BAB 3.

MANAJEMEN DATA, BIG DATA, DAN BISNIS INTELIJEN

Tujuan Pembelajaran.

1. Menjelaskan fungsi database dan teknologi data warehouse, perbedaan antara arsitektur
database terpusat dan terdistribusi, bagaimana kualitas data mempengaruhi kinerja, dan peran
file referensi master dalam membuat data yang akurat dan konsisten di seluruh perusahaan.
2. Mengevaluasi nilai dan manfaat analitik big data dalam pengambilan keputusan taktis dan
strategis.
3. Jelaskan bidang data dan penggalian teks dan bagaimana mereka diterapkan untuk menemukan
pola, korelasi, tren, atau hubungan bermakna lainnya di penyimpanan data organisasi.
4. Jelaskan manfaat operasional dan keuntungan kompetitif dari business intelligence, dan
bagaimana peramalan dapat ditingkatkan.

A. Sistem Manajemen Database

Data adalah kekuatan pendorong dibalik bisnis yang sukses. Operasi, perencanaan, pengendalian, dan
semua fungsi manajemen lainnya sangat bergantung pada informasi yang diproses, bukan data mentah.
Teknologi manajemen data yang membuat pengguna tetap mendapat informasi dan mendukung proses
bisnis adalah sebagai berikut.

1) Basis data (Database). Database menyimpan data yang dihasilkan oleh aplikasi bisnis, sensor,
operasi, dan sistem pemrosesan transaksi (TPS). Data dalam database sangat tidak stabil.
Perusahaan menengah dan besar biasanya memiliki banyak database dari berbagai jenis.
2) Gudang data (Data Warehouses). Gudang data mengintegrasikan data dari berbagai database
dan data silo dan mengaturnya untuk analisis kompleks, penemuan pengetahuan, dan untuk
mendukung pengambilan keputusan. Misalnya, data diekstrak dari database, diproses untuk
menstandarkan formatnya, dan kemudian dimuat ke gudang data pada waktu tertentu, seperti
mingguan. Dengan demikian, data di gudang data bersifat nonvolatile dan siap untuk dianalisis.
3) Pasar Data (Data Marts). gudang data skala kecil yang mendukung satu fungsi atau satu
departemen. Perusahaan yang tidak mampu berinvestasi dalam data warehousing dapat
memulai dengan satu atau lebih pasar data.
4) Intelejensia Bisnis (Business Intelligence). alat dan teknik memproses data dan melakukan
analisis statistik untuk wawasan dan penemuan. Alat BI, misalnya, mengekstrak pengetahuan
dari data, menemukan hubungan yang berarti dalam data, mendeteksi tren, dan
mengidentifikasi peluang dan risiko. Penambangan data dapat memberikan wawasan baru,
membentuk dasar yang dapat diandalkan untuk perkiraan yang akurat, dan membantu manajer
membuat keputusan yang lebih baik.

Sistem manajemen basis data yang pertama, IDS (Integrated Data Store), yang dikembangkan oleh GE
pada tahun 1964. Basis data ini dipengaruhi oleh hasil kerja standarisasi oleh Komite Bahasa Sistem Data
(Committee On Data System Languange – CODAYSL).
Database Management Systems (DBMSs) adalah perangkat lunak yang digunakan untuk mengelola
penambahan, pembaruan, dan penghapusan data saat transaksi terjadi, serta untuk mendukung kueri
data (data queries) dan pelaporan.

Fungsi yang dilakukan oleh DBMS adalah :

1) Penyaringan data dan pembuatan profil (Data filtering dan profiling)

2) Integritas dan pemeliharaan data (Data integrity and maintenance)
3) Sinkronisasi data (Data synchronization)
4) Keamanan data (Data security)
5) Akses data (Data access).

Faktor yang menentukan kinerja DBMS :

1) Latensi data. Latensi adalah waktu yang berlalu (atau penundaan) antara saat data dibuat dan
saat tersedia untuk kueri atau laporan. Aplikasi memiliki toleransi latensi yang berbeda. Sistem
database cenderung memiliki latensi yang lebih pendek daripada gudang data. Latensi pendek
memberlakukan lebih banyak batasan pada sistem.
2) Kemampuan untuk menangani volatilitas data. Basis data memiliki kekuatan pemrosesan untuk
menangani ketidakstabilan data. Tingkat di mana data ditambahkan, diperbarui, atau dihapus
menentukan beban kerja yang harus dapat dikontrol database untuk mencegah masalah dengan
tingkat respons ke kueri.
3) Waktu respon query. Volume data memengaruhi waktu respons untuk kueri dan eksplorasi data.
Banyak database data hama yaitu, meringkas atau menghitung hasil awal sehingga kueri
memiliki tingkat respons yang lebih cepat.
4) Konsistensi data. Konsistensi langsung berarti bahwa segera setelah data diperbarui, respons
terhadap kueri baru akan mengembalikan nilai yang diperbarui. Dengan konsistensi akhirnya,
tidak semua respon query akan mencerminkan perubahan data secara seragam. Hasil kueri yang
tidak konsisten dapat menyebabkan masalah serius untuk analisis yang bergantung pada data
yang akurat.
5) Prediktabilitas query. Semakin besar jumlah kueri ad hoc atau kueri yang tidak dapat diprediksi,
semakin fleksibel database yang dibutuhkan. Manajemen kinerja database atau kueri lebih sulit
ketika beban kerja sangat tidak terduga sehingga tidak dapat dipersiapkan sebelumnya.
Kemampuan untuk menangani beban kerja adalah kriteria terpenting saat memilih database.

PERBEDAAN PROSES TRANSAKSI DARING DAN PROSES ANALISIS DARING

Fungsi dari DBSMs adalah sebagai sistem online transaction processing (OLTP). OLTP adalah desain
database yang memecah informasi yang rumit menjadi tabel data yang lebih sederhana untuk mencapai
keseimbangan antara efisiensi pemrosesan transaksi dan efisiensi Query.

Database OLTP memproses jutaan transaksi per detik. Namun, database tidak dapat dioptimalkan untuk
penggalian data (data mining) sistem kompleks online analytics-processing (OLAP), dan mendukung
keputusan. Keterbatasan ini menyebabkan diperkenalkannya teknologi data warehouse yaitu data
warehouse dan data marts.

TREN MENUJU SISTEM NoSQL

Adapun kelebihan umum dari sistem NoSQL (Not Only SQL) adalah :

1) Kinerja yang lebih tinggi

2) Distribusi data yang mudah pada nodes yang berbeda, yang memungkinkan skalabilitas dan
toleransi kesalahan.
3) Fleksibilitas yang lebih besar.
4) Administrasi yang lebih sederhana.

Arsitektur Basis Data Terpusat dan Terdistribusi

Arsitektur basis data terpusat memiliki kontrol kualitas data yang lebih baik dan keamanan IT yang lebih
baik. Sedangkan, arsitektur basis data terdistribusi dapat memungkinkan akses lokal dan jarak jauh,
serta menggunakan arsitektur klien / server untuk memproses permintaan.

Sampah Masuk, Sampah Keluar (Garbage In, Garbage Out)

Data kotor (Dirty Data) tidak memiliki integritas/validasi dan mengurangi kepercayaan pengguna, serta
tidak lengkap, di luar konteks, usang, tidak akurat, tidak dapat diakses, atau berlebihan.

Biaya Data Kualitas Buruk = Bisnis Hilang + Biaya untuk Mencegah Kesalahan + Biaya untuk
Memperbaiki Kesalahan

3 prinsip utama data yang berhubungan dengan perspektif siklus hidup data dan membantu memandu
keputusan investasi IT :

1) Prinsip nilai daya yang semakin berkurang (Principle of diminishing data value)
2) Prinsip penggunaan data 90/90 (Principle of 90/90 data use)
3) Prinsip data dalam konteks (Principle of data in context).

B. ANALISIS BIG DATA DAN PENEMUAN DATA

Pangsa pasar (market share) adalah persentase dari total penjualan di pasar yang ditangkap oleh merek,
produk, atau perusahaan. Analitik data besar telah membantu perusahaan mengungguli pesaing
mereka. MGI memperkirakan bahwa pengecer yang menggunakan analitik data besar meningkatkan
margin operasi mereka lebih dari 60%. Margin operasi adalah ukuran persentase pendapatan
perusahaan yang tersisa setelah membayar biaya variabelnya, seperti upah dan bahan mentah. Margin
yang meningkat berarti perusahaan menghasilkan lebih banyak per dolar dari penjualan. Semakin tinggi
margin pengoperasian, semakin baik.
Alasan diperlukan keahlian dan penilaian manusia :

– Data tidak berharga jika Anda tidak dapat menganalisis, menafsirkan, memahami, dan
menerapkan hasil dalam konteks.

– Data perlu disiapkan untuk analisis.

– Data kotor menurunkan nilai analitik.

– Data harus dibuat bermakna konteks.

Big data adalah istilah yang menggambarkan volume data yang besar, baik data yang terstruktur
maupun tidak terstruktur. Big data dapat dianalisis untuk wawasan yang mengarah pada pengambilan
keputusan dan strategi bisnis yang baik. Platform pengolahan yang banyak digunakan dalam analisis big
data adalah Hadoop.

GUDANG DATA PERUSAHAAN (ENTERPRISE DATA WAREHOUSE) DAN PASAR DATA (DATA MART)

Gudang data (Data warehouse) adalah basis data yang menyimpan data yang sekarang dan terdahulu
yang mungkin diminati oleh para pembuat keputusan di seluruh perusahaan. Big data analytics
mengacu pada proses mengumpulkan, mengorganisasikan, dan menganalisa sekumpulan besar data
(big data) untuk mendapatkan pola-pola dan informasi yang berguna.

Gudang data yang mengumpulkan data dari berbagai sumber dan basis data di seluruh perusahaan
disebut Gudang Data Perusahaan (Enterprise Data Warehouses – EDW).

Pasar data (data mart) adalah versi berbiaya rendah dan berskala kecil yang dapat diimplementasikan
dalam waktu yang jauh lebih singkat. Misalnya, dalam waktu kurang dari 90 hari.

Active Data Warehouse (ADW) merupakan penggudangan dan analisis data dalam waktu nyata, serta
dengan standarisasi format, pembersihan data, integrasi. Mereka menyediakan interaksi dengan
pelanggan untuk memberikan layanan pelanggan yang superior, merespon peristiwa bisnis hampir
secara real time, dan berbagi data status terbaru di antara pedagang, vendor, pelanggan, dan rekan.

Data Sangat Besar (Really Big Data) yaitu sensor berbiaya rendah mengumpulkan data secara real time
dalam semua jenis benda fisik (data sensor yang dihasilkan mesin), seperti mengatur suhu dan iklim,
mendeteksi partikel udara untuk kontaminasi, kondisi/kerusakan mesin, dan pemeliharaan mesin

HADOOP DAN MAPREDUCE

Hadoop mendistribusikan masalah komputasi di sejumlah server. Hadoop mengimplementasikan

MapReduce dalam dua tahap :

1) Map Stage
2) Reduce Stage
Untuk menyimpan data, Hadoop memiliki sistem file terdistribusi sendiri, HaDoop File Systems (HDFS),
yang berfungsi dalam tiga tahap :

1) Memuat data ke HDFS.

2) Melakukan operasi MapReduce.
3) Mengambil hasil dari HDFS.

C. PENGGALIAN DATA DAN TEKS (Data and Text Mining)

Penggalian data (text mining) merupakan suatu proses pengambilan intisari dari dokumen teks sehingga
didapatkan hasil yang berguna untuk tujuan tertentu. Text mining dapat didefinisikan sebagai suatu
proses menggali informasi dimana seorang pengguna berinteraksi dengan sekumpulan dokumen
menggunakan tools analisis yang merupakan komponen-komponen dalam data mining. Perusahaan
berinvestasi dalam alat penggalian data untuk menambah nilai bisnis.

PROSEDUR ANALISIS TEKS

1) Exploration. Ini mungkin terjadi dalam bentuk jumlah kata sederhana dalam kumpulan
dokumen, atau dengan membuat area topik secara manual untuk mengkategorikan dokumen
setelah membaca sampelnya. Misalnya, jenis masalah utama apa (rem atau kerusakan mesin)
yang telah diidentifikasi dalam klaim garansi mobil baru-baru ini? Tantangan usaha eksplorasi
adalah salah eja atau singkatan kata, akronim, atau gaul.
2) Preprocessing. Sebelum analisis atau kategorisasi otomatis konten, teks mungkin perlu diproses
sebelumnya untuk menstandarkannya sejauh mungkin. Seperti dalam analisis tradisional, hingga
80% waktu pra-pemrosesan dapat digunakan untuk menyiapkan dan menstandarisasi data.
Kata, singkatan, dan bahasa gaul yang salah eja mungkin perlu diubah menjadi istilah yang
konsisten. Misalnya, BTW akan distandarisasi menjadi "omong-omong" dan "pesan suara kiri"
dapat diberi tag sebagai "lvm".
3) Categorizing dan Modelling. Konten kemudian siap untuk dikategorikan. Mengkategorikan
pesan atau dokumen dari informasi yang terkandung di dalamnya dapat dicapai dengan
menggunakan model statistik dan aturan bisnis. Seperti pengembangan model tradisional,
dokumen sampel diperiksa untuk melatih model. Dokumen tambahan kemudian diproses untuk
memvalidasi akurasi dan presisi model, dan terakhir dokumen baru dievaluasi menggunakan
model akhir (diberi skor). Model kemudian dapat dimasukkan ke dalam produksi untuk
pemrosesan otomatis dokumen baru saat mereka tiba.

D. BUSINESS INTELLIGENCE

Sistem BI adalah sistem yang didesain untuk menyediakan informasi-informasi aktual mengenai
peristiwa, tren teknologi, ekonomi, politik, hukum, demografi, sosial budaya, dan yang paling penting
adalah mengenal atmosfer kompetisi bisnis yang sedang berlangsung.
Dengan BI, manajemen akan mendapatkan informasi yang berkualitas dari kegiatan bisnisnya secara
tepat waktu, akurat, dan reliabel melalui saluran komunikasi data. Semakin tinggi tingkat kompetisi
antar perusahaan, maka peranan BI akan semakin penting.

BI menyangkut berbagai aktivitas diantaranya :

1) Studi perusahaan pesaing produk sejenis dan strategi memenangkan persaingan.

2) Mengelola informasi mengani data statistik pelanggan potensial, area potensial, kondisi
ekonomi, sosial budaya dan politik lingkungan dunia usaha.
3) Pengamatan daerah operasi bisnis untuk kepentingan strategis perusahaan untuk
mengantisipasi perubahan lingkungan eksternal perusahaan.
4) Analisa pasar mengenai jumlah dan area peredaran produk yang diminati oleh pelanggan,
ancaman dan peluang yang ada, masa depan produk, tendensi pasar, dan lain-lain.

ELECTRONIC RECORDS MANAGEMENT

Sistem ERM terdiri dari perangkat keras dan perangkat lunak yang mengelola dan mengarsipkan
dokumen elektronik dan dokumen kertas gambar; lalu diindeks dan disimpan sesuai dengan kebijakan
perusahaan. Misalnya, perusahaan mungkin diwajibkan oleh hukum untuk menyimpan dokumen
keuangan selama setidaknya tujuh tahun, desain produk selama beberapa dekade, dan pesan email
tentang promosi pemasaran salama setahun. Alat utama ERM adalah workflow software, authoring
tools, scanners, dan database.

ERM dapat membantu bisnis menjadi lebih efisien dan produktif dengan :

1) Memungkinkan perusahaan untuk mengakses dan menggunakan konten yang ada di dalam
dokumennya
2) Memangkas biaya tenaga kerja dengan mengotomatisasi proses bisnis.
3) Mengurangi waktu dan upaya yang diperlukan untuk mencari informasi bisnis yang dibutuhkan
untuk mendukung pengambilan keputusan.
4) Meningkatkan keamanan konten, sehingga mengurangi risiko pencurian kekayaan intelektual.
5) Meminimalkan biaya yang terkait dengan pencetakan, penyimpanan, dan pencarian konten.