Bisnis dijalankan pada data yang telah diproses menjadi informasi dan pengetahuan. Manajer kemudian
menerapkan pengetahuan ini untuk masalah dan peluang bisnis. Bisnis mengubah data menjadi pengetahuan
dan solusi dalam beberapa cara. Proses umum diilustrasikan pada Gambar 4.1. Dimulai dengan pengumpulan
data dari berbagai sumber. Data disimpan dalam database. Data yang dipilih dari database organisasi kemudian
diproses agar sesuai dengan format data warehouse atau data mart. Pengguna kemudian mengakses data di
gudang atau data mart untuk dianalisis. Analisis dilakukan dengan alat analisis data, yang mencari pola, dan
dengan sistem cerdas, yang mendukung interpretasi data.
EFFY OZ 391-396
Enterprise Knowledge Management Systems: General purpose, integrated, and firm-wide systems to
collect, store and disseminate digital content and knowledge
Sistem Manajemen Pengetahuan Perusahaan: Tujuan umum, terintegrasi, dan sistem yang kuat untuk
mengumpulkan, menyimpan, dan menyebarluaskan konten dan pengetahuan digital
The goal of knowledge management is to help an organization make the most effective use of the
knowledge it has. Historically, management information systems have focused on capturing, storing,
managing, and reporting explicit knowledge. Organizations now realize they need to integrate explicit
and tacit knowledge in formal information systems. Knowledge management systems (KMSs) refer to
the use of modern information technologies—the Internet, intranets, extranets, LotusNotes, data
warehouses—to systematize, enhance, and expedite intrafirm and interfirm knowledge management.
Tujuan dari manajemen pengetahuan adalah untuk membantu organisasi memanfaatkan secara efektif dari
pengetahuan yang dimilikinya. Secara historis, sistem informasi manajemen telah berfokus pada menangkap,
menyimpan, mengelola, dan melaporkan pengetahuan eksplisit. Organisasi sekarang menyadari bahwa mereka
perlu mengintegrasikan pengetahuan eksplisit dan diam-diam dalam sistem informasi formal. Sistem manajemen
pengetahuan (KMS) mengacu pada penggunaan teknologi informasi modern seperti Internet, intranet, ekstranet,
LotusNotes, gudang data untuk mensistematisasikan, meningkatkan, dan mempercepat intrafirm dan campur
tangan manajemen pengetahuan.
REINER 147
Knowledge Work Systems (KWS): Information systems that aid knowledge workers in the creation and
integration of new knowledge in the organization
Knowledge Work Systems (KWS): Sistem informasi yang membantu pekerja pengetahuan dalam penciptaan dan
integrasi pengetahuan baru dalam organisasi
Intelligent Techniques: Datamining and artificial intelligence technologies used for discovering, codifying,
storing, and extending knowledge
Teknik Cerdas: Datamining dan teknologi kecerdasan buatan yang digunakan untuk menemukan, menyusun,
menyimpan, dan memperluas pengetahuan
While some tools build knowledge bases and help employees access them, others put the emphasis on
directing employees to other employees who have a certain expertise. The advantage of this approach
is that an expert can provide expertise that has not been captured in information systems (see Figure
11.5). Large companies, especially multisite ones, often waste money because employees in one
organizational unit are not aware of the experience of employees in another unit. For example, one
energy company spent $1 million on a product designed to work on oil rigs to prevent sediment from
falling into wells. When the equipment was installed, it failed. The executives of another unit decided to
purchase the same equipment, which, not surprisingly, failed in the other location. Then a third unit,
elsewhere, purchased the equipment, which also failed. While one can justify the loss of the first $1
million as legitimate business expense in the course of trying a product, the other $2 million was lost
because decision makers did not know that the equipment had already been tried and failed. To
alleviate similar problems, some software companies, such as Tacit Systems, Inc., AskMe Corporation,
Participate Systems, Inc., and Entopia, Inc., have developed employee knowledge networks, tools
that facilitate knowledge sharing through intranets. Recall that an intranet uses Web technologies to link
employees of the same organization. Tacit Systems’ ActiveNet tool continuously processes e-mail,
documents, and other business communications and automatically “discovers” each employee’s work
focus, expertise, and business relationships. The tool “mines” this unstructured data to build a profile of
each employee in terms of topics and interests. The goal is to ensure that two people who might benefit
from creating a connection in a workplace do so, so that one can learn from the experience of another
about a specific issue. By analyzing e-mail and documents, the tool extracts the employee’s interests
and solutions to problems, and that information is added to the employee’s profile. Other employees
who seek advice can access the profile, but they cannot see the original e-mail or document created by
the employee. This ensures uninhibited brainstorming and communication. AskMe’s software also
detects and captures keywords from e-mail and documents created by employees. It creates a
knowledge base that holds the names of employees and their interests. An employee can access aWeb
page at which the employee enters a free-form question. The software
responds by listing the names of other employees who have created e-mail, text documents, or
presentations on the subject, and the topics of their work. The employee can view the activity profiles of
these people, and then contact them via the Web site, e-mail, instant messages, or paging. The
responder can use the same Web site to respond and attach documents that might help the inquirer.
AskMe’s tool captures the communication, including attached documents, and adds them to the
knowledge base. (Note that in this context the knowledge base is not organized as the knowledge bases
in expert systems are.)
Sementara beberapa alat membangun basis pengetahuan dan membantu karyawan mengaksesnya, yang lain
menekankan pada mengarahkan karyawan ke karyawan lain yang memiliki keahlian tertentu. Keuntungan dari
pendekatan ini adalah bahwa seorang ahli dapat memberikan keahlian yang belum ditangkap dalam sistem
informasi (lihat Gambar 11.5). Perusahaan besar, terutama yang multisite, sering membuang-buang uang karena
karyawan di satu unit organisasi tidak menyadari pengalaman karyawan di unit lain. Misalnya, satu perusahaan
energi menghabiskan $ 1 juta untuk produk yang dirancang untuk bekerja di rig minyak untuk mencegah sedimen
jatuh ke dalam sumur. Ketika peralatan dipasang, itu gagal. Para eksekutif unit lain memutuskan untuk membeli
peralatan yang sama, yang, tidak mengherankan, gagal di lokasi lain. Kemudian unit ketiga, di tempat lain,
membeli peralatan, yang juga gagal. Sementara satu dapat membenarkan hilangnya $ 1 juta pertama sebagai
biaya bisnis yang sah dalam rangka mencoba suatu produk, $ 2 juta lainnya hilang karena pembuat keputusan
tidak tahu bahwa peralatan sudah dicoba dan gagal. Untuk mengatasi masalah serupa, beberapa perusahaan
perangkat lunak, seperti Tacit Systems, Inc., AskMe Corporation, Participate Systems, Inc., dan Entopia, Inc., telah
mengembangkan jaringan pengetahuan karyawan, alat yang memfasilitasi pertukaran pengetahuan melalui
intranet. Ingatlah bahwa intranet menggunakan teknologi Web untuk menghubungkan karyawan dari organisasi
yang sama. Alat ActiveNet dari Tacit Systems secara terus-menerus memproses email, dokumen, dan komunikasi
bisnis lainnya dan secara otomatis "menemukan" fokus kerja, keahlian, dan hubungan bisnis setiap karyawan.
Alat ini “menambang” data tidak terstruktur ini untuk membangun profil setiap karyawan dalam hal topik dan
minat. Tujuannya adalah untuk memastikan bahwa dua orang yang mungkin mendapat manfaat dari
menciptakan koneksi di tempat kerja melakukannya, sehingga seseorang dapat belajar dari pengalaman orang
lain tentang masalah tertentu. Dengan menganalisis email dan dokumen, alat ini mengekstrak minat dan solusi
karyawan untuk masalah, dan informasi itu ditambahkan ke profil karyawan. Karyawan lain yang mencari saran
dapat mengakses profil, tetapi mereka tidak dapat melihat email atau dokumen asli yang dibuat oleh karyawan.
Ini memastikan brainstorming dan komunikasi tanpa hambatan. Perangkat lunak AskMe juga mendeteksi dan
menangkap kata kunci dari email dan dokumen yang dibuat oleh karyawan. Ini menciptakan basis pengetahuan
yang memegang nama-nama karyawan dan minat mereka. Seorang karyawan dapat mengakses halaman Web di
mana karyawan memasukkan pertanyaan bentuk bebas. Perangkat lunak merespons dengan mendaftar nama-
nama karyawan lain yang telah membuat email, dokumen teks, atau presentasi tentang subjek, dan topik
pekerjaan mereka. Karyawan dapat melihat profil aktivitas orang-orang ini, dan kemudian menghubungi mereka
melalui situs Web, email, pesan instan, atau halaman. Responden dapat menggunakan situs Web yang sama
untuk merespons dan melampirkan dokumen yang mungkin membantu penyelidik. Alat AskMe menangkap
komunikasi, termasuk dokumen yang dilampirkan, dan menambahkannya ke basis pengetahuan. (Perhatikan
bahwa dalam konteks ini basis pengetahuan tidak diatur sebagaimana basis pengetahuan dalam sistem pakar.)
Menggunakan basis data menghilangkan banyak masalah yang muncul dari metode sebelumnya dalam
menyimpan dan mengakses data. Basis data diatur sehingga satu set program perangkat lunak — sistem
manajemen basis data — menyediakan semua pengguna akses ke semua data. (Kami membahas sistem
manajemen basis data nanti dalam bab ini.) Sistem ini meminimalkan masalah berikut:
• Redundansi data: Data yang sama disimpan di banyak tempat.
• Isolasi Data: Aplikasi tidak dapat mengakses data yang terkait dengan aplikasi lain.
• Inkonsistensi Data: Berbagai salinan data tidak setuju. Selain itu, sistem basis data memaksimalkan masalah-
masalah berikut:
• Keamanan data: Karena data sangat penting bagi organisasi, database memiliki langkah-langkah keamanan
yang sangat tinggi untuk mencegah kesalahan dan serangan (ingat diskusi kita pada Bab 3).
• Integritas data: Data memenuhi batasan tertentu, seperti tidak ada karakter alfabet di bidang Nomor Jaminan
Sosial.
• Kemandirian Data: Aplikasi dan data tidak tergantung satu sama lain (yaitu, aplikasi dan data tidak terhubung
satu sama lain, artinya semua aplikasi dapat mengakses data yang sama).
REINER 128
More Customer Intelligence
We have discussed customer relationship management (CRM) in several previous chapters. A major
effort of most businesses, especially retail businesses, in using such systems is to collect business
intelligence about customers. Both data-mining and OLAP software are often integrated into CRM
systems for this purpose. Since an increasing number of transactions are executed through the Web,
managers can use data that is already in electronic form to analyze and strategize. The challenge is
to address the right customer, at the right time, with the right offer, instead of spending millions of
dollars in mass marketing or covering numerous Web sites with ads.
Kami telah membahas manajemen hubungan pelanggan (CRM) di beberapa bab sebelumnya. Upaya utama
sebagian besar bisnis, terutama bisnis ritel, dalam menggunakan sistem tersebut adalah untuk mengumpulkan
intelijen bisnis tentang pelanggan. Penambangan data dan perangkat lunak OLAP sering diintegrasikan ke dalam
sistem CRM untuk tujuan ini. Karena semakin banyak transaksi dieksekusi melalui Web, manajer dapat
menggunakan data yang sudah dalam bentuk elektronik untuk menganalisis dan menyusun strategi.
Tantangannya adalah untuk mengatasi pelanggan yang tepat, pada waktu yang tepat, dengan penawaran yang
tepat, alih-alih menghabiskan jutaan dolar dalam pemasaran massal atau mencakup banyak situs Web dengan
iklan.
EFFY 387
Some companies have developed software tools that search for such information and derive valuable
business knowledge from it. For example, Accenture Technology Labs, the technology research and
development unit of the consulting firm Accenture, developed Online Audience Analysis. The tool
searches thousands ofWeb sites daily and retrieves predetermined information about specific products
and services. It then uses data-mining techniques to help organizations understand what consumers are
saying about corporate brands and products. Factiva, a subsidiary of Dow Jones, promotes a software
tool by the same name. Factiva is accessible through a Web site and gathers information online from
over 10,000 sources newspapers, journals, market data, and newswires—information that amounts to
millions of documents. About 60 percent of the information is not accessible to the general public. It
screens every piece of new information that is posted at any of these Web sites for information specified
by a subscribing organization. The search can be more tailored and specific than searches performed
through free search engines such as Google or Yahoo!. The software helps organizations add to their
knowledge base, especially in terms of what others say about their products and services. The tool
takes into account factors such as the industry and context in which an inquirer works to select and
deliver the proper information. For example, a key word such as “apple” means one thing to an
employee of a hardware or software organization and something completely different to an employee in
agriculture or a supermarket chain.
Konsumen terus memposting pendapat mereka tentang produk dan layanan di Web. Beberapa melakukannya di
situs penjual, yang lain di situs evaluasi produk umum seperti epinions.com, dan beberapa di blog. Menurut
beberapa perkiraan, pendapat konsumen diungkapkan dalam lebih dari 550 miliar halaman Web. Informasi ini
sulit ditemukan dan sangat tidak terstruktur. Jika organisasi dapat menyaring pengetahuan darinya, mereka
dapat belajar lebih banyak daripada melakukan penelitian riset pasar, seperti kelompok fokus, baik tentang
produk mereka sendiri maupun yang dijual oleh pesaing.
Beberapa perusahaan telah mengembangkan alat perangkat lunak yang mencari informasi tersebut dan
memperoleh pengetahuan bisnis yang berharga darinya. Misalnya, Lab Teknologi Accenture, unit penelitian dan
pengembangan teknologi dari perusahaan konsultan Accenture, mengembangkan Analisis Audiens Online. Alat
mencari ribuan situs Web setiap hari dan mengambil informasi yang telah ditentukan sebelumnya tentang
produk dan layanan tertentu. Kemudian menggunakan teknik penambangan data untuk membantu organisasi
memahami apa yang dikatakan konsumen tentang merek dan produk perusahaan. Factiva, anak perusahaan Dow
Jones, mempromosikan alat perangkat lunak dengan nama yang sama. Factiva dapat diakses melalui situs Web
dan mengumpulkan informasi secara online dari lebih dari 10.000 sumber surat kabar, jurnal, data pasar, dan
informasi kabel baru yang berjumlah jutaan dokumen. Sekitar 60 persen informasi tidak dapat diakses oleh
masyarakat umum. Ini menyaring setiap bagian dari informasi baru yang diposting di situs Web mana pun untuk
informasi yang ditentukan oleh organisasi pelanggan. Pencarian dapat lebih disesuaikan dan spesifik daripada
pencarian yang dilakukan melalui mesin pencari gratis seperti Google atau Yahoo !. Perangkat lunak ini
membantu organisasi menambah basis pengetahuan mereka, terutama dalam hal apa yang orang lain katakan
tentang produk dan layanan mereka. Alat ini mempertimbangkan faktor-faktor akun seperti industri dan konteks
tempat penyelidik bekerja untuk memilih dan mengirimkan informasi yang tepat. Sebagai contoh, kata kunci
seperti "apel" berarti satu hal bagi seorang karyawan dari organisasi perangkat keras atau perangkat lunak dan
sesuatu yang sama sekali berbeda dengan seorang karyawan di bidang pertanian atau rantai supermarket.
EFFY 394-395