Istilah "Inteligensi Bisnis" awalnya ditemukan oleh Richar Millar Devens dalam "Cyclopedia of

Commercial and Business Anecdotes" pada tahun 1865. Devens menggunakan istilah tersebut
untuk menjelaskan bagaimana seorang bankir, Sir Henry Furnese, mendapatkan profit dengan
memainkan informasi tentang lingkungannya, sebelum kompetitornya. "Sepanjang Holandia,
Flanders, Prancis, dan Jerman, dia memelihara rentetan inteligensi bisnis yang komplet dan
sempurna. Berita-berita dari banyak pertempuran pertama kali diterima olehnya, dan jatuhnya
Namur menambah keuntungannya, berkat penerimaan paling awal dari berita." (Devens, (1865),
p. 210). Kemampuan untuk mengumpulkan dan bereaksi berdasarkan informasi yang diterima,
suatu kemampuan yang Furnese sangat handal, sampai sekarang masih menjadi jantung dari
IB.[3]

Dalam artikel tahun 1958, peneliti dari IBM Hans Peter Luhn menggunakan istilah inteligensi
bisnis. Dia menggunakan definisi kamus Webster tentang inteligensi: "kemampuan untuk
memahami hubungan mendalam dari fakta yang ada dengan suatu cara sebagai panduan aksi
terhadap tujuan yang diinginkan." [4]

Inteligensi bisnis seperti yang dipahami sekarang dikatakan telah berkembang dari Sistem
Pendukung Keputusan (SPK) yang mulai dari tahun 1960-an dan berkembang sepanjang
pertengahan 1980-an. SPK berasal dari model dibantu-komputer yang dibuat untuk membantu
dalam pembuatan keputusan dan perencanaan. Dari SPK, gudang data, Sistem Informasi
Eksekutif, OLAP dan inteligensi bisnis muncul menjadi fokus pada akhir 80-an.

Pada tahun 1988, konsorsium Itali-Belanda-Prancis-Inggris melaksanakan pertemuan

internasional tentang Analisis Data Ragamcara di Roma.[5] Tujuan utamanya yaitu untuk
mereduksi beragam dimensi menjadi satu atau dua (dengan mendeteksi pola pada data) yang
dapat dipresentasikan pada pembuat-keputusan manusia.

Pada tahun 1989, Howard Dresner (kemudian sebagai analis Gartner Group) mengajukan
"inteligensi bisnis" sebagai istilah umum untuk menjelaskan "konsep dan metode untuk
meningkatkan pembuatan keputusan bisnis dengan menggunakan sistem bantu berdasar-fakta.[6]
Baru pada akhir 1990-an penggunaan ini menyebar luas.[7]

Business Intelligence
1. Pengertian Business Intelligence

Menurut Nadia Branon, Business Intelligence merupakan kategori yang umum digunakan untuk
aplikasi dan teknologi untuk mengumpulkan, menyimpan, menganalisa, dan menyediakan akses
pada data agar dapat membantu pengguna dari kalangan perusahaan agar dapat mengambil
keputusan dengan lebih baik dan tepat.

Secara ringkas Business Intelligence dapat diartikan sebagai pengetahuan yang didapat dari hasil
analisis data yang diperoleh dari kegiatan (usaha) suatu organisasi. Business Intelligence
biasanya dikaitkan dengan upaya untuk memaksimalkan kinerja suatu organisasi. Business
intelligent system merupakan istilah yang umumnya digunakan untuk jenis aplikasi maupun
teknologi yang digunakan untuk membantu kegiatan businnes intelligence, seperti
mengumpulkan data, menyediakan akses serta menagnalisis data dan informasi mengenai kinerja
perusahaan.

2. Sejarah Business Intelligence

Istilah Business Intelligence (BI) pertama kali didengungkan pada tahun 1958 oleh seorang
peneliti dari IBM yang bernama Hans Peter Luhn. Beliau mendefinisikan istilah intelligence
sebagai “Kemampuan dalam mengerti dan memahami suatu hubungan timbal balik antara fakta-
fakta yang disajikan sedemikian rupa menjadi suatu landasan dalam bertindak untuk mencapai
tujuan yang dikehendaki”. Business Intelligence seperti yang kita ketahui pada saat ini bisa
dikatakan sebagai hasil evolusi dari Decision Support System (DSS) yang dimulai sekitar tahun
1960 dan berkembang sampai tahun 1980an. Sekitar tahun 1980an mulai dari DSS, EIS
(Executive Information System), data warehouse, OLAP dan Business Intelligence mulai
menjadi perhatian dan menjadi suatu kesatuan system. Pada tahun 1989 dalam sebuah artikel
terbitan Gartner, Howard Dresner menggunakan istilah Business Intelligence (BI) . Dia
menggambarkan istilah tersebut sebagai seperangkat konsep dan metode yang berguna untuk
meningkatkan kemampuan pembuatan keputusan dengan bantuan sistem yang berbasiskan fakta
atau realita yang terjadi.

4. Kegunaan Business Intelligence

Perusahaan menggunakan Business Intelligence untuk memahami, meningkatkan kinerja,

penganggaran biaya yang lebih efisien dan mengidentifikasi peluang bisnis baru. Beberapa hal
kegunaan Business Intelligence, antara lain:

1. Analisa dalam perilaku konsumen, pola pembelian dan trend penjualan

2· Mengukur, melacak dan memprediksi penjualan dan kinerja keuangan

3· Penganggaran, perencanaan keuangan dan peramalan

4· Mengetahui kinerja kegiatan pemasaran

5· Optimalisasi proses dan kinerja operasional

6· Meningkatkan efektifitaspengiriman dan pasokan

7· Analisa CRM (Customer Relationship Management)

8· Analisa Resiko

9· Analisa nilai strategis

10·Analisa social media

Jika pada lembaga bisnis (profit organization) Business Intelligence dimanfaatkan untuk
meningkatkan kinerja melalui pemilihan strategi bisnis yang tepat, maka pada lembaga
pemerintahan (non-profit organization) business intelligence dapat digunakan untuk
meningkatkan kinerja perusahaan melalui peningkatan efisiensi pelaksanaan kerja sehingga pada
akhirnya akan tercipta perbaikan layanan pada masyarakat serta pengelolaan anggaran yang
tepat. Business Intelligence juga dapat membantu suatu perusahaan dalam menganalisis
perubahan trend yang terjadi sehingga akan membantu perusahaan menentukan strategi yang
diperlukan dalam mengantisipasi perubahan trend tersebut.

Sumber : rinaindriyani91.blogspot.in/Business Intelligence/

Business Intelligence
1. Pengertian Business Intellegence

Menurut DJ Powers (2002), Business Intellegence menjelaskan tentang suatu konsep dan metode
untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem dan berbasis
data. BI seringkali disamakan dengan briefing books, report dan query tools, dan seistem
informasi eksekutif. BI merupakan sistem pendukung pengambilan keputusan yang berbasiskan
data-data. Menurut David (2000), Business Intellegence adalah suatu cara untuk mengumpulkan,
menyimpan, mengorganisasikan, membentuk ulang, meringkas data serta menyediakan
informasi baik berupa data aktifitas bisnis internal perusahaan termasuk aktifitas bisnis pesaing
yang mudah diakses serta dianalisis untuk berbagai kegiatan manajemen. Menurut Stefan Adhi
Nugroho (2008), Bussiness Intelegence adalah rangkainan aplikasi dan teknologi untuk
mengumpulkan, menyimpan dan menganalisis dan menyuguhkan akses data untuk membantu
petinggi perusahaan dalam mengambil keputusan.

Berdasarkan pendapat ahli diatas, menurut pendapat saya Business Intellegence adalah sebuah
proses memanipulasi data baik berupa mengumpulkan, menyimpan, menganalisis dan meringkas
data baik dari intern perusahaan ataupun dari bisnis pesaing untuk meningkatkan kualitas
pengambilan keputusan bagi pejabat perusahaan.

Menurut Ronald (2008) ada beberapa bagian dalam solusi BI yaitu, keseluruhan proses dalam BI
dapat diterjemahkan menjadi langkah-langkah dibawah ini :

a. Identifikasi masalah bisnis yang perlu diselesaikan dengan gudang data atau warehouse dan
menetukan data yang diperlukan untuk menyelesaikan masalah tersebut.

b. Identifikasi lokasi dari data-data yang diperlukan dan mengambilnya dari sumber
penyimpanan.

c. Mengubah data yang diperoleh dari berbagai sumber tersebut ke dalam sebuah data yang
konsisten.
d. Mengambil data yang telah diubah tersebut ke dalam lokasi yang tersentralisasi tersebut.

e. Memasang sebuah produk atau aplikasi yang dapat memberikan akses ke data yang adadalam
cube tadi. Ada berbagai macam jalan dan cara untuk berbagai macam tipe pekerjaan ketika
berurusan dengan cube.

2. Hubungan Business Intellegence dengan Data Ware House.

Business intellegence dan data warehouse adalah dua hal yang berbeda namun satu sama lain
mempunyai hubungan yang saling terkait. Data warehouse adalah data yang dimiliki suatu
perusahaan yang bersifat besar dan sudah berkualitas yang sudah dipakai sejak perusahaan
berdiri. Sehingga hubungan antara data business intellegence dan data warehouse adalah saat
penyampaian data business intelegent sebagai teknologi yang dipakai untuk menyajikan data
warehouse tersebut sehingga memudahkan para petinggi perusahaan untuk mengambil
keputusan.

3. Hubungan Business Intellegence dengan Data Mining

Data mining adalah suatu proses penggalian data dari data warehouse yang disimpan dalam basis
data atau media penyimpanan lain sehingga diharapkan setelah melakukan mining terhadap data
akan didapatkan suatu data baru yang kemudian disimpan menjadi informasi yang baru pula.
Data mining memiliki beberapa solusi untuk melakukan mining data, diataranya menggunakan
metode clustering, forecasting, classifying, asociating dan sequencing. Jadi hubungan antara data
mining dan business intellegence berada pada data yang akan diproses. Awalnya dari data
warehouse yang kemudian di proses data mining baru kemudian disajikan pada business
intellegence sehingga mendapat informasi yang lebih bagus, nyaman dan akurat.

Sumber : ayu-maha.blogspot.in/business-intelligence.

Business Intelligence
1. Apa itu Business Intelligence atau BI ?

Secara singkat, Business Intelligence atau lebih sering disingkat BI (baca: bi - ai) adalah
seperangkat solusi sistem informasi yang dapat menuntun kepada percepatan pengambilan
keputusan dalam tingkat akurasi yang tinggi (valid).

Sebagai contoh, informasi yang dihasilkan adalah metrik performa aktual penjualan vs target
penjualan (sales), pengeluaran vs anggaran (finance), analisa tren produksi vs tren permintaan
(capacity planning), dan lain-lain. Kenapa BI ?

Pengambilan keputusan memerlukan data dari sistem BI yang berasal dari kumpulan :

1. data faktual

2. data perencanaan.
3. maupun data prediksi.

4. yang diolah menjadi informasi yang komprehensif - dan biasanya komparatif - sehingga dapat
memberikan gambaran.

besar bahkan menyeluruh akan kondisi bisnis dan organisasi pada :

1. masa lalu.

2. masa kini.

3. dan tren ke masa depan.

Dari tuntunan informasi yang dihasilkan ini, diharapkan pengguna sistem BI dapat mengambil
keputusan dengan cepat dan tegas - serta tingkat resiko yang lebih kecil.

Konsekuensi pengambilan keputusan yang cepat tentu sangat besar, antara lain dapat
memenangkan persaingan dimana kita sudah mengambil langkah antisipatif setelah mengetahui
informasi satu atau beberapa langkah ke depan dibanding pesaing kita.

2. Dua Aspek Business Intelligence

Batasan definisi yang lebih terinci dari Business Intelligence dapat dibagi dalam dua aspek, yaitu
:

Metode-metode atau teknik dalam praktek mendefinisikan, mengumpulkan dan

mempresentasikan data dan aturan bisnis yang terikat dengannya menjadi informasi strategis
yang dapat dimengerti dengan mudah oleh berbagai level pelaku bisnis. Strategis disini artinya
adalah dapat mendukung pengambilan keputusan dalam frame waktu yang semakin baik dari
hari ke hari. Kumpulan teknologi dan aplikasi sistem terkomputerisasi yang mendukung hal di
atas.

3. Data Warehouse dan Business Intelligence

Business Intelligence dan Data Warehouse adalah dua hal yang sebenarnya berbeda namun
hampir tidak bisa dipisahkan. Hubungan antar keduanya sedemikian erat sehingga kita tidak bisa
membicarakan BI tanpa Data Warehouse.

Sebagai solusi yang sangat bergantung pada data berkualitas tinggi, solusi BI akan menghasilkan
informasi yang akurat jika sumber datanya baik dan akan menghasilkan informasi yang salah
jika sebaliknya. Selain itu respon sistem BI juga harus baik sehingga dapat mencapai tujuannya
dari sisi efisiensi waktu.

Terkait dengan hal tersebut, sumber data pada organisasi yang kompleks dan besar biasanya
perlu diolah agar dapat digunakan baik oleh sistem tersebut.
Kompleksitas yang biasanya terjadi adalah sumber data tersebar di berbagai titik dan pernah
memiliki siklus pengembangan bertahap.

Konsekuensinya, isi data bisa berbeda pada tiap titik area fisik, dan pada tiap periode waktu
siklus pengembangan. Data demikian hampir dipastikan perlu perlakuan tertentu agar seragam
namun tetap valid. Dan jika tidak ditangani dengan disiplin yang baik pada tahap
pengembangannya, data cenderung menjadi "kotor".

Data Warehouse memenuhi kriteria tersebut, yaitu merupakan database tersendiri merupakan
hasil konsolidasi, pembersihan, penyesuaian, dan optimalisasi data sehingga layak dijadikan
sebagai sumber data informasi untuk sistem BI.

Proses menghasilkan data warehouse ini tidak sederhana dan menuntut pembahasan sendiri yang
intens. Bahkan bisa diklaim di hampir semua kasus, jika dimasukkan sebagai bagian proyek BI
maka Data Warehouse merupakan task yang paling lama pengembangannya.

Pada lembaga bisnis (profit organization) Business Intelligence dimanfaatkan untuk

meningkatkan kinerja melalui pemilihan strategi bisnis yang tepat.

Pada lembaga pemerintahan (non-profit organization) Business Intelligence dapat digunakan

untuk meningkatkan kinerja perusahaan melalui peningkatan efisiensi pelaksanaan kerja
sehingga pada akhirnya akan tercipta perbaikan layanan pada masyarakat serta pengelolaan
anggaran yang tepat.

Business Intelligence juga dapat membantu suatu perusahaan dalam menganalisis perubahan
trend yang terjadi sehingga akan membantu perusahaan menentukan strategi yang diperlukan
dalam mengantisipasi perubahan trend tersebut.

kegunaan Business Intelligence, antara lain:

 Analisa dalam perilaku konsumen, pola pembelian dan trend penjualan

 Mengukur, melacak dan memprediksi penjualan dan kinerja keuangan
 Penganggaran, perencanaan keuangan dan peramalan
 Mengetahui kinerja kegiatan pemasaran
 Optimalisasi proses dan kinerja operasional
 Meningkatkan efektifitaspengiriman dan pasokan
 Analisa CRM (Customer Relationship Management)
 Analisa Resiko
 Analisa nilai strategis
 Analisa social media
A. Sejarah Business Intellegence

Dalam sebuah artikel tahun 1958, IBM peneliti Hans Peter Luhn menggunakan intelijen bisnis
jangka panjang. Dia dipekerjakan Webster kamus definisi kecerdasan: ". Kemampuan untuk menangkap
hubungan timbal balik fakta yang disajikan sedemikian rupa untuk membimbing tindakan ke arah tujuan
yang diinginkan"

Bisnis intelijen seperti yang dipahami saat ini dikatakan telah berevolusi dari sistem pendukung
keputusan yang dimulai pada tahun 1960 dan dikembangkan sepanjang pertengahan 1980-an. DSS
berasal dari model-dibantu komputer dibuat untuk membantu pengambilan keputusan dan
perencanaan. Dari DSS, data warehouse , Sistem Informasi Eksekutif , OLAP dan intelijen bisnis datang
ke dalam fokus yang dimulai pada tahun 80-an.

Pada tahun 1989, Howard Dresner (kemudian seorang Gartner Group analis) mengusulkan
"intelijen bisnis" sebagai istilah umum untuk menggambarkan "konsep dan metode untuk meningkatkan
pengambilan keputusan bisnis dengan menggunakan sistem pendukung berdasarkan fakta." Tidak
sampai akhir 1990 bahwa penggunaan ini tersebar luas.

B. Definisi Business Intellegence

Bisnis intelijen (BI) adalah kemampuan organisasi untuk mengumpulkan, memelihara, dan
mengatur data. Hal ini menghasilkan sejumlah besar informasi yang dapat membantu mengembangkan
peluang baru. Mengidentifikasi peluang tersebut, dan menerapkan strategi yang efektif, dapat
memberikan keuntungan pasar kompetitif dan stabilitas jangka panjang.

Business intelligence (BI) adalah seperangkat teori, metodologi, arsitektur, dan teknologi yang
mengubah data mentah menjadi informasi yang bermakna dan berguna untuk tujuan bisnis. BI dapat
menangani sejumlah besar informasi untuk membantu mengidentifikasi dan mengembangkan peluang
baru. Memanfaatkan peluang baru dan menerapkan strategi yang efektif dapat memberikan keunggulan
pasar yang kompetitif dan stabilitas jangka panjang.

Bisnis intelijen, atau BI, adalah istilah umum yang mengacu pada berbagai aplikasi perangkat
lunak yang digunakan untuk menganalisis data mentah organisasi. BI sebagai suatu disiplin terdiri dari
beberapa kegiatan terkait, termasuk data mining, pengolahan analisis online, query dan pelaporan.

Menurut saya berdasarkan uraian di atas mengenai business intellegence, dapat disimpulkan
business intellegence adalah kemampuan organisasi untuk mengatur atau pun mengubah data
menjadi informasi yang memiliki nilai atau makna yang berguna untuk tujuan bisnnis

Perusahaan menggunakan BI untuk meningkatkan pengambilan

keputusan, mengurangi biaya dan mengidentifikasi peluang bisnis baru. BI lebih dari pelaporan
hanya perusahaan dan lebih dari satu set alat untuk membujuk data yang keluar dari sistem perusahaan.
CIO menggunakan BI untuk mengidentifikasi proses bisnis yang tidak efisien yang matang untuk re-
engineering.
 Jenis perusahaan yang menggunakan sistem BI?

Rantai restoran seperti Hardee, Wendy, Ruby Tuesday dan TGI Friday adalah pengguna berat
dari perangkat lunak BI. Mereka menggunakan BI untuk membuat keputusan strategis, seperti apa
produk baru untuk ditambahkan ke menu mereka, yang piring untuk menghapus dan yang menyimpan
kinerjanya untuk menutup. Mereka juga menggunakan BI untuk hal-hal taktis seperti negosiasi ulang
kontrak dengan pemasok makanan dan mengidentifikasi peluang untuk meningkatkan proses yang tidak
efisien. Karena rantai restoran begitu operasi-driven, dan karena BI jadi pusat untuk membantu mereka
menjalankan bisnis mereka, mereka adalah salah satu dari kelompok elit perusahaan di semua industri
yang benar-benar mendapatkan nilai riil dari sistem ini.

Salah satu komponen penting dari BI- bisnis analisis -diam-diam penting untuk keberhasilan
perusahaan di berbagai industri, dan lebih terkenal penting untuk keberhasilan tim olahraga profesional
seperti Boston Red Sox, Oakland A dan New England Patriots.

C. Fungsi Business Intellegence

Fungsi umum dari teknologi intelijen bisnis pelaporan, pengolahan analisis online, analisis, data
mining, mining proses, pengolahan acara kompleks , manajemen kinerja bisnis , pembandingan,
pertambangan teks, analisis prediktif dan analisis preskriptif .

Meskipun intelijen bisnis jangka kadang-kadang merupakan sinonim untuk intelijen kompetitif
(karena mereka berdua dukungan pengambilan keputusan ), BI menggunakan teknologi, proses, dan
aplikasi untuk menganalisis sebagian besar internal, data terstruktur dan proses bisnis sementara
intelijen kompetitif mengumpulkan, menganalisa dan menyebarkan informasi dengan fokus topikal pada
pesaing perusahaan. Jika dipahami secara luas, intelijen bisnis dapat mencakup subset dari intelijen
kompetitif.
Kelebihan dan kekurangan Pengembangan Bussiness Intelligence

Berikut ini akan dijabarkan mengenai kelebihan dan kekurangan dari Pendekatan Top Down
-Pembangunan BI langsung mencakup data seluruh organisasi
-Kerangka BI akan lebih terstruktur, bukan gabungan dari berbagai data mart (data parsial)
-Penyimpanan data menjadi terpusat
-Kontrol informasi dapat dilakukan secara tersentralisasi
Sedangkan kekurangan dari Pendekatan Top Down ini adalah sebagai berikut :

- Waktu implementasi lebih lama

- Risiko kegagalan relatif tinggi karena kerumitannya

- Membutuhkan biaya yang relatif besar

Kelebihan pendekatan menggunakan Pola Bottom Up dapat dilihat berikut ini :

-Implementasi lebih mudah untuk dikelola dan lebih cepat memperlihatkan hasil
 - Risiko kegagalan relative kecil

- Bersifat incremental dimana data mart yang penting dapat dijaadwalkan lebih awal

- Memungkinakan anggota tim proyek untuk belajar dengan baik

Sedangkan kekrangan dari penggunaan Pendekatan Bottom Up adalah berikut ini :

- Tiap data mart merupakan departemental-view

- Memungkinkan terjadinya duplikasi data di setiap data mart di masing – masaing departemen

- Data tidak konsisten dan data sulit direkonsiliasi

- Terdapat banyak interface yang sulit dikelola.

Perusahaan yang menggunakan BI antara lain:

- Blue Bird Group.

- PT Indosat Sales Area Kota Mojokerto.

- Bank Indonesia.

- PT. Garuda Indonesia.

- PT.Indofood.

- PT Coca Cola Distribution Indonesia.

BI merupakan produk dari SAP ERP, product ini gunanya untuk menyimpan data + reporting
yang berasal dari SAP ERP atau sistem lainnya seperti MsSql, Oracle, dll.

Manfaat Bussiness Intelligence

a. Keuntungan

Bagi perusahaan yang telah mengimplementasikan BI, mereka akan mampu menuai keuntungan
keuangan dari implementasi tersebut. Dengan struktur implementasi BI yang baik, perusahaan akan
cerdas mengadaptasikan tingkat layanan yang ditawarkan demi menjawab kebutuhan pelanggan.

b. Pangsa pasar

Salah satu cara efektif menggenjot keuntungan dan stabilitas pasar adalah dengan melebarkan
pangsa pasar perusahaan. Di tengah persaingan bisnis yang makin mengganas, monopoli merupakan hal
 yang beranjak usang karena pebisnis baru terus bermunculan. Mereka selalu berusaha menggerogoti
pangsa pasar perusahaan yang telah mapan. Salah satu strategi mereka adalah memangkas harga sebagai
strategi mengimingimingi pelanggan suatu perusahan agar beralih ke produk mereka.

Jika hal itu terjadi, bagaimana cara perusahaan lain mengantisipasi? Perusahaan dengan keuangan
yang lebih stabil tentu akan mampu bertahan, sisanya bisa jadi akan terlibas persaingan. Perusahaan yang
mengimplementasikan BI, peluangnya akan lebih besar untuk tetap survive jika mereka mampu bereaksi
dengan cepat dan dengan keputusan yang lebih baik mempertahankan pangsa pasar.

c. Pengambilan keputusan

Keputusan yang Anda buat harus keputusan yang terbaik dari pilihan yang ada. Kita ambil
contoh, Anda mengendarai mobil menuju kantor sembari mendengarkan siaran radio perkembangan lalu
lintas. Sang penyiar menuturkan bahwa jalan tempat biasa Anda berbelok macet karena terdapat
kecelakaan beruntun. Anda disarankan berbelok di perempatan berikutnya. Anda memperkirakan, jika
tetap nekat melewati jalan tersebut, mungkin Anda akan terjebak kemacetan sekitar 25 menit. Sementara
itu, pilihan yang disarankan penyiar radio, walau belokannya lebih jauh, tetapi hanya butuh tambahan
waktu 15 menit. Berbekal informasi tersebut, keputusan Anda adalah berbelok di perempatan berikutnya
dengan pertimbangan, di jalan tempat biasa Anda berbelok, kemacetannya tidak dapat Anda pastikan.

Prinsip ini tidak berbeda jauh dengan apa yang dilakukan BI. Yakni mengambil keputusan terbaik
berdasarkan informasi yang dimiliki.

D. Aplikasi dalam suatu perusahaan

Bisnis intelijen dapat diterapkan untuk tujuan bisnis berikut, dalam rangka mendorong nilai
bisnis.

1. pengukuran - program yang menciptakan hirarki metrik kinerja (lihat juga Metrik
Reference Model ) dan benchmarking yang menginformasikan pemimpin bisnis tentang
kemajuan menuju tujuan bisnis ( manajemen proses bisnis ).
2. Analytics - program yang membangun proses kuantitatif untuk bisnis untuk sampai pada
keputusan yang optimal dan untuk melakukan penemuan pengetahuan bisnis. Sering
melibatkan: data mining , mining proses , analisis statistik , analisis prediktif , model
prediktif , pemodelan proses bisnis , pengolahan acara kompleks dan analisis preskriptif
.
3. Pelaporan / pelaporan perusahaan - program yang membangun infrastruktur untuk
pelaporan strategis untuk melayani manajemen strategis dari bisnis, bukan pelaporan
operasional. Sering melibatkan visualisasi data , sistem informasi eksekutif dan OLAP .
4. Kolaborasi / platform kolaborasi - program yang mendapat area yang berbeda (baik di
dalam dan di luar bisnis) untuk bekerja bersama-sama melalui berbagi data dan
pertukaran data elektronik .
5. Pengetahuan manajemen - program untuk membuat data perusahaan didorong melalui
strategi dan praktek untuk mengidentifikasi, menciptakan, merepresentasikan,
 mendistribusikan, dan memungkinkan adopsi wawasan dan pengalaman yang
pengetahuan bisnis sejati. Pengetahuan manajemen mengarah ke manajemen
pembelajaran dan kepatuhan terhadap peraturan .

Selain di atas, intelijen bisnis juga dapat memberikan pendekatan pro-aktif, seperti fungsi
ALARM untuk mengingatkan segera untuk end-user. Ada banyak jenis peringatan, misalnya jika
beberapa nilai bisnis melebihi nilai ambang batas warna dari jumlah itu dalam laporan akan menyala
MERAH dan analis bisnis disiagakan. Kadang-kadang mail alert akan dikirim ke pengguna juga. Akhir ini
untuk mengakhiri proses memerlukan tata kelola data, yang harus ditangani oleh ahli.

E. Prioritas proyek intelijen bisnis

Hal ini sering sulit untuk memberikan kasus bisnis yang positif untuk inisiatif intelijen bisnis dan
sering proyek harus diprioritaskan melalui inisiatif strategis. Berikut adalah beberapa petunjuk untuk
meningkatkan manfaat bagi proyek BI.

 Seperti dijelaskan oleh Kimball Anda harus menentukan manfaat nyata seperti biaya
dihilangkan menghasilkan laporan warisan.
 Menegakkan akses ke data untuk seluruh organisasi. Dengan cara ini bahkan manfaat
kecil, seperti beberapa menit yang disimpan, membuat perbedaan ketika dikalikan
dengan jumlah karyawan di seluruh organisasi.
 Seperti dijelaskan oleh Ross, Weil & Roberson untuk Enterprise Architecture,
mempertimbangkan membiarkan proyek BI didorong oleh inisiatif bisnis lainnya dengan
kasus bisnis yang sangat baik. Untuk mendukung pendekatan ini, organisasi harus
memiliki arsitek enterprise yang dapat mengidentifikasi proyek-proyek bisnis yang
cocok.
 Gunakan metodologi terstruktur dan kuantitatif untuk membuat prioritas dipertahankan
sesuai dengan kebutuhan sebenarnya dari organisasi, seperti matriks keputusan
tertimbang.

F. Faktor keberhasilan implementasi

Sebelum menerapkan solusi BI, perlu mengambil berbagai faktor menjadi pertimbangan
sebelum melanjutkan. . Menurut Kimball et al, ini adalah tiga bidang penting bahwa Anda perlu menilai
dalam organisasi Anda sebelum bersiap-siap untuk melakukan proyek BI:

1. Tingkat komitmen dan sponsor dari proyek dari manajemen senior

2. Tingkat bisnis perlu untuk menciptakan implementasi BI

3. Jumlah dan kualitas data bisnis yang tersedia.

1) Sponsorship Bisnis
Komitmen dan sponsorship dari manajemen senior yang menurut Kimball et al., Kriteria yang
paling penting untuk penilaian. Hal ini karena memiliki dukungan manajemen yang kuat membantu
mengatasi kekurangan tempat lain dalam proyek. Namun, seperti Kimball et al menyatakan:. "Bahkan
 yang paling elegan dirancang DW / sistem BI tidak dapat mengatasi kurangnya bisnis [manajemen]
sponsorship".

Adalah penting bahwa personil yang berpartisipasi dalam proyek ini memiliki visi dan ide dari
kelebihan dan kekurangannya menerapkan sistem BI. Sponsor bisnis terbaik harus memiliki pengaruh
organisasi dan harus dihubungkan dengan baik dalam organisasi. Ini sangat ideal bahwa sponsor bisnis
menuntut tapi juga mampu bersikap realistis dan mendukung jika pelaksanaan berjalan ke
keterlambatan atau kekurangan. Manajemen sponsor juga harus mampu mengasumsikan akuntabilitas
dan untuk bertanggung jawab atas kegagalan dan kemunduran pada proyek. Dukungan dari beberapa
anggota manajemen memastikan proyek tidak gagal jika satu orang meninggalkan kelompok pengarah.
Namun, memiliki banyak manajer bekerja sama dalam proyek ini juga bisa berarti bahwa ada beberapa
kepentingan yang berbeda yang mencoba untuk menarik proyek dalam arah yang berbeda, seperti jika
departemen yang berbeda ingin lebih menekankan pada penggunaannya. Masalah ini dapat diatasi
dengan analisis awal dan spesifik dari area bisnis yang paling diuntungkan dari pelaksanaannya. Semua
pemangku kepentingan dalam proyek harus berpartisipasi dalam analisis ini agar mereka merasa
memiliki proyek dan untuk menemukan kesamaan.

Masalah manajemen lain yang harus dihadapi sebelum memulai pelaksanaan jika sponsor bisnis
terlalu agresif. Jika manajemen individu akan terbawa oleh kemungkinan menggunakan BI dan mulai
menginginkan DW atau BI implementasi untuk memasukkan beberapa set data yang berbeda yang tidak
termasuk dalam tahap perencanaan awal. Namun, karena implementasi tambahan data tambahan
dapat menambahkan beberapa bulan ke rencana semula, adalah bijaksana untuk memastikan orang dari
manajemen menyadari tindakannya.

2) Bisnis kebutuhan

Karena hubungan yang erat dengan manajemen senior, hal lain yang penting yang harus dinilai
sebelum proyek dimulai adalah apakah atau tidak ada kebutuhan bisnis dan apakah ada manfaat bisnis
yang jelas dengan melakukan implementasi. Kebutuhan dan manfaat dari pelaksanaannya kadang-
kadang didorong oleh persaingan dan kebutuhan untuk memperoleh keuntungan di pasar. Alasan lain
untuk pendekatan berbasis bisnis untuk implementasi BI adalah akuisisi organisasi lain yang
memperbesar organisasi asli kadang-kadang dapat bermanfaat untuk menerapkan DW atau BI dalam
rangka menciptakan lebih banyak pengawasan.

Perusahaan yang mengimplementasikan BI sering besar, organisasi multinasional dengan anak

perusahaan yang beragam. Sebuah solusi BI yang dirancang dengan baik memberikan pandangan
konsolidasi data bisnis utama tidak tersedia di tempat lain dalam organisasi, memberikan visibilitas
manajemen dan kontrol atas langkah-langkah yang lain tidak akan ada.

3) Jumlah dan kualitas data yang tersedia

Tanpa data yang baik, tidak peduli seberapa baik sponsorship manajemen atau motivasi-driven
bisnis. Tanpa data yang tepat, atau dengan kualitas data terlalu sedikit, setiap pelaksanaan BI gagal.
Sebelum pelaksanaan itu adalah ide yang baik untuk melakukan data profiling. Analisis ini
 mengidentifikasi "konten, konsistensi dan struktur [..]"dari data. Hal ini harus dilakukan sedini mungkin
dalam proses dan jika analisis menunjukkan bahwa data yang kurang, menempatkan proyek di rak
sementara sedangkan departemen TI angka keluar bagaimana benar mengumpulkan data.

Ketika merencanakan untuk data bisnis dan kebutuhan intelijen bisnis, selalu dianjurkan untuk
mempertimbangkan skenario tertentu yang berlaku untuk organisasi tertentu, dan kemudian pilih fitur
intelijen bisnis paling cocok untuk skenario.

Seringkali, skenario berputar di sekitar proses bisnis yang berbeda, masing-masing dibangun di
atas satu atau lebih sumber data. Sumber-sumber ini digunakan oleh fitur yang menyajikan data itu
sebagai informasi kepada pekerja pengetahuan, yang kemudian bertindak berdasarkan informasi
tersebut. Kebutuhan bisnis organisasi untuk setiap proses bisnis yang diadopsi sesuai dengan langkah-
langkah penting dari intelijen bisnis. Langkah-langkah penting dari intelijen bisnis termasuk tetapi tidak
terbatas pada:

1. Pergi melalui sumber data bisnis untuk mengumpulkan data yang diperlukan
2. Mengkonversi data bisnis untuk informasi dan menyajikan tepat
3. Query dan menganalisis data
4. Bertindak berdasarkan data yang dikumpulkan

G. Penilaian BI

1. Analisis kebutuhan bisnis

Menganalisa tujuan dan sasaran bisnis dan strategi mendasar

2. Analisis organisasional

Menganalisa bisnis yang ada san struktur organisasi yang ada, budaya organisasi

3. Analisis teknis/metodolog

Menganalisa apakah metodologi pengembangan dan infrastruktur teknis yang sesuai sudah pada
tempatnya.

H. Penggalian data ( data mining)

Penggalian data (bahasa Inggris: data mining) adalah ekstraksi pola yang menarik dari data
dalam jumlah besar..Suatu pola dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak
diketahui sebelumnya, dan berguna. Pola yang disajikan haruslah mudah dipahami, berlaku untuk data
yang akan diprediksi dengan derajat kepastian tertentu, berguna, dan baru. Penggalian data memiliki
beberapa nama alternatif, meskipun definisi eksaknya berbeda, seperti KDD (knowledge discovery in
database), analisis pola, arkeologi data, pemanenan informasi, dan intelegensia bisnis. Penggalian data
 diperlukan saat data yang tersedia terlalu banyak (misalnya data yang diperoleh dari sistem basis data
perusahaan, e-commerce, data saham, dan data bioinformatika), tapi tidak tahu pola apa yang bisa
didapatkan.

Secara umum, data mining (kadang-kadang disebut data atau penemuan pengetahuan) adalah
proses menganalisis data dari perspektif yang berbeda dan meringkas menjadi informasi yang berguna -
informasi yang dapat digunakan untuk meningkatkan pendapatan, mengurangi biaya, atau keduanya.
Software Data mining adalah salah satu dari sejumlah alat-alat analisis untuk menganalisis data. Hal ini
memungkinkan pengguna untuk menganalisis data dari berbagai dimensi atau sudut, mengkategorikan,
dan meringkas hubungan diidentifikasi. Secara teknis, data mining adalah proses menemukan korelasi
atau pola antara puluhan field dalam database relasional besar .

Menurut saya :Berdasarkan uraian diatas dapat disimpulkan bahwa data mining/penggaliaan data
adalah proses analisis data yang terlalu banyak dengan meringkasnya menjadi informasi yang
berguna.

Fungsi-fungsi yang umum diterapkan dalam data mining (Haskett, 2000)

1. Assosiation, adalah proses untuk menemukan aturan assosiatif antara suatu kombinasi item
dalam suatu waktu

2. Sequence, proses untuk menemukan aturan assosiatif antara suatu kombinasi item dalam suatu
waktu dan diterapkan lebih dari satu periode

3. Clustering, adalah proses pengelompokan seumlah data/obyek ke dalam kelompok data

sehingga setiap kelompok berisi data yang mirip

4. Classification, proses penemuan model atau fungsi yang menjelaskan atau membedakan
konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya
tidak diketahui.

5. Regretion, adalah proses pemetaan data dalam suatu nilai prediksi

6. Forecasting, adalah proses pengestimasian nilai prediksi berdasarkan pola-pola di dalam

sekumpulan data.

7. Solution, adalah proses penemuan akar masalah dan problem solving dari persoalan bisnis yang
dihadapkai atau paling tidak sebagai informasi dalam pengambilan keputusan.

cara kerja data mining

Sementara teknologi informasi berskala besar telah berkembang transaksi dan sistem analitis
yang terpisah, data mining menyediakan link antara keduanya. Software Data mining menganalisis
hubungan dan pola dalam data transaksi disimpan berdasarkan permintaan pengguna terbuka.
Beberapa jenis perangkat lunak analitis yang tersedia: statistik, pembelajaran mesin, dan jaringan saraf.
Secara umum, salah satu dari empat jenis hubungan yang dicari:
  Kelas: Data disimpan digunakan untuk mencari data dalam kelompok-kelompok yang
telah ditentukan. Sebagai contoh, sebuah rantai restoran bisa menambang Data
pembelian konsumen untuk menentukan kapan pelanggan mengunjungi dan apa yang
mereka biasanya order. Informasi ini dapat digunakan untuk meningkatkan lalu lintas
dengan memiliki spesial sehari-hari.

 Cluster: Data item dikelompokkan menurut hubungan logis atau preferensi konsumen.
Sebagai contoh, data dapat ditambang untuk mengidentifikasi segmen pasar atau
afinitas konsumen.

 Asosiasi: Data dapat ditambang untuk mengidentifikasi asosiasi. Contoh bir-popok

adalah contoh dari pertambangan asosiatif.

 Pola sekuensial: Data ditambang untuk mengantisipasi pola perilaku dan tren. Sebagai
contoh, sebuah toko peralatan outdoor dapat memprediksi kemungkinan ransel yang
dibeli berdasarkan pembelian konsumen dari kantong tidur dan sepatu hiking.

I. SIG

SIG adalah sistem berbasis computer untuk menangkap, menyimpan, mengintegrasikannya,

memanipulasi dan mendisplay data dengan peta digital.

Sistem Informasi Geografis (bahasa Inggris: Geographic Information System disingkat GIS)
adalah sistem informasi khusus yang mengelola data yang memiliki informasi spasial (bereferensi
keruangan). Atau dalam arti yang lebih sempit, adalah sistem komputer yang memiliki kemampuan
untuk membangun, menyimpan, mengelola dan menampilkan informasi berefrensi geografis, misalnya
data yang diidentifikasi menurut lokasinya, dalam sebuah database
(id.wikipedia.org/wiki/Sistem_informasi_geografis).

Menurut Aronaff (1989)

SIG adalah sistem informasi yang didasarkan pada kerja komputer yang memasukkan, mengelola,
memanipulasi dan menganalisa data serta memberi uraian.

Menurut Burrough (1986)

SIG merupakan alat yang bermanfaat untuk pengumpulan, penimbunan, pengambilan kembali data
yang diinginkan dan penayangan data keruangan yang berasal dari kenyataan dunia.

Menurut saya :Berdasarkan uraian di atas dapat disimpulkan bahwa SIG (Sistem Informasi
Geografis) adalah sistem informasi yang memiliki kemampuan untuk menyimpan,
mengelola,memanipulasi dan menampilkan informasi dengan menggunakan peta geografis atau
peta dengan mengidentifikasikannya menurut lokas