Manajerial
sistem pendukung manajerial adalah topik kedua ini tiga bab yang ditujukan untuk survei kami informasi teknologi (IT) area aplikasi. sistem
pendukung manajerial dirancang untuk memberikan dukungan kepada manajer tertentu atau sekelompok kecil manajer, dan mereka termasuk
aplikasi untuk mendukung pengambilan keputusan manajerial seperti sistem pendukung kelompok, sistem informasi eksekutif, dan sistem
pakar. Sebaliknya, bab sebelumnya ditangani dengan sistem perusahaan yang dirancang untuk mendukung seluruh organisasi atau sebagian
besar dari itu, seperti sistem pemrosesan transaksi, data warehousing, groupware, dan intranet. Bersama dua pasal ini memberikan gambaran
yang relatif komprehensif tentang aplikasi TI dalam satu organisasi ( intraorganizational sistem). Untuk melengkapi survei aplikasi TI, Bab 7 akan
fokus pada aplikasi e-bisnis yang mencakup batas-batas organisasi, termasuk B2C dan B2B aplikasi yang menggunakan Internet. Diambil
sebagai satu set, tiga bab ini mencakup sebagian besar aplikasi TI yang digunakan saat ini.
Sistem perusahaan yang dibahas dalam bab sebelumnya sangat penting untuk menjalankan bisnis atau jenis lain dari organisasi, dan Anda akan
berhadapan dengan banyak sistem perusahaan tersebut, terutama sistem pemrosesan transaksi dan groupware. Namun demikian, sistem perusahaan
ini telah dirancang untuk mendukung organisasi secara keseluruhan, bukan khususnya atau bahkan sekelompok manajer. sistem pendukung manajerial,
sebaliknya, dimaksudkan untuk langsung mendukung Anda dan manajer lain seperti Anda membuat keputusan strategis dan taktis untuk organisasi
Anda. Sebagai contoh, sistem pendukung keputusan (DSS) yang dirancang untuk membantu manajer dan profesional lainnya menganalisis data internal
dan eksternal. Dengan menangkap keahlian ahli manusia, sistem pakar menyarankan nonexperts di daerah keputusan tertentu. sistem pendukung
kelompok dirancang untuk membuat kerja kelompok, terutama pertemuan, lebih produktif. sistem informasi eksekutif (EIS) menyediakan data ringkasan
mudah menavigasi bagi para pengelola organisasi. Bab ini akan mengeksplorasi sistem pendukung manajerial ini dan lainnya yang semakin penting
dalam menjalankan organisasi modern.
SEBUAH sistem pendukung keputusan (DSS) adalah sistem berbasis komputer, hampir selalu interaktif, yang dirancang untuk membantu manajer
(atau pembuat keputusan lain) dalam membuat keputusan. Sebuah DSS menggabungkan kedua data dan model untuk membantu pembuat keputusan
memecahkan masalah, terutama masalah yang tidak terstruktur dengan baik. Data sering diekstrak dari sistem pemrosesan transaksi atau data
warehouse, tapi itu tidak selalu terjadi. model mungkin sederhana, seperti model keuntungan-dan-kerugian laba menghitung diberikan asumsi tertentu,
atau kompleks, seperti model optimasi untuk menyarankan beban untuk setiap mesin di toko pekerjaan. DSS dan banyak dari sistem yang dibahas
dalam bagian berikut tidak selalu dibenarkan oleh pendekatan biaya-manfaat tradisional; untuk sistem tersebut, banyak manfaat yang tidak berwujud,
seperti membuat keputusan lebih cepat dan lebih baik memahami data.
Gambar 6.1 menunjukkan bahwa DSS membutuhkan tiga komponen utama: model manajemen untuk menerapkan model yang sesuai, manajemen data
untuk memilih dan menangani data yang sesuai, dan manajemen dialog untuk memudahkan pengguna
223
Bab 6 • Manajerial Dukungan Sistem 224
Sebuah contoh dari DSS didorong oleh data yang transaksi adalah sistem
Lainnya Berbasis
alokasi polisi-beat yang digunakan oleh sebuah kota California. Sistem ini
Komputer
memungkinkan seorang perwira polisi untuk menampilkan garis besar peta dan
sistem
memanggil data dengan zona geografis, yang panggilan menunjukkan polisi untuk
Data: Eksternal
layanan, jenis layanan, dan kali layanan. Sistem interaktif kemampuan grafis
dan internal
memungkinkan petugas memanipulasi peta, zona, dan data untuk
mempertimbangkan berbagai alternatif polisi-beat cepat dan mudah dan mengambil
Sistem Pendukung Keputusan
keuntungan maksimum dari penghakiman petugas.
Manajemen Manajemen
data Model Contoh DSS lainnya termasuk sistem interaktif untuk perencanaan kapasitas
dan penjadwalan produksi di sebuah perusahaan kertas besar. Sistem ini
mempekerjakan rinci data historis dan peramalan dan penjadwalan model untuk
mensimulasikan kinerja perusahaan secara keseluruhan di bawah berbeda asumsi
perencanaan. Sebuah perusahaan minyak utama mengembangkan DSS untuk
mendukung pengambilan keputusan investasi modal. Sistem ini menggabungkan
(User Interface) berbagai rutinitas keuangan dan model untuk menghasilkan rencana masa depan;
Manajemen Dialog rencana ini dapat ditampilkan baik dalam bentuk tabel atau bentuk grafis untuk
membantu dalam pengambilan keputusan. Sebuah maskapai penerbangan utama
Manager (User)
menggunakan DSS untuk membantu pengendali pesawat menangani masalah
kekurangan pesawat yang mungkin timbul di bandara karena ditunda atau dibatalkan
GAMBAR 6.1 Sistem Pendukung Keputusan Komponen masuk ke atau masalah mekanik untuk pesawat di tanah. DSS, yang menggunakan
jaringan teknik pemodelan optimasi, membantu pengendali menggunakan pesawat
cadangan lebih efektif serta mengevaluasi pilihan yang mungkin delay-dan-swap.
Selama periode 18 bulan, DSS ini disimpan maskapai penerbangan lebih dari $
antarmuka untuk DSS. The berinteraksi pengguna dengan DSS melalui
500.000 dalam biaya keterlambatan.
komponen manajemen dialog, mengidentifikasi model dan data tertentu set
yang akan digunakan, dan kemudian DSS hadiah hasilnya ke pengguna
melalui komponen manajemen dialog ini sama. Manajemen Model dan
manajemen data komponen sebagian besar bertindak di belakang layar, dan
mereka bervariasi dari yang relatif sederhana untuk model spreadsheet yang Semua contoh DSS dikutip lebih tepat disebut
khas untuk cukup kompleks untuk model penjadwalan berbasis pemrograman DSS spesifik. Ini adalah aplikasi aktual yang membantu dalam proses
Jenis yang sangat populer dari DSS adalah generator laporan membangun DSS spesifik dengan cepat dan mudah (Sprague dan Carlson,
keuangan pro forma. Menggunakan paket spreadsheet seperti Microsoft 1982). Pada sebelumnya pro forma contoh laporan keuangan, Microsoft
Excel, manajer membangun sebuah model untuk memproyeksikan berbagai Excel dapat dilihat sebagai generator DSS, sedangkan model Excel khusus
elemen organisasi atau laporan keuangan divisi ke masa depan. Data yang untuk proyek laporan keuangan untuk sebuah divisi khusus dari perusahaan
Hampir setiap masalah interface, jurnal yang ditujukan untuk menggambarkan aplikasi praktis dari ilmu manajemen dan operasi penelitian,
berisi diskusi dari satu atau lebih baru DSS. Untuk menggambarkan, kita secara singkat menjelaskan tiga sistem pendukung keputusan
sangat berbeda disajikan dalam tiga isu terbaru dari Interface.
Continental Airlines mempekerjakan DSS untuk meminimalkan biaya gangguan jadwal yang disebabkan oleh peristiwa tak
terduga seperti cuaca buruk, masalah mekanis pesawat, dan kru tidak tersedianya (Yu, et al., 2003). Karena gangguan tersebut,
awak mungkin tidak benar diposisikan layanan penerbangan terjadwal tersisa mereka untuk. CALEB Technologies telah
mengembangkan CrewSolver DSS untuk menghasilkan solusi yang optimal atau dekat-optimal kru-recovery untuk menutupi
terbuka penerbangan dan kru kembali ke jadwal semula mereka dengan cara yang hemat biaya sementara menghormati
peraturan pemerintah, peraturan kontrak, dan kualitas-of-hidup persyaratan . CrewSolver adalah real-time DSS dioperasikan oleh
koordinator kru menggunakan antarmuka pengguna grafis. CrewSolver menggunakan data operasi langsung dari database kontrol
sistem operasi serta file kru lengkap. Ketika suatu peristiwa yang mengganggu terjadi, koordinator kru meminta solusi pemulihan,
dan CrewSolver mempekerjakan model pemrograman matematika (diselesaikan dengan algoritma pencarian berbasis heuristik)
untuk menghasilkan hingga tiga solusi, dari mana koordinator awak memilih salah satu. Solusi terdiri dari reassigning kru dari satu
penerbangan ke yang lain, deadheading kru untuk menutupi penerbangan atau kembali ke dasar, memegang kru di lokasi mereka
saat ini, menugaskan awak periode tugas tambahan, bergerak singgah kru ke kota yang berbeda, dan menggunakan kru
cadangan untuk penerbangan penutup kiri ditemukan oleh kru aktif. Hasil dari penggunaan CrewSolver telah mengesankan.
Continental Airlines memperkirakan bahwa itu disimpan $ 40 juta pada tahun 2001 dari penggunaan CrewSolver untuk pulih dari
empat gangguan utama: badai salju yang melanda Newark, New Jersey,
Jenis cukup berbeda dari DSS telah dikembangkan untuk membantu Schlumberger, perusahaan jasa ladang minyak
terkemuka, dalam penawaran untuk dan melaksanakan survei seismik darat (Mullarkey, et al., 2007). Salah satu layanan
yang ditawarkan oleh Schlumberger adalah survei seismik, proses pemetaan formasi batuan bawah tanah dengan
gelombang suara yang dipantulkan, yang merupakan langkah awal yang penting dalam identifikasi dan pemulihan cadangan
minyak dan gas. Melaksanakan survei seismik operasi logistik rumit berlangsung hingga enam bulan, meliputi ratusan mil
persegi, dan melibatkan banyak orang. Schlumberger harus tawaran untuk proyek survei seismik, dan dengan demikian
harus mampu dengan cepat dan akurat memperkirakan biaya survei. Mullarkey et al. mengembangkan alat simulasi untuk
mengevaluasi dampak dari ukuran kru, jumlah peralatan yang digunakan, daerah survei, desain survei, wilayah geografis,
dan kondisi cuaca pada biaya survei dan durasi. simulator melibatkan elemen stokastik untuk menggabungkan faktor-faktor
seperti kegagalan peralatan dan kecepatan yang berbeda-beda dari kendaraan dan kru yang digunakan dalam survei.
Karena hasilnya stokastik, simulator dijalankan beberapa kali untuk masing-masing skenario, yaitu, untuk setiap set faktor
input. Skenario bervariasi untuk tiba pada biaya angka terbaik untuk jangka waktu survei diterima; Schlumberger kemudian
dapat menggunakan biaya dalam mempersiapkan tawaran untuk proyek tersebut. Pada empat survei, penggunaan DSS
menghasilkan penghematan sekitar $ 2 juta, sehingga simulator harus menyimpan Schlumberger $ 1,5 menjadi US $ 3 juta
setiap tahun. Meskipun simulator dibangun untuk estimasi penawaran, juga telah digunakan untuk perencanaan produksi
pada pekerjaan yang ada,
Sebuah kompleks, DSS multi bernama RealOpt telah dibangun untuk memungkinkan infrastruktur kesehatan masyarakat di
Amerika Serikat untuk merespon dengan cepat dan efektif untuk keadaan darurat kesehatan masyarakat, seperti serangan bioteroris atau
pandemik (Lee, et al., 2009). Fokus RealOpt adalah pada dispensing massa penanggulangan medis untuk perlindungan masyarakat umum.
RealOpt terdiri dari empat berdiri sendiri DSS, yang kami akan menyebutkan secara singkat. RealOpt-Regional membantu dalam
penentuan lokasi untuk point-of-dispensing (POD) fasilitas di suatu daerah, mengingat kepadatan penduduk dan demografis daerah. Ini
termasuk alat visualisasi interaktif untuk membantu pengguna dengan pemahaman spasial daerah serta prosedur matematika khusus
berbasis heuristik untuk sampai pada solusi layak yang baik untuk masalah POD lokasi, yang merupakan program mixed-integer nonlinear
yang sangat kompleks. RealOpt-POD adalah DSS untuk tata letak fasilitas dan alokasi sumber daya untuk fasilitas POD. Menggunakan alat
grafik-gambar otomatis,
( terus)
Bab 6 • Manajerial Dukungan Sistem 226
simulasi, dan tepat dan algoritma heuristik, itu desain lantai rencana efisien untuk fasilitas POD dan menentukan staf yang dibutuhkan
dan penempatan mereka dalam fasilitas. RealOpt-RSS adalah DSS untuk manajemen yang efisien logistik penerimaan, panggung,
dan penyimpanan (RSS) fasilitas dan node distribusi regional untuk penanggulangan medis. Akhirnya, RealOpt-CRC berkaitan
dengan perencanaan darurat radiologi dan respon. Sejak tahun 2005, RealOpt telah berhasil digunakan dalam perencanaan latihan
untuk merespon peristiwa pandemi simulasi dan serangan bioteroris di berbagai lokasi di Amerika Serikat.
membuat data tersedia untuk semua orang, sedangkan analisis data yang Konsultan sering diperlukan untuk sepenuhnya memanfaatkan kemampuan
dilakukan oleh dan / atau untuk seorang manajer tunggal atau sekelompok produk yang lebih komprehensif.
kecil manajer dan, oleh karena itu, sistem pendukung manajerial. Tanpa Apa saja teknik keputusan atau pendekatan yang digunakan dalam
secara eksplisit menyebutkan itu, kami sudah mulai pembahasan yang lebih data mining? Salah satu teknik kunci, pohon keputusan, tertanam di
rinci dari alat-alat ini untuk menganalisis data di gudang, untuk DSS banyak paket. Sebuah pohon keputusan adalah struktur pohon berbentuk
dijelaskan di bagian sebelumnya sering menarik data mereka perlu langsung yang berasal dari data untuk mewakili set keputusan yang menghasilkan
dari organisasi gudang data. berbagai outcomes- pohon berbagai titik akhir. Ketika satu set baru
keputusan disajikan, seperti informasi pembelanja tertentu, pohon
Data mining mempekerjakan berbagai teknologi (seperti keputusan kemudian memprediksi hasilnya. jaringan saraf, cabang dari
pohon keputusan dan jaringan saraf) untuk mencari, atau “milikku,” kecerdasan buatan yang akan dibahas kemudian dalam bab ini,
“nugget” informasi dari luas digabungkan dalam sebagian besar produk high-end. Teknik populer
jumlah data yang disimpan dalam gudang data organisasi. Data lainnya termasuk regresi linier dan logistik; aturan asosiasi untuk
mining, yang kadang-kadang dianggap sebagai bagian dari sistem menemukan pola-pola peristiwa co-terjadi; mengelompokkan untuk
pendukung keputusan, sangat berguna ketika organisasi memiliki volume segmentasi pasar; aturan induksi, ekstraksi aturan jika-maka berdasarkan
besar data transaksi di gudang. Konsep data mining tidak baru, meskipun signifikansi statistik; tetangga terdekat, klasifikasi rekor berdasarkan
istilah menjadi populer hanya dalam akhir 1990-an. Selama lebih dari dua mereka yang paling mirip dengan itu dalam database; dan algoritma
dekade, banyak organisasi besar telah menggunakan analis internal atau genetika, teknik optimasi berdasarkan pada konsep kombinasi genetik,
eksternal, sering disebut para ilmuwan manajemen, untuk mencoba untuk mutasi, dan seleksi alam.
mengidentifikasi tren, atau pola, di sejumlah besar data dengan
menggunakan statistik, matematika, dan kecerdasan buatan (AI) teknik.
Dengan perkembangan data warehouse skala besar dan ketersediaan Untuk kelengkapan, mari kita memperkenalkan istilah yang
kekuatan pemrosesan murah, minat baru dalam apa yang kemudian berhubungan dengan data mining, tapi dengan perbedaan-a pengolahan
disebut data mining muncul dalam beberapa tahun terakhir. analisis online (OLAP). OLAP telah digambarkan sebagai
humandriven analisis, sedangkan data mining mungkin dipandang
sebagai teknik-driven. OLAP pada dasarnya query terhadap database,
Seiring dengan minat baru ini datang berbagai relatif mudah menggunakan perangkat lunak OLAP yang membuatnya mudah untuk
digunakan produk perangkat lunak pertambangan bertenaga tinggi dan menimbulkan pertanyaan kompleks bersama beberapa dimensi, seperti
data komersial. Di antara produk-produk ini IBM SPSS Modeler waktu, unit organisasi, dan geografi. Komponen utama dari OLAP
profesional, Oracle Data Mining, Salford prediktif Miner, SAS Enterprise adalah server OLAP, yang duduk di antara mesin klien dan server
Miner dan Text Miner, TIBCO Spotfire Miner, XLMiner untuk Windows database. OLAP Server mengerti bagaimana data diatur dalam
(add-in untuk Microsoft Excel database dan memiliki fungsi khusus untuk menganalisis data.
dari Resampling Statistik), dan Sebaliknya, data mining menggabungkan teknik seperti pohon
KnowledgeSEEKER, KnowledgeSTUDIO, dan keputusan, jaringan saraf, dan algoritma genetika. Sebuah program
StrategyBUILDER dari Angoss Software (berbasis di Kanada). Diantara OLAP ekstrak data dari database dan struktur dengan dimensi individu,
produk data mining lebih menarik adalah produk pertambangan teks, seperti seperti wilayah atau dealer. software data mining mencari database
SAS Text Miner, yang memiliki kemampuan untuk menangani informasi untuk pola dan hubungan,
tekstual, menarik data dari surat-surat, memo, catatan medis, blog, wiki,
tweet, dan dokumen dari semua jenis dan menemukan tema dan pola dalam
dokumen-dokumen ini. Produk data mining sangat bervariasi dalam biaya,
mulai dari di bawah $ 1.000 untuk beberapa produk desktop untuk lebih dari Tentu saja, apa yang dapat Anda lakukan dengan data mining adalah
$ 100.000 untuk beberapa produk perusahaan yang dijalankan pada server lebih penting bagi Anda sebagai manajer daripada teknik keputusan yang
besar. digunakan. aplikasi khas dari data mining diuraikan pada Tabel 6.1. Apapun
sifat dari bisnis Anda,
Bab 6 • Manajerial Dukungan Sistem 227
Aplikasi Deskripsi
Cross selling Mengidentifikasi produk dan layanan yang akan paling menarik bagi segmen pelanggan yang sudah ada dan mengembangkan cross-sell
churn pelanggan Memprediksi kemungkinan pelanggan meninggalkan perusahaan Anda dan pergi ke pesaing dan target para pelanggan yang berisiko
paling tinggi
Retensi pelanggan Mengidentifikasi karakteristik pelanggan terkait dengan nilai tertinggi seumur hidup dan mengembangkan strategi untuk
Pemasaran langsung Mengidentifikasi prospek harus dimasukkan dalam sebuah mailing list untuk mendapatkan tingkat respons tertinggi
deteksi penipuan Mengidentifikasi transaksi yang paling mungkin penipuan berdasarkan pola pembelian dan tren; mengidentifikasi klaim
asuransi yang paling mungkin penipuan berdasarkan klaim masa lalu yang sama
pemasaran interaktif Memprediksi apa yang setiap individu mengakses situs Web yang paling mungkin tertarik seeing
analisis keranjang pasar Mengerti apa produk atau jasa yang biasa dibeli bersama-sama (misalnya, bir dan popok) dan
mengembangkan strategi pemasaran yang tepat
Segmentasi pasar Segmen yang ada pelanggan dan prospek ke dalam kelompok yang sesuai untuk tujuan promosi dan evaluasi dan
menentukan bagaimana pendekatan setiap segmen untuk hasil yang maksimal
Analisis pembayaran atau bawaan Mengidentifikasi pola-pola tertentu untuk memprediksi kapan dan mengapa pelanggan default pada pembayaran
analisis kecenderungan Menyelidiki perbedaan antara pembelian rata-rata bulan ini dibandingkan bulan lalu dan bulan sebelumnya
kemungkinan besar bahwa beberapa dari aplikasi ini bisa berarti memiliki belajar dapat ditingkatkan dengan mengidentifikasi eselon atas
keuntungan meningkat. Kebanyakan aplikasi ini fokus pada menggali dari pelanggan dan mailing mereka katalog yang lebih besar,”menurut
informasi berharga tentang pelanggan Anda. Erin McCarthy, Manager Layanan Statistik dan Penelitian di VCS. VCS
Banyak contoh operasi data mining yang sukses telah dilaporkan dalam juga menggunakan data mining untuk menentukan milis yang akan
majalah IT. Xerox menggunakan data mining untuk meningkatkan perkiraan penjualan digunakan untuk kampanye khusus. Misalnya, VCS menggunakan
dan membebaskan tenaga penjualan untuk menghabiskan lebih banyak waktu dengan Kewirausahaan Miner untuk penelitian pola membeli Natal dan membuat
pelanggan. Xerox menginstal perangkat lunak cepat Insight Analytics dari Rapid daftar kampanye khusus Natal, memilih hanya pelanggan yang memesan
Insight, Inc., untuk tambang pesanan pelanggan, prospek penjualan, dan data rantai selama liburan. Para pelanggan dapat lebih jauh tersegmentasi oleh
pasokan untuk mengembangkan perkiraan penjualan bulanan dan triwulanan untuk tingkat pembelian dan jenis produk yang mereka beli, dengan katalog
Xerox Amerika Utara (Whiting, 2006). Petani Insurance Group, penyedia berbasis di terfokus dikirim ke masing-masing kelompok yang terpisah. “Enterprise
Los Angeles dari mobil dan asuransi pemilik rumah, menggunakan data mining untuk Miner adalah bagian besar dari mengapa kita sudah mampu secara
mengembangkan harga yang bersaing pada produk asuransi. Misalnya, petani konsisten menemukan cara yang lebih baik untuk email kepada
menggunakan perangkat lunak DecisionEdge IBM data tambang pada pemilik mobil pelanggan kami,” menurut Larry Shaw, VCS Wakil Presiden Pemasaran
sport. Biasanya, driver ini dikategorikan sebagai berisiko tinggi dan dan Kreatif. “Ketika Anda mengirimkan 50 juta katalog per tahun,
Fasilitator lisensi dan upgrade fasilitas lain sehingga lebih banyak orang dapat
Workstation / menggunakan teknologi (situs GroupSystems Web, 2010b). Konsumen-produk
Tampilan Layar Umum LAN Server raksasa Procter & Gamble incor- porates
yang thinktank GSS dalam “Inovasi Gym” di West Chester, Ohio, di mana
orang-orang di seluruh perusahaan berkumpul untuk bertukar pikiran produk
baru, memecahkan masalah, atau membangun tim yang lebih baik. “Thinktank
adalah alat kunci dalam kotak peralatan interaktif saya,” menurut Rick Gregory,
Kepala Seksi, Inovasi Penginjil. Bekerja dengan fasilitator, kelompok bertemu di
Gym sering menggunakan thinktank untuk ide-ide brainstorming, kelompok
mereka ke umum “ember,” membangun konsensus
Workstation peserta karya terbaru di daerah GSS telah bergerak di luar dukungan
GAMBAR 6.2 Support Group Sistem Tata Letak dari sesi kelompok tradisional. Fokus baru untuk mendukung tim kerja
dalam semua usaha nya, apakah
Hari ini, sebuah di-orang pelaksanaan thinktank akan terlihat sama Tim beroperasi dalam “waktu yang sama, tempat yang sama” pertemuan
seperti Gambar 6.2. Perbedaannya adalah bahwa PC masing-masing tradisional atau dalam “waktu yang berbeda, tempat yang berbeda”
peserta hanya menggunakan perangkat lunak browser Web; perangkat mode-yaitu, sebagai Tim virtual. Karena fakta bahwa perangkat lunak
lunak thinktank disimpan pada server, yang mungkin terletak di ruangan thinktank disimpan di server dan diakses melalui intranet atau Internet
yang sama atau di mana pun dapat diakses melalui intranet atau internet. melalui browser Web, thinktank juga menyediakan dukungan yang kaya
Para peserta login ke situs thinktank Web terletak di server, dan hasil sesi untuk “waktu yang berbeda, tempat yang berbeda” pertemuan (atau “saat
seperti dijelaskan sebelumnya. yang sama, tempat yang berbeda” pertemuan) di mana anggota kelompok
dapat berpartisipasi dalam sesi kelompok mana pun mereka berada atau
Mari kita pertimbangkan beberapa contoh penggunaan GSS. ketika mereka mampu berkontribusi. GroupSystems juga menawarkan versi
Beberapa penulis buku ini adalah bagian dari sekelompok anggota fakultas host dari Thinktank, disebut ThinkSpace, untuk organisasi kecil dan tim.
yang digunakan GSS untuk tiba di rekomendasi untuk nama departemen Organisasi kecil atau tim dapat menggunakan model lisensi sesi lulus di
akademik yang baru terbentuk. Para anggota fakultas di departemen baru mana setiap peserta dalam sesi membutuhkan sesi lulus untuk hari.
bertemu di ruang pertemuan yang didukung komputer dan pergi melalui Thinktank terintegrasi dengan platform IBM Lotus Sametime, sehingga
proses menghasilkan nama-nama yang mungkin untuk departemen baru kelompok dapat bergerak mulus dari grup chat untuk sesi kolaborasi yang
(lebih dari 20 nama yang diusulkan), kemudian mengatur dan terorganisir; baru-baru ini, Thinktank juga terintegrasi dengan Microsoft
menggabungkan nama untuk mendapatkan total turun ke lebih masuk akal Office SharePoint Server. Singkatnya, sesi kelompok manfaat dari
nomor, dan akhirnya suara pada set berkurang nama. Kami senang untuk kesadaran kehadiran thinktank ini (mengetahui siapa yang online),
melaporkan bahwa dekan menerima rekomendasi. manajemen agenda, kontribusi anonim, beberapa alat voting, dan
dokumentasi otomatis proses kelompok.
GAMBAR 6.3 Ternyata Culver untuk GIS untuk Toko Lokasi Keputusan (Data di angka ini courtesy of Culver ini. The ArcMap / ArcView antarmuka pengguna grafis adalah
kekayaan intelektual dari Esri dan digunakan dengan izin. Copyright © 2010 Esri. All rights reserved.)
GIS-istilah umum untuk setiap sistem yang mengkhususkan diri dalam data GISs jarang berbicara tentang hal itu karena nilai kompetitif.
geografis-fitur layar pengguna yang kaya dan lingkungan interaktif yang Perusahaan-perusahaan seperti Arby dan McDonald-yang memiliki
sangat menarik untuk para pembuat keputusan manusia. kemampuan untuk sukses tergantung pada berada di lokasi yang lebih
baik daripada GISs pesaing-bekas lokasi situs untuk menjadi yang
Bidang beragam seperti manajemen sumber daya alam, pertama untuk mengakui keunggulan bisnis teknologi geografis.
administrasi publik, NASA, militer, dan perencanaan kota telah Culver, sebuah berbasis Wisconsin cepat-layanan jaringan restoran
menggunakan GIS selama lebih dari empat dekade. Para ilmuwan, terkenal ButterBurgers dan custard beku, menggunakan perangkat
perencana, penjelajah minyak dan gas, kehutanan, tentara, dan lunak GIS ESRI untuk membantu franchisee memilih lokasi yang
pembuat peta telah matang teknologi ini, mengembangkan mungkin terbaik untuk restoran mereka. Menurut Dave O'Brien, Real
kemampuan canggih untuk menciptakan, menampilkan, dan Estate Manager di Culver ini, “Menggunakan ArcGIS Business
memanipulasi informasi geografis. Pada 1990-an teknologi Analyst, kita dapat dengan mudah membandingkan dan kontras situs
geografis datang ke perhatian dari pengguna bisnis sebagai baru dengan menganalisis demografi dari restoran kami yang ada dan
kekuatan komputasi desktop yang digabung dengan akses yang kemudian penentuan daerah-daerah baru yang mirip.” Sebagai salah
luas terhadap data geografis. Hari ini teknologi geografis yang satu langkah dalam proses ini, Gambar 6.
pindah ke fungsi bisnis utama diaktifkan oleh teknologi seperti
identifikasi frekuensi radio (RFID) tag, tertanam Global Positioning
System (GPS) kemampuan, dan analisis spasial fitur dalam sistem
manajemen database utama (DBMS). Lebih penting, aplikasi bisnis lainnya termasuk analisis pasar dan perencanaan, logistik
dan routing, real estate, teknik lingkungan, dan analisis pola geografis yang bankir
hipotek gunakan untuk menunjukkan bahwa mereka tidak “redline” daerah-yang,
tidak adil menyangkal pinjaman oleh lokasi. Saat ini, banyak sumber menyediakan
berkualitas tinggi Data geografis dikodekan; Beberapa perusahaan perlu untuk
mendigitalkan peta mereka sendiri atau foto.
Bisnis mengadopsi Geographic Teknologi
teknologi Geographic dalam bisnis adalah rahasia baik selama Banyak bidang fungsional dalam bisnis menggunakan teknologi spasial
bertahun-tahun; pengadopsi awal bisnis untuk mengenali dan mengelola geografis mereka
Bab 6 • Manajerial Dukungan Sistem 231
Sulit untuk menemukan agen industri atau pemerintah yang tidak memiliki
kebutuhan analisis spasial. perawatan kesehatan, transportasi, telekomunikasi, pendekatan raster telah mendominasi aplikasi dalam sumber daya alam.
keamanan tanah air, penegakan hukum, sumber daya alam, utilitas, real estate, Analisis data raster menggunakan teknik statistik dan model matematika
perbankan, dan media semua kebutuhan untuk mencari orang atau aset, atau memungkinkan ahli meteorologi untuk membedakan hujan dari salju, rimbawan
keduanya, dalam ruang dan untuk memprediksi perilaku mereka. Misalnya, Pusat untuk mengidentifikasi area yang sakit dalam hutan, dan petani untuk lebih tepat
Pengendalian dan Pencegahan Penyakit (CDC) menggunakan GIS untuk menerapkan herbisida ke ladang mereka. The Nature Conservancy
menganalisis dan memahami masalah kesehatan masyarakat mulai dari tingkat membandingkan genggam “ground truth” data yang dikumpulkan dengan
penyakit kronis seperti penyakit jantung untuk identifikasi sumber penyakit menular perangkat GPS data penginderaan jauh berbasis raster untuk membantu dalam
wabah-dan kemudian menggunakan asosiasi ini antara data dan geografi untuk deteksi dini dan pemantauan tanaman invasif di wilayah Hells Canyon dari Idaho
membantu membuat keputusan kesehatan masyarakat (CDC, 2007). dan Oregon (Karl, 2007).
Hari ini, Anda tidak perlu menjadi raksasa atau global untuk menggunakan GIS. Monkeytown, Inc, sebuah perusahaan pasokan kantor
kecil dengan nama funky dan pemilik yang menyebut dirinya sebagai “Top Banana,” menggambarkan dirinya sebagai “perusahaan
peralatan kantor Wildest di dunia.” Monkeytown, yang melayani Waterloo, Cedar Rapids, dan sekitar 110 lebih kecil masyarakat di Iowa
timur, berjalan lima rute pengiriman (masing-masing mencakup radius 50 mil) dan membuat rata-rata 200 pengiriman per hari. Dapat
teknologi geografis tetap Monkeytown depan pesaing lokal dan nasional?
Monkeytown memilih software ArcLogistics Route Esri ini. Perangkat lunak ini mendefinisikan rute semalam untuk pesanan
besok; di pagi hari, driver Monkeytown ini memuat truk mereka dengan urutan pengiriman. Dilengkapi dengan faktur, arah
pengiriman, dan waktu, driver cenderung kecepatan dan total waktu drive telah berkurang sekitar 7 persen.
“ArcLogistics Route telah merumuskan kembali bagaimana bisnis kami proses kerja,” kata Kurt Karr, “Top Banana” dari Monkeytown. “Kami
lebih efisien dari sebelumnya.” penggunaan bahan bakar mengalami penurunan sebesar lebih dari 4 persen, jam kerja turun 18 persen, dan
perusahaan mempertahankan adaptasi, tingkat layanan yang tinggi, dan
GIS Monkeytown dapat dengan mudah mengubah rute pengiriman hari berikutnya untuk menyertakan pengiriman tertunda dan memenuhi harapan pelanggan. Karr
menambahkan, “Kami menggunakan ArcLogistics Route untuk lebih dari sekedar Routing pengiriman. ArcLogistics memungkinkan kita untuk menggunakan routing
dinamis, mengubah konfigurasi pengiriman setiap hari untuk pertandingan terbaik sumber daya yang tersedia. Kami juga menggunakannya untuk panggilan penjualan
dengan begitu kita dapat mengoptimalkan penjualan bekerja kita lakukan. Saya pikir itu adalah alat yang hebat dan saya tidak bisa membayangkan operasi bisnis ini
tanpa itu.”
jarak tertentu?
• Apa yang terkandung dalam area ini, atau berapa banyak yang terkandung Karena nilai bisnis di “akan spasial” berasal dari membawa data
dalam area ini? internal dan eksternal bersama-sama, IS personil dapat mengharapkan untuk
• Yang menampilkan melakukan elemen lintas ini, atau berapa banyak mendapatkan pendidikan dalam biaya dan kualitas masalah untuk data
jalan yang tersedia? geografis. Sebagai contoh, meskipun file geografis untuk kode pos sering
• Apa yang bisa dilihat dari lokasi ini? termasuk tanpa biaya tambahan dalam paket perangkat lunak GIS desktop,
update US Postal Service zip kode secara berkelanjutan, sehingga
Jika Anda telah mencari rumah di Google Earth, Anda telah
pembusukan dalam akurasi data yang ada. Untuk cakupan geodata di luar
menggunakan fitur zoom serta panning dan berpusat tampilan Anda
Amerika Serikat, seseorang dapat mengharapkan lebih sedikit pilihan dalam
berdasarkan peta overlay-ini adalah kemampuan dasar dari GIS
hal data yang tersedia, dan data yang tersedia cenderung kurang akurat,
apapun. kemampuan dasar lainnya termasuk menemukan jarak antara
lebih sulit untuk mendapatkan, dan lebih mahal.
dua titik, mencari dan pelabelan fitur khusus, dan berbalik simbol dan
lapisan dan mematikan pada permintaan. Fungsi-fungsi ini mendasari
manipulasi spasial seperti persimpangan dan serikat, penugasan
Banyak orang telah terkena teknologi pemetaan melalui rumah
referensi geografis ke alamat melalui geocoding, dan dukungan bahasa
tangga-nama situs internet seperti Yahoo! Maps atau Google Earth. The
query standar untuk berinteraksi dengan deskriptif (atribut) data.
“mesin GIS” di balik situs tersebut berasal dari kolam yang kurang
Setelah terbatas
terkenal dari vendor
Bab 6 • Manajerial Dukungan Sistem 233
Penjualan
Pelanggan
jalan raya
Counties
Negara
termasuk Lingkungan Systems Research Institute (ESRI), Pitney Bowes (Lihat kotak berjudul “Lokasi Cerdas atau Lokasi
(dengan produk MapInfo nya), Autodesk, Tactician Corp, dan Intergraph Corp. Intelligence?”)
perkembangan yang sedang berlangsung dalam teknologi geografis antara • menghubungkan kemampuan spasial dengan kemampuan nirkabel untuk
lain sebagai berikut: penyebaran dan pemindahan hak assets- baik manusia dan bukan
manusia-ke tempat yang tepat, secara real time, terutama untuk
• pemodelan tiga dimensi dan dinamis untuk gerakan simulasi
keselamatan publik atau layanan pelanggan
melalui ruang dan waktu, seperti merekonstruksi jalan Badai
Katrina
• model peramalan yang mencakup geografi sebagai variabel untuk
• geografi di tangan-proliferasi terus Anda dari teknologi spasial seperti
memprediksi, misalnya, tanggapan dari konsumen untuk program
GPS ke dalam perangkat genggam untuk digunakan konsumen
kartu loyalitas berdasarkan
dalam layanan berbasis lokasi
Bab 6 • Manajerial Dukungan Sistem 234
Orang selalu tempat di ruang angkasa, apakah di rumah, bekerja, berbelanja, bermain, atau bepergian. Hari-hari ini, mereka
cenderung memiliki portabel,, lokasi-sadar, perangkat audio visual nirkabel dengan mereka: ponsel mereka. Dan, jika
mereka berada di Oregon dalam radius tertentu dari sebuah toko es krim waralaba dari jenis yang mereka sering, mereka
mungkin menerima kupon diskon pada ponsel mereka. Dan, franchisee es krim tertentu mungkin melihat dorongan 10%
dalam penjualan. Atau, mereka mungkin Anda 16 tahun, baru berlisensi, remaja pengemudi ngebut (?) Rumah
(AccuTracking, 2010). Atau, mereka mungkin awak di perahu layar balap multimilliondollar di head-to-head kompetisi untuk
Piala didambakan Amerika. Atau, mereka mungkin terdampar pendaki gunung, atau anjing berkeliaran, atau palet salah di
gudang. (Dua contoh terakhir tidak orang dengan ponsel,
Penerapan teknologi spasial untuk mengidentifikasi di mana seseorang atau sesuatu dalam real time disebut Lokasi
intelijen. teknologi yang paling bertanggung jawab atas pergeseran teknologi geografis dari menjadi tentang peta untuk tentang lokasi
adalah Global Positioning System (GPS).
GPS, dibuat dan dioperasikan oleh Angkatan Udara AS, adalah sistem berbasis satelit-di seluruh dunia di mana penerima kecil
dapat menentukan bujur, lintang, dan ketinggian. Beroperasi penuh pada 1990-an, 24 satelit asli ditawarkan akurasi belum pernah terjadi
sebelumnya militer AS dalam navigasi dan penargetan mana saja di dunia. Sinyal dienkripsi memberikan akurasi personil militer dalam
waktu 3 kaki; sinyal umum gratis yang ditawarkan akurasi dalam waktu 30 sampai 50 kaki. Potensi GPS dalam aplikasi non-militer, baik
pelayanan publik (seperti navigasi dan pencarian dan penyelamatan) dan komersial (seperti menemukan potongan es krim), dengan cepat
membangun sebuah pasar bernilai miliaran dolar.
Pentingnya lokasi untuk militer, pemerintahan, komersial, dan upaya pribadi di belakang dua inisiatif satelit baru: GPS III dan
Galileo. Tidak mengherankan, GPS III adalah GPS baru dan lebih baik yang didanai oleh pemerintah AS. satelit lebih dalam pola
yang berbeda orbital, frekuensi hati-hati dirancang, dan penambahan “beam” antena akan meningkatkan baik militer dan komersial
aplikasi ketika GPS III sepenuhnya dikerahkan kadang-kadang setelah 2016. Kurang dramatis adalah pola upgrade biasa dan
penggantian ada armada satelit (disebut GPS II), yang dirancang untuk menjaga kesiapan dan akurasi operasional dan meningkatkan
kemampuan untuk lokal mengganggu sinyal untuk kekuatan musuh (sementara tidak menghambat penggunaan sipil).
Galileo adalah nama untuk sistem navigasi satelit sedang dikembangkan oleh Uni Eropa dan European Space Agency. Dipahami
sebagai alternatif terutama sipil ke AS militarycontrolled GPS, Galileo akan memberikan akurasi yang lebih tinggi dan cakupan sinyal yang
lebih baik di lintang lebih dekat ke kutub. Galileo akan menawarkan, lebih rendah presisi layanan terbuka bebas; biaya berbasis, dienkripsi
layanan komersial dengan akurasi yang lebih tinggi; keselamatan-of-kehidupan pelayanan terbuka untuk aplikasi di mana akurasi dijamin
sangat penting; layanan pencarian dan penyelamatan; dan dienkripsi, layanan navigasi diatur untuk digunakan pemerintah. Pada musim
semi 2010, dua satelit eksperimental telah diluncurkan, dengan empat satelit operasional (dari 30 satelit yang direncanakan) dijadwalkan
akan diluncurkan pada tahun 2011. penyebaran penuh diharapkan tidak lebih awal dari 2015.
[Berdasarkan AccuTracking, 2010; European Space Agency, 2010; Global Positioning System, 2010; Wikipedia, 2010a; dan Wikipedia, 2010b]
GAMBAR 6.5 Contoh Infor PM Menampilkan (Courtesy of Infor. Copyright © 2010 Infor Global Solutions.)
Baru-baru ini, EIS telah dibuat dan digunakan dengan sukses CIGNA Corporation. Mari kita pertimbangkan beberapa contoh lain EIS / PM.
di banyak perusahaan besar lainnya seperti Phillips Petroleum, Dun
& Bradstreet Software, CocaCola Company, Fisher-Price, Conoco, Berbasis di Calgary, Alberta, Petro-Canada adalah pemimpin dalam
Inc., dan industri perminyakan Kanada. minyak Petro-Canada dan
236 Bagian II • Teknologi Informasi
P & L individu garis, dan mereka dapat flip antara aktual dan anggaran” (Infor situs Web,
aplikasi untuk memfasilitasi dan dukungan manajemen pengetahuan (KM) kegiatan.
2010). ”Melaporkan Jeff Powers, Direktur Pelaporan Keuangan di Meijer. “Mereka dapat
Lalu apakah KM? KM adalah seperangkat praktek manajemen yang praktis dan
halaman melalui laporan laba rugi dan bor ke detail lebih lanjut bahwa mendukung P & L
actionoriented. Dengan kata lain, KM melibatkan strategi dan proses
mengidentifikasi, menciptakan, menangkap, mengatur, mentransfer, dan
individu garis, dan mereka dapat flip antara aktual dan anggaran” (Infor situs Web, 2010).
memanfaatkan pengetahuan untuk membantu individu dan perusahaan
”Melaporkan Jeff Powers, Direktur Pelaporan Keuangan di Meijer. “Mereka dapat
bersaing (O'Dell dan Grayson, 1998). KM berkaitan dengan perubahan perilaku
halaman melalui laporan laba rugi dan bor ke detail lebih lanjut bahwa mendukung P & L
untuk mencerminkan pengetahuan dan wawasan baru. KM bukan tentang
individu garis, dan mereka dapat flip antara aktual dan anggaran” (Infor situs Web, 2010).
mengandalkan teknologi untuk meningkatkan proses; bukan, KM
mengandalkan mengakui pengetahuan yang dimiliki oleh individu dan
perusahaan. Oleh karena itu, KMS adalah teknologi atau kendaraan yang
Sistem Universitas Perawatan Kesehatan (UHCS) dari Augusta, Georgia,
memfasilitasi berbagi dan mentransfer pengetahuan untuk tujuan menyebarkan
merupakan terintegrasi, penyedia layanan kesehatan
dan menggunakan kembali pengetahuan yang berharga bahwa, sekali
tidak-untuk-keuntungan operasi jaringan fasilitas-berlabuh oleh University
diterapkan, meningkatkan pembelajaran dan meningkatkan kinerja.
Hospital-melayani 25 kabupaten di Georgia dan Carolina Selatan. UHCS
dilaksanakan Infor PM untuk mengotomatisasi nya proses penganggaran, make
pelaporan manajemen dan analisis yang lebih efisien dan efektif, dan
memberikan para eksekutif dengan dashboard disesuaikan untuk melacak
Mengapa KM menerima begitu banyak perhatian baru-baru ini, dan
langkah-langkah kinerja utama. UHCS mulai dengan mempersatukan
mengapa begitu banyak proyek berlabel proyek KM? Sana
Bab 6 • Manajerial Dukungan Sistem 238
intelijen bisnis (BI) telah menjadi alat penting dalam penjualan dan pemasaran. Misalnya, rantai restoran telah menjadi pengguna besar BI
untuk pemasaran. Wendy memutuskan untuk menerima kartu kredit di restoran yang berdasarkan hasil dari sistem BI-nya. Dalam
menganalisis data dari penerimaan percobaan perusahaan kartu kredit di toko-toko pilih, Wendy menemukan bahwa pelanggan yang
menggunakan kartu kredit menghabiskan rata-rata 35 persen lebih per pesanan dibandingkan mereka yang menggunakan uang tunai. CKE
Restaurants, perusahaan induk dari Hardee, membuat keputusan untuk pergi nasional dengan over-the-top Rakasa nya Thickburger (dua
sepertiga roti daging sapi pound, tiga iris keju olahan, dan empat strip bacon) berdasarkan analisis BI dari Thickburger uji pemasaran. CKE
dikhususkan $ 7 juta dalam iklan untuk mempromosikan Thickburger peluncuran nasional, dan penjualan di toko-toko Hardee yang telah
terbuka untuk setidaknya satu tahun naik 5,8 persen di bulan berikutnya peluncuran tersebut. “The Rakasa Thickburger langsung
bertanggung jawab untuk banyak dari kenaikan itu,” kata Brad Haley, Hardee Executive Vice President of Marketing.
BI telah berhasil digunakan untuk membantu perusahaan menargetkan surat mereka dalam kampanye pemasaran langsung. pemasaran
langsung menggunakan brosur, selebaran, katalog, dan bahan promosi lainnya untuk meyakinkan pelanggan potensial untuk membeli apa pun
yang sedang dipasarkan, yang mungkin menjadi pesiar, kartu kredit, pakaian, dan sebagainya. Jika BI digunakan untuk mengidentifikasi
pelanggan yang paling mungkin untuk produk (mengatakan kapal pesiar), dan kemudian materi pemasaran dikirim ke hanya 10 persen dari basis
model besar, laba atas surat tersebut akan rata-rata 2,34 kali lebih banyak daripada jika mailing itu dikirim ke 10 persen acak dari base model,
menurut Peter Harvey, Chief Executive Officer Intellidyn, sebuah perusahaan konsultan yang membantu klien merancang dan melaksanakan
kampanye pemasaran langsung. Dalam contoh lain dari penggunaan BI dalam pemasaran, sekitar 50 orang pemasaran di StubHub, pasar online
untuk tiket acara (sekarang dimiliki oleh eBay), membuat laporan BusinessObjects mereka sendiri untuk membuat keputusan tentang di mana
untuk menargetkan promosi dan iklan online. Misalnya, mereka menganalisis pola belanja konsumen dan data demografis untuk menentukan
kapan pembelian untuk acara tertentu cenderung puncak sehingga mereka tahu waktu yang tepat untuk beriklan.
empat penjelasan. Pertama, organisasi berinvestasi di KMSS karena mereka Keempat, manfaat nyata diperoleh dari pelaksanaan inisiatif KM
percaya bahwa nilai yang diperoleh oleh individu yang menggunakan sistem dan KMS. Meskipun manfaat khusus untuk sebuah perusahaan tertentu,
akan melebihi biaya (Santhanam dan Hartoro, 2003). ada baik perbaikan operasional
dan perbaikan pasar. perbaikan operasional fokus pada kegiatan internal dan
Kedua, salah satu pemicu yang mengarah ke pengembangan proyek termasuk penghematan biaya (misalnya, lebih cepat dan penyebaran yang lebih
KM berkaitan dengan valuasi perusahaan. Sebagai contoh, nilai bersih Microsoft baik pengetahuan), proses yang efisien (misalnya, praktik terbaik), proses
diperkirakan dengan memeriksa nilai pasar berdasarkan harga saham dikurangi manajemen perubahan (misalnya, perubahan perilaku), dan penggunaan kembali
aktiva bersih. Perbedaan besar ini disebabkan oleh pengetahuan yang dimiliki pengetahuan (misalnya, standar kualitas tinggi) . Sebaliknya, perbaikan pasar
oleh individu dan organisasi (misalnya, rutinitas, praktik terbaik). Dalam kerangka fokus pada kegiatan eksternal seperti kinerja (misalnya, peningkatan penjualan),
waktu yang sama, “pengetahuan aset” mulai muncul pada neraca beberapa penghematan biaya (misalnya, biaya yang lebih rendah dari produk dan jasa), dan
perusahaan dalam laporan tahunan mereka. Oleh karena itu, ada kesadaran dan kepuasan pelanggan (misalnya, lebih cepat penyelesaian masalah pelanggan).
konsensus bahwa “pengetahuan,” atau modal intelektual, akan memungkinkan
perusahaan untuk membedakan diri dari orang lain dan untuk bersaing secara
efektif di pasar berkembang, dan ini telah menyebabkan proliferasi KMSS untuk Tujuan dari KMS adalah untuk memanfaatkan pengetahuan dari individu
mengelola aset pengetahuan. Ketiga, pandangan berbasis sumber daya dari dan organisasi dan menyebarkannya di seluruh perusahaan untuk memperoleh
teori perusahaan menyarankan perbaikan operasional dan pasar. Selain itu, KMS secara fundamental berbeda
dari sistem lain karena (1) itu menganggap isi yang terkandung dalam sistem-yang
adalah, sistem ini hanya sebagai baik sebagai apa yang di dalamnya! -Dan (2)
bahwa “aset pengetahuan,” ketika dianggap sebagai sumber sistem ini tidak digunakan untuk pekerjaan pada tugas, melainkan untuk
daya organisasi, dapat menjadi sumber keunggulan kompetitif. Dengan kata memperoleh pengetahuan yang dibutuhkan untuk melakukan tugas-oleh karena
lain, aset pengetahuan organisasi yang berharga, langka, ditiru, dan itu, penggunaan KMS adalah salah satu langkah dihapus dari tugas itu sendiri.
nonsubstitutable dapat memungkinkan perusahaan untuk membedakan diri Berdasarkan studi dari
dari pesaing.
Bab 6 • Manajerial Dukungan Sistem 239
penerapan bahkan lebih sulit. Semoga, masyarakat dari praktik menyediakan sekitar 150 alat yang hanya
segelintir secara teratur digunakan. Tiga alat yang paling umum
digunakan adalah forum diskusi, tips, dan kalender. Seperti namanya,
forum diskusi adalah alat yang memungkinkan diskusi tanya-jawab
antara anggota masyarakat. Setiap anggota kaleng masyarakat
Apa yang dibutuhkan untuk KMS untuk menjadi sukses? Satu aliran
penelitian menunjukkan bahwa baik pasokan (yaitu, kontribusi pengetahuan)
Tim KM juga menyadari bahwa penting untuk mengaktifkan perwakilan
dan permintaan (yaitu, reuse pengetahuan) sisi KM harus dipertimbangkan
penjualan lapangan sendiri untuk berkontribusi kiat penjualan dan saran praktis untuk
secara bersamaan. Dengan kata lain, faktor dukungan organisasi pada
digunakan oleh perwakilan penjualan lainnya. Namun, karena kontrol peraturan
pasokan sisi-yang melibatkan komitmen kepemimpinan, manajer dan rekan
pemerintah yang ketat atas komunikasi dengan dokter, semua tips tersebut diperlukan
dukungan untuk inisiatif KM, dan kualitas pengetahuan kontrol dan
pertama yang disetujui oleh departemen hukum perusahaan. Oleh karena itu Sebuah
permintaan sisi-yang melibatkan insentif dan sistem reward, relevansi
proses empat langkah resmi dikembangkan untuk memvalidasi semua konten yang
pengetahuan, kemudahan menggunakan KMS , dan kepuasan dengan
dikirim dalam dari perwakilan penjualan lapangan. Tips pertama kali diperiksa oleh tim
penggunaan KMS-yang sama pentingnya dengan KMS sendiri dan bahwa
KM sendiri untuk memastikan konten yang koheren dan lengkap. Berikutnya, ujung
faktor-faktor ini harus dikelola dengan hati-hati dan secara bersamaan
diserahkan kepada kelompok hukum untuk memastikan bahwa konten itu konsisten
(Kulkarni, Ravindran, dan Freeze, 2006-2007).
dengan semua aturan, peraturan, dan pedoman praktek promosi yang baik. Kemudian
ujung dikirim ke tim manajemen merek untuk memastikan bahwa itu adalah konsisten
dengan strategi pemasaran untuk obat. Terakhir, ujung dikirim ke kelompok operasional
penjualan untuk peer review oleh panel lima perwakilan penjualan untuk memastikan
Aliran kedua penelitian menunjukkan pentingnya modal sosial
bahwa kontribusi memiliki nilai riil. Akhirnya, setelah ujung telah disetujui, itu masuk ke
dalam menentukan apakah manfaat dapat direalisasikan. KMS sukses
dalam KMS penjualan lapangan. Meskipun ini terdengar seperti sebuah proses yang
terjadi ketika individu termotivasi untuk berpartisipasi dalam inisiatif KM,
panjang, paling kiat diproses dalam waktu dua minggu dari penerimaan. Bidang
ketika individu memiliki kemampuan kognitif untuk memahami dan
perwakilan penjualan dihargai dengan menerima poin penjualan untuk setiap ujung yang
menerapkan pengetahuan, dan ketika individu memiliki hubungan yang
akhirnya diterima (titik-titik ini adalah bagian dari struktur komisi yang biasa diterima oleh
kuat dengan satu sama lain (Wasko dan Faraj, 2005). Namun lain aliran
semua perwakilan penjualan; poin yang diterima untuk setiap ujung setara dengan sekitar
penelitian menunjukkan pentingnya waktu
$ 60). ujung dikirim ke kelompok operasional penjualan untuk peer review oleh panel lima
dan pengalaman dalam mewujudkan manfaat dari KM dan KMSS. individu
perwakilan penjualan untuk memastikan bahwa kontribusi memiliki nilai riil. Akhirnya,
yang lebih berpengalaman memiliki daya serap untuk manfaat langsung dari
setelah ujung telah disetujui, itu masuk ke dalam KMS penjualan lapangan. Meskipun ini
penggunaan KMS. Namun, seiring waktu, pengalaman memainkan peran
terdengar seperti sebuah proses yang panjang, paling kiat diproses dalam waktu dua
berkurang dalam hal keuntungan kinerja dari KMS penggunaan-yaitu, individu
minggu dari penerimaan. Bidang perwakilan penjualan dihargai dengan menerima poin
yang kurang berpengalaman akhirnya diturunkan kinerja yang sama
penjualan untuk setiap ujung yang akhirnya diterima (titik-titik ini adalah bagian dari
struktur komisi yang biasa diterima oleh semua perwakilan penjualan; poin yang diterima untuk setiap ujung setara dengan sekitar $ 60). ujung dikirim ke kelompok operasional penjualan untuk peer
Bab 6 • Manajerial Dukungan Sistem 241
bola dan dukungan satelit lengan dengan bentuk novel yang mencegah
manfaat sebagai orang-orang dari rekan-rekan yang lebih berpengalaman mereka (Ko
getaran dari yang ditransmisikan sepanjang truss.
dan Dennis, 2009). Secara kolektif, faktor-faktor individual dan institusional memfasilitasi
Final dua cabang AI adalah yang paling relevan untuk dukungan manajerial.
keberhasilan sebuah KMS.
Itu sistem pakar cabang yang bersangkutan dengan sistem yang
menggabungkan logika pengambilan keputusan dari manusia ahli bangunan.
KECERDASAN BUATAN Sebuah cabang baru dari AI adalah jaringan saraf, yang dinamai studi
tentang bagaimana sistem saraf manusia bekerja, tetapi yang sebenarnya
Ide kecerdasan buatan (AI), studi tentang bagaimana membuat komputer
melakukan hal-hal yang saat ini dilakukan baik oleh orang-orang, berusia lebih menggunakan analisis statistik untuk mengenali pola dari sejumlah besar
dari 50 tahun, tetapi hanya dalam 30 tahun terakhir memiliki komputer menjadi informasi dengan proses pembelajaran adaptif.
cukup kuat untuk membuat aplikasi AI menarik secara komersial. Penelitian AI Kedua cabang ini AI dijelaskan dalam
telah berkembang menjadi enam wilayah yang terpisah namun berhubungan; ini
lebih rinci dalam bagian berikut.
adalah bahasa alam, robotika, sistem tanggap (penglihatan dan pendengaran),
pemrograman genetik (juga disebut desain evolusioner), sistem pakar, dan
jaringan saraf. SISTEM PAKAR
Pengetahuan
Workspace
Subsystem Mendasarkan
Penjelasan
Interface
pemakai
User inference
Mesin
Subsystem
Akuisisi
pengetahuan
Insinyur
Pengetahuan
sistem tradisional pakar telah dijalankan di PC atau server (sering melalui antarmuka Web), tapi itu berubah. vendor perangkat
lunak EXSYS Inc sekarang membuat corvid software sistem pakar yang tersedia untuk dijalankan pada berbagai komputer
genggam. mobilitas sistem pakar ini bisa menjadi sangat berguna untuk perwakilan penjualan, teknisi lapangan, dan perbaikan
pekerja-dan orang lain yang bekerja di luar lingkungan kantor.
Beberapa sistem pakar ponsel paling awal telah dikerahkan dalam aplikasi medis. Epocrates, Inc, bekerja sama
dengan Laboratorium Rumah Sakit Umum Massachusetts ini Ilmu Komputer, telah mengembangkan diagnosis penyakit dan
referensi pengobatan alat mobile bernama Epocrates SxDx. sistem pakar ponsel ini memungkinkan dokter untuk
memasukkan jumlah yang tidak terbatas gejala, hasil lab, dan demografi pasien dan kemudian menghasilkan daftar
diagnosis yang masuk akal. Selanjutnya, Epocrates SxDx dapat meminta dokter untuk memperbaiki daftar masukan mereka
berdasarkan kemungkinan gejala pasien dan temuan. SxDx kemudian menggunakan diagnosa potensial untuk
mengidentifikasi pilihan pengobatan. “Integrasi ini dari indeks diagnosis dan konten referensi medis ponsel Epocrates dapat
membantu untuk mendukung keputusan klinis di mana pun mereka dibuat,” kata Octo Barnett, MD,
ponsel dan sistem pakar yang digunakan untuk membantu mengendalikan malaria di Kenya sebagai bagian dari Desa Proyek
Milenium. Dalam pendekatan baru untuk malaria pengendalian, pekerja kesehatan masyarakat mengunjungi rumah tangga pada
mencari demam yang dapat menunjukkan malaria. Para pekerja kesehatan membawa cepat pengujian bahan diagnostik yang
memeriksa setetes darah untuk kehadiran patogen malaria. Menggunakan ponsel, mereka mengirim pesan teks dengan identifikasi
dan tes pasien hasil untuk sistem pakar, yang terletak pada komputer remote. Dalam hitungan detik, respon teks otomatis dari sistem
pakar menginformasikan petugas kesehatan dari program yang tepat pengobatan, jika ada. Sistem ini juga dapat mengirim pengingat
tentang perawatan tindak lanjut atau dijadwalkan kunjungan klinik untuk pasien. Selain prosedur sistem telepon-pakar
pengujian-mobile yang cepat, pendekatan baru untuk mengendalikan malaria termasuk insektisida kelambu dibuat untuk terakhir
selama lima tahun dan generasi baru obat kombinasi dibangun di sekitar pengobatan herbal tradisional Cina. Pendekatan gabungan
ini telah terbukti menjadi sistem malaria kontrol sangat efektif.
dikumpulkan dari bidang kacang individu sepanjang musim tanam, EXNUT manufaktur (CIM) lingkungan sehingga informasi tanaman real-time
membuat rekomendasi untuk irigasi, pengobatan fungisida, dan digunakan untuk menghasilkan jadwal lantai pabrik. Beberapa sistem pakar
manajemen hama. Hasilnya cukup positif: Bidang dikelola oleh EXNUT spesialis dalam memilah-milah besar
telah secara konsisten menghasilkan hasil yang lebih tinggi dan kacang set aturan atau data lainnya. Sebagai contoh, sistem pakar penasihat
berkualitas tinggi menggunakan air kurang dan kurang fungisida daripada online telah dibuat selama lebih dari selusin
yang berhasil tanpa sistem pakar (EXSYS Inc., 2010). bidang kompleks Keselamatan dan peraturan Administrasi
Kesehatan (OSHA). Salah satunya penasihat secara online adalah Asbes
Penjadwalan merupakan daerah penting untuk sistem pakar. Sistem Advisor, yang tersedia untuk download gratis oleh pemilik bangunan,
pakar yang sedang digunakan termasuk truk routing yang dan sistem manajer, dan kontraktor
penjadwalan yang menentukan urutan berhenti pada rute untuk memberikan mempertahankan sifat berpotensi terkontaminasi dengan asbes.
pelayanan yang terbaik dan sistem desain pabrik yang mesin Mengorganisir Berdasarkan masukan pengguna, sistem menyediakan panduan tentang
dan operator untuk memberikan aliran yang efisien bahan melalui pabrik dan bagaimana standar asbes mungkin berlaku untuk bangunan. Pada tahun
menggunakan sumber daya efisien. Sebagai contoh lain, General Motors pertama itu ditempatkan di Internet, hampir
menciptakan Expert Penjadwalan Sistem, atau ESS, untuk menghasilkan 80.000 usaha menggunakan asbes Advisor. Lain
jadwal manufaktur yang layak. ESS menggabungkan heuristik yang telah Contohnya adalah kasus Pekerja Advisor, yang telah opment
dikembangkan oleh sebuah pabrik scheduler berpengalaman ke dalam OpEd untuk mendukung Bantuan Sementara Tribal Navajo Nation
sistem, dan juga link langsung ke GM komputer terpadu untuk Keluarga Miskin (TANF) program kesejahteraan. sistem pakar ini
menangkap keahlian pekerja kasus di
membuat keputusan tentang manfaat untuk Navajo klien. Itu
Bab 6 • Manajerial Dukungan Sistem 244
jaringan saraf telah menjadi semakin penting dalam bidang kedokteran di berbagai bidang seperti pengembangan obat,
diagnosis pasien, dan analisis citra. Dua aplikasi utama dari jaringan saraf terjadi dalam deteksi penyakit jantung koroner dan
pengolahan electroencephalogram (EEG) sinyal.
Mengidentifikasi karakteristik tertentu dalam citra medis adalah jenis masalah pengolahan gambar, dan jaringan saraf dapat
digunakan untuk menangani masalah tersebut. Sebagai contoh, sebuah studi klinis telah menunjukkan bahwa jaringan saraf dapat
memberikan alat yang berguna untuk ahli radiologi bantuan dalam mamografi pengambilan keputusan tugas. Ketika lesi ditemukan
di mammogram, kinerja jaringan saraf dalam membedakan antara lesi jinak dan ganas telah ditemukan untuk menjadi lebih baik
dari rata-rata kinerja ahli radiologi tanpa bantuan jaringan saraf. Kesimpulannya jelas: Kinerja terbaik akan dicapai ketika ahli
radiologi memiliki bantuan dari jaringan saraf.
Di Rumah Sakit Anderson Memorial di South Carolina, jaringan saraf tertanam dalam informasi rumah sakit dan
pasien sistem prediksi telah meningkatkan kualitas perawatan, mengurangi tingkat kematian, dan menyelamatkan jutaan
dolar dalam sumber daya. Menggunakan perangkat lunak BrainMaker California Scientific, jaringan saraf yang terpisah telah
dilatih (dikembangkan) untuk masing-masing 473 diagnosa utama untuk memungkinkan rumah sakit untuk
mengklasifikasikan dan memprediksi tingkat keparahan penyakit dan penggunaan sumber daya rumah sakit sehingga
kualitas dan biaya masalah dapat diatasi cukup . Sebuah jaringan saraf juga telah digunakan untuk memprediksi modus
debit-debit dari rutinitas melalui kematian-untuk setiap diagnosis. Berdasarkan prediksi yang dihasilkan, biaya di rumah sakit
telah berkurang tes lebih sedikit yang tidak perlu dan prosedur, panjang menurunkan dari tetap, dan perubahan prosedural
lainnya.
[Berdasarkan California Ilmiah Software, 2010; NeuroDimension, 2010; dan NeuroXL 2010]
keputusan akhir. jaringan saraf yang digunakan untuk memprediksi probabilitas melakukan penilaian real-time dari setiap pengunjung ke jaringan, dan jika
kebangkrutan untuk membantu bank-bank membuat pinjaman keputusan. mencatat perilaku yang menunjukkan pelanggaran keamanan berusaha, maka
secara otomatis berakhir akses penyusup (Orzech, 2002).
jaringan saraf juga digunakan dalam investasi dan perdagangan
aplikasi. Dalam beberapa kasus perusahaan besar menggunakan jaringan Pada akhir 1980-an dan 1990-an, sistem pakar dan aplikasi
saraf untuk mengelola portofolio dana pensiun mereka. Aplikasi lain jaringan saraf menerima banyak hype di pers populer. Aplikasi AI yang
mendeteksi karakteristik umum antara saham untuk menentukan apakah diduga akan memecahkan banyak masalah keputusan yang dihadapi
saham adalah di ambang pelarian. jaringan saraf yang digunakan untuk oleh manajer. Hari ini, industri telah mengadopsi pandangan yang lebih
memprediksi harga penutupan hari berikutnya dari saham dan kelompok realistis dari aplikasi AI: AI bukanlah obat mujarab, tetapi ada sejumlah
reksa dana berdasarkan ukuran kinerja. besar aplikasi berpotensi berharga untuk teknik AI. Setiap aplikasi yang
potensial harus dievaluasi secara hati-hati. Hasil ini evaluasi hati-hati
Penggunaan lain dari jaringan saraf adalah dalam pemasaran yang telah pertumbuhan yang stabil, tapi tidak ledakan, dalam pengembangan
ditargetkan, di mana kampanye pemasaran yang ditargetkan untuk pelanggan potensial dan penggunaan sistem pakar dan karya net- saraf untuk membantu
yang memiliki atribut yang sama yang mengakibatkan penjualan untuk kampanye bisnis mengatasi situasi masalah dan membuat keputusan yang lebih
sebelumnya. Spiegel Brands, Inc., yang tergantung pada katalog untuk menghasilkan baik dan lebih konsisten.
penjualan untuk bisnis mail-order-nya, menggunakan jaringan saraf sebagai cara
pemangkasan mailing list untuk menghilangkan mereka yang tidak mungkin untuk
pesanan dari Spiegel lagi.
REALITAS MAYA
jaringan saraf juga digunakan untuk meningkatkan keamanan. Sebuah
sistem keamanan telah mengembangkan teknologi saraf untuk mengenali wajah Virtual reality adalah daerah aplikasi yang menarik dengan berkembang pesat
seseorang untuk memberikan orang akses ke daerah aman yang penting. virtual reality (VR) mengacu pada penggunaan sistem berbasis komputer
menggunakan. Sebuah jaringan komputer sistem proteksi intrusi, berdasarkan untuk menciptakan lingkungan yang tampaknya nyata untuk satu atau lebih indera
jaringan saraf, (biasanya termasuk sight)
Bab 6 • Manajerial Dukungan Sistem 246
GAMBAR 6.7 CirclePix 360-Gelar Tur Virtual dari Family Room (Courtesy of CirclePix.com, LLC. Copyright © 2010 CirclePix.com, LLC)
Bab 6 • Manajerial Dukungan Sistem 248
Second Life, dikembangkan dan dioperasikan oleh Linden Lab, adalah 3-D dunia virtual online seluruhnya dibangun dan dimiliki oleh warganya.
Diluncurkan pada tahun 2003, Second Life sekarang memiliki sekitar 650.000 pengguna aktif. Pengguna membuat alter ego, yang disebut avatar, untuk
mewakili diri mereka sendiri. avatar ini, yang dapat terlihat seperti orang biasa atau makhluk bukan manusia yang sangat aneh, bisa berjalan, berlari,
duduk, terbang, membeli properti, membangun rumah, memulai bisnis, konser hadir, dan membeli dan menjual produk dan layanan virtual. Semua suara
ini seperti eskapis menyenangkan-dan itu-tapi mengapa bisnis dunia nyata seperti IBM, Cisco, Nokia, dan Dell pengguna besar Second Life? Bagaimana
organisasi seperti Angkatan Udara AS, Angkatan Laut AS, dan Rumah Sakit Memorial Anak di Chicago penggunaan Second Life?
Ketika Second Life pertama benar-benar berangkat, pada tahun 2005 hingga 2007, banyak bisnis dibuat bangunan di Second Life
yang bisa dikunjungi oleh warga. Bangunan-bangunan ini memamerkan produk yang ditawarkan oleh bisnis-a mensponsori cara baru untuk
menciptakan kesadaran produk ini dan membangun beberapa permintaan realworld. Perusahaan-perusahaan ini percaya bahwa beberapa
desain, pemasaran, dan tantangan penjualan di dunia nyata dapat diselesaikan dengan dunia maya. Untuk sebagian besar yang belum
terjadi, meskipun beberapa bangunan bisnis tetap terbuka untuk kedua Lifers kunjungan. Tampaknya sebagian besar Kedua Lifers tidak ingin
merancang dan berbelanja produk dunia nyata.
Apa kegiatan populer di Second Life? Ada banyak, termasuk belanja-tapi untuk pakaian virtual, furniture, dan bangunan. Obyek
wisata ini sangat populer, dan ada beberapa blog perjalanan Second Life untuk menunjukkan tempat untuk melihat dan hal yang harus
dilakukan. Sering konser musik yang diadakan di Second Life, dan ada klub dansa di mana avatar Anda dapat pindah ke DJ atau musik
hidup. Peran bermain dalam adegan improvisasi populer; kadang-kadang bermain peran terjadi di masyarakat role play berdasarkan
Roma kuno, Deadwood bersejarah, South Dakota, atau kota vampir-dan-monster-bertema. Simulasi berselancar dan berlayar yang
populer, dan, tentu saja, begitu juga cybersex. Dengan semua kegiatan ini, apa peran sisa-sisa di Second Life untuk bisnis dunia nyata
dan organisasi?
Second Life telah terbukti sangat berguna untuk bisnis untuk kolaborasi dan latihan. IBM, misalnya, memiliki lebih dari
50 pulau (sebuah pulau adalah server disewakan) di Second Life, di mana ia mengadakan pertemuan internal dan
menghubungkan dengan pengguna perusahaan. Second Life digunakan oleh 1.400 organisasi untuk pelatihan, pertemuan,
konferensi, dan team building. Organisasi-organisasi ini mengatakan bahwa dunia maya memberi mereka kolaborasi lebih
kaya dari panggilan teleconference atau videoconference. Jumlah organisasi yang menggunakan Second Life pasti akan lebih
besar kecuali untuk pembatasan Second Life: Ini berjalan pada server Linden Lab, sehingga potensi masalah dalam hal
kontrol pengguna dan keamanan. Keterbatasan ini telah dihapus dengan peluncuran terbaru dari Second Life Enterprise, alat
hardware $ 55.000 bahwa bisnis dapat menginstal di pusat-pusat data mereka sendiri,
organisasi non-bisnis juga menemukan tempat di Second Life. Angkatan Udara AS telah menciptakan MyBase di Second Life untuk
merekrut, pelatihan, pendidikan, dan operasi. MyBase terbuka untuk umum, dan pengguna dapat wisata dasar, belajar tentang Angkatan Udara,
mengambil penerbangan virtual dalam P-51 Mustang, dan mendaftar untuk konferensi secara online. Memorial Hospital Chicago Anak menyewa
kontraktor untuk membangun sebuah simulasi Second Life kampus dan bangunan dan kemudian digunakan Second Life untuk melakukan latihan
kesiapsiagaan bencana untuk menunjukkan karyawan bagaimana untuk mengevakuasi pasien dalam keadaan darurat. Sejumlah kelompok
peer-dukungan telah diciptakan di Second Life, dan salah satu yang terbesar dari ini adalah Virtual Kemampuan, yang melayani komunitas sekitar
400 orang dengan berbagai cacat kehidupan nyata. Anggota Kemampuan Virtual, melalui avatar Second Life mereka, memberikan dukungan
emosional bagi orang lain dalam kelompok serta saran praktis saham untuk masalah di dunia nyata. Second Life menyediakan outlet sosial bagi
banyak orang cacat, dan memberikan tinggal di rumah orang kesempatan untuk perjalanan. Second Life memainkan peran utama bagi banyak
perusahaan dan organisasi lainnya, meskipun peran yang tidak sama seperti yang awalnya direncanakan.
[Berdasarkan LaPlante, 2007; dan Wagner, 2008a, 2008b, 2009a, 2009b, dan 2009c]
Bab 6 • Manajerial Dukungan Sistem 249
Ringkasan
Kami sekarang telah menyelesaikan survei dua bab kami intraorganizational berbagi dengan kelompok yang tepat. Sebuah GSS, yang merupakan jenis khusus
IT area aplikasi. Bab 5 berfokus pada area aplikasi yang mendukung dari groupware, terdiri dari perangkat lunak yang berjalan pada server Web yang
seluruh organisasi atau sebagian besar dari hal itu, termasuk sistem memungkinkan semua peserta rapat untuk secara bersamaan dan anonim
pemrosesan transaksi, data warehousing, dan otomatisasi kantor. Pada memberikan kontribusi pada diskusi kelompok dengan memasukkan ide-ide
akhir Bab 5, kami berpendapat bahwa organisasi modern tidak dapat mereka dan memiliki mereka ditampilkan pada layar publik yang besar, jika
melakukan bisnis tanpa enterprise sistem TI. Dalam bab ini, kita telah diinginkan. Perangkat lunak ini memfasilitasi berbagai tugas kelompok, seperti
berkonsentrasi pada sistem pendukung manajerial seperti sistem generasi ide, gagasan mengorganisir, prioritas, dan pengembangan kebijakan.
pendukung keputusan, sistem intelijen bisnis, dan jaringan saraf. Ini sistem Dengan KMS, pengetahuan mungkin dibagi dalam komunitas praktek (kelompok
pendukung manajerial hanya sebagai penting untuk manajer individu dalam manajer dengan minat yang sama) melalui repositori pengetahuan, forum diskusi,
bisnis sebagai sistem perusahaan harus perusahaan secara keseluruhan. dan kalender masyarakat, atau dalam yang lebih luas pengelompokan karyawan
manajer modern tidak bisa mengelola secara efektif dan efisien tanpa melalui paket hati-hati terstruktur konten pengetahuan.
sistem pendukung IT manajerial.