Kelompok 7

Ch 2, Ch 3 dan Jurnal Kasus “A DRAMATURGICAL

MODEL OF THE PRODUCTION OF PERFORMANCE DATA”

Disusun oleh:
– January Rizcky Fadjarina NIM – 041914353027
– Vania Intar Zerlinda NIM – 041914353001
– Erakusari Dheni Ristanti NIM – 041914353014
– Yanuar Fajar Nugroho NIM – 041914353013
Manajemen
informasi

Bab 2 : Tata Kelola Data, TI

Arsitektur, dan Strategi Cloud
Pembelajaran Objektif

Kelincaha
Informasi
n Layanan
Pengelola
Tambaha
an
n Cloud

Pusat
Perusaha
Data,
an
Cloud
Arsitektur
Komputas
dan Data
i, dan
Pemerinta
Virtualisa
han
si
Informasi
Sistem:
Dasar-
dasar
 Informasi Pengelolaan
– Manajemen Informasi
– Pengumpulan
– Proses
– Konsolidasi
– Penyimpan -> Silo Data
– Pengamanan data

– Indikator Kinerja Utama (KPIs/ key performance indicators)

– Langkah-langkah ini menunjukkan efektivitas proses bisnis dalam mencapai tujuan organisasi.
– Menyajikan data dengan mudah dan format siap-perbandingan.

Contoh KPI: rasio saat ini; perputaran hutang dagang; margin laba bersih; pengikut baru per minggu; biaya per
timbal; status pemesanan.
– Alasan kekurangan informasi masih
menjadi masalah
– Silo Data
– Kehilangan data yang dilewati
– Antarmuka yang dirancang dengan
buruk
– Format data tidak standar
– Tidak bisa mengenai target bergerak
– Manfaat nyata dari manajemen
informasi
– Meningkatkan kualitas keputusan
– Meningkatkan akurasi dan
keandalan prediksi manajemen
– Mengurangi risiko ketidakpatuhan
– Mengurangi waktu dan biaya
 Perusahaan Arsitektur dan Data
Pemerintahan

– Perusahaan Arsitektur (EA/Enterprise Architecture)

– Cara sistem dan proses TI terstruktur dalam membantu atau

menghambat operasional sehari-hari untuk menjalankan strategi
bisnis dan memecahkan dua tantangan kritis.

– Fokus Strategis
– Kompleksitas sistem TI
– Penjajaran bisnis yang buruk
– Manfaat EA untuk Bisnis dan TI – Komponen EA
– Memotong biaya TI; meningkatkan produktivitas – Bisnis Arsitektur
dengan informasi, wawasan, dan ide
– Aplikasi Arsitektur
– Menentukan daya saing, fleksibilitas, dan TI ekonomi
– Data Arsitektur
– Menyelaraskan kemampuan TI dengan strategi bisnis
– Teknis Arsitektur
untuk tumbuh, berinovasi, dan menanggapi
permintaan pasar
– Mengurangi risiko sistem pembelian atau
pembangunan dan aplikasi perusahaan
 Tata Kelola Data di Seluruh Perusahaan

– Melintasi batas dan digunakan oleh orang orang melalui perusahaan.

– Meningkatkan pentingnya melalui peraturan baru dan tekanan untuk mengurangi
biaya.
– Mengurangi risiko hukum yang terkait dengan tidak dikelola atau informasi yang
dikelola secara tidak konsisten
– Tergantung pada Pemerintahan
– Industri Makanan
– Jasa Keuangan
– Industri Kesehatan
Data Master & Manajemen (MDM)

– Membuat data tepercaya berkualitas tinggi.

– Menjalankan bisnis dengan transaksional atau penggunaan
operasional
– Meningkatkan bisnis dengan penggunaan analitik
– Membutuhkan tata kelola data yang kuat untuk dikelola
ketersediaan, kegunaan, integritas, dan keamanan.
Politik: Konflik Rakyat

– Budaya ketidakpercayaan antara teknologi dan

karyawan mungkin ada.
– Komitmen tulus untuk berubah dapat menjembatani
bagi dengan dukungan dari manajemen senior.
– Metodologi hanya bisa memberikan kerangka kerja,
bukan memecahkan masalah orang
 Informasi Sistem: Dasar-dasar

– DATA, INFORMASI, & PENGETAHUAN

– Data mentah menjelaskan produk, pelanggan, acara, kegiatan, dan
transaksi yang dicatat, diklasifikasikan, dan disimpan.
– Informasi diproses, diorganisir, atau dimasukkan ke dalam konteks data
dengan makna dan nilai bagi penerima.
– Pengetahuan disampaikan informasi sebagaimana diterapkan pada
sebuah masalah atau aktivitas saat ini.
 DATA, INFORMASI, & PENGETAHUAN
– Data mentah menjelaskan produk, pelanggan, acara, kegiatan, dan transaksi yang dicatat,
diklasifikasikan, dan disimpan. In
D fo
Pe
ng
a r et
m ah
t as ua
a i n
STORAGE

Input Processing Output Communication

People
 Sistem Pemrosesan Transaksi
(TPS)
– Transaksi internal: berasal atau terjadi di
dalam organisasi (penggajian, pembelian, dll.).
– Transaksi eksternal: berasal dari luar
organisasi (pelanggan, pemasok, dll.).
– Meningkatkan penjualan, kepuasan pelanggan,
dan mengurangi banyak jenis kesalahan data
lainnya yang berdampak pada masalah
keuangan.
Batch v. Pemrosesan Real-Time
Online
– Pemrosesan Batch: mengumpulkan
semua transaksi untuk sementara waktu
periode, kemudian memproses data dan
memperbarui penyimpanan data.
– OLTP: memproses setiap transaksi saat
itu terjadi.
– Biaya pemrosesan batch kurang dari
OLTP, tetapi mungkin saja tidak akurat
dari penundaan pembaruan.
 Sistem Informasi Manajemen (SIM)

– Sistem pelaporan tujuan umum yang menyediakan melaporkan kepada

manajer untuk melacak operasi, pemantauan, dan kontrol.
– Berkala: laporan yang dibuat atau dijalankan sesuai dengan yang telah
ditentukan sebelumnya susunan acara.
– Pengecualian: dihasilkan hanya ketika ada sesuatu di luar parameter yang
ditunjuk.
Ad Hoc, atau On Demand: tidak terencana, dibuat sebagai dibutuhkan.
 Sistem Pendukung Keputusan (DSS)

– Aplikasi interaktif yang mendukung membuat keputusan.

– Mendukung keputusan yang tidak terstruktur dan semi terstruktur
– dengan karakteristik sebagai berikut:
1. interaktif antarmuka yang mudah digunakan
2. Model atau formula yang memungkinkan analisis sensitivitas
3. Data dari berbagai sumber
 Masalah Transaksi

– Transaksi basis data besar menyebabkan volatilitas - penggunaan atau

pembaruan yang konstan.
– Membuat database tidak mungkin untuk keputusan yang kompleks
membuat dan menyelesaikan tugas.
– Data dimuat ke gudang data tempat ETL (ekstrak, ubah, dan muat) lebih
baik untuk analisis.
 Pusat Data, Cloud Komputasi, dan Virtualisasi

– Pusat Data
– Sejumlah besar server jaringan digunakan untuk penyimpanan, pemrosesan, manajemen, distribusi, dan
pengarsipan data, sistem, lalu lintas Web, layanan, dan aplikasi perusahaan.
– Bisnis yang Bergantung pada Data
– Uber (layanan memanggil mobil)
– WhatsApp (layanan pesan teks smartphone)
– Pusat Data Terpadu
– Solusi tunggal Cisco mengintegrasikan komputasi, penyimpanan, jaringan, virtualisasi , dan manajemen
menjadi platform tunggal (terpadu).
– Virtualisasi memberikan fleksibilitas TI lebih besar dan menghemat biaya :
– Akses instan ke data kapan saja di mana saja dan dalam format apa saja dan Merespon lebih cepat untuk
mengubah kebutuhan data analitik
– Apa itu “Cloud"?
Istilah umum untuk infrastruktur yang menggunakan Internet dan jaringan
pribadi untuk mengakses, berbagi, dan memberikan sumber daya komputasi.
– Pengiriman yang terukur sebagai layanan kepada pengguna akhir sebuah
jaringan.
– Harus didekati dengan ketekunan yang lebih besar daripada keputusan TI lainnya
sebagai teknologi baru termasuk Manajemen dan Layanan Vendor- Perjanjian
Tingkat.
– Tingkatan Jasa Persetujuan
– Perjanjian yang dinegosiasikan antara perusahaan dan penyedia layanan
yang dapat secara legal kontrak yang mengikat atau kontrak informal.
– Tujuannya bukan membangun ketentuan SLA terbaik, tetapi mendapatkan
istilah yang paling berarti bagi bisnis.
 Infrastruktur Cloud
– Disediakan berdasarkan permintaan untuk
virtualisasi penyimpanan, virtualisasi
jaringan, dan perangkat keras virtualisasi.
Jenis Cloud
– Private Cloud: Lingkungan penyewa tunggal
dengan keamanan dan kontrol yang lebih kuat
Lapisan perangkat lunak atau virtualisasi membuat
(dipertahankan) untuk industri yang diatur dan data
virtual mesin (VM) di mana CPU, RAM, HD, NIC,
penting.
dan komponen lainnya berperilaku sebagai perangkat
– Public Cloud: Multi-tenant divirtualisasikan keras, tetapi dibuat dengan perangkat lunak.
layanan yang memanfaatkan kumpulan server yang
sama melintasi jaringan publik (didistribusikan).
Ch
ap
te
r2
•Virtualization
Created by a software layer (virtualization layer)
containing its own operating system and
applications as a physical computer.

Software
As a Service
Platform
As a Service

Infrastructure
As a Service
– Karakteristik & Manfaat
– Memori-intensif
– RAM dalam jumlah besar karena massif persyaratan pemrosesan
– Hemat energi
– Pengurangan penggunaan energi hingga 95% per server melalui perangkat
keras yang kurang fisik
– Skalabilitas dan penyeimbangan beban
– Menangani permintaan permintaan dinamis seperti selama Super Bowl atau
World Series
 Layanan Cloud Menambah Kelincahan

– Perangkat Lunak sebagai Layanan (SaaS)

– Aplikasi pengguna akhir, seperti SalesForce
– Platform sebagai Layanan (PaaS)
– Alat dan layanan membuat pengkodean dan penyebaran lebih cepat dan lebih efisien, seperti Google
App Engine
– Infrastruktur sebagai Layanan (IaaS)
– Perangkat keras dan lunak yang mendukung komputasi sumber daya, seperti EC2 & S3 (Layanan Web
Amazon)
– Data sebagai Layanan (DaaS)
– Data dibagi di antara cloud, sistem, aplikasi, terlepas dari sumber data atau lokasi penyimpanan.
– Data sebagai Layanan (DaaS)
– Lebih mudah bagi arsitek data untuk memilih data berbagai kelompok, saring
data sensitif, dan hasilkan sisa data tersedia sesuai permintaan.
– Menghilangkan risiko dan beban manajemen data ke penyedia cloud pihak
ketiga.
– Cuaca Berawan di Depan?
– Berbagai model di-layanan (seperti CRM dan SDM manajemen) masih
bertanggung jawab untuk pengaturan pemenuhan.
– Departemen hukum menjadi terlibat karena tingginya mempertaruhkan masalah
hukum dan kepatuhan.
– Memotong biaya, fleksibilitas, dan peningkatan respons membutuhkan TI,
pengawasan legal, dan manajemen senior.
 INFORMATION Chapter 3: Data

TECHNOLOGY FOR Management, Big Data, and

Business Intelligence

MANAGEMENT
OBJEK PEMBAHASAN I (PERTAMA)
DATA
BASIS DATA
MANAJEMEN WAREHOUSE
SISTEM (DATABASE DAN BIG DATA
MANAGEMENT ANALYTICS
SYSTEM)

ELEKTRONIK
REKAMAN DATA DAN
MANAJEMEN TEKS
MINING

BISNIS
INTELLIGENCE
 Database management Systems

DATABASE DATA DATA MART BISNIS DATABASE SISTEM DEKLARATIF ONLINE CENTRALIZED AND DATA KOTOR PRINSIP DATA
MANAJEMEN BAHASA TRANSACTION DISTRIBUTED
• Koleksi set data WAREHOUSE • Data Warehouse INTELLIGENC MANAGEMENT RELATIONAL • Menyederhanakan PROCESSING AND DATABASE
• Lacks integritas / • Prinsip berkurangnya
validasi dan nilai Data
atau catatan yang • Mengintegrasikan skala kecil yang E (BI) SYSTEM (DBMS) akses data dengan ONLINE ANALYTICS ARCHITECTURE mengurangi • Prinsip 90/90
disimpan dalam data dari beberapa mendukung satu • Alat dan teknik yang(DBMS) • Menyediakan akses ke mensyaratkan bahwa PROCESSING • Centralized Database kepercayaan pengguna Penggunaan Data
cara yang database data silo, fungsi atau satu data menggunakan pengguna hanya • Online Transaction Architecture • Incomplete, di luar
memproses data • Mengintegrasikan menentukan data apa
• Prinsip data dalam
sistematis dan mengatur departemen deklaratif bahasa Processing (OLTP) • Kontrol yang lebih konteks, usang, tidak konteks
dan melakukan dengan sistem yang mereka ingin
• Toko data yang mereka untuk • Dirancang untuk baik dari kualitas akurat, tidak dapat
analisis statistik pengumpulan data akses tanpa
dihasilkan oleh analisis kompleks, mengelola data data. diakses, atau
untuk wawasan dan seperti TPS dan mendefinisikan berlebihan
aplikasi bisnis, penemuan bagaimana mereka transaksi, yang tidak • Keamanan yang lebih
penemuan. aplikasi bisnis stabil & memecah baik
sensor, operasi, pengetahuan, dan akan dicapai
dan sistem • Menyimpan data informasi yang • Distributed Database
untuk pendukung • Structured Query
kompleks menjadi
transaksi dalam cara yang Language (SQL) adalah Architecture
keputusan tabel data sederhana • Memungkinkan baik
pengolahan terorganisir contoh dari bahasa untuk menyerang akses lokal dan
(Transaction • Menyediakan deklaratif: SELECT keseimbangan antara
column_name (s) FROM remote.
Processing fasilitas untuk efisiensi transaksi • Gunakan client /
mengakses dan table_name WHERE pengolahan dan
Systems). kondisi server arsitektur
mengelola data permintaan efisiensi. permintaan proses.
• Tidak bisa
dioptimalkan untuk
data mining
• Online Analytics Processing
(OLAP)
• Sebuah cara
mengatur database
bisnis yang besar.
• Terbagi dalam satu
atau lebih tempat
database yang sesuai
dengan cara bisnis
dilakukan
Database management Systems

DATA LIFE CYCLE

Gambar 3.11 data siklus hidup

 Database management Systems

Gambar 3.12 Suatu perusahaan memiliki data transaksional, guru, dan data analitis.
 
 
OBJEK PEMBAHASAN II (KEDUA)
DATA
BASIS DATA
MANAJEMEN WAREHOUSE
SISTEM DAN BIG DATA
ANALYTICS

ELEKTRONIK
REKAMAN DATA DAN
MANAJEMEN TEKS
MINING

BISNIS
INTELLIGENCE
 Data Warehouse and Big Data Analytics
MARKET SHARE
• Persentase dari total
penjualan di pasar diperoleh
dari merek, produk, atau
perusahaan
OPERATING HUMAN
MARGIN EXPERTISE AND
• Sebuah ukuran persen JUDGMENT
dari pendapatan REQUIRED
perusahaan yang tersisa
• Data tidak berharga jika
setelah membayar biaya
variabel: upah, baku
Anda tidak dapat
menganalisis,
bahan, dll
menafsirkan,
• Peningkatan margin
memahami, dan
berarti penghasilan lebih
menerapkan hasil dalam
per dolar dari Penjualan konteks
• Semakin tinggi margin • Data yang perlu
operasi, lebih baik
disiapkan untuk analisis.
• Data Kotor menurunkan
nilai analisis
• Data harus dimasukkan
ke dalam konteks yang
bermakna
ENTERPRISE PROSEDUR ACTIVE DATA SUPPORTING REALLY BIG DATA HADOOP AND MAP
DATA DALAM WAREHOUSE ACTIONS AS • Low-cost sensors collect REDUCE
WAREHOUSES MEMPERSIAPKA (ADW) WELL AS data in real time in all • Hadoop adalah platform
(EDW) N DATA DARI • Real-time data DECISIONS types of physical things pengolahan Apache yang
(machine-generated mana dijelaskan tidak
• Data Warehouse yang EDW UNTUK pergudangan (data • Marketing and Sales sensor data):
warehouse) dan analisis ada kondisi Proses
menarik data bersama ANALISIS • Pricing and Contracts • Regulate temperature Struktur data
sama dari sumber yang • Transform dengan • Forecasting
• Extract dari database and climate • MapReduce
berbeda dan database standarisasi format, • Sales
yang ditunjuk cleaning data dan
• Detect air particles for memberikan unggulan,
keseluruhan.
• Transform dengan selanjunya integrasi
• Financial contamination kesalahan-toleran pada
• Data Warehouse adalah
standarisasi format, • Machinery perangkat lunak
merupakan sumber
cleaning data dan conditions/failures kerangka kerja untuk
utama data untuk • Mereka Menyediakan
selanjutnya integrasi • Engine menulis aplikasi dengan
analisis, pelaporan, dan
• Memuat untuk Data wear/maintenance mudah bahwa proses
Bisnis Intelligence (BI) • Interaksi dengan
Warehouse data dalam jumlah besar
• Tinggi nya biaya yang pelanggan untuk (multi-terabyte data-set)
dikeluarkan bisa di menyediakan superior di-paralel pada kelompok
subsidi dengan • layanan pelanggan. besar (ribuan node) dari
menggunakan Data • Menanggapi acara komoditas perangkat
Marts bisnis secara real time keras.
dekat.
• Berbagi up-to-date
status data di
kalangan pedagang,
vendor, pelanggan,
dan rekan
Data Warehouse and Big Data Analytics
Data Warehouse and Big Data Analytics

Gambar 3.16 Hasil generate data dari mesin terhadap objek fisik akan berubah menjadi bagian
yang jauh lebih besar dari Big Data dan analisis
OBJEK PEMBAHASAN III (KETIGA)
DATA
BASIS DATA
MANAJEMEN WAREHOUSE
SISTEM DAN BIG DATA
ANALYTICS

ELEKTRONIK
REKAMAN DATA AND
MANAJEMEN TEXT
MINING

BUSINESS
INTELLIGENCE
Data and Text Mining

CREATING BUSINESS TEXT ANALYTICS TEXT ANALYTICS

VALUE (MINING) PROCEDURE PROCEDURE
• Business Analytics: seluruh fungsi • Eksplorasi • Eksplorasi
menerapkan teknologi, algoritma, keahlian • Kalimat Sederhana yang penting • Kalimat Sederhana yang penting
manusia, dan judgement. • Topik konsolidasi • Topik konsolidasi
• Data Mining: perangkat lunak yang
memungkinkan pengguna untuk • Preprocessing • Preprocessing
menganalisis data dari berbagai dimensi • Standarisasi • Standarisasi
atau sudut, mengkategorikan mereka, dan
menemukan pola korelatif antara bidang • Mungkin 80% dari waktu pemrosesan • Mungkin 80% dari waktu pemrosesan
dalam data warehouse. • Grammar dan pemeriksaan ejaan • Grammar dan pemeriksaan ejaan
• Text Mining: kategori yang luas yang
melibatkan kata-kata ditafsirkan dan konsep • Pengkategorian dan Modeling • Pengkategorian dan Modeling
dalam konteks. • Buat aturan bisnis dan model latihan untuk • Buat aturan bisnis dan model latihan untuk
• Sentimental Analysis: mencoba untuk akurasi dan presisi akurasi dan presisi
memahami maksud konsumen.
OBJEK PEMBAHASAN IV (KEEMPAT)
DATA
BASIS DATA
MANAJEMEN WAREHOUSE
SISTEM DAN BIG DATA
ANALYTICS

ELEKTRONIK
REKAMAN DATA DAN
MANAJEMEN TEKS
MINING

BISNIS
INTELLIGENCE
Business Intelligence

KEY TO COMPETITIVE Challenges Business Intelligence and

ADVANTAGE
• Across Industri yang berhubungan dengan
semua ukuran perusahaan.
• Digunakan dalam manajemen operasional,
bisnis proses, dan pengambilan keputusan.
• Memberikan moment of value kepada
decision makers
• Seleksi data dan kualitas Analytics
• Sejalan dengan Strategi Bisnis dan Strategi • Kemajuan dalam menanggapi data yang
BI besar dan pengguna akhir tuntutan kinerja
• Topik konsolidasi • Hosted on public or private clouds
• Limits IT staff and controls costs
• Keselarasan • May slow response time, add security and
• Jelas mengartikulasikan strategi bisnis backup risks
• mendekonstruksi strategi bisnis ke dalam
target
• Mengidentifikasi PKIs ** (Public Key
Infrastructures)
• mengutamakan PKIs
• Membuat rencana berdasarkan prioritas
• Transform berdasarkan hasil strategis dan
perubahan

**The Public key infrastructure (PKI) is the set of hardware, software, policies, processes, and procedures required to create,
manage, distribute, use, store, and revoke digital certificates and public-keys. PKIs are the foundation that enables the use of
technologies, such as digital signatures and encryption, across large user populations. PKIs deliver the elements essential for a
secure and trusted business environment for e-commerce and the growing Internet of Things (IoT)
Business Intelligence

Smart Devices Data is Big

Everywhere Business
have created demand when they provide
for insight that supports
effortless 24/7 access to decisions and action.
insights.

Advanced BI and Cloud Enabled BI

Analytics and Analytics
help to ask questions are providing low-cost
that were previously and flexible solutions.
unknown and
unanswerable.

Figure 3.20 Empat faktor yang berkontribusi terhadap

peningkatan penggunaan BI
OBJEK PEMBAHASAN V (KELIMA)
DATA
BASIS DATA
MANAJEMEN WAREHOUSE
SISTEM DAN BIG DATA
ANALYTICS

ELEKTRONIK
REKAMAN DATA AND
MANAJEMEN TEXT
(ELECTRONIC MINING
RECORDS
MANAGEMENT)

BUSINESS
INTELLIGENCE
Electronic Records Management
BUSINESS
RECORDS
• Dokumentasi acara bisnis, tindakan,
keputusan, atau transaksi
• ELECTRONIC
RECORDS
MANAGEMENT
(EMR)
• Workflow software, authoring tools,
scanner, dan database yang mengelola
dan mengarsipkan elektronik dokumen
dan dokumen kertas gambar.
• Indeks dan tempat Penyimpanan
dokumen selaras dengan kebijakan
perusahaan atau kepatuhan hukum.
• Sukses tergantung pada kemitraan
pemain kunci
**DMS may refer to: Document management system
BEST PRACTICES
• sistem yang efektif menangkap semua
data bisnis
• Input dari formulir online, kode bar,
sensor, situs, situs sosial, mesin fotokopi,
e-mail, dan banyak lagi
• INDUSTRY
STANDARDS
• Association for Information and Image
Management (AIIM; www.aiim.org)
• National Archives and Records
Administration (NARA; www.archives.gov)
PRIMARY BENEFITS DISASTER
• Akses serta penggunaan konten terdapat
di dalam dokumen
• Memotong biaya tenaga kerja dengan
mengotomatisasi proses bisnis
• Mengurangi waktu dan usaha untuk
mencari diperlukan informasi untuk
pengambilan keputusan
• Meningkatkan keamanan konten,
sehingga mengurangi risiko pencurian
kekayaan intelektual
• Meminimalkan konten mencetak,
menyimpan, dan mencari biaya
RECOVERY,
BUSINESS
CONTINUITY, AND
COMPLIANCE
• Apakah perangkat lunak memenuhi
kebutuhan organisasi? Untuk contoh,
dapatkah DMS** diinstal pada ada
jaringan? Apakah bisa dibeli sebagai
layanan?
• Apakah perangkat lunak dapat dengan
mudah digunakan dan diakses dari web
browser, aplikasi office, dan aplikasi e-
mail? Jika tidak, orang tidak akan
menggunakannya.
• Apakah perangkat lunak mempunyai
klasifikasi kelas ringan, web modern dan
antarmuka pengguna grafis yang efektif
mendukung pengguna jarak jauh?
• Sebelum memilih vendor, penting untuk
memeriksa alur kerja dan bagaimana
data, dokumen, dan komunikasi mengalir
ke seluruh perusahaan
JURNAL “A DRAMATURGICAL MODEL OF
THE PRODUCTION OF PERFORMANCE
DATA”
A DRAMATURGICAL MODEL OF THE
PRODUCTION
OF PERFORMANCE DATA

Performance Data as a Threat for Impression
Management

The Structuration of Tactics to Avoid the Threats of
Performance Data

Addressing the Challenges of Performance Data for
Impression Management
Goffman's model of Encounters Applied to the
Manager/Leader Relationship
Goffman’s Model of Encounters Adapted to Include
the Dramaturgical Role of Performance
Data in the Manager/Leader Relation
The Protective Specification of a Dramaturgical Model
of the Production of Performance Data
in the Manager/Leader Relationship
 Methods

This study reports on a 15-month ethnography at

DeskSales,
from June 2002 until September 2003. DeskSales is a desk
sales unit in the European operations of Mega Telecom.

- Research Setting
- Data Collection
- Data Analysis
The Production of Performance
Data
by Sales Managers

Relationship between Sales Managers Interests and Image

The Structuration of the Production of Performance Data
by Sales Managers

Producing Monthly Reports to Give Representations of
Compliance or Overachievement

Shaping Siebel Records to Give off Representations of
Compliance or Overachievement

Using Performance Records and Reports for Impression
Management
The Production Performance Data
by the General Manager

Producing Monthly Reports to Give Representations of
Overachievement

Shaping Siebel Records to Give off Representations of
Overachievement

Using Monthly Unit Reports for Impression
Management
The Dramaturgical Production of Performance Data in the
Sales Manager/General Manager
Relationship
A Dramaturgical Model of the
Production of Performance Data

The Dramaturgical Production of Performance
Records

The Dramaturgical Production of Performance
Reports

The Structuration of the Dramaturgical Production
of Performance Data
The Dramaturgical Production of Performance Data in
the General Manager/Steering
Committee Relationship
The Exploitive Specification of a Dramaturgical Model
of the Production of Performance Data
in the Manager/Leader Relationship
 Kesimpulan

Dramaturgical Model dari produksi kinerja data dan
spesifikasi eksploitatif yang disebabkan penelitian di
DeskSales menunjukan bahwa:

Manager dan pemimpin menggunakan sistem informasi
untuk mengatasi ketegangan antara keduanya, dengan:

Memberikan representasi kinerja yang akurat untuk
meningkatkan peluang perusahaan masuk ke dalam pasar,
dan untuk memberikan representasi ideal untuk
meningkatkan peluarng manajer di perusahaan.