MODUL PERKULIAHAN BUSINESS INTELLIGENCE

Adaptive
Business
Intelligence
Modul Standar untuk
digunakan dalam Perkuliahan
di Universitas Mercu Buana

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

03
Ilmu Komputer Sistem Informasi W181720004 Ardiansyah

Abstract Kompetensi
Memahami model BI yaitu; Prediksi Mahasiswa memahami prinsip-prinsip
dari Adaptive BI.
Studi Kasus : Delivery Order
Membuat bisnis dapat membangkitkan pengambilan keputusan berdasarkan fakta

Trend BI

 Mobile
Dalam lingkungan bisnis yang serba cepat saat ini, pengambil keputusan di seluruh bisnis
memerlukan akses ke informasi penting di mana saja, kapan saja. Hal ini sebagian besar
telah dipermudah dengan peningkatan aksesibilitas business intelligence di seluler dan
peningkatan kemampuan ponsel cerdas untuk memungkinkan informasi yang lebih
terperinci untuk dianalisis pada perangkat seluler. Ini selalu mengarah pada munculnya
mobile business intelligence (mobile BI).

Jumlah bisnis yang menggunakan mobile business intelligence telah tumbuh secara
signifikan dari tahun ke tahun. Menurut Aberdeen Group, perusahaan yang menggunakan
mobile business intelligence 68% persen lebih mungkin mendapatkan data bisnis tepat
waktu daripada perusahaan yang tidak menggunakannya. Ini berarti bahwa dalam
lingkungan bisnis yang kejam, perusahaan yang menggunakan mobile business
intelligence berada dalam posisi yang jauh lebih baik. Dengan menggunakan pengambilan
keputusan berdasarkan data, mereka memiliki kesempatan terbaik untuk tetap berada di
depan kompetisi.
 Cloud Computing
Secara tradisional, sebagian besar software business intelligence adalah host on-premise,
tetapi peningkatan akses data on-demand telah menyebabkan munculnya cloud business
intelligence. Manfaat cloud business intelligence termasuk biaya rendah, aksesibilitas
seluler yang lebih baik, dan skalabilitas ekstrim. Gartner menyatakan bahwa 80 persen
organisasi cenderung meningkatkan investasi mereka dalam produk berbasis cloud di
tahun-tahun mendatang.

Cloud business intelligence menawarkan beberapa keuntungan, meliputi:

 Implementasi yang mudah
Pengguna dapat dengan cepat dan mudah memasang solusi cloud BI karena ini
adalah perangkat lunak berbasis internet. Tidak diperlukan staf TI.
 Kesederhanaan
Kemudahan penggunaan jika solusi Cloud BI yang bagus dirancang. dashboard yang
mudah digunakan dan desain intuitif.
 Mobile-friendly
Pengguna dapat mengakses data di mana saja, kapan saja menggunakan cloud BI
pada perangkat seluler dan tablet.
 Scalability
Sebagai perusahaan memperluas (staf dan / atau secara geografis) menambahkan
pengguna baru ke solusi cloud BI yang ada sederhana dan cepat.
 Low cost
Cloud BI mengurangi ketergantungan operasional pada staf karena berbasis internet.
 Keunggulan kompetitif
Perusahaan dari semua ukuran dalam suatu industri dapat mengakses cloud BI dan
menggunakannya untuk mencari tanah di perusahaan yang lebih besar dengan
anggaran yang lebih besar. Cloud BI membuat manfaat yang lebih luas dan biaya
rendah.
Dengan ide yang jelas tentang tren BI terbaru, para pemimpin bisnis akan lebih baik
untuk mengungkap peluang dan tantangan yang sebelumnya tak terlihat dan
meniadakan potensi ancaman sebelum mereka memiliki dampak yang signifikan.
Pada 2018, ini akan menghasilkan pengambilan keputusan yang lebih baik dan proses
yang lebih efisien.

2016 Business Intelligence Pusat Bahan Ajar dan eLearning

3 Ardiansyah http://www.mercubuana.ac.id
 Social Media
Media sosial menjadi alat BI yang kuat yang dapat dimanfaatkan oleh perusahaan untuk
menciptakan personas, mengidentifikasi tren, dan membangun komunitas.

Munculnya media sosial telah menciptakan realitas baru serta alat baru untuk memahami
perilaku manusia. Aplikasi bervariasi - dari pemasaran hingga pencegahan kejahatan -
dan fenomena ini masih terus berkembang. Salah satu deskripsi terbaik dari media sosial
adalah "potret dunia nyata." Definisi yang hampir puitis ini berguna untuk menentukan cara
informasi yang diambil dari media sosial dapat berguna dalam bisnis.

Karena ini adalah snapshot, media sosial menangkap momen tertentu dalam waktu atau
serangkaian momen singkat, ketika pengguna berfokus pada tujuan tertentu atau sedang
mencoba untuk menyoroti pencapaian. Masa pakai posting hanya beberapa jam -
beberapa hari paling lama - hingga diganti dengan yang baru. Suksesi cepat ini
menunjukkan mengapa perusahaan membutuhkan respons real-time: Anda bisa
memanfaatkan momen atau jendela peluang tertutup.

 Advanced Analytics

Advanced Analytics / Predictive Analytics

 Data Mining
Data mining adalah ekstraksi sebuah atau banyak pola yang menarik dari data dengan
jumlah yang besar. Data mining sekarang digunakan oleh banyak perusahaan yang
berfokus pada konsumen (retail), financial, komunikasi dan organisasi marketing, untuk
“menggali” data transaksi dan menentukan harga, preferensi konsumen dan penempatan
produk, pengaruh pada penjualan, kepuasan konsumen, dan mengolah data-data untuk
hal yang berhubungan dengan dengan peningkatan kegunaan untuk perusahaan bahkan
untuk menambah keuntungan perusahaan. Dengan data mining, penjual atau perusahaan
dapat menggunakan data transaksi untuk membangun produk dan promosi kepada
spesifik konsumen target/segmen.

Berikut adalah 14 manfaat pengaplikasian data mining menurut Rajkumar P pada Bigdata-
madesimple.com:
1. Kesehatan

2016 Business Intelligence Pusat Bahan Ajar dan eLearning

4 Ardiansyah http://www.mercubuana.ac.id
 Data mining memiliki potensi besar untuk memperbaiki sistem kesehatan.
Menggunakan data dan analisis untuk mengidentifikasi praktik terbaik yang
meningkatkan perawatan dan mengurangi biaya. Peneliti menggunakan
pendekatan data mining seperti database multi dimensi, pembelajaran mesin, soft
computing, visualisasi data dan statistik. Pertambangan dapat digunakan untuk
memprediksi volume pasien dalam setiap kategori. Proses dikembangkan yang
memastikan bahwa pasien mendapat perawatan yang tepat di tempat yang tepat
dan pada saat yang tepat. Data mining juga dapat membantu perusahaan asuransi
kesehatan untuk mendeteksi kecurangan dan penyalahgunaan.
2. Analisis Market
Analisis Market adalah teknik pemodelan berdasarkan teori bahwa jika seorang
membeli kelompok item tertentu, maka cenderung membeli kelompok item lainnya.
Teknik ini memungkinkan pengecer memahami perilaku pembelian pembeli.
Informasi ini dapat membantu pengecer mengetahui kebutuhan pembeli dan
mengubah tata letak toko sesuai dengan itu. Dengan menggunakan analisis
diferensial perbandingan hasil antara toko yang berbeda, antara pelanggan dalam
kelompok demografis yang berbeda dapat dilakukan.
3. Pendidikan
Ada bidang baru yang muncul, disebut Educational Data Mining, berkaitan dengan
metode pengembangan yang menemukan pengetahuan dari data yang berasal
dari lingkungan pendidikan. Tujuan EDM diidentifikasi sebagai prediksi perilaku
belajar di masa depan siswa, mempelajari dampak dukungan pendidikan, dan
memajukan pengetahuan ilmiah tentang pembelajaran. Data mining dapat
digunakan oleh sebuah institusi untuk mengambil keputusan yang akurat dan juga
untuk memprediksi hasil siswa. Dengan hasilnya institusi bisa fokus pada apa yang
harus diajarkan dan bagaimana cara mengajarnya. Pola belajar siswa dapat
diambil dan digunakan untuk mengembangkan teknik mengajar mereka.
4. Rekayasa Manufaktur
Alat data mining bisa sangat berguna untuk menemukan pola dalam proses
manufaktur yang kompleks. Data mining dapat digunakan dalam perancangan
tingkat sistem untuk mengekstrak hubungan antara arsitektur produk, portofolio
produk, dan data kebutuhan pelanggan. Ini juga bisa digunakan untuk
memprediksi perkembangan produk span time, cost, dan dependencies antar
tugas lainnya.
 Regression
 Monte Carlo Simulation

2016 Business Intelligence Pusat Bahan Ajar dan eLearning

5 Ardiansyah http://www.mercubuana.ac.id
 “Statistically Significant”
 Predicting Customer Behavior
 Churn Rate/Attrition
 Purchases
 Profiling

Churn Rate/Attrition

Adalah ukuran jumlah orang atau benda yang masuk atau keluar dari satu kelompok tertentu

Why Customer Choose to Churn?

 Tidak puas dan tidak senang
 Penawaran yang lebih baik dari competitor
 Tidak lagi membutuhkan produk yang bersangkutan

Apa yang bisa digali dan diprediksi dari churn rate?

 Reason
 Perencanaan program customer loyalty dan retention
 Restrukturisasi jenis produk
 Kapan waktu yang tepat launching produk baru yang akan menimbulkan efek “win
back customer”
 Target Perusahaan

2016 Business Intelligence Pusat Bahan Ajar dan eLearning

6 Ardiansyah http://www.mercubuana.ac.id
Purchasing

Profiling

 Siapa Customer kita?

 Apa minatnya?
 Siapa relasinya?
 Apa kebutuhannya?
 Lokasinya?
 Kegiatanya? Apakah dia punya bisnis lain yang dapat ditunjang oleh kita?

Collaborative Filtering

Mencoba untuk memprediksi item lain yang kemungkinan ingin dibeli oleh customer
berdasarkan apa yang ada pada shopping cart mereka dan “purchasing behaviour” dari
customer lain
Contoh: Amazon.com

2016 Business Intelligence Pusat Bahan Ajar dan eLearning

7 Ardiansyah http://www.mercubuana.ac.id
Text Analytics

From Wikipedia:
… a set of linguistic, statistical, and machine learning techniques that model and structure the
information content of textual sources for business intelligence, exploratory data analysis,
research, or investigation

Kegunaan:
 menguraikan customer behavior yang tidak struktur menjadi terstruktur
Keuntungan:
 Meningkatkan revenue

2016 Business Intelligence Pusat Bahan Ajar dan eLearning

8 Ardiansyah http://www.mercubuana.ac.id
Business on Demand
Pada dasarnya adalah bisnis yang layanannya didasari oleh permintaan customer yang
sifatnya FLUKTUATIF dan SULIT DIPREDIKSI

Contoh Bisnis On Demand:

 Gojek
 McD Delivery
 LEX (Lazada Express)

Studi kasus:
Delivery order Amazon dan Kuroneko

2016 Business Intelligence Pusat Bahan Ajar dan eLearning

9 Ardiansyah http://www.mercubuana.ac.id
Daftar Pustaka
1. http://mawardisyana.blogspot.com/2013/04/pengantar-penggunaan-ahp-
analytical.html
2. https://www.academia.edu/9820429/Generate-and-Test_GT