Selamat malam. Di awal bulan Mei ini saya akan memposting sebuah artikel yang berkaitan dengan gambaran besar dari Business Intelligence, yakni Business Analytics. Sedikit banyak beberapa hal yang saya dapatkan dari pak Kristianus Yulianto lewat Kompas sudah saya pelajari selama saya bekerja sebagai BI Implementor.
Business analytics (BA) refers to the skills, technologies, applications and practices for continuous iterative exploration and investigation of past business performance to gain insight and drive business planning. Business analytics focuses on developing new insights and understanding of business performance based on data and statistical methods. In contrast, business intelligence traditionally focuses on using a consistent set of metrics to both measure past performance and guide business planning, which is also based on data and statistical methods.
Business analytics makes extensive use of data, statistical and quantitative analysis, explanatory and predictive modeling, and fact-based management to drive decision making. It is therefore closely related to management science. Analytics may be used as input for human decisions or may drive fully automated decisions. Business intelligence is querying, reporting, OLAP, and "alerts."
Tren teknologi yang dijabarkan oleh beliau sepenuhnya saya sependapat dan yakini, yaitu era mobility dan cloud. Banyak juga hal - hal yang belum pernah saya pelajari lebih dalam seperti Big Data Analytics yang berkaitan dengan "Unstructured Data". Bagaimana sebenarnya data tidak terstruktur tersebut disimpan di dalam Data Warehouse, dan bagaimana peran dan kemampuan Business Analytics dan Intelligence menghadapi data tersebut, sebut saja "Text Mining". Mungkin ini akan saya cari tahu untuk bahan artikel selanjutnya. Kemudian, saya juga sependapat bahwa diperlukan seseorang yang bisa mengoperasikan, mengolah dan menterjemahkan semuanya tersebut menjadi sesuatu yang dapat dimengerti oleh orang awam. Terakhir saya ucapkan selamat membaca artikel versi lengkapnya dibawah ini. :)
Menerawang Nasib Business Analytics
Banyak pakar yang mengidentifikasi hal-hal berikut sebagai teknologi yang strategis untuk dikembangkan di tahun-tahun mendatang, seperti perangkat bergerak, mobile apps, dan cloud computing. Ketiganya diprediksi akan semakin berkembang dan mempengaruhi perkembangan Teknologi Informasi dan Komunikasi (TIK) di masa depan.
#Tren teknologi informasi dan komunikasi
Perangkat bergerak (mobile device) dan aplikasi bergerak (mobile apps): Perkembangan perangkat bergerak menciptakan paradigma baru “keniscayaan apapun dan dimana pun”. Hal ini menciptakan kebutuhan bahwa tidak hanya komunikasi tetapi juga data, pemrosesan dan output harus dapat dilakukan menggunakan perangkat bergerak.
Cloud computing: Semakin dirasanya kebutuhan TIK oleh semua kelompok organisasi bisnis (baik enterprise maupun SMB) dan semakin cepat adopsi teknologi perangkat TIK, akan mendorong perusahaan–perusahaan cenderung memilih cloud daripada melakukan investasi perangkat sendiri. Cukup memperhatikan fungsi dan service-level agreement (SLA) saja.
#Tren teknologi informasi dan komunikasi
Perangkat bergerak (mobile device) dan aplikasi bergerak (mobile apps): Perkembangan perangkat bergerak menciptakan paradigma baru “keniscayaan apapun dan dimana pun”. Hal ini menciptakan kebutuhan bahwa tidak hanya komunikasi tetapi juga data, pemrosesan dan output harus dapat dilakukan menggunakan perangkat bergerak.
Cloud computing: Semakin dirasanya kebutuhan TIK oleh semua kelompok organisasi bisnis (baik enterprise maupun SMB) dan semakin cepat adopsi teknologi perangkat TIK, akan mendorong perusahaan–perusahaan cenderung memilih cloud daripada melakukan investasi perangkat sendiri. Cukup memperhatikan fungsi dan service-level agreement (SLA) saja.
#Big data, customer oriented, visualisasi
Dengan memperhatikan hal- hal di atas, maka dengan gambling bisa diperkirakan arah perkembangan Business Analytic di tahun- tahun mendatang akan didorong oleh hal-hal berikut:
Big Data: Kehadiran era Big Data ini dipercepat dengan semakin populernya social media yang merupakan sumber data tidak terstruktur. Yang ke depannya akan menjadi sumber data juga dalam mengambil keputusan, bahkan para ahli menyebutkan bahwa ke depannya 80% data akan bersumber dari data tak terstruktur ini.
Customer Intelligence: Kita bisa melihat customer semakin mudah membandingkan tawaran–tawaran yang ada, semakin mudah memutuskan, dan semakin ingin dihargai. Sehingga sangat penting bagi organisasi untuk mempunyai sistem yang mendukung terbentuknya sistem Customer Intelligence, yang memungkinkan para pengambil keputusan memahami karakter dan kesukaan pelanggannya.
Mobile dan Visualisasi: Dengan semakin canggih dan meningkatnya kemampuan perangkat bergerak, pemanfaatannya tidak hanya untuk berkomunikasi dan ber-social media, melainkan juga untuk menggantikan PC/Laptop. Selain itu, perangkat bergerak menampilkan penyajian yang lebih menarik dan memudahkan pemahaman. Hal ini menjadi salah satu perhatian ketika orang ingin menerapkan Business Analytics.
Dengan memperhatikan hal- hal di atas, maka dengan gambling bisa diperkirakan arah perkembangan Business Analytic di tahun- tahun mendatang akan didorong oleh hal-hal berikut:
Big Data: Kehadiran era Big Data ini dipercepat dengan semakin populernya social media yang merupakan sumber data tidak terstruktur. Yang ke depannya akan menjadi sumber data juga dalam mengambil keputusan, bahkan para ahli menyebutkan bahwa ke depannya 80% data akan bersumber dari data tak terstruktur ini.
Customer Intelligence: Kita bisa melihat customer semakin mudah membandingkan tawaran–tawaran yang ada, semakin mudah memutuskan, dan semakin ingin dihargai. Sehingga sangat penting bagi organisasi untuk mempunyai sistem yang mendukung terbentuknya sistem Customer Intelligence, yang memungkinkan para pengambil keputusan memahami karakter dan kesukaan pelanggannya.
Mobile dan Visualisasi: Dengan semakin canggih dan meningkatnya kemampuan perangkat bergerak, pemanfaatannya tidak hanya untuk berkomunikasi dan ber-social media, melainkan juga untuk menggantikan PC/Laptop. Selain itu, perangkat bergerak menampilkan penyajian yang lebih menarik dan memudahkan pemahaman. Hal ini menjadi salah satu perhatian ketika orang ingin menerapkan Business Analytics.
#Business Analytics sebuah Road Map
Membahas tren Business Analytics jawabannya tidaklah tunggal. Karena penerapannya sangat ditentukan sesuai dengan tingkat “information maturity” organisasi. Ada roadmap yang harus diperhatikan:
1. Membangun Data Warehouse dan Business Intelligence Reporting
Hal ini menjadi pilihan organisasi-organisasi yang datanya masih tersebar terpisah (island-island). Pada tahapan ini, data integration, penyajian pelaporan standar dan adhoc serta fasilitas query untuk melakukan analisis bisnis dan pengambilan keputusan adalah fungsi-fungsi yang harus ada untuk memaksimalkan data warehouse yang dibangun. Tidak bisa dilupakan harus diimplementasika data quality untuk membakukan dan membersihkan data-data yang tersebar dan menjadi satu-satunya sumber data yang benar. Hal ini penting karena tanpa adanya fungsi data quality, maka data warehouse hanya akan menjadi gudang sampah yang akan menghasilkan informasi sampah (Garbage In Garbage Out).
Membahas tren Business Analytics jawabannya tidaklah tunggal. Karena penerapannya sangat ditentukan sesuai dengan tingkat “information maturity” organisasi. Ada roadmap yang harus diperhatikan:
1. Membangun Data Warehouse dan Business Intelligence Reporting
Hal ini menjadi pilihan organisasi-organisasi yang datanya masih tersebar terpisah (island-island). Pada tahapan ini, data integration, penyajian pelaporan standar dan adhoc serta fasilitas query untuk melakukan analisis bisnis dan pengambilan keputusan adalah fungsi-fungsi yang harus ada untuk memaksimalkan data warehouse yang dibangun. Tidak bisa dilupakan harus diimplementasika data quality untuk membakukan dan membersihkan data-data yang tersebar dan menjadi satu-satunya sumber data yang benar. Hal ini penting karena tanpa adanya fungsi data quality, maka data warehouse hanya akan menjadi gudang sampah yang akan menghasilkan informasi sampah (Garbage In Garbage Out).
2. Business Intelligence Visualization
Organisasi- organisasi yang sudah membangun data warehouse-nya, seiring dengan bertambahnya data serta berkembangnya perangkat bergerak akan mengembangkan aplikasi Business Intelligence yang mendukung mobile apps. Business Analytics yang akan dikembangkan adalah teknologi yang memungkinkan melakukan pengambilan data besar (untuk keperluan Analisis) dari perangkat bergerak dan melakukan pemrosesan secara cepat di dalamnya (High Performance Analytics/HPA).
Dan tentu saja penyajian output-nya dimungkinkan lebih menarik dengan tersedianya feature-feature visualisasi di perangkat bergerak (3D, GIS ,dll). Pilihan yang tersedia dalam mengimplementasikan HPA adalah dengan menerapkan In Database processing (data diolah di storage), In Memory Processing (data diolah di memori) dan menerapkan Grid Computing (pemrosesan dipilah-pilah dan didistribusikan ke banyak perangkat).
3. Big Data Analytics
Tahapan ini adalah inisiatif yang perlu dilakukan oleh organisasi yang sudah melewati tahapan-tahapan sebelumnya. Organisasi di tahapan ini tidak hanya mempunyai target untuk membangun information based management, tetapi memanfaatkannya sebagai analytics based winning strategy. Organisasi sudah mempunyai data warehouse yang handal sebagai single source of truth, berbagai macam pelaporan telah dihasilkan dan dapat divisualisasikan ke dalam perangkat bergerak karena didukung oleh perangkat HPA.
Organisasi- organisasi yang sudah membangun data warehouse-nya, seiring dengan bertambahnya data serta berkembangnya perangkat bergerak akan mengembangkan aplikasi Business Intelligence yang mendukung mobile apps. Business Analytics yang akan dikembangkan adalah teknologi yang memungkinkan melakukan pengambilan data besar (untuk keperluan Analisis) dari perangkat bergerak dan melakukan pemrosesan secara cepat di dalamnya (High Performance Analytics/HPA).
Dan tentu saja penyajian output-nya dimungkinkan lebih menarik dengan tersedianya feature-feature visualisasi di perangkat bergerak (3D, GIS ,dll). Pilihan yang tersedia dalam mengimplementasikan HPA adalah dengan menerapkan In Database processing (data diolah di storage), In Memory Processing (data diolah di memori) dan menerapkan Grid Computing (pemrosesan dipilah-pilah dan didistribusikan ke banyak perangkat).
3. Big Data Analytics
Tahapan ini adalah inisiatif yang perlu dilakukan oleh organisasi yang sudah melewati tahapan-tahapan sebelumnya. Organisasi di tahapan ini tidak hanya mempunyai target untuk membangun information based management, tetapi memanfaatkannya sebagai analytics based winning strategy. Organisasi sudah mempunyai data warehouse yang handal sebagai single source of truth, berbagai macam pelaporan telah dihasilkan dan dapat divisualisasikan ke dalam perangkat bergerak karena didukung oleh perangkat HPA.
#Big Data Analytic
Ditinjau dari feature yang dibangun, Big Data Analytic tidak hanya mencakup Reporting dan Visualization, tetapi banyak kemampuan analisis sesungguhnya yang dapat dimanfaatkan:
Ditinjau dari feature yang dibangun, Big Data Analytic tidak hanya mencakup Reporting dan Visualization, tetapi banyak kemampuan analisis sesungguhnya yang dapat dimanfaatkan:
1. Statistik.
Perhitungan-perhitungan untuk mencari nilai-nilai statistik dari data yang ada, seperti nilai tertinggi/terendah, rata-rata, penyebaran, dan lain-lain. Berguna untuk memahami pencapaian dan situasi terkini.
2. Data Mining.
Menyediakan berbagai macam algoritma dan prosedur untuk mengekplorasi (menambang) data yang ada untuk mencari pola, kelompok-kelompok serta kecenderungan pada masing-masing kelompok. Tujuannya adalah mendapatkan “insight” atau petunjuk untuk memahami perilaku transaksi yang sudah terjadi dan menggunakannya untuk meningkatkan kualitas transaksi ke depan.
3. Forecasting.
Berbagai algoritma peramalan ilmiah sebenarnya dapat dipergunakan untuk menduga apa yang akan terjadi dalam masa depan (baik dalam jangka panjang, menengah, ataupun pendek) dengan memperhatikan pola masa lalu dan faktor-faktor yang memengaruhi.
4. Text Mining.
Tidak terhindarkan bahwa fungsi text mining harus ada di perangkat Business Analytic di masa depan. Ketersediaan data unstructured semakin hari semakin besar. Semakin hari organisasi juga akan semakin banyak menggunakan social media untuk berinteraksi dan hasilnya tentu saja sebuah teks bebas. Dan data tersebut hanya berguna jika diolah dengan pengolah teks dan melakukan eksplorasi terhadapnya.
5. Optimization.
Mengefisiensikan proses dan meningkatkan pendapatan kadang-kadang tidak cukup dengan melakukan Business Analytic secara terpisah. Sering kali di dalam dunia usaha, ada banyak kendala yang saling terkait dan mempengaruhi sebuah proses operasional. Contohnya: pengisian uang ke ATM yang efisien tidak hanya memperhatikan rute yang murah di ongkos tetapi juga harus memperhatikan tingkat kemacetan dan juga tingkat pengambilan uang di ATM tersebut. Algoritma Riset Operasi biasanya dipergunakan untuk melakukan analisis optimasi. Ini adalah tingkat tertinggi sebuah Business Analytic, yang akan menghasilkan sebuah solusi optimal sesuai dengan asumsi-asumsi yang ditetapkan.
Perhitungan-perhitungan untuk mencari nilai-nilai statistik dari data yang ada, seperti nilai tertinggi/terendah, rata-rata, penyebaran, dan lain-lain. Berguna untuk memahami pencapaian dan situasi terkini.
2. Data Mining.
Menyediakan berbagai macam algoritma dan prosedur untuk mengekplorasi (menambang) data yang ada untuk mencari pola, kelompok-kelompok serta kecenderungan pada masing-masing kelompok. Tujuannya adalah mendapatkan “insight” atau petunjuk untuk memahami perilaku transaksi yang sudah terjadi dan menggunakannya untuk meningkatkan kualitas transaksi ke depan.
3. Forecasting.
Berbagai algoritma peramalan ilmiah sebenarnya dapat dipergunakan untuk menduga apa yang akan terjadi dalam masa depan (baik dalam jangka panjang, menengah, ataupun pendek) dengan memperhatikan pola masa lalu dan faktor-faktor yang memengaruhi.
4. Text Mining.
Tidak terhindarkan bahwa fungsi text mining harus ada di perangkat Business Analytic di masa depan. Ketersediaan data unstructured semakin hari semakin besar. Semakin hari organisasi juga akan semakin banyak menggunakan social media untuk berinteraksi dan hasilnya tentu saja sebuah teks bebas. Dan data tersebut hanya berguna jika diolah dengan pengolah teks dan melakukan eksplorasi terhadapnya.
5. Optimization.
Mengefisiensikan proses dan meningkatkan pendapatan kadang-kadang tidak cukup dengan melakukan Business Analytic secara terpisah. Sering kali di dalam dunia usaha, ada banyak kendala yang saling terkait dan mempengaruhi sebuah proses operasional. Contohnya: pengisian uang ke ATM yang efisien tidak hanya memperhatikan rute yang murah di ongkos tetapi juga harus memperhatikan tingkat kemacetan dan juga tingkat pengambilan uang di ATM tersebut. Algoritma Riset Operasi biasanya dipergunakan untuk melakukan analisis optimasi. Ini adalah tingkat tertinggi sebuah Business Analytic, yang akan menghasilkan sebuah solusi optimal sesuai dengan asumsi-asumsi yang ditetapkan.
#Business Analytic memerlukan Data Scientist
Seperti kata pepatah “Senjata yang dahsyat tidak berguna tanpa orang yang mengoperasikannya”, maka “the Man behind the Gun” tetaplah menjadi penting untuk menjadikan Business Analytic berguna. Dan yang dimaksudkan dengan “the Man behind the Gun” di dalam Business analytics adalah “Data Scientist”.
Sebuah “profesi baru” yang lebih dari sekedar “data analyst”, karena seorang data scientist diharapkan dapat melakukan eksplorasi data (baik terstruktur maupun tidak) serta menyajikannya dalam bentuk-bentuk visualiasi yang menarik dan juga sanggup memilih algoritma-algoritma yang sesuai dan menerjemahkannya ke dalam kontek bisnis sehari-hari.
Meskipun banyak yang meyakini bahwa ada pribadi-pribadi yang sanggup menyandang profesi ini, tetapi penulis lebih yakin bahwa Data Scientist adalah sebuah profesi kelompok yang bekerja bersama-sama untuk melakukan Business Analytics secara benar dengan memanfaatkan solusi Business Analytics yang ada.
Seperti kata pepatah “Senjata yang dahsyat tidak berguna tanpa orang yang mengoperasikannya”, maka “the Man behind the Gun” tetaplah menjadi penting untuk menjadikan Business Analytic berguna. Dan yang dimaksudkan dengan “the Man behind the Gun” di dalam Business analytics adalah “Data Scientist”.
Sebuah “profesi baru” yang lebih dari sekedar “data analyst”, karena seorang data scientist diharapkan dapat melakukan eksplorasi data (baik terstruktur maupun tidak) serta menyajikannya dalam bentuk-bentuk visualiasi yang menarik dan juga sanggup memilih algoritma-algoritma yang sesuai dan menerjemahkannya ke dalam kontek bisnis sehari-hari.
Meskipun banyak yang meyakini bahwa ada pribadi-pribadi yang sanggup menyandang profesi ini, tetapi penulis lebih yakin bahwa Data Scientist adalah sebuah profesi kelompok yang bekerja bersama-sama untuk melakukan Business Analytics secara benar dengan memanfaatkan solusi Business Analytics yang ada.
...
No comments:
Post a Comment
Share Your Inspiration...