu. Karena data telah diacak, itu adalah asumsi yang valid, ”kata
Malone.

VistaPrint, yang telah menggunakan alat ini selama lebih dari satu
tahun, berjalan di samping 30-40 fitur baru yang diuji setiap tahun
tiga minggu. Misalnya, perusahaan sedang menguji fourpage
jalur bagi pengguna untuk mengunggah data untuk dicetak pada bisnis
kartu. Tes menunjukkan bahwa jalur unggahan baru memiliki
tingkat konversi yang sama dengan versi kontrol. “Kami sedikit
kecewa karena kami menghabiskan banyak waktu untuk meningkatkan
aliran ini, ”tambahnya.

When the company added Visual Site to the operation,

it found that although the test version was better than the
control in three out of four pages, the last page had a big
drop-off rate. “We were able to tell the usability team
where the problem was,” Malone says. VistaPrint also reduced
the drop-offs from its sign-in page after the Visual
Site tool showed that returning customers were using the
new customer-registration process and getting an error notice.
The company fixed the problem, and “the sign-in rate
improved significantly and led to higher conversions,” he
says. While Malone concedes that it is hard to measure an
exact return on the investment, the company estimates that
the tool paid for itself several months after installation.

1. Apa manfaat bisnis dari mengambil waktu dan upaya yang diperlukan untuk membuat dan
mengoperasikan gudang data seperti yang dijelaskan dalam kasus ini? Apakah Anda melihat
ada kerugian? Adakah alasan semua perusahaan tidak boleh menggunakan teknologi data
warehouse?

2. Applebee mencatat beberapa wawasan tak terduga yang diperoleh dari menganalisis data
tentang kinerja "back-of-house". Menggunakan pengetahuanmu tentang bagaimana sebuah
restoran bekerja, pertanyaan menarik apa yang Anda sarankan ke perusahaan? Berikan
beberapa contoh spesifik.

3. Teknologi data mining dan pergudangan menggunakan data tentang peristiwa masa lalu
untuk menginformasikan pengambilan keputusan yang lebih baik di masa depan. Apakah Anda
percaya ini menghambat pemikiran inovatif, menyebabkan perusahaan menjadi terlalu dibatasi
oleh data yang sudah mereka kumpulkan untuk dipikirkan belum dieksplorasi peluang?
Bandingkan dan kontras kedua sudut pandang dalam jawabanmu.

REAL WORLD
1. Masuk ke situs Web of Attensity (www.attensity). com) dan penelitian yang ditawarkan oleh
produk lain perusahaan yang melengkapi yang dibahas dalam kasus. Contoh lain apa yang
dapat Anda temukan dari perusahaan yang mendapat manfaat dari menggunakan teknologi ini?
Siapkan laporan untuk merangkum temuan Anda.

2. Dalam pembukaan kasus, Randall Parman of Applebee’s Data internasional dibandingkan

dengan emas. Meski itu mudah untuk mengetahui nilai emas kapan saja, menilai data selalu
menjadi subyek kontroversi. Cari di Internet untuk metodologi alternatif untuk memberi label
harga pada aset data suatu perusahaan. Kontras berbeda mendekati dan membagikan temuan
Anda dengan kelas.

1. Apakah manfaat bisnis dari mengambil waktu dan usaha yang dibutuhkan untuk membuat
dan mengoperasikan gudang data seperti yang telah digambarkan dalam kasus ini? Apakah
Anda melihat kekurangannya? Apakah ada alasan mengapa seluruh perusahaan sebaiknya
tidak menggunakan teknologi pergudangan data?
Manfaat bisnis dari mengambil waktu dan usaha yang dibutuhkan untuk membuat dan
mengoperasikan gudang data seperti yang telah digambarkan dalam kasus ini sangat
menguntungkan.Mengingat ada sejumlah data di gudang data yang tidak digunakan
menyediakan kesempatan bagi teknologi informasi untuk dimasukkan dalam rangka
membantu melakukan perbaikan terhadap bisnis secara keseluruhan dari perusahaan dan
'bottom line-nya. Data yang tidak terstruktur dapat dikonversi ke data yang struktural,
fungsional, dan bermanfaat bagi bisnis secara keseluruhan. Dengan perencanaan yang
matang, implementasi teknologi canggih, dan analisis data yang belum dimanfaatkan telah
dapat dimanfaatkan perusahaan untuk membuat keputusan bisnis yang penting dan
nyata. Dari kasus ini, penggunaan data bervariasi pada kebutuhan bisnis
perusahaan. Sebagai contoh, Applebee memanfaatkan data untuk melakukan perbaikan
untuk pengadaan dan layanan pelanggan secara keseluruhan, Travelocity dan VistaPrint
menggunakan data pelanggan untuk melakukan perbaikan real time ke situs. Efisiensi dan
kelancaran operasi kegiatan adalah salah satu alasan utama mengapa perlu membuat dan
menjaga gudang data. Hal ini meningkatkan efektivitas kinerja dengan menyediakan
informasi yang diperlukan tepat waktu. Bisnis dapat menjadi lebih produktif, sistematis dan
kompetitif dengan mempertahankan gudang seperti data.
Dengan kemajuan teknologi informasi saat ini, tersedia alat-alat elektronik untuk
menganalisis seluruh proses yang dilakukan oleh restoran. Restoran Applebee’s dapat
mengukur berapa lama waktu yang dihabiskan untuk memasak setelah pesanan diterima.
Restoran bahkan bisa mengukur waktu sejak pengunjung masuk ke restoran. Selama jam
kerja, manajer dapat mengawasi tiap meja, dan menjelaskan apa saja layanan yang perlu
ditingkatkan selama pesanan makanan sedang diproses. Manajer juga dapat menentukan
layanan yang tepat untuk masing-masing individu tamu restoran tersebut. Informasi yang
diperoleh manajer ini bisa diolah dan bisa diterapkan pada keseluruhan sistem restoran.
Dan apa pun kerugian dalam hal pemanfaatan gudang data, Informasi yang disediakan
oleh data warehouse, didasarkan pada pengalaman dan perilaku masa lalu, sehingga data
tersebut tidak selalu relevan bila digunakan untuk mengambil keputusan pada hari ini.
mengelola dan memelihara gudang seperti datacukup mengonsumsi waktu dan
membutuhkan banyak usaha. Jadi terkadang bukan ide yang baik bagi organisasi tertentu
untuk mempertahankan gudang data. Jadi faktor yang harus dilihat adalah kompleksitas
 dan kebutuhan data, menghitung manfaat gudang data dengan biaya dan usaha yang
diperlukan untuk mengelola gudang data.
Secara pribadi saya tidak setuju bahwa perusahaan tidak harus menggunakan teknologi
data pergudangan. Informasi adalah kekuatan, dan setiap bagian dari informasi yang dapat
dimanfaatkan dijadikan alat persaingan yang sangat berharga. Teknologi ini sekarang
memungkinkan perusahaan untuk membuat real time, keputusan menit demi menit, untuk
menjaga dunia bisnis saat ini.

2. Applebee’s mencatat beberapa pemahaman yang tidak diharapkan yang berasal dari
analisis data mengenai knerja “rumah belakang”. Gunakan pengetahuan Anda bagaimana
perusahaan bekerja, apa pertanyaan menarik lannya yang akan Anda sarankan ke
perusahaan? berikan beberapa contoh spesifik.
Usaha restoran mengumpulkan sejumlah besar data yang memungkinkan keputusan
yang lebih baik untuk bisnis. Applebee’s pada awalnya menggunakan data warehouse untuk
menganalisa performa di belakang restoran (back-of-house), termasuk berapa lama
karyawan mempersiapkan makanan di dapur. Kemudian diubah menjadi konsep di depan
restoran (front-of-house), waktu dianalisis mulai dari pelanggan memesan makanan,
membayar dengan kartu kredit, mempersiapkan hidangan, sehingga dapat diperkirakan
berapa lama waktu yang manajemen lalui bersama pelanggan.
Applebee’s juga sudah maju melampaui dasar tujuan bisnis berbasis data, seperti pengisian
suplai bahan pangan terkait berapa banyak produk jadi terjual tiap hari, untuk analisis yang
lebih riil. Pada salah satu departemen, menghadirkan ‘kuadran optimisasi menu’, yang
menunjukkan seberapa baik jenis-jenis produk terjual, sehingga perusahaan bisa membuat
keputusan lebih baik mengenai produk untuk dipromosikan.
Untuk melihat kepuasan pelanggan, Applebee’s memiliki kolom khusus pada situsnya
yang mengajak pelanggannya untuk meninggalkan komentar online. Dengan peluang untuk
menuliskan spesifikasi apa yang mereka pesan atau siapa pelayannya. Aplikasi ini
menggunakan Facebook App, dinama manajemen restoran bisa berkomunikasi secara
efektif dengan pelanggannya. Ketika pelanggan tidak menuliskan informasi yang cukup
untuk manajemen restoran, data mining dapat menghubungkan pelanggan ke data pesanan
mereka, makanan apa saja, dan kesenangan. Langkah ini membuat manajemen dapat
memperkirakan trend dan kapan serta mengapa pelanggan tersebut mungkin sedang
senang atau jengkel.
Ada banyak pertanyaan yang saya akan sarankan untuk restoran; lingkungan
sekitarnya, profil pelanggan, masa depan, manajemen hubungan klien, rekayasa menu, dan
produktivitas pekerja. Sebuah restoran tergantung pada perkiraan yang tepat untuk
menentukan tingkat yang tepat dari makanan, karyawan, dan persediaan. Bagaimana
restoran membuat keputusan penting? Pada sebagian besar restoran saat Anda
mengajukan pesanan dan Anda menunggu untuk mengetahui kapan meja Anda siap.Pada
Applebee, saat mereka memasak dari waktu yang dibutuhkan dalam rangka untuk melihat
berapa lama yang server habiskan untuk menyiapkan pesanan.Apa informasi lain yang
dapat diperoleh dari sistem entry order? Mereka akan tahu makanan apa yang dipesan
bersama-sam. Data yang diperoleh dari sistem entry order akan merekam segala sesuatu
tentang tabel server untuk menginformasikan manajemen tentang kinerja karyawan
 mereka. Data ini akan membantu manajemen memberikan umpan balik dan kinerja evaluasi
kepada karyawannya. Apa pelanggan merasa puas dan membuat mereka datang kembali ke
restoran? Informasi ini dapat diperoleh melalui survei pelanggan online dari link dicetak
pada bagian bawah tanda terima.

3. Penggalian data dan teknologi pergudangan menggunakan data mengenai peristiwa

di masa lalu untuk menginformasikan pembuatann keputusan yang lebih baik di masa
depan. Apakah anda percaya ini menghambat pemikiran inovatif yang menjadi terlalu
dibatasi oleh data yang sudah mereka kumpulkan untuk memikirkan perihal kesempatan
yang belum dieksplorasi? Bandingkan perbedaan kedua sudut pandang dalam jawaban
anda.
Industri pada umumnya sangat siklis, jika Anda dapat belajar dari masa lalu Anda, Anda
akan jauh lebih siap untuk masa depan. Apabila perusahaan menghadapi permasalahan
dengan situasi yang serupa, data masa lalu dapat dijadikan informasi di masa depan.
Sehingga gudang data bisa menjadi fasilitator proses pengambilan keputusan masa depan.
Namun kejadian di masa lalu bisa berbeda di masa depan mengenai lingkungan dan situasi.
Oleh karena itu, tidak selalu bermanfaat untuk memutuskan kegiatan masa depan
berdasarkan catatan masa lalu. Penyimpanan data selain bisa mengurangi kapasitas data
warehouse, perlu disimpan dalam bentuk atau pola yang teratur dan sistematis. Adanya
kemungkinan salah atau gagal itu selalu lebih baik untuk memiliki gagasan tentang apa yang
telah dilakukan pada situasi serupa di masa lalu. Perusahaan tidak harus memulai dari nol
setiap menghadapi masalah. Lebih menghemat waktu dan tenaga.
Kondisi yang tidak menguntungkan dari data mining adalah biaya yang harus
dikeluarkan oleh perusahaan untuk membayar penyedia jasa koleksi dan analisis data.
Tentu hal ini menjadi masalah bagi perusahaan yang baru dirintis, berskala kecil atau skala
keluarga. Ketidaknyamanan lainnya adalah masalah keamanan data. kita harus bisa berhati-
hati agar data privasi perusahaan tidak jatuh kepada perusahaan lain. Mengumpulkan data
adalah salah satu aspek data mining yang bermanfaat. Tetapi menjaga data dari tangan
hacker atau penyusup itu juga penting. Sangat rugi apabila koleksi data telah dikumpulkan,
lalu ada pihak yang mencuri data tersebut, lalu dijual kepada perusahaan pesaing. Sebagai
contoh, dalam studi kasus VistaPrint menciptakan empat halaman proses upload baru.
Mereka merasa harus meningkatkan tingkat konversi perusahaan, menyelesaikan proses
dan tidak kehilangan selama proses tersebut. Tetapi selama fase pengujian hasilnya sama
dan mereka tidak sampai melihat data per setiap halaman, selama upload mereka
menemukan bahwa halaman keempat menyebabkan mayoritas atau tetes. Jadi mereka
memodifikasi halaman tersebut dan proses baru yang memberikan hasil sesuai harapan.
BAB I PENDAHULUAN
1.1. Latar Belakang
Sistem informasi (SI) merupakan komponen penting demi kesuksesan suatu bisnis. SI adalah hasil dari gabungan
seluruh input yang digunakan pengguna, lalu diubah menjadi informasi. SI membantu bisnis untuk berekspansi,
beraliansi, dan berkompetisi dalam persaingan industri yang semakin ketat. Bisnis yang menggunakan teknologi
informasi (TI) dan SI, proses bisnisnya dapat berkembang secara efektif dan efisien. Harmoni lima unsur SI ialah
hardware, software, netware, dataware, dan brainware.
Database merupakan data-data yang terintegrasi menjadi koleksi arsip. Ada istilah “the heart of the IS (information
system) is database”. Integrasi database memiliki syarat konsisten, mengurangi redudansi, independen, dan
hubungan relasi sistemik terpelihara baik. Data adalah input dari saluran komunikasi. Apabila diolah, data mentah
yang berasal dari fakta di lapangan, menjadi berarti dan bermanfaat, yang disebut juga informasi. Tidak semua data
merupakan informasi, hanya sekedar data. Data terpadu yang telah menjadi informasi, bisa kemudian dijadikan
aplikasi menggunakan software atau program pengolah data. Software data mining digunakan untuk proses
pengambilan keputusan dengan pencarian pola dan hubungan data yang signifikan.
Perusahaan yang disebutkan dalam jurnal adalah Applebee’s, jaringan restoran; Teradata, perusahan penyedia jasa
pengarsipan data (data warehouse); VistaPrint, perusahaan yang menawarkan produk promosi dan cetak;
Travelocity, perusahaan perjalanan; dan Attensity, perusahaan software.
1.2. Tujuan
Tujuan dari pembahasan masalah ini adalah dapat menjawab pertanyaan mengenai:
1. Apa manfaat yang diperoleh bisnis dalam menggunakan waktu dan tenaga untuk menciptakan dan
mengoperasikan data warehouses (gudang data) seperti yang disebutkan dalam kasus? Apakah anda melihat
kerugian? Adakah alasan lain yang memperkuat alasan bahwa seluruh perusahaan sebaiknya tidak menggunakan
teknologi data warehouse?
2. Applebee’s menyatakan beberapa wawasan tak terduga muncul dari analisis data dari performa ‘back-of-house’
(di belakang restoran/di balik dapur). Gunakan pengetahuan Anda bagaimana restoran bekerja, apa pertanyaan
menarik lainnya yang anda sarankan kepada perusahaan? Berikan beberapa contoh spesifik.
3. Teknologi data mining (penggalian data) dan data warehousing (penggudangan data), menggunakan data masa
lampau untuk menginformasikan pengambilan keputusan yang lebih baik di masa depan. Apakah anda percaya
bahwa pemikiran inovatif yang memaksa, membuat perusahaan menjadi tidak terlalu leluasa dengan data yang telah
dikumpulkan terhadap peluang yang belum diuji coba? Bandingkan dan kontraskan kedua sudut pandang dalam
jawaban anda.
BAB II TINJAUAN PUSTAKA
2.1. Data Warehouse (Gudang Data)
Data warehouse atau gudang data merupakan penggunaan database skala besar yang mengkombinasikan seluruh
data organisasi dan mempersilakan pengguna unntuk mengakses data langsung, membuat laporan, dan
memperbolehkan pertanyaan “apa dan jika”.
Data warehouse adalah suatu sistem komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi
seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu organisasi menyalin
informasi dari sistem operasionalnya (seperti penjualan dan SDM) ke gudang data menurut jadwal teratur, misalnya
setiap malam atau setiap akhir minggu. Setelah itu, manajemen dapat melakukan query kompleks dan analisis
(contohnya penggalian data/data mining) terhadap informasi tersebut tanpa membebani sistem yang operasional.
2.2. Data Mining (Penggalian Data)
Data mining atau penggalian data adalah ekstraksi pola yang menarik dari data dalam jumlah besar. Suatu pola
dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan berguna. Pola yang
disajikan haruslah mudah dipahami, berlaku untuk data yang akan diprediksi dengan derajat kepastian tertentu,
berguna, dan baru. Penggalian data memiliki beberapa nama alternatif, meskipun definisi eksaknya berbeda, seperti
KDD (knowledge discovery in database), analisis pola, arkeologi data, pemanenan informasi, dan intelegensia bisnis.
Penggalian data diperlukan saat data yang tersedia terlalu banyak, misalnya data yang diperoleh dari sistem
database perusahaan, e-commerce, data saham, dan data bioinformatika, tapi tidak tahu pola apa yang bisa
didapatkan.
Pada dasarnya teknik data mining dibedakan menjadi dua fungsi, yaitu deskriptif dan prediktif. Berikut ini beberapa
fungsi penggalian data yang sering digunakan:
• Karakterisasi dan diskriminasi: menggeneralisasi, merangkum, dan mengontraskan karakteristik data.
• Penggalian pola berulang: pencarian pola asosiasi (association rule) atau pola intra-transaksi, atau pola
pembelian yang terjadi dalam satu kali transaksi.
• Klasifikasi: membangun suatu model yang bisa mengklasifikasikan suatu objek berdasar atribut-atributnya. Kelas
target sudah tersedia dalam data sebelumnya, sehingga fokusnya adalah bagaimana mempelajari data yang ada
agar klasifikator bisa mengklasifikasikan sendiri.
• Prediksi: memprediksi nilai yang tidak diketahui atau nilai yang hilang, menggunakan model dari klasifikasi.
• Penggugusan/cluster analysis: mengelompokkan sekumpulan objek data berdasarkan kemiripannya. Kelas target
tidak tersedia dalam data sebelumnya, sehingga fokusnya adalah memaksimalkan kemiripan intrakelas dan
meminimalkan kemiripan antarkelas.
• Analisis outlier: yaitu proses pengenalan data yang tidak sesuai dengan perilaku umum dari data lainnya. Contoh:
mengenali noise dan pengecualian dalam data.
• Analisis trend dan evolusi: meliputi analisis regresi, penggalian pola sekuensial, analisis periodisitas, dan analisis
berbasis kemiripan.
2.3. Database (Pangkalan Data atau Basis Data)
Database, disebut juga pangkalan data atau basis data adalah kumpulan informasi yang disimpan di dalam komputer
secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh informasi dari
basis data tersebut. Perangkat lunak yang digunakan untuk mengelola dan memanggil query basis data disebut
sistem manajemen basis data (database management system, DBMS). Lingkungan database adalah sebuah habitat
di mana terdapat basis data untuk bisnis. Dalam lingkungan database, pengguna memiliki alat untuk mengakses
data. Pengguna melakukan semua tipe pekerjaan dan keperluan mereka bervariasi seperti penggalian data (data
mining), memodifikasi data, atau berusaha membuat data baru.
2.4. Perusahaan dalam Jurnal
Perusahaan Applebee’s ini merupakan jaringan waralaba restoran dari Amerika Serikat. Applebee’s sedang
menjajaki pasar Indonesia, dan telah memiliki satu cabang di Indonesia, tepatnya ITC Mangga Dua, Jakarta. Konsep
Applebee’s berfokus pada bersantap santai dengan hidangan utama seperti salad ala Amerika, udang, ayam, pasta,
dan “riblets”. Semua restoran Applebee’s menampilkan area bar.
Produk Teradata disebut sebagai warehouse system (sistem pergudangan). Data warehouse menggunakan
“arsitektur shared nothing”, yang berarti bahwa setiap node server memiliki memori sendiri dan kekuatan prosesor.
Menambahkan lebih banyak node server meningkatkan jumlah data yang dapat disimpan. Teradata menjual aplikasi
dan perangkat lunak untuk mengolah berbagai jenis data. Produk Teradata dapat digunakan untuk analisis bisnis.
Data warehouse dapat melacak data perusahaan, seperti penjualan, preferensi pelanggan, dan penempatan produk.
Vistaprint adalah perusahaan online produk promosi dan cetak, serta layanan pemasaran untuk usaha mikro dan
konsumen. Pada perayaan 26 tahun Seni Grafis Bulanan, pada daftar 101 perusahaan percetakan, Vistaprint
menduduki perusahaan terbesar ke-40 berdasarkan pendapatan dan yang tercepat ke-4 tumbuh di Amerika Utara.
Attensity adalah perangkat lunak yang menggunakan bahasa pengolahan alami teknologi untuk mengatasi
kecerdasan kolektif dalam media sosial dan forum, yang suara pelanggan dalam survei dan e-mail; e-service;
penelitian dan e-discovery. Pelanggan korporat menggunakan Attensity untuk mengarahkan keputusan bisnis.
BAB III PEMBAHASAN
3.1. Terjemahan Jurnal
Chapter 5 Data Resource Management / Real World Case 4
Applebee’s, Travelocity, dan Lainnya: Data Mining untuk Keputusan Bisnis
Randall Parman, arsitek database rantai restoran Applebee’s International dan ketua grup pengguna Teradata,
membuka konferensi tahunan pengguna Teradata, di Las Vegas, dengan memberi peringatan kepada mereka yang
tidak menggunakan data secara maksimal. Data itu seperti emas. Bila anda tidak menggunakan emas, akan ada
orang lain yang datang dan mengambil peluang tersebut.
Parman menggambarkan analogi dengan kisah Isaac Newton yang menemukan teori gravitasi setelah melihat
sebuah apel jatuh dari pohon. “Bagaimana jika saat itu hanya memakan apelnya?” seperti “bagaimana jika kita gagal
menggunakan teknologi yang tersedia?” Applebee’s yang memiliki 1.900 restoran di seluruh dunia dan meraih
pendapatan 1,34 milyar dolar tahun lalu, memiliki 4-terabytesistem data warehouse. Meskipun hanya memiliki 3
orang administrator sistem, Applebee’s telah melihat pengaruh informasi untuk peningkatan bisnis, pengetahuan tak
terduga muncul ketika sbenar-benar dari arah yang berbeda.
Sebagai contoh, Applebee’s telah menggunakan data warehouse untuk menganalisa performa ‘back-of-house’
restoran, termasuk berapa lama karyawan mempersiapkan makanan di dapur. “Seseorang telah mengantisipasi
performa back-of-horsemenjadi performa front-of-house. Dari melihat waktu pelanggan memesan makanan,
membayar dengan kartu kredit, dan waktu mempersiapkan hidangan, kami dapat memperkirakan berapa lama waktu
yang kami habiskan bersama pelanggan,” kata Parman. Informasi ini berguna bagi perusahaan untuk meningkatkan
pengalaman pelanggan.
Applebee’s juga sudah maju melampaui dasar tujuan bisnis berbasis data, seperti pengisian suplai bahan pangan
terkait berapa banyak produk jadi terjual tiap hari, untuk analisis yang lebih riil. Pada salah satu departemen,
menghadirkan ‘kuadran optimisasi menu’, yang menunjukkan seberapa baik jenis-jenis produk terjual, sehingga
perusahaan bisa membuat keputusan lebih baik mengenai produk untuk dipromosikan.
Sementara itu, vendor melihat potensi bagi bisnis untuk menginvestasikan uangnya di software dan hardware.
“Perusahaan yang beroperasi dengan kecepatan dan kecerdasan tertinggi akan menang,” kata CEO Teradata
Michael Koehler.
Seperti perusahaan lainnya, Travelocity.com memiliki banyak data tak terstruktur berisi e-mail pelanggan, catatan
perwakilan kantor telepon, dan berbagai sumber yang berisi kritik tentang pelanggan terhadap situs travel. Untuk itu,
Travelocity meluncurkan sebuah proyek baru untuk memudahkan memonitor dan merespon 600.000 komentar
terkait masalah pelayanan pelanggan.
Situs travel online menginstal new text analisys software yang bisa memeriksa sekitar 40.000 komentar verbatim dari
survey kepuasan pelanggan dan 500.000 interaksi dengan pusat telepon. Software ini memberi kemampuan bagi
perusahaan untuk melihat respon pelanggan, baik itu komentar positif dan komentar negatif. “Pada kenyataannya,
cara ini sangat membutuhkan karyawan berjumlah besar dan biaya yang mahal untuk membuat keputusan bisnis,”
kata Don Hill, direktur hak pelanggan di Travelocity.
Travelocity akan menggunakan software dari Attensity untuk identifikasi otomatis fakta, opini, permintaan, tren, dan
masalah dari data. Kemudian Travelocity menghubungkan analisis tersebut dengan data terstruktur dari Teradata
data warehouse sehingga perusahaan bisa mengidentifikasi tren sepanjang waktu. Kapan sebuah topik itu naik,
turun, atau stabil.
Teknologi Attensity menggunakan bahasa yang secara otomatis mesin menarik data penting tanpa proses awal yang
rumit, menurut Michelle de Haaff, wakil presiden pemasaran. Hal ini membuat perusahaan memperoleh peringatan
dini untuk menghadapi isu permasalahan.
VistaPrint Ltd., sebuah ritel online berbasis di Lexington, Massachusetts, yang menyediakan layanan desain grafis
dan pesanan produk cetak, telah mendorong tingkat konversi pelanggannya dengan teknologi analisis Web yang
menembus hingga detil terkecil mengenai 22.000 transaksi di 18 situs.
Seperti kebanyakan perusahaan yang berinvestasi besar di penjualan online, VistaPrint ikut serta dalam pencari Web
log data dari operasi online. Menganalisis kebiasaan pelanggan online dan bagaimana sebuah fitur baru
berpengaruh terhadap kebiasaan merupakan hal yang penting. Tetapi mencari info dan menganalisis data memakan
waktu berjam-jam atau berhari-hari, bila menggunakan aplikasi lama, kata Dan Malone, senior manager VistaPrint.
Oleh karena kurang berkelanjutan, VistaPrint mencari paket Web analisis yang dapat mengetes pengguna baru
untuk meningkatkan tingkat konversi (presentase pengunjung online menjadi pelanggan), mencari tahu mengapa
pelanggan meninggalkan situs, dan memeriksa bagian yang menyebabkan pengguna keluar.
Perusahaan akhirnya memperoleh opsi, yaitu memilih aplikasi Visual Site dari Visual Sciences Inc. yang
menggunakan metoda pengambilan acak yang bisa diragukan kebenarannya. Namun, metoda tersebut juga cepat,
karena langsung memberikan jawaban saat itu juga. Bila anda memiliki 1% data, bisa diasumsikan bahwa 99% yang
lain juga seperti itu. Karena data dilakukan secara acak, maka asumsi tersebut valid.
VistaPrint telah menggunakan alat tersebut lebih dari satu tahun, menjalankan tes 30 hingga 40 fitur setiap tiga
minggu. Sebagai contoh, perusahaan meluncurkan sebuah halaman yang terbagi empat bagi pengguna mengupload
data yang bisa dicetak di atas kartu bisnis. Hasil tes menunjukkan bahwa tidak ada peningkatan, padahal
perusahaan telah menghabiskan banyak waktu untuk mengembangkan produk tersebut.
Ketika perusahaan menambahkan Visual Site dalam operasinya, ditemukan bahwa versi uji coba lebih baik daripada
versi tiga atau empat halaman, yang mana halaman terakhirnya peringkatnya jatuh. Perusahaan dapat mengatakan
pada tim, mana yang bermasalah. VistaPrint juga mengurangi kegagalan pengguna pada halaman pendaftaran
setelah alat Visual Site menunjukkan bahwa pelanggan yang kembali melakukan proses registrasi pelanggan baru
dan mendapat pemberitahuan yang gagal. Perusahaan lalu memperbaiki permasalahan dan peringkat konversinya
meningkat hingga memimpin ke konversi yang lebih tinggi. Meskipun sulit untuk mengukur pengembalian investasi
secara tepat, perusahaan mengestimasi bahwa investasi terbayar beberapa bulan setelah instalasi.
3.2. Pertanyaan Studi Kasus
1. Apa manfaat yang diperoleh bisnis dalam menggunakan waktu dan tenaga untuk menciptakan dan
mengoperasikan data warehouses (gudang data) seperti yang disebutkan dalam kasus? Apakah anda melihat
kerugian? Adakah alasan lain yang memperkuat alasan bahwa seluruh perusahaan sebaiknya tidak menggunakan
teknologi data warehouse?
Manfaat yang diperoleh itu adalah data yang dianalogikan dengan emas. Emas seperti peluang yang membuat bisnis
lebih tangguh dan berkesinambungan. Data adalah sumber informasi dan informasi adalah alat yang paling penting
untuk mengambil keputusan bisnis dan tindakan. Efisiensi dan kelancaran operasi kegiatan adalah salah satu alasan
utama mengapa perlu membuat dan menjaga gudang data. Hal ini meningkatkan efektivitas kinerja dengan
menyediakan informasi yang diperlukan tepat waktu. Bisnis dapat menjadi lebih produktif, sistematis dan kompetitif
dengan mempertahankan gudang seperti data.
Dengan kemajuan teknologi informasi saat ini, tersedia alat-alat elektronik untuk menganalisis seluruh proses yang
dilakukan oleh restoran. Restoran Applebee’s dapat mengukur berapa lama waktu yang dihabiskan untuk memasak
setelah pesanan diterima. Restoran bahkan bisa mengukur waktu sejak pengunjung masuk ke restoran. Selama jam
kerja, manajer dapat mengawasi tiap meja, dan menjelaskan apa saja layanan yang perlu ditingkatkan selama
pesanan makanan sedang diproses. Manajer juga dapat menentukan layanan yang tepat untuk masing-masing
individu tamu restoran tersebut. Informasi yang diperoleh manajer ini bisa diolah dan bisa diterapkan pada
keseluruhan sistem restoran.
Informasi yang disediakan oleh data warehouse, didasarkan pada pengalaman dan perilaku masa lalu, sehingga
data tersebut tidak selalu relevan bila digunakan untuk mengambil keputusan pada hari ini. mengelola dan
memelihara gudang seperti datacukup mengonsumsi waktu dan membutuhkan banyak usaha. Jadi terkadang bukan
ide yang baik bagi organisasi tertentu untuk mempertahankan gudang data. Jadi faktor yang harus dilihat adalah
kompleksitas dan kebutuhan data, menghitung manfaat gudang data dengan biaya dan usaha yang diperlukan untuk
mengelola gudang data.
2. Applebee’s menyatakan beberapa wawasan tak terduga muncul dari analisis data dari performa ‘back-of-house’
(di belakang restoran/di balik dapur). Gunakan pengetahuan Anda bagaimana restoran bekerja, apa pertanyaan
menarik lainnya yang anda sarankan kepada perusahaan? Berikan beberapa contoh spesifik.
Menjalankan bisnis restoran didasari pada hubungan langsung antara pelanggan dengan layanan restoran. Sebagai
contoh Applebee’s pada awalnya menggunakan data warehouse untuk menganalisa performa di belakang restoran
(back-of-house), termasuk berapa lama karyawan mempersiapkan makanan di dapur. Kemudian diubah menjadi
konsep di depan restoran (front-of-house), waktu dianalisis mulai dari pelanggan memesan makanan, membayar
dengan kartu kredit, mempersiapkan hidangan, sehingga dapat diperkirakan berapa lama waktu yang manajemen
lalui bersama pelanggan.
Applebee’s juga sudah maju melampaui dasar tujuan bisnis berbasis data, seperti pengisian suplai bahan pangan
terkait berapa banyak produk jadi terjual tiap hari, untuk analisis yang lebih riil. Pada salah satu departemen,
menghadirkan ‘kuadran optimisasi menu’, yang menunjukkan seberapa baik jenis-jenis produk terjual, sehingga
perusahaan bisa membuat keputusan lebih baik mengenai produk untuk dipromosikan.
Untuk melihat kepuasan pelanggan, Applebee’s memiliki kolom khusus pada situsnya yang mengajak pelanggannya
untuk meninggalkan komentar online. Dengan peluang untuk menuliskan spesifikasi apa yang mereka pesan atau
siapa pelayannya. Aplikasi ini menggunakan Facebook App, dinama manajemen restoran bisa berkomunikasi secara
efektif dengan pelanggannya. Ketika pelanggan tidak menuliskan informasi yang cukup untuk manajemen restoran,
data mining dapat menghubungkan pelanggan ke data pesanan mereka, makanan apa saja, dan kesenangan.
Langkah ini membuat manajemen dapat memperkirakan trend dan kapan serta mengapa pelanggan tersebut
mungkin sedang senang atau jengkel.
Hal-hal tak terduga yang belum dapat diprediksi mungkin terjadi dalam bisnis seperti itu karena hampir seluruh
aktivitas perusahaan dilakukan di lokasi yang sama dengan pelanggan. Oleh karena interaksi secara langsung
dengan pelanggan tinggi, sangat penting untuk bisnis ini membuat pelanggan senang mulai dari awal masuk ke
restoran sampai meninggalkan restoran.
Pertanyaan yang bisa disampaikan kepada pemilik bisnis restoran?
– Berapa lama waktu yang dibutuhkan pelanggan untuk meninggalkan kursi setelah mendapatkan duduk sehingga
kursi dapat digunakan oleh pelanggan berikutnya?
– Bagaimana restoran akan mengelola jika mereka memiliki tamu khusus di jam sibuk?
– Bagaimana bisnis mengelola jam-jam sibuk dan jam-jam sepi atau tidak ada pengunjung terkait dengan
penyediaan tenaga kerja?
– Layanan apa yang diberikan kepada pelanggan di luar penyediaan hidangan?
– Bagaimana restoran berhasil beroperasi jika karyawan yang bertugas saat itu tidak bisa datang untuk bekerja
pada jam-jam sibuk?
– Apa yang dilakukan restoran bila konsumen merasa tidak puas dan ingin melakukan komplain.
Berikut ini adalah proses yang dilakukan oleh Mc Donald’s dalam menciptakan nilai bagi pelanggannya. Mc Donald’s
bisa dijadikan sebagai contoh, karena seperti Applebee’s, juga merupakan restoran waralaba multinasional dari
Amerika Serikat.
3. Teknologi data mining (penggalian data) dan data warehousing (penggudangan data), menggunakan data masa
lampau untuk menginformasikan pengambilan keputusan yang lebih baik di masa depan. Apakah anda percaya
bahwa pemikiran inovatif yang memaksa, membuat perusahaan menjadi tidak terlalu leluasa dengan data yang telah
dikumpulkan terhadap peluang yang belum diuji coba? Bandingkan dan kontraskan kedua sudut pandang dalam
jawaban anda.
Data warehouse bertujuan untuk menyimpan arsip yang terkait dengan perusahaan. Mulai dari dokumen persiapan
bisnis, dokumen legalitas perusahaan, catatan pemasukan dan pengeluaran, surat keluar internal dan eksternal,
aturan atau kebijakan pemerintah, dokumen kerjasaama, katalog, kliping artikel, berita, atau informasi penting,
hingga catatan yang baru berupa ide-ide (brainstrorming), rencana perusahaan kedepan, dan strategi resiko. Apabila
perusahaan menghadapi permasalahan dengan situasi yang serupa, data masa lalu dapat dijadikan informasi di
masa depan. Sehingga gudang data bisa menjadi fasilitator proses pengambilan keputusan masa depan. Namun
kejadian di masa lalu bisa berbeda di masa depan mengenai lingkungan dan situasi. Oleh karena itu, tidak selalu
bermanfaat untuk memutuskan kegiatan masa depan berdasarkan catatan masa lalu.
Penyimpanan data selain bisa mengurangi kapasitas data warehouse, perlu disimpan dalam bentuk atau pola yang
teratur dan sistematis. Adanya kemungkinan salah atau gagal itu selalu lebih baik untuk memiliki gagasan tentang
apa yang telah dilakukan pada situasi serupa di masa lalu. Perusahaan tidak harus memulai dari nol setiap
menghadapi masalah. Lebih menghemat waktu dan tenaga.
Kondisi yang tidak menguntungkan dari data mining adalah biaya yang harus dikeluarkan oleh perusahaan untuk
membayar penyedia jasa koleksi dan analisis data. Tentu hal ini menjadi masalah bagi perusahaan yang baru
dirintis, berskala kecil atau skala keluarga. Ketidaknyamanan lainnya adalah masalah keamanan data. kita harus bisa
berhati-hati agar data privasi perusahaan tidak jatuh kepada perusahaan lain. Mengumpulkan data adalah salah satu
aspek data mining yang bermanfaat. Tetapi menjaga data dari tangan hacker atau penyusup itu juga penting. Sangat
rugi apabila koleksi data telah dikumpulkan, lalu ada pihak yang mencuri data tersebut, lalu dijual kepada
perusahaan pesaing.
BAB IV KESIMPULAN DAN SARAN
4.1. Kesimpulan
Data merupakan bukti sejarah yang mencatat setiap aktivitas pada suatu waktu. Bagi perusahaan, data merupakan
aset yang paling penting untuk bisa diaplikasikan dalam sistem informasi perusahaan. Hal-hal yang terkait dengan
pengarsipan data adalah database, data warehouse, dan data mining. Data masa lampau bisa dipakai kembali di
masa yang akan datang ketika perusahaan menghadapi suatu kondisi permasalahan yang mirip. Walaupun tidak
selalu permasalahan bisa diselesaikan dengan benar, tetapi paling tidak perusahaan punya gambaran, tidak memulai
sesuatu dari nol.
Perusahaan bisnis memperoleh manfaat dari penggunaan sumberdaya untuk menciptakan dan mengoperasikan
data warehouse (gudang data) dan data mining (penggalian data) seperti yang disebutkan dalam kasus. Perusahaan
yang menjadi contoh adalah Applebee’s, jaringan restoran; Teradata, perusahan penyedia jasa pengarsipan data
(data warehouse); VistaPrint, perusahaan yang menawarkan produk promosi dan cetak; Travelocity, perusahaan
perjalanan; dan Attensity, perusahaan software. Pemanfaatan teknologi untuk data perusahaan merupakan sesuatu
yang sangat penting apabila perusahaan ingin berkembang dan terus berkesinambungan. Terdapat alasan lain yang
memperkuat pendapat bahwa perusahaan kecil sebaiknya tidak menggunakan teknologi data warehouse. Terutama
apabila biaya yang diperlukan diluar batas kemampuan perusahaan tersebut. Namun, tidak berarti perusahaan sama
sekali tidak menggunakan mengarsipkan data-datanya dengan baik.
4.2. Saran
Sistem informasi menawarkan cara-cara untuk mendukung manajemen dalam menghadapi permasalahan yang
muncul dari lingkungan. Setiap jenis usahan sebaiknya memiliki program dasar untuk membantu dalam mengelola
data-data operasional rutin harian, mingguan, dan bulanan. Tujuannya agar organisasi dapat mengambil keputusan
efektif dan mencapai profit yang diharapkan. Berdasarkan laporan data, perusahaan lebih mudah mengevaluasi dan
menerapkan metode baru untuk strategi perusahaan selanjutnya.
DAFTAR PUSTAKA