Chapter 12

Bab 12
Meningkatkan Pengambilan
Keputusan
TUJUAN GARIS BESAR BAB

PEMBELAJARAN 12.1 PENGAMBILAN KEPUTUSAN DAN SISTEM
Setelah membaca bab ini, INFORMASI
Nilai bisnis dari Pengambilan Keputusan
Anda akan mampu menjawab Peningkatan
pertanyaan-pertanyaan Jenis-jenisKeputusan
berikut: Proses Pengambilan Keputusan
1. Apa jenis keputusan dan bagaimana Manajer dan Pengambilan Keputusan di Dunia
keputusan-membuat pekerjaan Nyata
proses? Tinggi Velocity Pembuatan otomatis Keputusan
2. Bagaimana sistem informasi mendukung 12.2 KECERDASAN BISNIS DI ENTERPRISE THE
kegiatan manajer dan keputusan Apakah Business Intelligence?
manajemen keputusan? The Business Intelligence Lingkungan Strategi
Kemampuan Manajemen Business Intelligence dan
3. Bagaimana intelijen bisnis dan bisnis Analytics untuk Mengembangkan BI dan BA
analisis mendukung pengambilan kemampuan
keputusan?
12.3 BISNIS konstituen INTELLIGENCE
4. Bagaimana konstituen pengambilan Pendukung Keputusan untuk Operasional dan
keputusan yang berbeda dalam Tengah
penggunaan organisasi intelijen Pengelolaan
bisnis? Pendukung Keputusan untuk Manajemen Senior:
5. Apa peran sistem informasi dalam Balanced Scorecard dan Enterprise Metode
membantu orang yang bekerja dalam Manajemen Kinerja
kelompok membuat keputusan yang Keputusan Kelompok-Support Systems (GDSS)
lebih efisien? BELAJAR TRACK MODUL
Bangunan dan Menggunakan Tabel Pivot
Sesi interaktif:
Analytics Bantuan Cincinnati
Zoo Tahu Pelanggan Its
Colgate-Palmolive Keeps
Manajer Tersenyum
dengan Panel Kontrol
Eksekutif
Moneyball: DATA-DRIVEN BASEBALL
H
n September 23, 2011, film Moneyball dibuka di bioskop di seluruh Amerika Serikat, yang
dibintangi Brad Pitt sebagai Billy Beane, general manager iconoclastic dari Oakland Athletics.
Film ini berdasarkan buku laris oleh Michael Lewis yang menggambarkan bagaimana Beane
memimpin underdog A, dengan salah satu anggaran terkecil di Major League
bisbol, untuk memenangkan 103 pertandingan di tahun 2002. Di bawah pengawasan Beane, para A
A
membuat playoffs lima kali dalam delapan musim berikutnya.
Pada pembukaan musim bisbol 2002, tim terkaya adalah New York Yankees, dengan gaji $ 126 juta; Oakland A dan
Tampa Bay Rays Iblis, masing-masing dengan gaji sekitar
$ 41 juta, yang paling miskin. Kesenjangan ini berarti bahwa hanya tim terkaya mampu pemain terbaik. Sebuah
tim yang buruk, seperti A, hanya mampu apa menolak “lebih baik” tim, dan dengan demikian hampir pasti
I
gagal. Begitulah, sampai Billy Beane dan Moneyball memasuki gambar.
Bagaimana Beane melakukannya? Dia mengambil melihat dari dekat data. kebijaksanaan bisbol
konvensional terus mempertahankan bahwa nama besar hitter yang sangat atletis dan pitcher muda terampil
adalah bahan utama untuk menang. Beane dan asisten general manager-nya Paul DePodesta digunakan
analisis statistik canggih dari pemain dan tim data untuk membuktikan salah itu. Metrik yang berlaku untuk
memprediksi kemenangan, kerugian, dan kinerja pemain, seperti rata-rata batting, berjalan dipukul di, dan
basis dicuri, adalah sisa-sisa dari tahun-tahun awal bisbol dan statistik yang tersedia pada waktu itu. pramuka
Baseball bakat digunakan metrik ini, serta intuisi usus mereka, untuk ukuran bakat untuk tim mereka.
Beane dan DePodesta menemukan bahwa satu set yang berbeda dari metrik, yaitu, persentase waktu
pemukul adalah pada dasar atau dipaksa menentang pitcher melemparkan sejumlah besar lapangan, lebih
prediktif peluang tim untuk menang pertandingan. Jadi Beane mencari pemain yang terjangkau yang
memenuhi kriteria tersebut (termasuk orang-orang yang menarik banyak “jalan-jalan”) dan telah diabaikan
atau ditolak oleh tim baik yang didanai. Dia tidak peduli jika seorang pemain adalah kelebihan berat badan
atau tampak masa lalunya prime-ia hanya terfokus pada angka. Beane mampu lapangan tim konsisten
menang dengan menggunakan analisis canggih untuk memperoleh wawasan nilai masing-masing pemain
dan kontribusi terhadap keberhasilan tim bahwa tim kaya lainnya telah diabaikan.
Beane dan pendekatan data-driven untuk bisbol memiliki dampak seismik pada permainan. Setelah
mengamati A kesuksesan fenomenal pada tahun 2002, Boston Red Sox digunakan bakat bisbol statistik
Bill James dan mengadopsi strategi Beane, hanya dengan lebih banyak uang. Dua tahun kemudian,
mereka memenangkan World Series.
Meskipun banyak ahli tetap percaya bahwa metode tradisional evaluasi pemain, bersama
dengan insting, uang, sebuah
d keberuntungan, masih
merupakan dients ingre- kunci
untuk memenangkan tim, tim liga
utama acknowl- tepi yang analisis
statistik memiliki tempat dalam
bisbol. Untuk tingkat tertentu,
sebagian besar tim liga utama telah
memeluk metrik saber-, penerapan
analisis statistik catatan bisbol
untuk mengevaluasi Mance perfor-
individu pemain. The New York
Yankees, New York Mets, San
Diego Padres, St Louis Cardinals,
Boston Red Sox, Washington
Nationals, Ariz ona
Diamondbacks,
© ZUMA Press, Inc. / Alamy
483
484 Bagian ketiga Aplikasi Sistem kunci untuk Era Digital Bab 12 Meningkatkan Pengambilan Keputusan
484
Cleveland Indians, dan Toronto Blue Jays semua telah disewa penuh waktu analis
sabermetric.
Karena semua tim liga utama menggunakan sabermetrics dalam satu atau lain cara untuk
memandu keputusan mereka, A tidak lagi memiliki keunggulan kompetitif yang pernah
mereka menikmati ketika mereka adalah satu-satunya dengan pengetahuan ini. Meskipun
Beane tidak mengambil A untuk babak playoff sejak tahun 2006, ia tetap sangat dicari
pembicara di sirkuit kuliah manajemen perusahaan. Sangat mudah untuk melihat mengapa.
Moneyball bukan hanya tentang bisbol-itu tentang belajar bagaimana menggunakan data
sebagai senjata kompetitif, terutama di lingkungan di mana sumber daya yang langka dan
inovasi sangat penting.
sumber: Don Peppers, “Baseball, Bisnis, dan Big Data,” FastCompany.com, 24 April 2012; Matthew
Futterman, “Baseball setelah Moneyball,” The Wall Street Journal, 22 September, 2011; Adam
Sternberge, “Billy Beane dari 'Moneyball' Apakah Mengingat Up pada Anda Sendiri di Hollywood Nya
Ending,” The New York Times, 21 September 2011; dan Michael Lewis, Moneyball: The Art of Winning
sebuah permainan yang tidak adil, 2003.
aseball telah, menurut subjudul Moneyball, sebuah “permainan adil.” Mengingat

B kesenjangan besar dalam anggaran tim MLB, tim kaya defi-
nitely memiliki keuntungan dalam merekrut pemain terbaik. Tapi dengan
menggunakan analisis canggih untuk memandu keputusan tentang apa yang
pemain untuk merekrut dan menumbuhkan, Billy Beane mampu mengubah
underdog Oakland Athletics menjadi tim pemenang. Baseball adalah bisnis dan
kasus pembukaan ini memiliki pelajaran penting untuk bisnis lain juga: Anda
dapat menjadi lebih efisien dan kompetitif jika, seperti Moneyball, Anda tahu
bagaimana menggunakan data untuk mendorong keputusan Anda.
Diagram bab-pembukaan meminta perhatian poin penting yang diangkat oleh kasus ini
dan bab ini. Manajer di tim bisbol liga utama yang sembelih oleh model sebelumnya dari
pengambilan keputusan yang digunakan metrik yang salah untuk memprediksi kinerja tim.
Tim dengan anggaran yang rendah seperti Oakland A terjebak dalam liang karena mereka
tidak bisa membayar pemain yang paling terampil, dan keuntungan pergi ke tim dengan
anggaran terbesar. Beane dan Paul DePodesta berlari analisis statistik canggih dari pemain
dan permainan Data untuk merancang satu set yang lebih baik metrik untuk memprediksi
kinerja. Tentu saja, skill pemain individu masih sangat penting, tetapi Beane menunjukkan
bahwa tim yang terdiri dari pemain kurang terampil masih bisa menang jika difokuskan
pada pemain dengan tinggi persentase on-dasar dan pitcher dengan sejumlah besar tanah-
out.
Berikut adalah beberapa pertanyaan untuk berpikir tentang: Beberapa
mengatakan Moneyball tidak benar-benar tentang bisbol. Apa implikasi dari
pernyataan ini? Apa yang bisa bisnis belajar dari Moneyball? Bagaimana jika
semua bisnis dijalankan seperti Moneyball?
485
12.1 DECISION Making DAN sayaNFORMASI Systems

pengambilan keputusan dalam bisnis digunakan terbatas pada manajemen.
Hari ini, karyawan tingkat bawah bertanggung jawab untuk beberapa
keputusan ini, seperti sistem informasi membuat informasi tersedia untuk
tingkat yang lebih rendah dari bisnis. Tapi apa yang kita maksud dengan
pengambilan keputusan yang lebih baik? Bagaimana pengambilan keputusan
berlangsung di bisnis dan organisasi lainnya? Mari kita lihat lebih dekat.
NILAI BISNIS PENINGKATAN PENGAMBILAN

KEPUTUSAN
Apa artinya untuk bisnis untuk membuat keputusan yang lebih baik? Apa nilai
moneter dari peningkatan pengambilan keputusan? Tabel 12.1 upaya untuk mengukur
nilai moneter membuat ditingkatkan keputusan untuk US kecil manufactur- ing
perusahaan dengan $ 280 juta dalam pendapatan tahunan dan 140 karyawan.
Perusahaan telah mengidentifikasi sejumlah keputusan penting di mana investasi
sistem baru mungkin meningkatkan kualitas pengambilan keputusan. Tabel
menyediakan dipilih perkiraan nilai tahunan (dalam bentuk penghematan biaya atau
peningkatan pendapatan) dari peningkatan pengambilan keputusan di daerah terpilih
bisnis.
Kita bisa melihat dari Tabel 12.1 bahwa keputusan dibuat di semua tingkat perusahaan dan bahwa
beberapa keputusan yang umum, rutin, dan banyak. Meskipun nilai memperbaiki setiap keputusan tunggal
mungkin kecil, meningkatkan ratusan ribu keputusan “kecil” menambahkan hingga nilai tahunan yang besar
untuk bisnis.
JENIS KEPUTUSAN
Bab 1 dan 2 menunjukkan bahwa ada tingkat yang berbeda dalam sebuah
organisasi. Masing-masing tingkat memiliki persyaratan informasi yang berbeda
untuk mendukung keputusan dan tanggung jawab untuk berbagai jenis
keputusan (lihat Gambar 12.1). Keputusan diklasifikasikan sebagai terstruktur,
semi terstruktur, dan tidak terstruktur.
TABEL 12.1 NILAI BISNIS DISEMPURNAKAN PENGAMBILAN KEPUTUSAN
JUMLAH ESTIMASI NILAI

KEPUTUSAN UNTUK tegas
CONTOH KEPUTUSAN PENGAMBIL KEPUTUSAN TAHUNAN KEPUTUSAN TAHUNAN NILAI
PENINGKATAN
Mengalokasikan manajer account 12 $ 100.000 $ 1.200.000
TUNGGAL
dukungan kepada
pelanggan yang
permintaan harianpaling manajemen call center 4 150.000 600.000
berharga
memprediksi call center
Tentukan tingkat manajer persediaan 365 5.000 1.825.000
bagian persediaan
harian
Mengidentifikasi tawaran Manajemen senior 1 2.000.000 2.000.000
bersaing dari pemasok
utama
Jadwal produksi untuk Manajer manufaktur 150 10.000 1.500.000
memenuhi pesanan
486
Mengalokasikan tenaga Manajer lantai produksi 100 4.000 400.000

kerja untuk menyelesaikan
pekerjaan
487
GAMBAR 12.1 PERSYARATAN INFORMASI KEY KELOMPOK KEPUTUSAN-

KEPUTUSAN DALAM PERUSAHAAN
manajer senior, manajer menengah, manajer operasional, dan karyawan memiliki berbagai jenis
keputusan dan kebutuhan informasi.
keputusan tidak terstruktur adalah mereka di mana pengambil keputusan

harus memberikan penilaian, evaluasi, dan wawasan untuk memecahkan masalah.
Masing-masing dari keputusan ini adalah novel, penting, dan tidak rutin, dan tidak
ada dipahami dengan baik atau setuju-on prosedur untuk membuat mereka.
keputusan terstrukturSebaliknya, yang berulang-ulang dan rutin, dan
mereka melibatkan prosedur yang pasti untuk menangani mereka sehingga
mereka tidak harus diperlakukan setiap kali seolah-olah mereka baru. Banyak
keputusan memiliki unsur-unsur dari kedua jenis keputusan dan semi
terstruktur, di mana hanya bagian dari masalah memiliki jawaban yang jelas
disediakan oleh prosedur yang berlaku. Secara umum, keputusan terstruktur
lebih banyak terjadi pada tingkat organisasi yang lebih rendah, sedangkan
masalah tured unstruc- lebih umum pada tingkat yang lebih tinggi dari
perusahaan.
eksekutif senior menghadapi banyak situasi keputusan yang tidak terstruktur,
seperti mendirikan perusahaan 5- atau 10 tahun gol atau memutuskan pasar baru
untuk masuk. Menjawab pertanyaan “Haruskah kita memasuki pasar baru?” Akan
memerlukan akses ke berita, laporan pemerintah, dan pandangan industri serta
ringkasan tingkat tinggi dari kinerja perusahaan. Namun, jawabannya juga akan
memerlukan manajer senior untuk menggunakan penilaian terbaik mereka sendiri
dan polling manajer lain untuk pendapat mereka.
manajemen menengah menghadapi skenario keputusan yang lebih terstruktur tetapi
keputusan mereka mungkin termasuk komponen yang tidak terstruktur. Sebuah
keputusan manajemen tingkat menengah mungkin khas “Mengapa melaporkan
laporan pemenuhan pesanan yang menunjukkan penurunan selama enam bulan
terakhir di sebuah pusat distribusi di Minneapolis?” Manajer menengah ini akan
mendapatkan laporan dari sistem perusahaan atau manajemen sistem distribu si
perusahaan di kegiatan ketertiban dan efisiensi operasional di pusat distribusi
Minneapolis. Ini adalah bagian terstruktur keputusan. Tapi sebelum tiba di sebuah
jawaban, manajer menengah ini harus mewawancarai karyawan dan mengumpulkan
488
lebih banyak tidak terstruktur mation informal dari sumber eksternal tentang kondisi
ekonomi lokal atau tren penjualan.
489
manajemen operasional dan peringkat-dan-file karyawan cenderung

membuat keputusan yang lebih terstruktur. Sebagai contoh, seorang supervisor
di jalur perakitan harus memutuskan apakah seorang pekerja dibayar per jam
berhak atas upah lembur. Jika karyawan bekerja lebih dari delapan jam pada
hari tertentu, supervisor secara rutin akan memberikan uang lembur untuk
setiap saat di luar delapan jam yang clock pada hari itu.
Seorang wakil akun penjualan sering harus membuat keputusan tentang perpanjangan
kredit kepada pelanggan dengan konsultasi database pelanggan perusahaan yang berisi
informasi kredit. Jika pelanggan memenuhi kriteria prespecified perusahaan untuk
pemberian kredit, account representative akan memberikan bahwa kredit pelanggan untuk
melakukan pembelian. Dalam kedua kasus, keputusan yang sangat terstruktur dan secara
rutin membuat ribuan kali setiap hari di sebagian besar perusahaan-perusahaan besar.
jawaban telah diprogram ke gaji dan rekening sistem piutang perusahaan.
THE PENGAMBILAN KEPUTUSAN

PROSES
Membuat keputusan adalah proses tahapan. Simon (1960) menggambarkan empat tahapan
yang berbeda dalam pengambilan keputusan: intelligence, design, choice, dan
implementasi (lihat Gambar 12.2).
GAMBAR 12.2 TAHAPAN DALAM PENGAMBILAN KEPUTUSAN
Proses pengambilan keputusan dipecah menjadi empat tahap.

490
Intelijen terdiri dari menemukan, mengidentifikasi, dan memahami

masalah yang terjadi dalam organisasi-mengapa ada masalah, di mana, dan
efek itu adalah memiliki pada perusahaan apa.
Desain melibatkan mengidentifikasi dan mengeksplorasi berbagai solusi
untuk masalah ini.
Pilihan terdiri dari memilih di antara alternatif solusi.
Penerapan melibatkan membuat pekerjaan alternatif yang dipilih dan
terus memantau seberapa baik solusi bekerja.
Apa yang terjadi jika solusi Anda telah memilih tidak bekerja? Gambar 12.2
menunjukkan bahwa Anda dapat kembali ke tahap awal dalam proses pengambilan
keputusan dan ulangi jika perlu. Misalnya, dalam menghadapi penurunan penjualan, tim
manajemen penjualan dapat memutuskan untuk membayar penjualan memaksa komisi
yang lebih tinggi untuk membuat lebih banyak penjualan untuk memacu pada upaya
penjualan. Jika ini tidak menghasilkan penjualan meningkat, manajer perlu menyelidiki
apakah masalah berasal dari desain miskin produk, dukungan pelanggan tidak memadai,
atau sejumlah penyebab lain yang memerlukan solusi yang berbeda.
MANAJER DAN PENGAMBILAN KEPUTUSAN DI

DUNIA NYATA
Premis buku ini dan bab ini adalah bahwa sistem untuk mendukung pengambilan
keputusan menghasilkan pengambilan lebih baik keputusan oleh para manajer dan
karyawan, atas rata-rata pengembalian investasi bagi perusahaan, dan ity akhirnya
profitabil- lebih tinggi. Namun, sistem informasi tidak dapat meningkatkan semua jenis
keputusan yang terjadi dalam sebuah organisasi. Mari kita memeriksa peran manajer dan
pengambilan keputusan dalam organisasi untuk melihat mengapa demikian.
Peran manajerial
Manajer memainkan peran kunci dalam organisasi. Tanggung jawab mereka
berkisar dari membuat keputusan, laporan tertulis kepada pertemuan
menghadiri, untuk mengatur pesta ulang tahun. Kami mampu untuk lebih
memahami fungsi manajerial dan peran dengan memeriksa model klasik dan
kontemporer dari perilaku manajerial.
Model klasik manajemen, yang menjelaskan apa yang manajer lakukan, sebagian besar
dipertanyakan untuk lebih dari 70 tahun sejak tahun 1920-an. Henri Fayol dan penulis
awal lainnya pertama menggambarkan lima fungsi klasik dari manajer perencanaan,
pengorganisasian, koordinasi, memutuskan, dan mengendalikan. Deskripsi ini kegiatan
pengelolaan didominasi manajemen berpikir untuk waktu yang lama, dan masih populer
saat ini.
Model klasik menjelaskan fungsi manajerial formal tetapi tidak membahas apa yang
manajer lakukan ketika mereka merencanakan, memutuskan sesuatu, dan mengontrol
pekerjaan orang lain. Untuk ini, kita harus beralih ke pekerjaan ilmuwan perilaku
kontemporer yang telah mempelajari manajer dalam tindakan sehari-hari. model
perilaku menyatakan bahwa perilaku aktual manajer tampaknya kurang sistematis,
lebih informal, kurang reflektif, lebih reaktif, dan kurang terorganisasi dengan baik
dari model klasik akan kita percaya.
Pengamat menemukan bahwa perilaku manajerial sebenarnya memiliki
lima atribut yang berbeda jauh dari deskripsi klasik. Pertama, manajer
melakukan banyak pekerjaan pada henti-hentinya kecepatan-studi telah
menemukan bahwa manajer terlibat dalam lebih dari 600 kegiatan yang
berbeda setiap hari, tanpa istirahat dalam langkah mereka. Kedua, kegiatan
manajerial yang terfragmentasi; sebagian besar kegiatan berlangsung selama
kurang dari sembilan menit, dan hanya 10 persen dari kegiatan melebihi satu
491
jam dalam durasi. Ketiga, manajer lebih memilih dan informasi saat ini,
khusus, ad hoc (informasi dicetak sering akan terlalu tua). Keempat, mereka
lebih memilih bentuk lisan
492
komunikasi untuk bentuk tertulis karena media lisan memberikan ity flexibil-
lebih besar, membutuhkan sedikit usaha, dan membawa respon yang lebih
cepat. Kelima, manajer memberikan prioritas yang tinggi untuk menjaga web
beragam dan kompleks dari kontak yang bertindak sebagai sistem informasi
informal dan membantu mereka melaksanakan agenda pribadi mereka dan
jangka pendek dan jangka panjang tujuan.
Menganalisis perilaku manajer sehari-hari, Henry Mintzberg menemukan
bahwa hal itu bisa diklasifikasikan ke dalam 10 peran manajerial. peran
manajerial harapan dari kegiatan yang manajer harus melakukan dalam suatu
organisasi. Mintzberg menemukan bahwa peran manajerial ini jatuh ke dalam
tiga kategori: interpersonal, informasional, dan putusan.
Peran interpersonal. Manajer bertindak sebagai figureheads bagi organisasi

ketika mereka mewakili perusahaan mereka ke dunia luar dan melakukan tugas
simbolik, seperti memberikan penghargaan karyawan, dalam peran interpersonal
mereka. Manajer bertindak sebagai pemimpin, berusaha untuk memotivasi,
nasihat, dan dukungan bawahan. Manajer juga bertindak sebagai penghubung
antara berbagai tingkat organisasi; dalam setiap tingkat ini, mereka berfungsi
sebagai penghubung antara para anggota tim manajemen. Manajer menyediakan
waktu dan nikmat, yang mereka harapkan akan dikembalikan.
Peran informasi. Dalam peran informasi mereka, manajer bertindak sebagai pusat saraf
dari organisasi mereka, menerima sebagian besar beton, up-to-date INFORMATION dan
mendistribusikan kepada mereka yang membutuhkan untuk menyadari hal itu. Manajer sana
penyebar informasi kedepan dan juru bicara untuk organisasi mereka.
Peran putusan. Manajer membuat keputusan. Dalam peran putusan mereka,

mereka bertindak sebagai pengusaha dengan memulai jenis baru kegiatan;
mereka menangani gangguan yang timbul dalam organisasi; mereka
mengalokasikan sumber daya untuk anggota staf yang membutuhkannya; dan
mereka bernegosiasi konflik dan mediasi antara kelompok-kelompok yang
saling bertentangan.
Tabel12.2,berdasarkanklasifikasiperanMintzberg,adalahsatumelihatdimanasistembisadantidakbisamembantumanajer.
Tabeltersebutmenunjukkanbahwainformasitemssistematissekarangmampumendukungsebagianbesar,tapitidaksemua,bidang
kehidupanmanajerial.
TABEL 12.2 PERAN MANAJERIAL DAN PENDUKUNG SISTEM INFORMASI

PERAN PERILAKU DUKUNGAN Peran SISTEM Interpersonal
sistem boneka Telepresence
Pemimpin Interpersonal Telepresence, jaringan sosial, Twitter
Penghubung Smartphone, jaringan sosial
Peran informasi
sistem informasi saraf pusat Manajemen, sistem pendukung eksekutif
Penyebar Informasi E-mail, jejaring sosial
pengolahan juru bicara Webinar, telepresence
Peran putusan
Pengusaha Keputusan Tidak ada
Gangguan handler membuat Tidak ada
Sumber daya pengalokasi intelijen bisnis, sistem pendukung keputusan
Negotiator Tidak ada
Sumber: Kenneth C. Laudon dan Jane P. Laudon; dan Mintzberg, 1971.

493
Real-W Pembuatan orld

Keputusan
Kita sekarang melihat bahwa sistem informasi tidak membantu untuk semua peran manajerial. Dan pada mereka
peran manajerial di mana sistem informasi dapat meningkatkan keputusan, investasi di bidang teknologi informasi
tidak selalu menghasilkan hasil yang positif. Ada tiga alasan utama: kualitas informasi, filter ment mengelola-, dan
budaya organisasi (lihat Bab 3).
Kualitas informasi. keputusan berkualitas tinggi membutuhkan kualitas
tinggi INFORMATION. Tabel 12.3 menggambarkan dimensi kualitas
informasi yang mempengaruhi kualitas keputusan.
Jika output dari sistem informasi tidak memenuhi kriteria kualitas ini, pengambilan
keputusan akan menderita. Bab 6 telah menunjukkan bahwa database perusahaan dan
file memiliki berbagai tingkat ketidaktepatan dan ketidaklengkapan, yang pada
gilirannya akan menurunkan kualitas pengambilan keputusan.
Manajemen Filter. Bahkan dengan tepat waktu, informasi yang akurat, beberapa ers
manag membuat keputusan yang buruk. Manajer (seperti semua manusia) menyerap
informasi melalui serangkaian filter untuk memahami dunia di sekitar mereka. Manajer
memiliki perhatian selektif, fokus pada beberapa jenis masalah dan solusi, dan memiliki
berbagai bias yang menolak informasi yang tidak sesuai dengan konsepsi mereka
sebelumnya.
Misalnya, perusahaan-perusahaan Wall Street seperti Bear Stearns dan Lehman Brothers meledak
pada tahun 2008 karena mereka meremehkan risiko investasi mereka di sekuritas hipotek yang
kompleks, banyak yang didasarkan pada pinjaman subprime yang lebih mungkin ke default. Model
komputer mereka dan lembaga keuangan lainnya yang digunakan untuk mengelola risiko didasarkan
pada asumsi terlalu optimis dan data terlalu sederhana tentang apa yang mungkin salah. Manajemen
ingin memastikan bahwa modal perusahaan mereka tidak semua terikat sebagai bantalan terhadap
default dari investasi berisiko, mencegah mereka dari investasi untuk menghasilkan keuntungan. Jadi
para perancang sistem manajemen risiko ini didorong untuk mengukur risiko dengan cara yang
minimzed pentingnya mereka.
Inersia Organisasi dan Politik. Organisasi yang birokrasi dengan
kemampuan terbatas dan kompetensi untuk bertindak tegas. Ketika
lingkungan perubahan dan bisnis perlu mengadopsi model bisnis baru untuk
TABEL 12.3 DIMENSI KUALITAS INFORMASI
KUALITAS DIMENSI KETERANGAN
Akurasi Apakah data mewakili realitas?
Integritas Adalah struktur data dan hubungan antar entitas dan atribut yang
konsisten?
Konsistensi Apakah elemen data secara konsisten didefinisikan?
Kelengkapan Apakah semua data yang diperlukan saat ini?
Validitas Apakah nilai data jatuh dalam rentang didefinisikan? Data ketepatan waktu di
Area tersedia saat dibutuhkan?
Aksesibilitas Apakah data diakses, dipahami, dan dapat digunakan?

494
bertahan hidup, kekuatan yang kuat dalam organisasi menolak membuat

keputusan menyerukan perubahan besar. Keputusan yang diambil oleh suatu
perusahaan sering mewakili balancing dari berbagai kelompok kepentingan
perusahaan daripada solusi terbaik untuk masalah ini.
Studi dari restrukturisasi bisnis menemukan bahwa perusahaan cenderung
mengabaikan kinerja yang buruk sampai terancam oleh pengambilalihan luar, dan
mereka secara sistematis menyalahkan kinerja yang buruk pada kekuatan eksternal
di luar kendali mereka seperti kondisi ekonomi (perekonomian), persaingan asing,
dan kenaikan harga, bukan menyalahkan senior yang atau manajemen menengah
untuk penilaian bisnis yang buruk.
TINGGI-KECEPATAN OTOMATIS PENGAMBILAN

KEPUTUSAN
Saatini,banyakkeputusanyangdibuatolehorganisasitidakdibuatolehparamanajer,ataumanusiamanapun.Misalnya,ketikaAnda
memasukkanquerykemesinpencariGoogle,GoogleharusmemutuskanmanaURLuntukmenampilkandisekitarsetengahdetik
rata-rata(500milidetik).Googleindekslebihdari50milyarhalamanWeb,meskipuntidakmencariseluruhindeksuntuksetiapquery
yangditerimanya.Halyangsamaberlakudarimesinpencarilainnya.BursaSahamNewYorkmenghabiskanlebihdari$450jutadi
2010-2011 untuk membangun sebuah platform trading yang mengeksekusi order yang
masuk dalam waktu kurang dari
50 milidetik. pedagang frekuensi tinggi di bursa saham elektronik mengeksekusi
perdagangan mereka di bawah 30 milidetik.
Kelas keputusan yang sangat terstruktur dan otomatis berkembang pesat. Apa yang
membuat semacam ini otomatis pengambilan kecepatan tinggi yang memungkinkan
algoritma komputer yang tepat menentukan langkah-langkah yang harus diikuti
untuk menghasilkan keputusan, yang sangat database besar, sangat prosesor
berkecepatan tinggi, dan perangkat lunak dioptimalkan untuk tugas itu. Dalam situasi
ini, manusia (termasuk manajer) dikeluarkan dari rantai keputusan karena mereka
terlalu lambat.
Ini juga berarti organisasi di daerah ini membuat keputusan lebih cepat dari apa yang
manajer dapat memantau atau kontrol. Ketidakmampuan untuk mengontrol keputusan
otomatis merupakan faktor utama dalam “Flash Kecelakaan” yang dialami pasar saham
AS pada 6 Mei 2010, ketika Dow Jones Industrial Average jatuh
600 poin dalam hitungan menit sebelum rebound hari itu. Pasar saham kewalahan oleh
gelombang besar order jual dipicu terutama oleh kecepatan tinggi program perdagangan
terkomputerisasi dalam beberapa detik, menyebabkan saham beberapa perusahaan
seperti Procter & Gamble untuk menjual untuk sen. Beberapa tahun terakhir telah melihat
serangkaian kerusakan yang sama di sistem perdagangan terkomputerisasi, termasuk satu
pada tanggal 1 Agustus, 2012 ketika kesalahan perangkat lunak yang disebabkan Knight
Capital memasukkan jutaan perdagangan rusak dalam waktu kurang dari satu jam.
Perdagangan kesalahan dibuat lonjakan liar dan terjun di hampir 150 saham dan
meninggalkan Ksatria dengan $ 440 juta kerugian.
Bagaimana kerangka Simon kerja tion intelijen-desain-pilihan-implementa- di-
kecepatan tinggi lingkungan keputusan? Pada dasarnya, kecerdasan, desain, bagian
pilihan, dan pelaksanaan proses pengambilan keputusan ditangkap oleh algoritma
perangkat lunak. Manusia yang menulis perangkat lunak telah mengidentifikasi masalah,
dirancang metode untuk mencari solusi, didefinisikan berbagai solusi yang dapat
diterima, dan diimplementasikan solusinya. Jelas, dengan manusia keluar dari loop, hati-
hati harus diambil untuk memastikan operasi yang tepat dari sistem ini supaya mereka
merugikan yang signifikan untuk beberapa lembaga dan manusia. Dan bahkan kemudian
pengamanan tambahan bijaksana untuk mengamati perilaku sistem ini, mengatur kinerja
mereka, dan jika perlu, mematikannya.
495
12.2 Bisnis sayaNTELLIGENCE DI Enterprise

Bab 2 memperkenalkan Anda untuk berbagai jenis sistem yang digunakan
untuk ing dukungan-pengambilan keputusan manajemen. Pada dasar dari
semua sistem pendukung keputusan ini adalah intelijen bisnis dan analisis
bisnis infrastruc- mendatang yang memasok data dan alat analisis untuk
mendukung pengambilan keputusan. Pada bagian ini, kami ingin menjawab
pertanyaan-pertanyaan berikut:
• Apa intelijen bisnis (BI) dan analisis bisnis (BA)
• Siapa yang membuat bisnis intelijen dan analisis bisnis
hardware dan software?
• Siapa saja pengguna intelijen bisnis?
• Apa jenis alat-alat analisis datang dengan BI / BA suite?
• Bagaimana para manajer menggunakan alat ini?
• Apa adalah beberapa contoh perusahaan yang telah
menggunakan alat ini?
• Apa strategi manajemen yang digunakan untuk
mengembangkan BI kemampuan / BA?
APAKAH KECERDASAN BISNIS?

Ketika kita berpikir tentang manusia sebagai makhluk cerdas kita sering merujuk kepada
kemampuan mereka untuk mengambil data dari lingkungan mereka, memahami arti dan
makna dari informasi, dan kemudian bertindak dengan tepat. Dapat sama dikatakan
perusahaan bisnis? Jawabannya tampaknya menjadi berkualitas “ya.” Semua organisasi,
termasuk dida- lamnya perusahaan bisnis, memang menerima informasi dari lingkungan
mereka, upaya untuk memahami arti informasi, dan kemudian mencoba untuk bertindak
atas informasi tersebut. Sama seperti manusia, beberapa perusahaan bisnis melakukan ini
dengan baik, dan lain-lain buruk.
“Bisnis intelijen (BI)” adalah istilah yang digunakan oleh hardware dan software
vendor dan konsultan teknologi informasi untuk menggambarkan infrastruktur untuk
pergudangan, mengintegrasikan, melaporkan, dan menganalisis data yang berasal
dari lingkungan bisnis, termasuk data besar. Infrastruktur dasar mengumpulkan,
menyimpan, membersihkan, dan membuat informasi yang relevan tersedia untuk
manajer. Pikirkan database, gudang data, data mart, Hadoop, dan platform analitik,
yang kita dijelaskan dalam Bab 6. “analisis Bisnis (BA)” juga vendor- didefinisikan
istilah yang lebih memfokuskan pada alat dan teknik untuk menganalisis dan
memahami data. Pikirkan pengolahan analisis online (OLAP), statistik, model, dan
data mining, yang kami juga diperkenalkan pada Bab 6.
Jadi, bertelanjang penting yang, intelijen bisnis dan analisis sekitar mengintegrasikan
semua aliran informasi yang dihasilkan oleh perusahaan menjadi, ent set perusahaan-
lebar tunggal coher- data, dan kemudian, dengan menggunakan pemodelan, alat analisi
sis statistik (seperti biasa distribusi, korelasi dan analisis regresi, Chi persegi analisis,
peramalan, dan analisis cluster), dan alat-alat data mining (Pat-tern penemuan dan
pembelajaran mesin), untuk masuk akal dari semua data tersebut sehingga manajer dapat
membuat keputusan yang lebih baik dan rencana yang lebih baik, atau setidaknya tahu
cepat ketika perusahaan mereka gagal memenuhi target yang direncanakan.
Salah satu perusahaan yang menggunakan intelijen bisnis adalah Hallmark Cards.
Perusahaan menggunakan software SAS Analytics untuk meningkatkan
pemahamannya tentang pola pembelian yang dapat menyebabkan peningkatan
penjualan di lebih dari 3.000 toko Hallmark Gold Crown di Sates Serikat. Hallmark
496
ingin memperkuat hubungan-kapal dengan sering pembeli. Menggunakan data

mining dan pemodelan prediktif, para haan com ditentukan bagaimana pasar untuk
berbagai segmen konsumen selama liburan
497
dan acara-acara khusus serta menyesuaikan promosi dengan cepat. Hallmark mampu
menentukan segmen pelanggan yang paling dipengaruhi oleh direct mail, yang harus
didekati melalui e-mail, dan apa pesan tertentu untuk mengirim masing-masing kelompok.
intelijen bisnis telah membantu meningkatkan penjualan Hallmark untuk anggota
program loyalitas sebesar 5 sampai 10 persen. organisasi lain yang telah mendapatkan
manfaat dari intelijen bisnis adalah Kebun Binatang Cincinnati, seperti yang dijelaskan
dalam Sesi Interaktif Organisasi.
ORS end Business Intelligence

V
Penting untuk diingat bahwa intelijen bisnis dan analisis yang ucts-produk yang
didefinisikan oleh vendor teknologi dan perusahaan konsultan. Mereka terdiri dari
hardware dan software suite dijual terutama oleh vendor sistem besar untuk sangat
besar Fortune 500 perusahaan. Lima penyedia terbesar dari produk ini adalah Oracle,
SAP, IBM, Microsoft, dan SAS (lihat Tabel 12.4). produk Microsoft yang ditujukan
kecil untuk perusahaan menengah, dan mereka didasarkan pada alat desktop akrab bagi
karyawan (seperti perangkat lunak spreadsheet Excel), alat-alat kolaborasi Microsoft
SharePoint, dan perangkat lunak database Microsoft SQL Server. Menurut
International Data Corporation, bisnis global intelligence dan analisis pasar adalah $
35,1 miliar pada 2012 dan diperkirakan akan mencapai $ 50,7 miliar pada tahun 2016
(Kern, 2012).
BISNIS KECERDASAN LINGKUNGAN

Gambar 12.3 (pada halaman 495) memberikan gambaran dari intelijen bisnis environ-
ment, menyoroti jenis ikatan hardware, software, dan manajemen capabili- bahwa vendor
besar menawarkan dan bahwa perusahaan berkembang dari waktu ke waktu. Ada enam
unsur dalam lingkungan bisnis intelijen ini:
• Data dari lingkungan bisnis: Bisnis harus berurusan
dengan baik data terstruktur dan tidak terstruktur dari
berbagai sumber, termasuk data besar. Data perlu
diintegrasikan dan terorganisir sehingga mereka dapat
dianalisis dan digunakan oleh pengambil keputusan
manusia.
• Infrastruktur Bisnis intelijen: Landasan yang mendasari intelijen bisnis
adalah sistem database yang kuat yang menangkap semua data yang
relevan untuk mengoperasikan bisnis. Data dapat disimpan dalam database
transaksional atau gabungan dan terintegrasi ke dalam sebuah gudang
perusahaan-data atau serangkaian data mart yang saling terkait.
TABEL 12.4 PEMIMPIN PASAR DAN SAHAM UNTUK PENYEDIA TOP

BISNIS INTELIJEN
PENJAJA SAHAM BISNIS KECERDASAN SOFTWARE

Peramal 19,3% Oracle Business Intelligence Suite Yayasan
GETAH 14,5% SAP BusinessObjects BI
IBM 13,8% IBM Cognos
Microsoft 7,4% Microsoft Excel, PowerPivot, SQL Server 2012 Bisnis
Intelijen
SAS Institute 7,1% SAS Enterprise Business Intelligence
494 Bagian ketiga Aplikasi Sistem kunci untuk Era Digital
SESI INTERAKTIF: ORGANISASI ORGANISASI

ANALYTICS MEMBANTU CINCINNATI ZOO TAHU PELANGGAN PERUSAHAAN
data warehouse terpusat dan menerapkan IBM Cognos
Didirikan pada tahun 1873, Cincinnati Zoo & Botanical
Business Intelligence untuk memberikan analisis real-
Garden adalah salah satu lembaga zoologi teratas di dunia,
time dan pelaporan.
dan kebun binatang tertua kedua di Amerika Serikat. Hal ini
juga salah satu atraksi bangsa paling populer, Top 10 Zagat-
dinilai Zoo, dan Orangtua Majalah Top Zoo untuk Anak-
anak. The Zoo 71-acre
situs adalah rumah bagi lebih dari 500 hewan dan 3.000
spesies tanaman. Sekitar 1,3 juta orang mengunjungi kebun
binatang ini setiap tahun.
Meskipun Zoo adalah sebuah organisasi nirlaba
par- tially disubsidi oleh Hamilton County, lebih dari
dua-pertiga dari anggaran tahunan $ 26 juta
dibayarkan dari upaya penggalangan dana, dan
sisanya berasal dari biaya masuk, makanan, dan
hadiah. Untuk meningkatkan pendapatan dan
meningkatkan kinerja, tim manajemen senior kebun
binatang ini memulai komprehensif
review operasinya. Kajian ini menemukan bahwa
agement manusia-memiliki pengetahuan yang terbatas
dan pemahaman tentang apa yang sebenarnya terjadi di
Kebun Binatang secara hari-ke hari, selain berapa
banyak orang mengunjungi setiap hari dan total
pendapatan Zoo.
Yang datang ke kebun binatang? Seberapa sering
mereka datang? Apa yang mereka lakukan dan apa yang
mereka beli? Manajemen tidak tahu. Masing-masing
dari empat pendapatan sungai-penerimaan, keanggotaan,
ritel, dan makanan layanan-memiliki berbagai point-of-
sale kebun binatang ini plat- bentuk, dan bisnis jasa
makanan, yang membawa
di $ 4 juta per tahun, masih mengandalkan pengguna ters
kas regis-. Manajemen harus menyaring melalui
penerimaan kertas hanya untuk memahami total penjualan
harian.
The Zoo telah disusun spreadsheet yang dikumpulkan
kode pos pengunjung, berharap untuk menggunakan data
untuk analisis geografis dan demografis. Jika data dapat
dikombinasikan dengan wawasan aktivitas pengunjung di
Kebun Binatang-apa atraksi yang mereka kunjungi, apa
yang mereka
makan dan minum, dan apa yang mereka beli di toko-toko
hadiah
Informasi -the akan sangat berharga untuk pemasaran.
Untukmencapaihalini,bagaimanapun,kebunbinatangyangdibutuhkan
untukmengubahsisteminformasiuntuklebihfokuspada
sebuah alytics dan manajemen data. The Zoo diganti nya
empat warisan point-of-sale sistem dengan platform-Galaxy
POS tunggal dari Gateway Ticketing Systems. Kemudian
terdaftar IBM dan BrightStar Partners (perusahaan
konsultan kemitraan dengan IBM) untuk membangun
495 Bagian ketiga Aplikasi Sistem kunci untuk Era Digital
Seperti semua atraksi luar, bisnis kebun binatang ini

sangat cuaca tergantung. Pada hari-hari hujan, kehadiran
jatuh tajam, sering meninggalkan kebun binatang
overstaffed dan overstocked. Jika cuaca sangat segera
sekutu panas, penjualan barang-barang tertentu seperti es
krim dan air minum kemasan cenderung meningkat, dan
kebun binatang mungkin kehabisan barang-barang tersebut.
The Zoo sekarang feed cuaca Data
dari US National Oceanic and Atmospheric
Administration (NOAA) situs Web ke dalam sistem
intelijen bisnis. Dengan membandingkan perkiraan saat
ini untuk kehadiran bersejarah dan data penjualan selama
kondisi cuaca yang sama, kebun binatang ini mampu
membuat keputusan yang lebih akurat tentang
penjadwalan tenaga kerja dan perencanaan persediaan.
Sebagai pengunjung memindai kartu keanggotaan
mereka di pintu masuk Kebun Binatang, keluar, atraksi,
restoran, dan toko-toko, atau gunakan Zoo kartu Loyalty
Rewards, sistem Zoo menangkap data dan analisis mereka
untuk menentukan penggunaan dan pengeluaran pola
sampai ke tingkat pelanggan individu. Informasi ini
membantu para pengunjung segmen Zoo berdasarkan
pengeluaran mereka
dan perilaku kunjungan dan menggunakan informasi ini
untuk menargetkan pemasaran dan promosi khusus untuk
setiap segmen pelanggan.
Salah satu segmen pelanggan Zoo diidentifikasi terdiri
dari orang-orang yang menghabiskan apa-apa selain harga
penerimaan selama kunjungan mereka. Jika masing-masing
orang menghabiskan $ 20 pada kunjungan berikutnya
mereka ke kebun binatang, kebun binatang akan mengambil
tambahan $ 260.000, yang hampir 1 persen dari seluruh
anggaran. The Zoo digunakan pelanggan tion
INFORMATION untuk merancang kampanye surat
pemasaran langsung di mana jenis ini pengunjung akan
ditawarkan diskon untuk beberapa restoran kebun binatang
dan toko-toko suvenir. pelanggan setia juga dihargai dengan
ditargetkan program pemasaran dan pengakuan.
Alih-alih mengirim penawaran khusus
untuk seluruh mailing list-nya, kebun binatang
ini mampu kampanye tailor
lebih tepatnya kelompok kecil orang, increas- ing
peluangnya untuk mengidentifikasi orang-orang
yang paling mungkin untuk menanggapi surat
tersebut. pemasaran yang lebih ditargetkan
membantu kebun binatang dipotong $ 40.000 dari
anggaran pemasaran tahunan.
Manajemen telah mengamati bahwa penjualan
makanan cenderung terdiam signifikan setelah 3 sore
setiap hari, dan mulai menutup beberapa gerai
makanan Zoo pada waktu itu. Tapi analisis data yang
lebih rinci menunjukkan bahwa lonjakan besar dalam
lembut-melayani penjualan es krim terjadi selama satu
jam terakhir
Bab 12 Meningkatkan Pengambilan Keputusan
495
sebelum kebun binatang menutup. Akibatnya, gerai es krim dalam penjualan. Enam bulan setelah penggelaran solusi
lembut melayani Zoo terbuka untuk seluruh hari. bisnis intelijen, kebun binatang mencapai peningkatan 30,7
konsesi Beer Hut kebun binatang ini memiliki enam persen dalam penjualan makanan dan peningkatan 5,9
merek yang berbeda, yang biasanya diputar berdasarkan persen
volume penjualan dan musim. Dengan ics IBM analyt-, penjualan ritel dibandingkan dengan periode yang sama
manajemen sekarang dapat langsung mengidentifikasi bir tahun sebelumnya.
menjual terbaik, pada hari apa, dan berapa waktu untuk
memastikan persediaan memenuhi permintaan. sumber: Justin Kern, “Analytics: Datang ke kebun binatang,
Museum, atau Taman Dekat Anda,” Informasi Manajemen, 28
Sebelumnya, butuh 7 sampai 14 hari untuk mendapatkan Agustus
informasi ini, yang 2012; IBM Corporation, “Kebun Binatang Cincinnati Meningkatkan
diperlukan mempekerjakan staf paruh waktu untuk Customer Experience dan Kinerja Meningkatkan,” 2011; Nucleus
Research, “IBM ROI Studi Kasus: Kebun Binatang Cincinnati,” Juli
menyaring kaset mendaftar. 2011; danwww.cincinnatizoo.org, diakses 26 Mei 2012.
Kemampuan Zoo untuk membuat keputusan yang
lebih baik tentang operasi telah menyebabkan perbaikan
dramatis
PERTANYAAN C ASE STU DY

1. Faktor-faktor apa manajemen, organisasi, dan teknologi 3. Bagaimana Kebun Binatang Cincinnati manfaat dari
berada di belakang Kebun Binatang Cincinnati intelijen bisnis? Bagaimana hal itu meningkatkan
kehilangan peluang untuk meningkatkan pendapatan? operasional per- Formance dan pengambilan keputusan?
2. Mengapa menggantikan warisan point-of-sale sistem Apa peran yang dimainkan oleh analisis prediktif?
dan menerapkan data warehouse penting untuk solusi 4. Kunjungi situs Web IBM Cognos dan menggambarkan
sistem informasi? alat-alat intelijen bisnis yang akan menjadi yang paling
berguna untuk kebun binatang Cincinnati.
• analisis Bisnis toolset: Satu set perangkat lunak yang digunakan untuk
menganalisis data dan menghasilkan laporan, menanggapi pertanyaan
yang diajukan oleh manajer, dan melacak kemajuan bisnis menggunakan
indikator kunci kinerja.
GAMBAR 12.3 KECERDASAN BISNIS DAN ANALYTICS UNTUK PENDUKUNG

KEPUTUSAN
Intelijen bisnis dan analisis memerlukan landasan yang kuat basis data, satu set alat analitik, dan tim
manajemen yang terlibat yang dapat mengajukan pertanyaan yang cerdas dan menganalisis data.
496
• pengguna Manajerial dan metode: Bisnis intelijen hardware

dan software yang hanya sebagai cerdas sebagai manusia
yang menggunakannya. Manajer memaksakan agar pada
analisis data menggunakan berbagai metode manajerial yang
menentukan tujuan bisnis strategis dan menentukan
bagaimana kemajuan akan diukur. Ini termasuk manajemen
kinerja bisnis dan pendekatan balanced scorecard berfokus
pada indikator kinerja utama dan analisis strategis industri
berfokus pada perubahan dalam lingkungan bisnis umum,
dengan perhatian khusus pada pesaing. Tanpa pengawasan
manajemen senior yang kuat, analisis bisnis dapat
menghasilkan banyak informasi, laporan, dan layar online
yang fokus pada hal-hal yang salah dan mengalihkan
perhatian
dari masalah nyata. Anda harus ingat bahwa, sejauh ini, hanya manusia dapat
mengajukan pertanyaan yang cerdas.
• Pengiriman platform MIS, DSS, ESS: Hasil dari intelijen
bisnis dan analisis disampaikan kepada manajer dan
karyawan dalam berbagai cara, tergantung pada apa yang
mereka perlu ketahui untuk melakukan pekerjaan mereka.
MIS, DSS, dan ESS, yang kita diperkenalkan pada Bab 2,
menyampaikan informasi dan pengetahuan untuk orang
yang berbeda dan tingkat di karyawan perusahaan-
operasional, manajer menengah, dan eksekutif senior. Di
masa lalu, sistem ini tidak bisa berbagi data dan
dioperasikan sebagai sistem independen. Hari ini, salah satu
suite hardware dan software dalam bentuk bisnis intelijen
dan analisis paket
mampu mengintegrasikan semua informasi ini dan membawanya ke desktop
manajer atau platform mobile.
• User interface: Bisnis orang tidak lagi terikat dengan meja

dan desktop mereka. Mereka sering belajar lebih cepat dari
representasi visual data dari dari laporan kering dengan
kolom dan baris informasi. Hari ini perangkat lunak analisis
bisnis suite menekankan teknik visual seperti dashboard dan
scorecard. Mereka juga mampu memberikan laporan tentang
BlackBerry, iPhone, dan handheld mobile lainnya serta di
portal Web perusahaan. software BA adalah menambahkan
kemampuan untuk mengirim informasi di Twitter,
Facebook, atau media sosial internal untuk mendukung
pengambilan keputusan dalam kelompok secara online
pengaturan bukan di pertemuan tatap muka.
KECERDASAN BISNIS DAN KEMAMPUAN

ANALYTICS
Intelijen bisnis dan analisis berjanji untuk memberikan yang benar, informasi
yang hampir real-time kepada para pembuat keputusan, dan alat-alat analitik
membantu mereka cepat memahami informasi dan mengambil tindakan. Ada
enam ities fungsional-analitik bahwa sistem BI memberikan untuk mencapai
tujuan ini:
• Laporan Produksi: Ini adalah laporan yang telah ditetapkan
berdasarkan persyaratan tertentu industri- (lihat Tabel 12.5).
• laporan parameter: Pengguna memasukkan beberapa parameter seperti pada tabel pivot
497
untuk menyaring data dan mengisolasi dampak dari parameter. Misalnya, Anda mungkin
ingin memasuki wilayah dan waktu hari untuk memahami bagaimana penjualan produk
bervariasi
menurut wilayah dan waktu. Jika Anda Starbucks, Anda mungkin menemukan bahwa
pelanggan di Timur membeli sebagian besar kopi mereka di pagi hari, sedangkan di
Northwest pelanggan membeli kopi sepanjang hari. Temuan ini mungkin
menyebabkan pemasaran dan iklan yang berbeda kampanye di masing-masing daerah.
(Lihat pembahasan tabel pivot dalam Bagian 12.3.)
• Dashboard / Scorecard: Ini adalah alat visual untuk menyajikan data
kinerja didefinisikan oleh pengguna.
• Ad hoc permintaan / search / Laporan penciptaan: Ini
memungkinkan pengguna untuk membuat laporan sendiri berdasarkan
permintaan dan pencarian.
498
• Menelusuri: Ini adalah kemampuan untuk berpindah dari ringkasan tingkat

tinggi untuk tampilan yang lebih detail.
• Prakiraan, skenario, model: Ini termasuk kemampuan untuk
melakukan peramalan linier, apa-jika analisis skenario, dan
menganalisis data menggunakan alat statistik standar.
Siapa yang Menggunakan Business Intelligence

dan Bisnis
Analisis?
Dalam bab-bab sebelumnya, kita telah menggambarkan konstituen informasi
yang berbeda di perusahaan-dari bisnis manajer senior untuk manajer
menengah, analis, dan karyawan operasional. Hal ini juga berlaku untuk BI dan
sistem BA (lihat Gambar 12.4). Lebih dari 80 persen dari penonton untuk BI
terdiri dari pengguna biasa yang mengandalkan sebagian besar pada laporan
produksi. eksekutif senior cenderung menggunakan BI untuk memantau
kegiatan perusahaan menggunakan antarmuka visual seperti dashboard dan
scorecard. manajer menengah dan analis jauh lebih mungkin tenggelam dalam
data dan perangkat lunak, memasuki query dan mengiris dan dicing data
sepanjang dimensi yang berbeda. karyawan operasional akan, bersama dengan
pelanggan dan pemasok, menjadi melihat sebagian besar di laporan dikemas.
Produksi orts Rep

Output yang paling banyak digunakan dari suite BI alat laporan produksi pra-paket. Tabel
12.5 menggambarkan beberapa laporan yang telah ditetapkan umum dari BI Suite Oracle
alat.
e Analytics
Predictiv
Kemampuan penting dari analisis intelijen bisnis adalah kemampuan untuk model
peristiwa dan perilaku masa depan, seperti probabilitas bahwa pelanggan akan
menanggapi tawaran untuk membeli produk. analisis prediktif menggunakan analisis
statistik, teknik data mining, data historis, dan asumsi tentang kondisi masa depan
untuk memprediksi tren masa depan dan pola perilaku. Variabel yang dapat diukur
untuk memprediksi perilaku masa depan diidentifikasi. Sebagai contoh, sebuah
perusahaan Ance insur- mungkin menggunakan variabel seperti usia, jenis kelamin,
dan mengemudi rekor sebagai
GAMBAR 12.4 PENGGUNA BISNIS KECERDASAN

499
pengguna kasual adalah konsumen output BI, sedangkan pengguna listrik intens adalah produsen
laporan, analisis baru, model, dan prakiraan.
500
TABEL 12.5 CONTOH BISNIS INTELIJEN yang telah ditetapkan LAPORAN

PRODUKSI
BISNIS LAPORAN PRODUKSI FUNGSIONAL AREA
Penjualan Prakiraan penjualan; kinerja tim penjualan; Cross selling; siklus penjualan kali Service /
Call Center kepuasan pelanggan; Biaya jasa; tingkat resolusi; tingkat churn efektivitas Kampanye
Pemasaran; loyalitas dan gesekan; keranjang pasar analisis Pengadaan dan Dukungan langsung
dan belanja tidak langsung; pembelian off-kontrak; pemasok
prestasi
Supply Chain Backlog; Status pemenuhan; Agar siklus waktu; bill analisis bahan Financials General ledger;
piutang dan hutang; arus kas; profitabilitas produktivitas Sumber Daya Manusia Pegawai; kompensasi; tenaga
kerja demografi;
penyimp
anan
prediktor keselamatan mengemudi ketika mengeluarkan kebijakan asuransi

mobil. Koleksi prediktor tersebut digabungkan menjadi model prediktif untuk
peramalan probabilitas masa depan dengan tingkat yang dapat diterima
keandalan.
FedEx telah menggunakan analisis prediktif untuk mengembangkan model yang memprediksi
bagaimana pelanggan akan merespon perubahan harga dan layanan baru, yang pelanggan yang
paling berisiko beralih ke pesaing, dan berapa banyak pendapatan akan dihasilkan oleh toko baru
atau drop-box lokasi . Tingkat akurasi sistem analisis prediktif FedEx berkisar 65-90 persen.
analisis prediktif sedang dimasukkan ke dalam berbagai bisnis Intellistudio
aplikasi gence untuk penjualan, pemasaran, keuangan, deteksi penipuan, dan
perawatan kesehatan. Salah satu aplikasi yang paling terkenal adalah credit
scoring, yang digunakan di seluruh industri jasa keuangan. Ketika Anda
mengajukan permohonan untuk kartu kredit baru, model scoring proses sejarah
kredit, aplikasi pinjaman, dan data pembelian Anda untuk menentukan
kemungkinan Anda melakukan pembayaran kredit di masa mendatang tepat
waktu. perusahaan telekomunikasi menggunakan analisis prediktif untuk
mengidentifikasi pelanggan yang paling menguntungkan, yang paling mungkin
untuk pergi, dan yang layanan baru dan rencana akan paling mungkin untuk
mempertahankan pelanggan. asuransi kesehatan telah menganalisis data selama
bertahun-tahun untuk mengidentifikasi pasien yang paling mungkin untuk
menghasilkan biaya tinggi.
Banyak perusahaan mempekerjakan analisis prediktif untuk memprediksi respons
terhadap kampanye pemasaran langsung. Dengan mengidentifikasi pelanggan
cenderung untuk menanggapi, perusahaan dapat menurunkan pemasaran mereka dan
biaya penjualan dengan melewati kelompok ini dan memfokuskan sumber daya mereka
pada pelanggan yang telah diidentifikasi sebagai lebih menjanjikan. Misalnya, divisi AS
The Body Shop plc digunakan analisis prediktif dan database-nya dari katalog, Web,
dan pelanggan toko ritel untuk mengidentifikasi pelanggan yang lebih mungkin untuk
melakukan pembelian katalog. informasi yang membantu perusahaan membangun lebih
tepat dan ditargetkan mailing list untuk katalog nya, meningkatkan tingkat respon untuk
surat katalog dan pendapatan katalog.
Big data Analytics

Banyak pengecer online memiliki kemampuan untuk membuat rekomendasi produk
secara online pribadi untuk pengunjung situs Web mereka untuk membantu merangsang
pembelian dan membimbing keputusan mereka tentang apa barang untuk persediaan.
501
Namun, sebagian besar rekomendasi produk ini didasarkan pada perilaku kelompok
serupa
502
pelanggan, seperti yang dengan pendapatan di bawah $ 50.000 atau yang usia adalah
antara 18-25. Sekarang beberapa mulai menganalisis jumlah besar data pelanggan
online dan di dalam toko mereka mengumpulkan bersama dengan data media sosial
untuk membuat rekomendasi ini lebih individual.
perusahaan online besar seperti Walmart, Netflix, dan eBay menganalisa data yang
besar dari transaksi pelanggan mereka dan media sosial stream untuk membuat real-time
pribadi pengalaman belanja. Upaya ini menerjemahkan ke dalam tingkat pengeluaran
pelanggan dan retensi pelanggan yang lebih tinggi.
EBay menggunakan Hunch.com, yang diakuisisi pada tahun 2011, untuk
memberikan rekomendasi yang disesuaikan untuk pengguna individu berdasarkan set
khusus mereka selera. Firasat telah membangun database besar yang mencakup data
dari pembelian pelanggan, jaringan sosial, dan sinyal dari seluruh Web. Firasat mampu
menganalisis data untuk membuat “rasa grafik” yang memetakan pengguna dengan
afinitas mereka diprediksi untuk produk, layanan, situs Web, dan orang-orang lain, dan
menggunakan informasi ini untuk membuat rekomendasi yang disesuaikan.
The firasat “Grafik rasa” meliputi prediksi pada sekitar 500 juta orang,
200 juta benda (seperti video, gadget, atau buku), dan 30 miliar tions connec- antara
orang-orang dan benda-benda. Untuk menghasilkan prediksi yang akurat di dekat real-
time, firasat berubah selera masing-masing orang menjadi lebih mudah dikelola “rasa
sidik jari” yang diambil dari grafik rasa yang lebih besar.
teknologi prediksi Hunch.com adalah membantu eBay mengembangkan tions
recommenda- item yang mungkin tidak segera jelas bagi pengguna untuk
membeli dari pasar online. Misalnya, untuk pembelian koin kolektor di eBay,
firasat mungkin merekomendasikan mikroskop yang sangat berguna untuk
analisis koin. Firasat juga bisa menjadi alat yang penting bagi penjual eBay jika
profil pelanggan membantu mereka membuat keputusan yang lebih baik tentang
item yang ditawarkan, konten yang mereka gunakan untuk menggambarkan
persediaan mereka, dan bahkan mungkin ing advertis- mereka gunakan untuk
mempromosikan listing eBay mereka (Grau 2012).
Data Visualisasi, Visual Analytics, dan Geografis

Sistem Informasi
Dengan menyajikan data dalam bentuk visual, visualisasi data dan alat analisis visual yang
membantu pengguna melihat pola dan hubungan dalam jumlah besar data yang akan sulit
untuk membedakan apakah data disajikan sebagai daftar tradisional dari teks atau angka.
Data disajikan dalam bentuk grafik yang kaya, grafik, dashboard, dan peta. Orang-orang
menjadi lebih terlibat ketika mereka dapat menyaring informasi yang disajikan secara
visual dan mengembangkan wawasan mereka sendiri.
sistem informasi geografis (GIS) adalah kategori khusus alat untuk membantu
pengambil keputusan memvisualisasikan masalah yang membutuhkan pengetahuan
tentang distribusi grafis geo orang atau sumber daya lainnya. perangkat lunak GIS
mengikat data lokasi ke titik, garis, dan daerah pada peta. Beberapa GIS memiliki
kemampuan pemodelan untuk mengubah data dan secara otomatis merevisi skenario
bisnis. GIS dapat digunakan untuk membantu pemerintah negara bagian dan lokal
menghitung waktu respon terhadap bencana alam dan keadaan darurat lainnya atau untuk
membantu bank-bank mengidentifikasi lokasi terbaik untuk menginstal cabang baru atau
terminal ATM.
Misalnya, berbasis Carolina Columbia, South First Citizens Bank menggunakan perangkat lunak
GIS dari MapInfo untuk menentukan pasar untuk fokus pada untuk mempertahankan pelanggan dan
yang untuk fokus pada untuk memperoleh pelanggan baru. MapInfo juga memungkinkan bank
menelusuri ke rincian di tingkat cabang dan tujuan vidualize puncak-untuk setiap cabang. Masing-
masing cabang dapat melihat apakah peluang pendapatan terbesar berasal dari pertambangan database
pelanggan yang sudah ada atau dari menemukan pelanggan baru.
503
The National Marine

Fisheries Layanan AS
(NMFS) dibuat GIS untuk
mengidentifikasi habitat
penting bagi Steelhead trout
di Amerika Barat
Pantai. daerah merah
menunjukkan habitat kritis.
daerah Pink-berbayang
menunjukkan tempat di mana
ikan Steelhead terancam
punah, dan daerah kuning
dotted- menunjukkan tempat
di mana spesies terancam.
STRATEGI MANAJEMEN PENGEMBANGAN BI DAN BA

KEMAMPUAN
Ada dua strategi yang berbeda untuk mengadopsi BI dan BA kemampuan
bagi organisasi: satu-stop solusi terintegrasi dibandingkan beberapa best-of-
breed solusi vendor. Perusahaan-perusahaan hardware (IBM, HP, dan
sekarang Oracle, yang memiliki Sun Microsystems) ingin menjual tions
perusahaan Anda terintegrasi hardware / software solu- yang cenderung
hanya berjalan pada perangkat keras mereka (solusi terintegrasi total). Ini
disebut “one-stop shopping.” Perusahaan-perusahaan software (SAP, SAS,
dan Microsoft) mendorong perusahaan untuk mengadopsi “terbaik
berkembang biak” perangkat lunak dan yang berjalan pada setiap mesin yang
mereka inginkan. Dalam strategi ini, Anda mengadopsi solusi terbaik
database dan data warehouse, dan pilih yang terbaik intelijen bisnis dan
analisis paket dari vendor apa pun yang Anda percaya adalah yang terbaik.
Solusi pertama membawa risiko yang satu vendor menyediakan total solusi hardware
dan software perusahaan Anda, membuat perusahaan Anda tergantung pada kekuatan
harga nya. Ia juga menawarkan keuntungan berurusan dengan satu vendor yang dapat
memberikan pada skala global. Solusi kedua menawarkan fleksibilitas yang lebih besar
dan kemerdekaan, tetapi dengan risiko potensi kesulitan mengintegrasikan software untuk
platform hardware, serta perangkat lunak lainnya. Vendor selalu mengklaim perangkat
lunak mereka “kompatibel” dengan perangkat lunak lain, tetapi kenyataannya adalah
bahwa hal itu bisa sangat sulit untuk mengintegrasikan software dari vendor yang berbeda.
Microsoft khususnya menekankan membangun antarmuka desktop dan sistem operasi nya
(Windows), yang akrab bagi banyak pengguna, dan mengembangkan server yang
beragam aplikasi yang berjalan pada Microsoft jaringan area lokal. Tapi data dari
perangkat keras dan perangkat lunak yang diproduksi oleh vendor yang berbeda akan
memiliki mengalir mulus ke Microsoft workstation untuk membuat karya strategi ini. Ini
mungkin tidak cukup untuk Fortune 500 perusahaan membutuhkan solusi jaringan global.
504
Apapun yang strategi

mengadopsi perusahaan
Anda, semua BI dan BA
sistem mengunci perusahaan
menjadi satu set vendor dan
switching sangat mahal.
Setelah Anda melatih ribuan
505
karyawan di seluruh dunia menggunakan set tertentu alat, adalah sangat sulit untuk
beralih. Bila Anda mengadopsi sistem ini, Anda pada dasarnya mengambil pasangan baru.
pasar sangat kompetitif dan diberikan kepada hiperbola. Satu BI penjual klaim
“[kami alat] menyatukan portofolio layanan, perangkat lunak, perangkat keras dan
teknologi mitra untuk menciptakan solusi intelijen bisnis. Dengan menghubungkan
kecerdasan di perusahaan Anda, Anda mendapatkan keuntungan kompetitif untuk
menciptakan peluang bisnis baru.”Sebagai manajer, Anda harus mengevaluasi
secara kritis klaim tersebut, memahami persis bagaimana sistem ini bisa
meningkatkan bisnis Anda, dan menentukan apakah pengeluaran yang layak
manfaat.
12.3 Bisnis sayaNTELLIGENCE CONSTITUENCIES

Ada banyak konstituen yang berbeda yang membentuk sebuah perusahaan
bisnis modern. Sebelumnya dalam teks ini dan dalam bab ini kami
mengidentifikasi tiga tingkat manajemen: pengawasan (operasional)
manajemen yang lebih rendah, manajemen menengah, dan manaj emen
senior (wakil presiden dan atas, termasuk eksekutif atau manajemen
“tingkat C”, misalnya kepala eksekutif, petugas chief keuangan, dan
kepala operasional.) Masing-masing kelompok manajemen ini memiliki
tanggung jawab yang berbeda dan kebutuhan yang berbeda untuk
informasi dan intelijen bisnis, dengan keputusan menjadi kurang
terstruktur antara tingkat manajemen yang lebih tinggi (review Gambar
12.1).
PENDUKUNG KEPUTUSAN MANAJEMEN

OPERASIONAL DAN TENGAH
manajemen operasional dan menengah umumnya dibebankan dengan
pemantauan kinerja aspek-aspek kunci dari bisnis, mulai dari turun-waktu
mesin di lantai pabrik, dengan penjualan harian atau bahkan per jam di toko
makanan waralaba, dengan lalu lintas harian di sebuah perusahaan Situs web.
Sebagian besar keputusan yang mereka buat cukup terstruktur. sistem informasi
manajemen (MIS) biasanya digunakan oleh manajer menengah untuk
mendukung jenis pengambilan keputusan, dan output utama mereka adalah satu
set laporan produksi rutin berdasarkan data yang diambil dan diringkas dari
sistem pemrosesan transaksi yang mendasari perusahaan (TPS). Semakin,
manajer menengah menerima laporan tersebut secara online di portal
perusahaan, dan mampu secara interaktif query data untuk mencari tahu
mengapa peristiwa yang terjadi. Untuk menghemat waktu analisis lebih,
manajer beralih ke laporan pengecualian, yang menyoroti hanya kondisi luar
biasa, seperti ketika kuota penjualan untuk wilayah jatuh spesifik di bawah
tingkat diantisipasi atau karyawan telah melampaui batas pengeluaran mereka
dalam rencana perawatan gigi. Tabel 12.6 memberikan beberapa contoh
aplikasi MIS.
Supp ort f atau Keputusan semi

terstruktur
Beberapa manajer “super pengguna” dan analis bisnis yang tajam yang ingin membuat
laporan mereka sendiri, dan menggunakan analisis yang lebih canggih dan model
506
untuk menemukan pola dalam data, untuk model skenario bisnis alternatif, atau untuk
menguji hipotesis tertentu. sistem pendukung keputusan (DSS) adalah platform
pengiriman BI untuk kategori ini pengguna, dengan kemampuan untuk mendukung
pengambilan keputusan semi terstruktur.
507
TABEL 12.6 CONTOH MIS APLIKASI

PERUSAHAAN MIS APLIKASI
California Pizza Kitchen Inventarisasi aplikasi Express “ingat” pola memesan masing-masing restoran dan
membandingkan jumlah bahan yang digunakan per item menu untuk yang telah
ditetapkan bagian pengukuran yang ditetapkan oleh manajemen. Sistem ini
mengidentifikasi restoran dengan out-of-line porsi dan memberitahu manajer
mereka sehingga tindakan korektif akan diambil.
PharMark Extranet MIS mengidentifikasi pasien dengan pola penggunaan narkoba yang
menempatkan mereka pada risiko untuk hasil yang merugikan.
Black & Veatch Intranet MIS melacak biaya konstruksi untuk berbagai proyek di seluruh
Amerika
Serikat.
Taco Bell Jumlah Automation Perusahaan Operasi (TACO) sistem yang menyediakaninformasi makanan, tenaga kerja, dan periode-to-date biaya untuk masing-masing restoran.
DSS lebih mengandalkan pemodelan dari MIS, menggunakan model lytical

matematika atau ana- untuk melakukan apa-jika atau jenis lain dari analisis. “Apa-jika”
ysis anal-, bekerja maju dari kondisi yang diketahui atau diasumsikan, memungkinkan
pengguna untuk beragam nilai-nilai tertentu untuk menguji hasil untuk memprediksi
hasil jika perubahan terjadi pada nilai-nilai. Apa yang terjadi jika kita menaikkan harga
produk sebesar 5 persen atau meningkatkan anggaran iklan sebesar $ 1 juta? model
analisis sensitivitas bertanya apa-jika pertanyaan berulang kali untuk memprediksi
berbagai hasil ketika satu atau lebih variabel berubah beberapa kali (lihat Gambar
12.5). Analisis sensitivitas mundur membantu pengambil keputusan dengan mencari
tujuan: Jika saya ingin menjual
1 juta unit produk tahun depan, betapa aku harus mengurangi harga produk?
Bab 6 dijelaskan analisis data multidimensi dan OLAP sebagai salah satu
teknologi intelijen bisnis kunci. Spreadsheet memiliki fitur serupa untuk
analisis multidimensi yang disebut poros meja, yang manajer “super
pengguna” dan analis mempekerjakan untuk mengidentifikasi dan memahami
pola dalam informasi bisnis yang mungkin berguna untuk pengambilan
keputusan semi terstruktur.
Gambar 12.6 mengilustrasikan Microsoft Excel 2010 poros meja yang meneliti
daftar besar transaksi agar perusahaan yang menjual video pelatihan manajemen online
dan buku. Ini menunjukkan hubungan antara dua dimensi: wilayah penjualan dan
sumber kontak (Web spanduk iklan atau e-mail) untuk setiap pesanan pelanggan. Itu
menjawab pertanyaan: apakah sumber pelanggan membuat perbedaan selain wilayah?
Tabel pivot dalam gambar ini menunjukkan bahwa sebagian besar konsumen berasal
dari Barat dan iklan banner menghasilkan sebagian besar pelanggan di semua daerah.
Salah satu proyek Hands-On MIS untuk bab ini meminta Anda untuk menggunakan
tabel pivot untuk menemukan jawaban atas sejumlah pertanyaan lainnya menggunakan
daftar yang sama dari transaksi untuk perusahaan pelatihan online seperti yang kita
digunakan dalam diskusi ini. File Excel lengkap untuk transaksi ini tersedia dalam
MyMISLab. Kami juga telah menambahkan Belajar Lacak pada menciptakan tabel pivot
menggunakan Excel.
Di masa lalu, banyak pemodelan ini dilakukan dengan spreadsheet dan kecil yang
berdiri sendiri database. Hari ini kemampuan ini dimasukkan ke dalam sistem BI
perusahaan besar di mana mereka dapat menganalisis data dari database tingkat corpo-
besar. analisis BI termasuk alat-alat untuk pemodelan intensif, beberapa dari kami yang
dijelaskan sebelumnya. kemampuan tersebut membantu Progressive Insurance
508
mengidentifikasi pelanggan terbaik untuk produk-produknya. Menggunakan data

industri asuransi yang tersedia secara luas,
509
GAMBAR 12.5 ANALISIS SENSITIVITAS
Tabel ini menampilkan hasil dari analisis sensitivitas pengaruh perubahan harga penjualan dasi dan biaya per unit pada titik impas produk. Ini menjawab pertanyaan,
“Apa yang terjadi pada titik impas jika harga penjualan dan biaya untuk membuat setiap peningkatan satuan atau menurun?”
Progresif mendefinisikan kelompok-kelompok kecil dari pelanggan, atau “sel,”

seperti pengendara sepeda motor berusia 30 atau di atas dengan pendidikan
perguruan tinggi, nilai kredit di atas tingkat tertentu, dan tidak ada kecelakaan.
Untuk setiap “sel,” Progressive melakukan analisis regresi untuk
mengidentifikasi faktor-faktor berkorelasi paling dekat dengan asuransi kerugian
yang khas untuk kelompok ini. Ini kemudian menetapkan harga untuk setiap sel,
dan menggunakan perangkat lunak tion simulation untuk menguji apakah
pengaturan harga ini akan memungkinkan perusahaan untuk membuat
keuntungan. Teknik-teknik analitik, memungkinkan bagi Progresif untuk
menguntungkan memastikan pelanggan di tradisional kategori berisiko tinggi
bahwa asuransi lain akan ditolak.
GAMBAR 12.6 Sebuah TABLE PIVOT yang meneliti PELANGGAN DAERAH

DISTRIBUSI DAN ADVERTISING SUMBER
Dalam tabel pivot ini, kami dapat memeriksa di mana pelanggan perusahaan pelatihan online berasal
dari segi wilayah dan sumber iklan.
510
PENDUKUNG KEPUTUSAN MANAJEMEN SENIOR:

BALANCED SCORECARD DAN ENTERPRISE
METODE MANAJEMEN KINERJA
Tujuan dari sistem eksekutif dukungan (ESS), diperkenalkan pada Bab 2, adalah untuk
membantu manajer eksekutif C-tingkat fokus pada informasi kinerja benar-benar penting
yang mempengaruhi profitabilitas secara keseluruhan dan keberhasilan perusahaan. Ada
dua bagian untuk mengembangkan ESS. Pertama, Anda akan memerlukan metodologi
untuk pemahamannya persis apa yang “informasi kinerja benar-benar penting” untuk
sebuah perusahaan tertentu yang perlu eksekutif, dan kedua, Anda akan perlu untuk
mengembangkan sistem yang mampu memberikan informasi ini kepada orang yang tepat
di waktu mode.
Saat ini, metodologi terkemuka untuk memahami informasi yang benar-
benar penting yang dibutuhkan oleh eksekutif sebuah perusahaan disebut
metode Balanced Scorecard (Kaplan dan Norton, 2004; Kaplan dan Norton,
1992). Kartu skor seimbang adalah suatu kerangka kerja untuk operasionalisasi
rencana strategis perusahaan dengan berfokus pada hasil yang terukur pada
empat dimensi kinerja perusahaan: keuangan, proses bisnis, pelanggan, dan
pembelajaran dan pertumbuhan (Gambar 12.7).
Kinerja pada setiap dimensi diukur dengan menggunakan indikator kinerja
utama (KPI), yang merupakan langkah yang diusulkan oleh manajemen senior
untuk memahami seberapa baik perusahaan berkinerja bersama dimensi yang
diberikan. Misalnya, salah satu indikator kunci dari seberapa baik sebuah
perusahaan ritel online adalah memenuhi tujuan kinerja pelanggan adalah panjang
rata-rata waktu yang dibutuhkan untuk mengirimkan paket ke konsumen. Jika
perusahaan Anda adalah bank, salah satu KPI kinerja proses bisnis adalah lamanya
waktu yang dibutuhkan untuk melakukan fungsi dasar seperti membuat account
pelanggan baru.
GAMBAR 12.7 BALANCED SCORECARD KERANGKA

511
Dalam rangka balanced scorecard, tujuan strategis perusahaan yang dioperasionalkan bersama empat
dimensi: keuangan, proses bisnis, pelanggan, dan pembelajaran dan pertumbuhan. Setiap dimensi diukur
dengan menggunakan beberapa KPI.
512
Kerangka balanced scorecard dianggap “seimbang” karena menyebabkan manajer

untuk fokus pada lebih dari kinerja hanya keuangan. Dalam pandangan ini, kinerja
keuangan adalah masa lalu sejarah-hasil dari tindakan-dan masa lalu manajer harus
fokus pada hal-hal mereka mampu mempengaruhi hari ini, seperti efisiensi proses
bisnis, kepuasan pelanggan, dan pelatihan karyawan. Setelah scorecard dikembangkan
oleh konsultan dan eksekutif senior, langkah selanjutnya adalah mengotomatisasi aliran
informasi kepada eksekutif dan manajer lain untuk masing-masing indikator kinerja
utama. Ada ratusan konsultasi dan perangkat lunak perusahaan yang menawarkan
kemampuan ini, yang dijelaskan di bawah. Setelah sistem ini diterapkan, mereka sering
disebut sebagai ESS.
metodologi manajemen populer lain yang terkait erat adalah manajemen
kinerja bisnis (BPM). Awalnya didefinisikan oleh sebuah kelompok industri
di
2004 (dipimpin oleh perusahaan yang sama yang menjual sistem perusahaan dan basis data
seperti Oracle, SAP, dan IBM), BPM mencoba untuk secara sistematis menerjemahkan gies
strate- perusahaan (misalnya, diferensiasi, produser murah, pertumbuhan pangsa pasar, dan
ruang lingkup operasi ) menjadi target operasional. Setelah strategi dan target diidentifikasi,
satu set KPI dikembangkan bahwa kemajuan mengukur menuju sasaran. kinerja perusahaan
kemudian diukur dengan informasi yang diperoleh dari sistem hadiah basis data masukkan-
perusahaan. BPM menggunakan ide yang sama seperti kartu skor seimbang tetapi dengan
strategi rasa lebih kuat (BPM Kelompok Kerja, 2004).
data perusahaan untuk ESS kontemporer disediakan oleh aplikasi
perusahaan yang ada perusahaan (enterprise resource planning, manajemen
rantai pasokan, dan manajemen hubungan pelanggan). ESS juga menyediakan
akses ke layanan berita, database pasar keuangan, informasi ekonomi, dan
eksekutif senior apapun data eksternal lainnya membutuhkan. ESS juga
memiliki drill bawah kemampuan yang signifikan jika manajer perlu
pandangan yang lebih rinci data.
Dirancang dengan baik ESS membantu eksekutif senior memantau kinerja organisasi, kegiatan melacak
pesaing, mengenali perubahan kondisi pasar, dan mengidentifikasi masalah dan peluang. Karyawan lebih
rendahdalam hirarki perusahaanjuga menggunakan sistemini untuk memantau dan mengukur kinerja bisnis
di bidang tanggung jawab mereka. Untuk ini dan sistem intelijen bisnis lain untuk menjadi benar-benar
berguna, informasi harus “actionable” -itu harus tersedia dan juga mudah digunakan ketika membuat
keputusan. Jika pengguna memiliki kesulitan untuk mengidentifikasi metrik penting dalam laporan yang
mereka terima, produktivitas karyawan dan kinerja bisnis akan menderita. Sesi Interaktif Manajemen
menunjukkan bagaimana Colgate-Palmolive membahas masalah ini dan membantu manajer yang
membuat data-driven lebih, keputusan ditindaklanjuti.
SISTEM PENGAMBILAN KEPUTUSAN

KELOMPOK-SUPPORT (GDSS)
DSS telah kami jelaskan fokus terutama pada pengambilan keputusan individu. Namun,
begitu banyak pekerjaan dilakukan dalam kelompok-kelompok di dalam perusahaan yang
kategori khusus sistem yang disebut kelompok sistem pendukung keputusan (GDSS) telah
dikembangkan untuk mendukung kelompok dan pengambilan keputusan organisasi.
Sebuah GDSS adalah sistem berbasis komputer interaktif untuk memfasilitasi solusi
dari masalah yang tidak terstruktur oleh satu set pembuat keputusan yang bekerja sama
sebagai sebuah kelompok di lokasi yang sama atau di lokasi yang berbeda. sistem
kolaborasi dan alat berbasis Web untuk videoconference dan pertemuan elektronik
dijelaskan sebelumnya dalam teks ini mendukung beberapa proses keputusan kelompok,
tapi fokus mereka terutama pada komunikasi. GDSS, bagaimanapun, menyediakan alat-
alat dan teknologi diarahkan secara eksplisit terhadap pengambilan keputusan kelompok.
513
pertemuan GDSS-dipandu berlangsung di ruang pertemuan dengan hardware dan

software khusus alat untuk memfasilitasi pembuatan keputusan kelompok. hardware
termasuk
506 Bagian Ketiga Aplikasi Sistem kunci untuk Era Digital
SESI INTERAKTIF: MANAJEMEN

Colgate-Palmolive MEMBUAT MANAJER TERSENYUM
DENGAN Panel Kontrol Eksekutif
Colgate-Palmolive Company adalah terbesar data yang standar dan diformat untuk masukkan-
kedua perusahaan produk konsumen di dunia yang pelaporan hadiah-lebar dan analisis. Ini menghilangkan
produknya dipasarkan di lebih dari 200 negara dan perbedaan data di seluruh perusahaan.
wilayah. Perusahaan ini memiliki 38.600
karyawan di seluruh dunia dan $ 16734000000
pendapatan tahunan pada tahun 2011. Colgate
telah menjaga orang tersenyum
dan bersih di seluruh dunia, dengan lebih dari tiga
perempat dari penjualan di tahun terakhir datang dari sisi
out Amerika Serikat. merek Colgate di mulut ucts-produk,
makanan sabun, dan hewan peliharaan, adalah nama-nama
global, termasuk Colgate, Palmolive, Mennen, Softsoap,
Irlandia Spring, Protex, Sorriso, Kolynos, Elmex, Tom dari
Maine,
Ajax, Axion, Fabuloso, Soupline, dan Suavitel, serta Ilmu
Diet Hill dan Hill Resep Diet.
Rahasia untuk pertumbuhan yang berkelanjutan dan
stabilitas selama dua dekade terakhir telah kemampuan
Colgate untuk memindahkan merek off shore ke Amerika
Latin, Eropa dan Asia. Di masa lalu, Colgate membagi
dunia ke dalam wilayah geografis: Amerika Latin, Eropa,
Asia, dan Amerika Utara. Setiap daerah memiliki sistem
mation informal sendiri. Selama daerah tidak perlu untuk
berbagi sumber daya atau sistem informasi patchwork ini
bekerja, lebih atau kurang. Ini semua berubah sebagai
operasi global menjadi manajemen yang lebih terpadu dan
senior yang diperlukan untuk mengawasi dan
mengkoordinasikan operasi ini lebih dekat.
Colgate telah menjadi pengguna SAP global sejak awal
1990, tapi itu berjalan lima sistematis ERP terpisah tems
untuk melayani wilayah geografis yang berbeda. Selama
periode waktu, kesenjangan dalam data yang
dikembangkan antara daerah geografis yang berbeda dan
antara
data yang digunakan pada tingkat perusahaan dan data yang
digunakan oleh daerah atau unit bisnis individu. Data terus
berubah. Misalnya, setiap kali laporan penjualan dijalankan,
itu menunjukkan nomor yang berbeda untuk pesanan dan
pengiriman. Colgate ingin lebih banyak data yang dapat
digunakan untuk mendorong keputusan bisnis dan semua
ers manag dan unit bisnis di seluruh dunia untuk
menggunakan versi yang sama dari data.
Colgate memilih untuk memecahkan masalah ini
dengan membuat repositori data global tunggal dengan
menggunakan SAP NetWeaver Bisnis Gudang, analitis,
pelaporan dan data solusi pergudangan SAP. sistem ERP
daerah Colgate memberi makan data mereka ke gudang,
di mana
Salah satu output dari gudang untuk manajer senior
adalah tabel HTML harian menunjukkan serangkaian
metrik keuangan dan operasional untuk hari com- dikupas
dengan bulan sebelumnya dan kuartal. Data eksekutif
lihat adalah persis sama dengan apa yang rekan-rekan
mereka di seluruh wilayah Colgate dan unit bisnis
melihat.
Namun, data yang tidak digunakan oleh karyawan
yang cukup dalam pengambilan keputusan mereka
untuk memiliki dampak pada keuntungan bisnis.
kuasa pengguna Colgate tidak kesulitan
menggunakan pelaporan dan alat-alat analisis yang
disediakan oleh gudang, dan mereka puas dengan
laporan matriks dari sistem. Colgate manajer senior
dan pengguna biasa lainnya, di sisi lain, tidak merasa
nyaman menjalankan laporan ad hoc atau
pengeboran ke dalam lapisan data
untuk menjawab pertanyaan data dibawa ke cahaya. Mereka
tidak punya banyak waktu untuk menghabiskan laporan
mengembangkan, dan laporan standar diproduksi untuk
mereka dengan gudang kekurangan navigasi dan menelusuri
hubungan capabili-. Tabel tidak memiliki kode warna sehingga
pengguna hanya bisa menafsirkan data dengan meneliti angka-
angka di atas meja.
Akhirnya Colgate manajer senior dan pengguna
kasual lainnya mulai meminta akses lebih dalam
ke data warehouse dalam format yang lebih tepat
waktu dan user-friendly. Mereka ingin laporan
yang lebih mudah untuk menjalankan dan di mana
data bisa ditafsirkan lebih cepat. manajemen senior
diminta disesuaikan, dashboard real-time yang
dapat lebih mudah digunakan untuk mendorong
peningkatan kinerja.
Colgate spesialis sistem informasi kemudian
diimplementasikan SAP NetWeaver BW Accelerator
untuk
mempercepat beban data dan meningkatkan persepsi
pengguna dan adopsi dan SAP BusinessObjects
Web Intelijen
untuk membangun laporan disesuaikan. SAP BusinessObjects
Web Intelligence menyediakan antarmuka yang kuat, intuitif
yang memungkinkan analis bisnis dan non teknis profesional
bisnis untuk mengajukan pertanyaan spontan tentang data
mereka. pengguna bisnis kasual dapat menggunakan teknik
drag-and-drop sederhana untuk mengakses sumber data dan
membuat laporan interaktif yang bor, iris dan Format
informasi berdasarkan kebutuhan mereka. Alat untuk
memotong tepi visualisasi memungkinkan pengguna akhir
untuk melihat dua dan grafik tiga dimensi dan mengasah
dalam pada daerah tertentu fokus.
Colgate mulai menggunakan BusinessObjects SAP
alat untuk membangun dashboard user-friendly, dan cepat
507
prototipe dashboard dibuat untuk manajemen untuk masa depan. Orang yang terbiasa melihat laporan diisi
meninjau. Setelah manajemen menyetujui desain dengan nomor menemukan bahwa mereka dapat
dashboard, dashboard dihuni dengan data tion menggunakan informasi yang disajikan dalam dashboard
produc-. Sekarang manajer senior Colgate yang run untuk membuat keputusan lebih cepat. Sebagai contoh,
ning yang dashboard untuk memantau bisnis dari manajer dapat menentukan kondisi keuangan yang positif
tingkat tinggi. atau negatif dengan hanya mencari di mana laporan
pelatihan karyawan adalah penting untuk dashboard menggunakan warna hijau, yang
keberhasilan dashboard. Anggota tim pengembangan mencerminkan perbaikan dalam
sistem informasi global Colgate dibuat cus- tomized posisi keuangan Colgate. Eksekutif yang sebelumnya
kursus untuk 65 ahli intelijen bisnis Colgate dan mengandalkan orang lain untuk mendapatkan laporan adat
berlari kelas pelatihan. Pelatihan ini diidentifikasi mereka dan data dapat mengakses informasi pada mereka
orang yang dapat digunakan sebagai sumber daya sendiri. Mereka dapat melihat data real dari sistem jauh
untuk mengembangkan alat pelaporan. Ketika lebih mudah dan cepat.
tersebar berita tentang kemampuan dashboard, kuasa
pengguna Colgate mendaftar untuk kelas juga. sumber: Paul Ziobro, “Colgate Menunjukkan Peningkatan Pertumbuhan,”
Untuk Colgate, baik alat pelaporan yang dapat menunjang Wall Street Journal, 26 April 2012; Colgate Palmolive Corporation, “SEC
Formulir 10K untuk tahun fiskal yang berakhir 31 Desember 2011,”
pelabuhan berbagai jenis pengguna telah sangat memperluas Colgate Palmolive Corporation, Februari
penggunaan intelijen bisnis di seluruh perusahaan. Saat ini sekitar 26, 2012; David Hannon, “Colgate-Palmolive Memberdayakan
4000 pengguna berinteraksi Pemimpin Senior dengan Executive Dashboard,” SAP
InsiderPROFILES, April-Juni 2011;www.colgatepalmolive.com,
dengan sistem SAP Colgate harian tetapi jumlah ini Diakses 22 Juli
diharapkan untuk memperluas ke 15.000 sampai 2012; dan SAP, “Menempatkan Konten Bisnis relevan dalam Bisnis
20.000 pengguna di Pengguna Jangkauan,”2011.
PERTANYAAN C ASE STU DY

1. Menggambarkan berbagai jenis 4. Apa jenis keputusan yang didukung kemampuan
pengguna bisnis intelijen di Colgate- intelijen bisnis baru Colgate? Berikan tiga contoh.
Palmolive. Apa potensi dampak bisnis mereka?
2. Menggambarkan “orang” masalah yang
mempengaruhi
kemampuan Colgate untuk menggunakan intelijen
bisnis.
3. Faktor-faktor apa manajemen, organisasi, dan teknologi
harus ditangani dalam memberikan kemampuan
intelijen bisnis untuk setiap jenis pengguna?
komputer dan jaringan peralatan, overhead projector, dan layar tampilan.

perangkat lunak pertemuan elektronik khusus mengumpulkan, dokumen,
peringkat, mengedit, dan menyimpan ide-ide yang ditawarkan dalam
pertemuan pengambilan keputusan. Semakin rumit GDSS menggunakan
seorang profesional fasilitator dan staf pendukung. Fasilitator memilih
perangkat lunak dan membantu mengatur dan menjalankan rapat tersebut.
Sebuah GDSS canggih memberikan masing-masing peserta dengan komputer desktop
khusus di bawah kontrol individu orang itu. Tidak ada yang akan dapat melihat apa yang
orang lakukan di komputer mereka sampai mereka peserta siap untuk berbagi informasi.
masukan mereka ditransmisikan melalui jaringan ke server pusat yang menyimpan
informasi yang dihasilkan oleh pertemuan dan membuatnya tersedia untuk semua di
jaringan pertemuan. Data juga dapat diproyeksikan pada layar besar di ruang pertemuan.
GDSS memungkinkan untuk meningkatkan ukuran pertemuan sementara pada saat
yang sama meningkatkan produktivitas karena individu berkontribusi secara
bersamaan daripada satu per satu. Sebuah GDSS mempromosikan suasana kolaboratif
508
oleh Guaranteed-anonimitas teeing kontributor sehingga peserta fokus pada
mengevaluasi ide-ide sendiri tanpa takut pribadi dikritik atau memiliki ide-ide mereka
ditolak berdasarkan kontributor. perangkat lunak GDSS mengikuti metode terstruktur
untuk mengatur dan mengevaluasi ide-ide dan untuk melestarikan hasil pertemuan,
memungkinkan nonattendees untuk mencari informasi yang dibutuhkan setelah pertemuan.
efektivitas GDSS tergantung pada sifat masalah dan kelompok dan pada seberapa baik
pertemuan direncanakan dan dilakukan.
LPRODUKTIF TRAK Modul

Berikut Learning Lacak menyediakan konten yang relevan dengan topik yang dibahas
dalam bab ini:
1. Bangunan dan Menggunakan Tabel Pivot
rangkuman ulasan
1. Apa jenis keputusan dan bagaimana keputusan-membuat pekerjaan proses?
Tingkat yang berbeda dalam sebuah organisasi (strategis, manajemen, operasional) memiliki persyaratan
pengambilan keputusan yang berbeda. Keputusan dapat terstruktur, semi terstruktur , atau tidak terstruktur,
dengan keputusan terstruktur pengelompokan di tingkat operasional organisasi dan keputusan tidak
terstruktur pada tingkat strategis. pengambilan keputusan dapat dilakukan oleh individu atau kelompok dan
termasuk karyawan serta operasional, menengah, dan manajer senior. Ada empat tahapan dalam pengambilan
keputusan: intelligence, design, choice, dan implementasi. Sistem untuk mendukung pengambilan keputusan
tidak selalu menghasilkan manajer dan karyawan keputusan yang lebih baik yan g meningkatkan kinerja
perusahaan karena masalah dengan kualitas informasi, filter manajemen, dan budaya organisasi.
2. Bagaimana sistem informasi mendukung kegiatan manajer dan keputusan manajemen keputusan?
model klasik awal kegiatan manajerial menekankan fungsi perencanaan, pengorganisasian, koordinasi,
memutuskan, dan mengendalikan. penelitian kontemporer melihat perilaku aktual manajer telah menemukan
bahwa kegiatan nyata manajer yang sangat terfragmentasi, beraneka ragam, dan singkat dalam durasi dan
bahwa manajer menghindar dari membuat, keputusan kebijakan menyapu besar.
teknologi informasi menyediakan alat baru bagi manajer untuk melaksanakan kedua peran
tradisional dan baru mereka, memungkinkan mereka untuk memantau, rencana, dan perkiraan
dengan lebih presisi dan kecepatan daripada sebelumnya dan untuk merespon lebih cepat terhadap
perubahan lingkungan bisnis. sistem informasi telah sangat membantu untuk manajer dengan
memberikan dukungan untuk peran mereka dalam menyebarkan informasi, menyediakan
penghubung antara tingkat organisasi, dan mengalokasikan sumber daya. Namun, sistem informasi
yang kurang berhasil mendukung keputusan yang tidak terstruktur. Dimana sistem informasi yang
berguna, kualitas informasi, filter manajemen, dan budaya organisasi dapat menurunkan
pengambilan keputusan.
3. Bagaimana bisnis intelijen dan analisis bisnis dukungan pengambilan keputusan?

Intelijen bisnis dan analisis berjanji untuk memberikan yang benar, informasi yang ha mpir real-
time kepada para pembuat keputusan, dan alat-alat analitik membantu mereka cepat memahami
informasi dan mengambil tindakan. Lingkungan bisnis intelijen terdiri dari data dari lingkungan
bisnis, infrastruktur BI, toolset BA, pengguna manajerial dan metode, platform pengiriman BI (MIS,
DSS, atau ESS), dan user interface. Ada enam fungsi analitik yang memberikan sistem BI untuk
mencapai tujuan ini: laporan produksi yang telah ditetapkan, laporan parameter, dashboard dan
scorecard, ad hoc query dan pencarian, kemampuan untuk menelusuri ke pandangan rinci data, dan
kemampuan untuk model skenario dan membuat perkiraan.
4. Bagaimana konstituen pengambilan keputusan yang berbeda dalam penggunaan organisasi intelijen bisnis?
manajemen operasional dan menengah umumnya dibebankan dengan pemantauan kinerja
perusahaan mereka. Sebagian besar keputusan yang mereka buat cukup terstruktur. sistem informasi
manajemen (MIS) menghasilkan laporan produksi rutin biasanya digunakan untuk mendukung jenis
pengambilan keputusan.
509
Untuk membuat keputusan yang tidak terstruktur, manajer menengah dan analis akan menggunakan sistem pendukung keputusan (DSS)
dengan analisis yang kuat dan alat pemodelan, termasuk spreadsheet dan tabel pivot. eksekutif senior membuat keputusan yang tidak
terstruktur menggunakan dashboard dan antarmuka visual menampilkan informasi kinerja utama yang mempengaruhi profitabilitas secara
keseluruhan, keberhasilan, dan strategi perusahaan. Balanced scorecard dan manajemen kinerja bisnis adalah dua metodologi yang digunakan
dalam merancang sistem pendukung eksekutif (ESS).
5. Apa peran sistem informasi dalam membantu orang yang bekerja dalam kelompok membuat keputusan yang lebih efisien?
sistem pendukung keputusan kelompok (GDSS) membantu orang yang bekerja bersama dalam kelompok sampai pada
keputusan lebih efisien. GDSS memiliki fasilitas ruang konferensi khusus di mana peserta menyumbangkan ide-ide mereka
menggunakan jaringan komputer dan perangkat lunak untuk mengatur ide-ide, mengumpulkan informasi, membuat dan
menetapkan prioritas, dan mendokumentasikan sesi pertemuan.
Syarat utama
metode Balanced Scorecard, 504 Implementasi, 488
model perilaku, 488 Peran informasi, 489
manajemen kinerja bisnis Intelijen, 488
(BPM), 505 peran interpersonal, 489
Choice, 488 Indikator kinerja utama (KPI), 504
model klasik manajemen, 488 peran manajerial, 489
Visualisasi data, 499 tabel pivot, 502
peran putusan, 489 analisis prediktif, 497
Desain, 488 keputusan semi terstruktur, 486
Drill-down, 505 analisis sensitivitas, 502
sistem informasi geografis (GIS), 499 keputusan terstruktur, 486
sistem kelompok pendukung keputusan (GDSS), 505 keputusan tidak terstruktur, 486
Ulasan Pertanyaan
1. Apa jenis keputusan dan bagaimana keputusan-membuat • Daftar dan menggambarkan fungsi
pekerjaan proses? analitik yang disediakan oleh sistem
• Daftar dan menggambarkan berbagai BI.
tingkat pengambilan keputusan dan • Bandingkan dua strategi manajemen yang
pengambilan keputusan konstituen berbeda untuk mengembangkan BI dan BA
dalam organisasi. Jelaskan kemampuan.
bagaimana mereka persyaratan 4. Bagaimana konstituen pengambilan keputusan yang
pengambilan keputusan berbeda. berbeda dalam penggunaan organisasi intelijen bisnis?
• Bedakan antara keputusan yang tidak • Daftar setiap konstituen pengambilan
terstruktur, semi terstruktur, dan keputusan utama dalam suatu
terstruktur. organisasi dan menggambarkan jenis
• Daftar dan menggambarkan tahapan keputusan masing-masing merek.
dalam pengambilan keputusan. • Jelaskan bagaimana MIS, DSS, atau ESS
2. Bagaimana sistem informasi mendukung hubungan activi- memberikan dukungan keputusan untuk
manajer dan keputusan manajemen keputusan? masing-masing kelompok.
• Bandingkan deskripsi perilaku manajerial • Mendefinisikan dan menjelaskan
dalam model klasik dan perilaku. metode balanced scorecard d an
• Mengidentifikasi peran manajerial tertentu P erf b i s ni s o r ma n ce ma n aj e me n.
yang dapat didukung oleh sistem informasi. 5. Apa peran sistem informasi dalam membantu orang yang
3. Bagaimana bisnis intelijen dan analisis bisnis dukungan bekerja dalam kelompok membuat keputusan yang lebih
pengambilan keputusan? efisien?
• Mendefinisikan dan menggambarkan • Tentukan sistem pendukung
intelijen bisnis dan analisis bisnis. keputusan kelompok
• Daftar dan menggambarkan unsur- (GDSS) dan menjelaskan bagaimana hal itu berbeda
unsur lingkungan intelijen bisnis. dari DSS.
• Jelaskan bagaimana GDSS bekerja
dan bagaimana memberikan nilai
bisnis.
Pertanyaan Diskusi
1. Sebagai seorang manajer atau pengguna sistem informasi, 3. Berapa banyak bisnis intelijen dan analisis bisnis
apa yang akan Anda perlu tahu untuk berpartisipasi dalam membantu perusahaan dapat memperbaiki strategi bisnis
desain dan penggunaan DSS atau ESS? Mengapa? mereka? Jelaskan jawabanmu.
2. Jika bisnis digunakan DSS, GDSS, dan ESS lebih luas,
akan manajer dan karyawan membuat keputusan yang
lebih baik? Mengapa atau mengapa tidak?
Hands-On Proyek MIS

Proyek-proyek di bagian ini memberikan pengalaman mengidentifikasi peluang untuk DSS, menggunakan tabel
spreadsheet poros untuk menganalisis data penjualan, dan alat-alat perencanaan pensiun online untuk perencanaan
keuangan.
Pengelolaan Keputusan Masalahlems
1. Dealer untuk Subaru dan produsen mobil lainnya menyimpan catatan jarak tempuh mobil yang mereka jual
dan layanan. Data jarak tempuh yang digunakan untuk mengingatkan pelanggan ketika mereka harus
menjadwalkan janji layanan, tetapi mereka digunakan untuk tujuan lain juga. Apa jenis keputusan apakah
ini bagian dari dukungan data di tingkat lokal dan di tingkat perusahaan? Apa yang akan terjadi jika
sepotong data yang keliru, misalnya, menunjukkan jarak tempuh 130.000 bukan 30.000? Bagaimana hal itu
akan mempengaruhi ing decisionmak-? Menilai dampaknya bisnisnya.
2. Applebee adalah rantai santai makan terbesar di dunia, dengan lebih dari 1800 lokasi di seluruh Amerika Serikat
dan juga di 20 negara lainnya. Fitur menu daging sapi, ayam, dan babi item, serta burger, pasta, dan makanan
laut. CEO Applebee ingin membuat restoran lebih menguntungkan dengan mengembangkan menu yang enak
dan mengandung lebih banyak item yang ingin pelanggan dan bersedia untuk membayar meskipun meningkatnya
biaya untuk bensin dan produk pertanian. Bagaimana mungkin intelijen bisnis membantu manajemen
menerapkan strategi ini? Apa bagian data akan kebutuhan Applebee untuk mengumpulkan? Apa jenis laporan
akan berguna untuk membantu manajemen membuat keputusan tentang bagaimana untuk meningkatkan menu
dan profitabilitas?
I m p r o V i n g K e p u t u s a n p e m b u a t a n : m e n g g u n a k a n P I V o t TSebuah b l e s u n t u k
Menganalisa Penjualan Data
keterampilan Software: Pivot
tabel
keterampilan bisnis: data penjualan
Menganalisis
Proyek ini memberi Anda kesempatan untuk belajar bagaimana menggunakan fitur PivotTable Excel untuk
menganalisis database atau data daftar. Gunakan file data untuk Manajemen Pelatihan Online Inc dijelaskan
sebelumnya dalam bab ini. Ini adalah daftar dari transaksi penjualan di OMT untuk satu hari. Anda dapat menemukan
file spreadsheet ini di MyMISLab. PivotTable menggunakan Excel untuk membantu Anda menjawab pertanyaan-
pertanyaan berikut:
• Dimana pembelian rata-rata yang lebih tinggi? Jawabannya mungkin mengatakan
manajer di mana fokus pemasaran dan penjualan sumber daya, atau pesan
lapangan yang berbeda ke berbagai daerah.
• Apa bentuk pembayaran adalah yang paling umum? Jawabannya dapat digunakan
untuk menekankan dalam iklan cara yang paling disukai pembayaran.
• Apakah ada waktu hari ketika pembelian yang paling umum? Apakah orang
membeli adalah produk sementara di tempat kerja
(Kemungkinan siang hari) atau di rumah (mungkin di malam hari)?
• Apa hubungan antara wilayah, jenis produk yang dibeli, dan harga rata -rata
penjualan?
Kami menyediakan petunjuk tentang cara menggunakan Excel PivotTables di Trek Pembelajaran kami.
511
Impro Pembuatan Ving Keputusan: Menggunakan W eb Berbasis DSS f
atau Pensiun
perencanaan
keterampilan perangkat lunak: software berbasis internet
keterampilan bisnis: Perencanaan keuangan
Proyek ini akan membantu mengembangkan keterampilan Anda dalam menggunakan DSS berbasis Web untuk
perencanaan keuangan.
Situs Web untuk CNN Money dan Kiplinger berbasis Web-fitur DSS untuk perencanaan keuangan dan pengambilan
keputusan. Pilih salah situs untuk merencanakan pensiun. Gunakan situs yang Anda pilih untuk menentukan berapa
banyak Anda harus menyimpan untuk memiliki pendapatan yang cukup untuk pensiun Anda. Asumsikan bahwa Anda
berusia 50 tahun dan berencana untuk pensiun dalam 16 tahun. Anda memiliki satu dependent dan $ 100.000 dalam
tabungan. pendapatan tahunan Anda saat ini adalah $ 85.000. Tujuan Anda adalah untuk dapat menghasilkan pendapatan
pensiun tahunan $ 60.000, termasuk pembayaran manfaat Jaminan Sosial.
Gunakan situs Web yang telah Anda pilih untuk menentukan berapa banyak uang yang Anda butuhkan untuk menyimpan
untuk membantu Anda mencapai tujuan pensiun Anda. Untuk menghitung perkiraan manfaat Jaminan Sosial, gunakan
Kalkulator Cepat di situs Web Social Security Administration
Kritik situs-nya kemudahan penggunaan, kejelasan, nilai dari setiap kesimpulan yang dicapai, dan sejauh
mana situs membantu investor memahami kebutuhan keuangan mereka dan pasar keuangan.
Kasus Video
Video Kasus dan Video Instruksional menggambarkan beberapa konsep dalam bab ini tersedia. Hubungi instruktur Anda
untuk mengakses video ini.
Kolaborasi dan Kerjasama Proyek

Dalam MyMISLab, Anda akan menemukan Kolaborasi dan Kerjasama Proyek berurusan dengan konsep-konsep dalam bab
ini. Anda akan dapat menggunakan Google Sites, Google Docs, dan alat-alat open source kolaborasi lainnya untuk
menyelesaikan tugas.
Zynga Wins dengan Business Intelligence

STUDI KASUS
cenderung menyebabkan 5 dari teman-teman mereka
T
ia tercepat perusahaan game berkembang untuk menandatangani
dunia tidak membanggakan top -of-the-
line grafis, tindakan jantung berdebar -,
atau bercerita ahli. Ini tidak membuat
game untuk Playstation, Xbox, atau Wii. The haan com-
yang dimaksud adalah Zynga, dan jika Anda memiliki
akun Facebook, kemungkinan besar Anda sudah
menyadari permainan yang paling populer. ledakan
pertumbuhan Zynga menggambarkan potensi game sosial
dan kemampuan jaringan sosial untuk menyediakan data
penting tentang pelanggan perusahaan.
Didirikan pada tahun 2007 oleh Mark Pincus dan
sekelompok pengusaha lainnya, Zynga adalah pengembang
terkemuka permainan jaringan sosial, seperti CityVille,
Texas HoldEm Poker, dan Farmville. Permainan ini,
bersama dengan Zynga Empires & Allies permainan,
adalah empat aplikasi yang paling sering digunakan di
Facebook. game Zynga memiliki lebih dari 290 juta per
bulan
pengguna aktif dan 65 juta pemain setiap hari yang
keystrokes game dan klik menghasilkan 3 terabyte
data setiap hari. Sejak awal, Zynga telah menempatkan
prioritas pada analisis data untuk memandu ment
mengelola- permainan dan keputusan bisnis perusahaan.
Perusahaan sangat bergantung pada data untuk
meningkatkan retensi pengguna dan untuk meningkatkan
kerjasama di kalangan gamer-nya. Dalam kata-kata Ken
Rudin, kepala
analisis data pada Zynga, untuk menjadi berguna, data
harus “actionable” -itu harus informasi yang
memungkinkan Zynga untuk melakukan perbaikan
nyata untuk nya
pertandingan. Menghasilkan dan menyimpan data
permainan yang hanya setengah dari pertempuran.
Zynga juga menggunakan dua analisis teams-
tim pelaporan dan analisis tim-untuk bekerja dengan data
dan membuat rekomendasi konkrit untuk perbaikan
bisnis berdasarkan data itu.
Ada tiga metrik kunci yang mendorong
ekonomi game sosial: tingkat churn, koefisien
virus, dan pendapatan per pengguna. Churn, yang
kita bahas dalam Bab 9, adalah tingkat kehilangan
permainan bermain- ers. game sosial dapat
memiliki tingkat churn luar biasa tinggi, sekitar 50
persen per bulan rata-rata. Itu berarti bahwa
separuh pemain baru mendaftar untuk permainan
hari ini akan hilang dalam satu bulan.
Koefisien virus adalah ukuran efektivitas pemain
game yang ada untuk menggambar-
ing pemain baru, kemampuan penting bagi platform
jaringan sosial. Misalnya, jika 100 pengguna Farmville
di bulan tertentu, yang akan menghasilkan koefisien
virus 1,05.
pendapatan yang diharapkan per pengguna adalah
perkiraan dari pendapatan seumur hidup bahwa
seorang pemain permainan akan menghasilkan,
berdasarkan perkiraan pendapatan bulanan per
pengguna dan tingkat churn. Misalnya, jika
pendapatan bulanan rata-rata adalah $ 5 per
pengguna dan tingkat churn adalah
50 persen, pendapatan diharapkan dapat diperkirakan
sebagai $ 5 bulan pertama + $ 2,50 bulan kedua +
$ 1.25 bulan ketiga, dan sebagainya, atau sekitar
$ 20.
Gelombang pertama dari aplikasi game sosial di
Facebook mencoba untuk meningkatkan koefisien virus
dengan Dinding posting iklan dalam game tindakan oleh
pemain. Pendekatan ini menciptakan terlalu banyak “Wall
spam,” atau terkait game posting yang membuatnya sulit
untuk
pengguna jaringan sosial untuk mengidentifikasi posting
oleh teman-teman. Facebook dan platform jejaring sosial
lainnya kemudian menuntut bahwa perusahaan game
mengurangi spam Dinding mereka.
Akibatnya, Zynga beralih ke analisis grafik sosial.
Untuk game sosial, “grafik sosial,” atau hubungan antara
teman-teman, agak berbeda dari platform jejaring sosial itu
sendiri. Sebagai contoh,
di Mafia Wars permainan Zynga, pemain mungkin
memiliki dua jenis teman-mereka yang aktif bermain
game dan kelompok yang lebih pasif yang ditandatangani
pada untuk membantu memperluas organisasi Mafia
seorang teman dan kemudian meninggalkan permainan
atau bermain sangat jarang. Pemain tidak selalu
berinteraksi dengan cara yang sama dengan dua kelompok
ini, dengan hadiah dan tawaran bantuan lebih sering dalam
kelompok aktif. Membimbing pemain game untuk
berkomunikasi secara tepat dengan jenis yang berbeda dari
hubungan membantu meningkatkan pendapatan dan
virality sekaligus mengurangi churn. Sebuah perusahaan
game sosial seperti Zynga dengan demikian akan mencoba
untuk meningkatkan pengalaman pemain untuk membuat
setiap aspek dari permainan lebih menguntungkan.
TeknologidariVerticaSystems,sebuahperusahaanmanajemendatabase
analitik,membantumemecahkanmasalahini.MassivelyParallelProcessing
(MPP)arsitekturVerticainimemungkinkanpelangganuntukmenyebarkan
platformanalisisdenganmenggunakanstandarindustrigudangkeras-atau
awansolusisebagaiblokbangunanyangdisebut“node.”Penggunadapat
membangunclusteryangterdiridari1,10,atau100ataulebihnode,
menempatkanribuandarisorsproces-,terabytememorikomputer,dan
petabytepenyimpanandiskuntukbekerjasebagaiparalelclustertunggal.
513
Sebuah perusahaan start-up kecil dapat menyebarkan penonton, dan untuk menghasilkan pendapatan
Vertica pada satu simpul, menambahkan node baru dengan menjual barang virtual dalam game. Ide
yang diperlukan. barang virtual telah sekitar selama bertahun-tahun,
Vertica ini data warehouse adalah kolumnar, yang berarti bahwa data terutama di Second Life dan dunia maya lainnya, di
yang disimpan dalam kolom bukannya baris. Hal ini memungkinkan data mana pengguna dapat membeli pakaian dan
Zynga akan lebih erat dikompresi, pada tingkat 10 ke 1 (10 terabyte data aksesoris untuk avatar mereka. Tapi tion atten-
menjadi 1 terabyte data terkompresi). Vertica ini data warehouse mampu Zynga terhadap detail dan kemampuan untuk
bekerja dengan data ini dikompresi, yang meningkatkan kinerja dengan mengumpulkan INFORMATION penting
mengurangi tuntutan prosesor, memori, dan masukan disk / output pada tion dari terabyte yang tak terhitung jumlahnya dari data
waktu ing proses-. sistem manajemen database tradisional tidak dapat yang dihasilkan oleh para penggunanya setiap hari telah
bekerja dengan data terkompresi. Akibatnya, Zynga mencapai tingkat membedakannya.
kinerja yang 50 hingga 100 Sebagai contoh, manajer produk dalam permainan FishVille
kali lebih cepat dari gudang data yang digunakan Facebook Zynga menemukan bahwa pemain membeli jenis ikan
oleh perusahaan lain. tertentu dalam permainan, yang anglerfish tembus, lebih sering
software Vertica juga mampu memanipulasi database untuk daripada yang lain. Zynga mulai menawarkan ikan mirip dengan
analisis grafik sosial, transposing anglerfish selama sekitar
semua interaksi pengguna individu dengan pengguna $ 3 masing-masing, dan pemain FishVille menanggapi
lain ke dalam satu baris, dan dapat melakukan hal ini dengan proses penerimaan dari pihak ing banyak ikan dari
dengan cepat. platform database relasional tidak mampu biasanya. Analytics juga menunjukkan bahwa gamer
mengatasi dengan volume besar data yang dibuat oleh Zynga cenderung membeli lebih banyak barang permainan
semua koneksi dalam grafik sosial. in- ketika mereka ditawarkan sebagai item edisi terbatas.
Data terkait grafik sosial Zynga streaming secara real time Zynga menjual iklan, baik di dalam dan sekitar
untuk cluster Vertica khusus di mana grafik yang dihasilkan permainan, tetapi sebagian besar pendapatan berasal dari
setiap hari. Setiap malam, model yang dihasilkan dari grafik penjualan barang virtual.
ini dimasukkan kembali ke dalam permainan untuk Zynga juga manfaat dari menggunakan Facebook sebagai
digunakan pada hari berikutnya. Zynga berjalan sebanyak platform game-nya. Ketika pengguna menginstal Zynga tion
130 percobaan untuk mengubah dan menyesuaikan applica-, mereka memungkinkan akses Zynga ke semua
permainan yang setiap hari dan kemudian mengamati informasi profil mereka, termasuk nama mereka, jenis
bagaimana pemain bereaksi. Dalam beberapa menit setelah kelamin, dan
merilis fitur baru, Zynta mampu mengetahui apakah jutaan daftar teman. Zynga kemudian menggunakan informasi yang
pemain menyukainya atau tidak. Di untuk menentukan jenis pengguna apa yang paling mungkin
dasar pengetahuan baru ini, Zynga dapat membuat untuk berperilaku dengan cara tertentu. Zynga khususnya
sebanyak 100 update setiap hari untuk produk-produknya. berharap untuk menentukan jenis pengguna yang paling
Dengan solusi bisnis intelijen ini, Zynga telah mampu mungkin untuk menjadi “Paus,” atau pemboros besar yang
meningkatkan penargetan barang-barang seperti hadiah membeli ratusan dolar dari barang virtual setiap bulan.
untuk secara efektif meningkatkan tingkat interaksi antara meskipun hanya
pemain aktif dan meminimalkan spam ke pemain pasif. 5 persen pengguna aktif Zynga berkontribusi cor-
Zynga kini dalam posisi untuk iDEN- tifikasi kelompok pendapatan porate, bahwa subset dari pengguna begitu
pengguna dengan perilaku yang sama atau jalur umum khusus yang mereka account untuk hampir semua
untuk bahkan penargetan yang lebih tepat dari promosi dan pendapatan perusahaan.
kegiatan yang berhubungan dengan game. game Zynga menggunakan berat fitur sosial Facebook.
Pendapatan Zynga naik dari $ 121 juta pada tahun 2009 Misalnya, di CityVille, pengguna harus mencari teman untuk
untuk $ 1,14 miliar pada tahun 2011. Jelas, metode Zynga mengisi tulisan fiksi di “City Hall” mereka
bekerja. Tradisional game-pembuat seperti Activision untuk berhasil menyelesaikan struktur. Semua game Zynga
Blizzard dan Electronic Arts yang mencatat pertumbuhan dan memiliki fitur seperti ini, tetapi Facebook tidak selalu
keberhasilan Zynga dan telah bergerak menuju model bisnis sepenuhnya mendukung semua upaya Zynga. aplikasi
yang sama. Misalnya, Electronic Facebook Zynga yang sebelumnya mampu mengirim pesan
Seni meluncurkan versi Facebook gratis permainan klasik langsung kepada anggota Facebook, tetapi mereka
The Sims. permainan sekarang memiliki 40 juta pemain menonaktifkan fitur setelah keluhan bahwa itu adalah bentuk
aktif bulanan dan berkembang aplikasi Facebook tercepat spam. Namun, jika teman Anda menggunakan aplikasi
untuk banyak 2011. Facebook Zynga, kemungkinan Anda telah melihat iklan
model bisnis Zynga adalah untuk menawarkan game mendorong Anda untuk bermain juga di News Feed Anda.
gratis diarahkan lebih besar, game lebih santai Keberhasilan Zynga telah mengganggu industri video
game. perusahaan video game tradisional dimulai dengan
sebuah ide untuk permainan yang mereka berharap pemain
514
akan membeli dan menikmati, dan kemudian membuat
permainan. Zynga dimulai dengan permainan, tapi
kemudian mempelajari data ke tambang deter- bagaimana
pemainnya bermain, apa jenis pemain
yang paling aktif, dan apa yang pemain barang virtual
membeli.
Kemudian, Zynga menggunakan data untuk Gambar sesuatu ponsel permainan, yang meminta
mendapatkan pemain untuk bermain ger bujur, pemain
memberitahu teman-teman lainnya, dan membeli untuk membuat sketsa yang menggambarkan kata-kata dan
bahkan lebih barang. memiliki orang lain menebak apa mereka bermain imbang.
Tidak semua orang senang dengan pendekatan data-driven harapan manajemen Zynga yang Draw Something akan
Zynga untuk membuat game. Banyak veteran industri game menjadi bagian dari rencana besar untuk membangun
percaya game Zynga yang terlalu simplistik jaringan mobile gaming berdasarkan portofolio mobile,
tic dan memiliki banyak elemen permainan yang sama. kasual, dan game sosial di seluruh variabel- sebuah
Perusahaan juga telah menjadi target beberapa tuntutan ety jaringan sosial dan platfoms. DreamWorks Animation
hukum menyatakan bahwa Zynga disalin games akan bekerja dengan Zynga untuk menempatkan iklan
perusahaan lain. Bahkan pengembang dalam Zynga telah tambahan dalam permainan, menciptakan sumber baru
kadang-kadang berbulu di prioritas perusahaan dari sis data pendapatan lain.
yang analisi lebih kreativitas dalam desain game. Akan upaya ini cukup untuk mempertahankan
kemampuan beberapa pertanyaan Zynga untuk mencapai keunggulan kompetitif Zynga? Akan model bisnis Zynga
kesejahteraan dalam jangka panjang, mengatakan akan sulit tahan sebagai lebih dari internet goes mobile? Ini masih
bagi perusahaan untuk membuat game baru untuk terlalu dini untuk mengatakan, tetapi Anda bisa bertaruh
menggantikan yang lama yang baru memudar. bahwa Zynga akan meneliti data untuk mencari tahu.
Pada tahun 2011-2012, jumlah rata-rata pendapatan dari
sumber: David Streitfeld dan Jenna Wortham, “Berita Apakah tidak
pengguna inti Zynga turun 10 persen meskipun jumlah Baik untuk Zynga, pembuat Farmville,”The New York Times, 25 Juli
keseluruhan dari pengguna diperluas. model bisnis Zynga 2012; Jenna Wortham, “Rencana Zynga Mendapatkan Groove Its Kembali:
juga mengasumsikan Facebook akan terus beroperasi Lebih Games dan Upgrade Sosial,” The New York Times, 26 Juni 2012;
dengan cara yang sama dan bahwa pelanggan akan terus Lance Ulanoff, “Zynga Ingin Menjadi Jaringan Gaming Mobile,” Mashable,
30 Mei 2012; Ian Sherr, “Permainan Changer untuk Zynga: Tidak
mengharapkan kualitas yang sama dari permainan. Yang Facebook,” The Wall Street Journal, 1 Maret 2012 dan “Zynga Membela
mungkin tidak selalu menjadi kasus. Akuisisi,” The Wall Street Journal, 24 Mei 2012; David Streitfeld, “Zynga
Dengan kata lain, game Zynga kekurangan kesenian. Berusaha untuk Match Up Pemain untuk Game Online,” The New York
Tapi Zynga siap mengakui bahwa target pasarnya adalah Times, 1 Maret 2012; Nick Wingfield, “Produk Virtual, Laba nyata,” The
Wall Street Journal, 9 September, 2011; “Dampak Analisis Grafik Sosial
segmen gamer yang lebih memilih game kasual, dan pada Bottom Line: Bagaimana Zynga Melakukan Analisis Grafik dengan
tujuannya adalah untuk membuat game yang hampir Vertica Analytics Platform,”www.vertica.com,diakses 2 Juni 2012;
semua orang bisa bermain. Gamer yang ingin permainan dan Jacquelyn Gavron, “Vertica: The Analytics Dibalik
yang membutuhkan tingkat tinggi keterampilan atau grafis semua Game Zynga,” ReadWrite Kewirausahaan, 18 Juli
2011.
canggih bisa mendapatkan memperbaiki mereka lain-
mana. Zynga menggunakan terukurnya aktivitas Facebook PERTANYAAN STUDI KASUS
untuk memandu manajemen permainan, dan ini adalah
1. Telah dikatakan bahwa Zynga adalah “sebuah
membantu perusahaan menciptakan pengalaman pengguna
perusahaan analisis yang menyamar sebagai sebuah
halus disesuaikan yang belum pernah terlihat sebelumnya perusahaan game.” Diskusikan implikasi dari
di game. pernyataan ini.
UntukmengurangiketergantunganpadaFacebook,Zyngaintro-diproduksisendiri
2. Apa peran intelijen bisnis di
platformgameindependenyangdisebutProjectZpadaMaret2012.Platformbaru model bisnis Zynga?
memungkinkanpelangganuntukmemainkanbeberapajudulpopulerZyngadarisitus
3. Berikan contoh dari tiga jenis keputusan yang
Web-nyabukandenganmengaksesmerekamelaluiFacebook.Sebuahlayananyang
didukung oleh intelijen bisnis di Zynga.
disebutZyngaDenganTemanakancocokpemainyangtidaktahusatusamalaindan
4. Berapa banyak keunggulan kompetitif tidak intelijen
mungkintidakmemilikiprofilFacebookataumungkinbermaingamepadaaplikasi
bisnis menyediakan Zynga? Menjelaskan.
mobile.
Itu bulan yang sama Zynga mengumumkan telah 5. Apa masalah dapat intelijen bisnis memecahkan
Zynga? masalah apa yang tidak bisa memecahkan?
membeli OMGPOP Inc., pembuat populer

Bahasa

Chapter 12

Diunggah oleh

Informasi Dokumen

Deskripsi:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Deskripsi:

Hak Cipta:

Format Tersedia

Chapter 12

Diunggah oleh

Deskripsi:

Hak Cipta:

Format Tersedia

Bab 12

TUJUAN GARIS BESAR BAB

aseball telah, menurut subjudul Moneyball, sebuah “permainan adil.” Mengingat

12.1 DECISION Making DAN sayaNFORMASI Systems

NILAI BISNIS PENINGKATAN PENGAMBILAN

TABEL 12.1 NILAI BISNIS DISEMPURNAKAN PENGAMBILAN KEPUTUSAN

JUMLAH ESTIMASI NILAI

Mengalokasikan tenaga Manajer lantai produksi 100 4.000 400.000

GAMBAR 12.1 PERSYARATAN INFORMASI KEY KELOMPOK KEPUTUSAN-

keputusan tidak terstruktur adalah mereka di mana pengambil keputusan

manajemen operasional dan peringkat-dan-file karyawan cenderung

THE PENGAMBILAN KEPUTUSAN

GAMBAR 12.2 TAHAPAN DALAM PENGAMBILAN KEPUTUSAN

Proses pengambilan keputusan dipecah menjadi empat tahap.

Intelijen terdiri dari menemukan, mengidentifikasi, dan memahami

MANAJER DAN PENGAMBILAN KEPUTUSAN DI

Peran interpersonal. Manajer bertindak sebagai figureheads bagi organisasi

Peran putusan. Manajer membuat keputusan. Dalam peran putusan mereka,

TABEL 12.2 PERAN MANAJERIAL DAN PENDUKUNG SISTEM INFORMASI

Sumber: Kenneth C. Laudon dan Jane P. Laudon; dan Mintzberg, 1971.

Real-W Pembuatan orld

TABEL 12.3 DIMENSI KUALITAS INFORMASI

KUALITAS DIMENSI KETERANGAN

Akurasi Apakah data mewakili realitas?

Konsistensi Apakah elemen data secara konsisten didefinisikan?

Kelengkapan Apakah semua data yang diperlukan saat ini?

Area tersedia saat dibutuhkan?

Aksesibilitas Apakah data diakses, dipahami, dan dapat digunakan?

bertahan hidup, kekuatan yang kuat dalam organisasi menolak membuat

TINGGI-KECEPATAN OTOMATIS PENGAMBILAN

12.2 Bisnis sayaNTELLIGENCE DI Enterprise

APAKAH KECERDASAN BISNIS?

ingin memperkuat hubungan-kapal dengan sering pembeli. Menggunakan data

ORS end Business Intelligence

BISNIS KECERDASAN LINGKUNGAN

TABEL 12.4 PEMIMPIN PASAR DAN SAHAM UNTUK PENYEDIA TOP

PENJAJA SAHAM BISNIS KECERDASAN SOFTWARE

SESI INTERAKTIF: ORGANISASI ORGANISASI

Seperti semua atraksi luar, bisnis kebun binatang ini

PERTANYAAN C ASE STU DY

GAMBAR 12.3 KECERDASAN BISNIS DAN ANALYTICS UNTUK PENDUKUNG

• pengguna Manajerial dan metode: Bisnis intelijen hardware

• User interface: Bisnis orang tidak lagi terikat dengan meja

KECERDASAN BISNIS DAN KEMAMPUAN

• Menelusuri: Ini adalah kemampuan untuk berpindah dari ringkasan tingkat

Siapa yang Menggunakan Business Intelligence

Produksi orts Rep

GAMBAR 12.4 PENGGUNA BISNIS KECERDASAN

TABEL 12.5 CONTOH BISNIS INTELIJEN yang telah ditetapkan LAPORAN

prediktor keselamatan mengemudi ketika mengeluarkan kebijakan asuransi

Big data Analytics

Data Visualisasi, Visual Analytics, dan Geografis

The National Marine

STRATEGI MANAJEMEN PENGEMBANGAN BI DAN BA

Apapun yang strategi

12.3 Bisnis sayaNTELLIGENCE CONSTITUENCIES

PENDUKUNG KEPUTUSAN MANAJEMEN

Supp ort f atau Keputusan semi

TABEL 12.6 CONTOH MIS APLIKASI

DSS lebih mengandalkan pemodelan dari MIS, menggunakan model lytical