Data Mining dan Analisis Online

 Data Mining
 Adalah proses pemilihan, menjelajahi, dan
pemodelan data dalam jumlah besar untuk
menemukan hubungan yang sebelumnya tidak
diketahui yang dapat mendukung pengambilan
keputusan.
 Beberapa alat data mining adalah aplikasi analisis
statistik yang kompleks, dan yang lain menggunakan
alat tambahan yang melampaui analisis statistik dan
pengujian hipotesis.
 Data Mining memiliki 4 tujuan utama :
 Urutan atau analisis jalur : Menemukan pola dimana
satu peristiwa mengarah ke yang lain, acara
selanjutnya.
 Klasifikasi: Menemukan apakah fakta-fakta tertentu
jatuh ke kelompok yang telah ditetapkan.
 Pengerumunan : Menemukan kelompok fakta-fakta
terkait yang sebelumnya tidak diketahui.
 Peramalan: Menemukan pola dalam data yang dapat
menyebabkan prediksi yang wajar.
 Data Mining
 Data mining adalah alat yang sangat ampuh dalam
lingkungan di mana bisnis beralih dari massa-
pemasaran sebuah produk untuk menarget konsumen
individu dengan berbagai produk yang mungkin untuk
memuaskan orang itu.

Mengetahui bagaimana menggunakan alat-alat

business intelligence (BI) akan membantu anda untuk
secara mandiri menghasilkan informasi yang sangat
berguna dari data warehouse dan sumber data yang
besar lainnya.
  Aplikasi yang potensial dari data mining
Aplikasi Data- Keterangan
Mining
Pengelompokan Mengidentifikasi karakteristik umum dari pelanggan yang cenderung
konsumen membeli produk dan jasa yang sama dari perusahaan anda.
Pengocokan Mengidentifikasi alasan pelanggan beralih ke pesaing; memprediksi
pelanggan kemungkinan pelanggan untuk melakukannya.
Deteksi Mengidentifikasi karakteristik transaksi yang paling mungkin
penipuan penipuan.
Pemasaran Mengidentifikasi calon klien mana yang harus dimasukkan dalam
langsung surat atau daftar e-mail untuk mendapatkan tingkat respon tertinggi.
Pemasaran Memprediksi apa yang setiap individu akses di situs Web adalah
interaktif kemungkinan besar akan tertarik dalam melihat sesuatu.
Analisis Memahami produk atau layanan apa yang biasanya dibeli bersama-
keranjang pasar sama, dan pada hari apa dalam seminggu.
Analisis Trend Mengungkapkan perbedaan antara pelanggan khas ini bulan dan
pelanggan khas bulan lalu.
 Memprediksi Perilaku Pelanggan
Dalam perbankan, data mining digunakan untuk
menemukan pelanggan yang menguntungkan dan pola
penipuan. Itu juga digunakan untuk memprediksi
kebangkrutan dan kelalaian pembayaran pinjaman.
Untuk memastikan aliran data pelanggan ke dalam
data warehouse mereka tetap, perusahaan di hampir
setiap industri program pengoperasian loyalitas
pelanggan serupa dengan program frequent-flier asli.
Dalam banyak kasus, data mining seperti data yang
menyediakan business intelligence untuk menarget
pelanggan individu. Maskapai menggunakan alat data
mining untuk menggali informasi yang membantu
mempertahankan frequent flyers.
 UPS memiliki unit organisasi yang disebut Customer
Intelligence Group. Kelompok ini menganalisis pola
perilaku pelanggan sehingga dapat membuat prediksi
yang membantu perusahaan meningkatkan layanan dan
mempertahankan pelanggan.
 Mengidentifikasi Menguntungkan Grup
Pelanggan
Lembaga keuangan, terutama perusahaan asuransi,
sering mengabaikan pelanggan berisiko tinggi. Baiknya,
analisis pelanggan tersebut dapat menghasilkan bisnis
yang baik, sebagai Progressive Casualty Insurance
Company telah terbukti. Progressive adalah perusahaan
asuransi AS terbesar keempat. Perusahaan
menggunakan software analisis pemilik analitis dan data
industri asuransi tersedia secara luas.
 Memanfaatkan Program Loyalitas
Program loyalitas seperti frequent flier dan klub
konsumen membantu organisasi mengumpulkan jumlah
besar data tentang pelanggan mereka. Beberapa rantai
kelontong, misalnya, masalah kupon diskon hanya
untuk pelanggan yang paling setia. Harrah
Entertainment, Inc., kasino dan rantai hotel,
menggunakan data warehouse untuk menarget
pelanggan individu, bukan kelompok. Teknik itu - yang
menspesifikan penolakan perusahaan untuk
mengungkapkan alasan yang jelas-memungkinkan
Harrah untuk menyesuaikan paket penginapan, makan
yang menarik bagi pelanggannya. Ini membantu Harrah
membedakan pemboros kecil dari pemboros besar dan
memutuskan bagaimana harga layanan tersebut
menurut pola pengeluaran individu di fasilitas
perusahaan. Harrah sangat bergantung pada aplikasi
perangkat lunak untuk pembedaan harga.
 Menyimpulkan Demografi
Beberapa perusahaan menggunakan teknik data
mining untuk mencoba memprediksi apa yang
pelanggan cenderung untuk membeli di masa depan.
Amazon.com adalah pemimpin dalam memanfaatkan
data pelanggan. Perangkat lunak yang dikembangkan
oleh Amazon menentukan usia penerima barang yang
dibeli oleh pelanggan. Perangkat lunak ini juga
menangkap dan menganalisa beberapa data yang
mungkin menunjukkan jenis kelamin penerima.
 Online Analytical Processing
Pengolahan analisis online (OLAP) adalah jenis lain
dari aplikasi yang digunakan untuk mengeksploitasi
data warehouse. Meskipun OLAP mungkin tidak
secanggih dalam hal analisis yang dilakukan, tetapi
memiliki waktu respon yang sangat cepat dan
memungkinkan eksekutif untuk membuat keputusan
yang tepat waktu.
 Kekuatan OLAP
Aplikasi OLAP membiarkan anda menerima
informasi dalam jumlah karyawan atau sebagai
persentase mereka dalam setiap daerah, departemen,
atau unit organisasi dalam departemen. Aplikasi OLAP
beroperasi pada data yang diselenggarakan khusus
untuk penggunaan tersebut atau proses data dari
database relasional. Banyak perusahaan mengatur data
dalam database relasional dan data warehouse tetapi
juga menggunakan aplikasi yang secara otomatis
meringkas data dan mengatur informasi dalam
database dimensi untuk OLAP. Cognos, Hyperion (anak
perusahaan dari Oracle), dan banyak perusahaan lain
menjual paket database multidimensi dan alat OLAP
untuk menggunakan mereka. OLAP memungkinkan
manajer untuk melihat ringkasan dan rasio
persimpangan dari dua dimensi.
 Kekuatan OLAP
Aplikasi OLAP adalah alat yang kuat bagi para
eksekutif. Sebagai contoh, perhatikan Gambar 11.3.
Eksekutif perusahaan manufaktur ingin tahu bagaimana
tiga model produk mereka telah terjual lebih dari tiga
bulan terakhir di tiga wilayah dunia.
 Kekuatan OLAP
Aplikasi OLAP biasanya dipasang pada server
khusus yang berkomunikasi dengan kedua komputer
pengguna dan server atau server yang berisi data
warehouse atau database dimensional (Meskipun OLAP
mungkin juga memproses data dari database
transaksional). Karena aplikasi OLAP dirancang untuk
memproses sejumlah besar catatan dan menghasilkan
ringkasan, mereka biasanya secara signifikan lebih
cepat daripada aplikasi relasional seperti yang
menggunakan pesan SQL (Structured Query
Language). Aplikasi OLAP dapat memproses 20.000
catatan per detik.
 OLAP dalam Aksi
OLAP semakin digunakan oleh perusahaan untuk
memperoleh efisiensi. Perusahaan menggunakan OLAP
pada data warehouse, yang menyimpan transaksi dari
1.020 toko dan lebih dari 60.000 karyawan di 10 negara.
Karyawan yang tahu sedikit tentang pemrograman dan
desain laporan yang menemukan bahwa Software BI
menjadi lebih mudah digunakan. Alat penghubung
kecerdasan mengijinkan mereka untuk memasuki
pertanyaan dalam bentuk gratis atau tertutup dalam
bentuk bebas. Sebuah bagian dari aplikasi yang disebut
lapisan semantik mengurai pertanyaan, yang telah
ditulis seolah-olah jika anda sedang berbicara dengan
seseorang, diterjemahkan ke dalam instruksi ke
komputer untuk mengakses data mart yang sesuai atau
kolom yang tepat dari datawarehouse, dan
menghasilkan jawaban, yang merupakan sejumlah
grafik yang menunjukkan tren.
 OLAP dalam Aksi
Software BI telah menjadi begitu populer dalam
jumlah besar perusahaan yang Microsoft telah
mengintegrasi perangkat lunak tersebut ke dalam
sistem manajemen database populer, SQL Server.
 Kecerdasan Lebih Pelanggan
Sebuah upaya besar kebanyakan bisnis, terutama
bisnis eceran, dalam menggunakan sistem tersebut
adalah untuk mengumpulkan business intelligence
tentang pelanggan. Keduanya, data-mining dan
perangkat lunak OLAP sering diintegrasikan ke dalam
system CRM untuk tujuan ini. Karena peningkatan
jumlah transaksi dilakukan melalui Web, manajer dapat
menggunakan data yang sudah dalam bentuk elektronik
untuk menganalisis dan menyusun strategi.
Software clickstream telah menjadi hampir fitur
standar dari perangkat lunak manajemen server yang
digunakan oleh banyak perusahaan. Jejak dan
penyimpanan data software clickstream tentang setiap
kunjungan ke situs, termasuk situs dari pengunjung
mana yang telah datang, halaman yang telah dilihat,
seberapa panjang setiap halaman telah dilihat, item
yang telah diklik, dan sebagainya.
 Kecerdasan Lebih Pelanggan
Data kemudian dapat dianalisis untuk membantu
mendesain ulang situs untuk melakukan kunjungan dari
semua atau kelompok demografis tertentu lebih
menarik. Tujuannya mungkin agar pengunjung
menghabiskan lebih banyak waktu di situs sehingga
potensinya untuk pendapatan mengiklankan dari
perusahaan lain tumbuh, atau untuk menarik
pengunjung untuk membuat lebih banyak pembelian.
Perusahaan-perusahaan itu, seperti Avenue A |
Razorfish, DoubleClick, dan Engage Software,
menggunakan cookies dan spyware untuk
mengumpulkan data konsumen, yang dapat
dikombinasikan dengan data clickstream individu.
 Dashboard
Untuk membuat penggunaan alat BI mudah
digunakan bagi para eksekutif, perusahaan yang
mengembangkan alat BI menciptakan alat penghubung
yang membantu para eksekutif dan karyawan lain untuk
dengan cepat memahami situasi bisnis. Nama populer
alat penghubung tersebut adalah dashboard.
Dashboard BI menggunakan gambar visual yang sama.
Mereka termasuk speedometer - seperti indikator untuk
pendapatan periodik, keuntungan, dan informasi
keuangan lainnya; ditambah chart batang, grafik garis,
dan presentasi grafis lainnya bila informasi tersebut
dapat disajikan secara grafis. Gambar 11.4
menunjukkan dashboard dari Business Objects dan
XeoMatrix, penyedia perangkat lunak BI.
 Dashboard
 Dashboard
Dashboard adalah sering dirancang untuk dengan
cepat menyajikan metrik bisnis yang telah ditetapkan
seperti rasio hunian di hotel dan rumah sakit, atau
perputaran persediaan secara eceran. Menggunakan
dashboard untuk melakukan analisis, manajer dapat
menentukan tren dan merubah dari waktu ke waktu dan
menerima pemberitahuan untuk membantu memantau,
menafsirkan, dan membuat keputusan.
 Manajemen Pengetahuan
Manajemen pengetahuan (KM) adalah kombinasi
dari kegiatan yang terlibat dalam pengumpulan,
pengorganisasian, berbagi, menganalisis, dan
menyebarkan pengetahuan untuk meningkatkan sebuah
penyelenggaraan organisasi. Manajemen pengetahuan
adalah upaya organisasi untuk menempatkan prosedur
teknologi di tempat untuk melakukan hal berikut:
• Mentransfer pengetahuan individu ke dalam database.
• Menyaring dan memisahkan pengetahuan yang paling
relevan
• Mengatur pengetahuan itu dalam database yang
memungkinkan karyawan mengakses mudah untuk itu
atau "mendorong" pengetahuan khusus kepada
karyawan berdasarkan kebutuhan yang sudah
ditentukan.
 Menangkap dan Sortasi Pengetahuan Organisasi
Perusahaan menggunakan sistem otomatis,
PolyAnalyst dari Megaputer Intelligence, Inc., untuk
memilah informasi teks dan membuat hubungan antara
topik. Watson, sebuah aplikasi yang dikembangkan oleh
Intellext (sekarang sebuah unit dari MediaRiver).
Watson diinstal pada PC karyawan. Hal ini dapat
ditanam dalam Microsoft Word, PowerPoint, dan
Outlook serta web browser Internet Explorer dan
Firefox. Ketika menggunakan Word, ini menganalisis
dokumen pengguna seperti yang sudah ditulis,
menciptakan permintaan otomatis tentang subjek,
mencapai ke dalam program KM, dan menarik informasi
yang mungkin berlaku untuk tugas yang dihadapi dari
PC individu atau sumber daya online yang pengguna
telah tunjuk. Ini bekerja sama dengan ketika seseorang
menggunakan Outlook atau web browser.
 Jaringan Pengetahuan Karyawan
Beberapa perusahaan perangkat lunak, seperti Tacit
Systems, Inc., AskMe Corporation, Participate Systems,
Inc, dan Entopia, Inc., mengembangkan jaringan
pengetahuan karyawan, alat-alat yang memfasilitasi
berbagi pengetahuan melalui intranet. Ingat bahwa
intranet menggunakan teknologi Web untuk
menghubungi karyawan dari organisasi yang sama.
 Pengetahuan dari Web
Beberapa perusahaan telah mengembangkan alat
perangkat lunak yang mencari informasi tersebut dan
memperoleh pengetahuan bisnis yang berharga dari itu.
Sebagai contoh, Accenture Technology Labs, teknologi
itu meneliti dan mengembangkan unit perusahaan
konsultan Accenture, dikembangkan Online Audience
Analysis. Alat ini mencari ribuan situs web setiap hari
dan mengambil informasi yang telah ditentukan tentang
produk dan jasa yang ada. Ia kemudian menggunakan
teknik data mining untuk membantu organisasi
memahami apa yang dikatakan konsumen tentang
merek perusahaan dan produk. 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.
 Autokategorisasi
Untuk mengkategorikan pengetahuan menjadi data
yang terkelola, perusahaan menggunakan software
autokategorisasi. Autokategori atau taksonomi otomatis
mengotomatiskan klasifikasi (taksonomi) data ke dalam
kategori untuk pengambilan di masa depan. Hampir
semua situs mesin pencari, seperti Google dan Yahoo!
menggunakan perangkat lunak autokategori, dan terus
meningkatkan perangkat lunak untuk memberikan
tanggapan yang lebih tepat dan lebih cepat untuk
pertanyaan. Banyak perusahaan telah menginstal
perangkat lunak tersebut di situs web perusahaan
mereka. Perangkat lunak ini dapat membantu
menafsirkan permintaan pelanggan bahkan jika
permintaan salah eja.
TERIMA KASIH