Tugas TI-5041 Perancangan e-business
“Business Intelligence”
Disusun oleh :
Noverino Rifai / 13501023 Kharizt Attria Gupta / 13501036
FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI BANDUNG 2004
Daftar Isi
Pendahuluan.................................................................................... 3 1. Latar Belakang....................................................................... 3 2. Tujuan Pembahasan ............................................................... 4 Kajian Pustaka ................................................................................ 6 1. Elemen-elemen Aplikasi Business Intelligence..................... 6 2. Pengintegrasian BI kedalam Perusahaan ............................... 9 3. Data Mining ......................................................................... 12 4. Data Warehousing ............................................................... 17 Illustrasi Kasus ............................................................................. 21 Analisis dan Pembahasan ............................................................. 23 Kesimpulan................................................................................... 27 Daftar pustaka dan referensi ......................................................... 28
Pendahuluan
Business Intelligece (BI) merupakan aplikasi e-business yang berfungsi untuk mengubah data-data dalam perusahaan (data operasional, transaksional, dll) ke dalam bentuk pengetahuan.
Aplikasi ini melakukan analisis terhadap data dengan lebih efektif untuk membangun kesetiaan pelanggan dan meningkatkan keuntungan perusahaan, menganalisis interaksi dengan pelanggan dan mengoptimalkan hubungan tersebut. Analisis terhadap transaksitransaksi di masa lampau dan menggunakan pengetahuan tersebut untuk mendukung keputusan dan perencanaan operasi yang akan diambil perusahaan.
1. Latar Belakang Beberapa permasalahan yang menuntut dikembangkannya aplikasi BI : a. bagaimana mengumpulkan dan mengorganisasikan semua data-data internal perusahaan dalam suatu Integrated Enterprise Information (data warehousing). b. bagaimana memanfaatkan data-data perusahaan menjadi pengetahuan dalam perusahaan (data analytics). c. bagaimana menyediakan pengetahuan yang customer-centric, informasi yang berbeda-beda dan khusus untuk setiap pelanggan. d. bagaimana analisis terhadap data-data perusahaan dapat memberikan dukungan terhadap pengambilan keputusan di pihak manajemen yang relevan dengan data-data tersebut. e. bagaimana prosedur dan proses-proses untuk mengintegrasikan BI ke dalam proses bisnis perusahaan. f. faktor-faktor yang harus diperhatikan agar perusahaan dapat mengintegrasikan BI dengan mempertimbangkan resiko dan kesulitan yang mungkin dihadapi
2. Tujuan Pembahasan Berdasarkan kebutuhan perusahaan tersebut, maka dapat dilihat bahwa kebutuhan perusahaan mengimplementasikan BI cukup besar. Namun, BI dengan data analysis tools-nya merupakan suatu aplikasi yang cukup mahal sehingga perlu diperhitungkan return on IT investment dari implementasinya.
Tujuan dari pembuatan paper ini adalah mengeksplorasi business intelligence baik secara teoritis maupun praktikal implementasinya.
Pada bagian teori akan dibahas mengenai beberapa langkah yang harus dilakukan dalam mengintegrasikan BI ke dalam suatu perusahaan, sehingga dapat dilihat dan dipahami beberapa kesulitan dalam membangun BI tersebut dan resiko yang mungkin dihadapi ketika mengintegrasikannya ke dalam proses bisnis. Selain itu, dijelaskan pula proses data mining, yang merupakan core dari proses analisis data, dan bagaimana data–data yang dianalisis tersebut dapat menghasilkan suatu pengetahuan dan informasi yang dapat mendukung keputusan. Beberapa elemen dari pengelolaan pengetahuan (knowledge management) dibutuhkan untuk membantu proses dari BI, sehingga knowledge tersebut dapat dianggap sebagai aset perusahaan yang dapat memberikan revenue.
Selain elemen tersebut, juga diperlukan elemen-elemen teknis yang mendukung aplikasi BI ini. Pada paper ini akan dibahas beberapa hal mengenai teknologi Data Mining menggunakan OLAP (on-line analytical processing) dan Data Warehousing.
Sedangkan pada praktikal implementasinya dibahas studi kasus pengimplmentasian aplikasi business intelligence pada salah satu perusahaan produsen elevator, Otis Elevator Co. Yang akan dijelaskan pada bagian ini adalah latar belakang kebutuhan aplikasi BI, Urutan aktivitas dalam penerapan BI berdasarkan dasar teori yang
diketahui dan salah satu alternatif hasil akhir / solusi yang diharapkan dari implementasi BI.
Kajian Pustaka
1. Elemen-elemen Aplikasi Business Intelligence Business Intelligence (BI) merupakan perkembangan dari aplikasi Knowlegde Management (KM), dengan menambahkan proses data analytics, yaitu dengan memanfaatkan data yang ada untuk menghasilkan suatu informasi baru yang bermanfaat. Aplikasi BI memberikan informasi yang personal, yaitu dengan melakukan proses pengumpulan, pengaturan dan penyebaran informasi secara personal.
Aplikasi BI menggunakan teknologi e-commerce untuk menghubungkan data warehousing dengan perangkat client yang sederhana (seperti mobile device).
Agar BI dapat berfungsi dengan baik. Maka diperlukan kerangka terintegrasi dengan beberapa kelas dari aplikasi berbasis pengetahuan (KM). Sehingga perlu diadaptasi beberpa elemen dari KM, diantaranya:
a. Pengorganisasian dan pengumpulan data/content Data-data tentang pelanggan, mitra dan pemasok disimpan pada beberapa tempat di dalam perusahaan. Dibutuhkan suatu pandangan yang terintegrasi untuk memungkinkan perusahaan mengetahui dan merespon seakurat mungkin terhadap pelanggannya.
Berikut ini beberapa faktor yang mempengaruhi keberhasilan integrasi data: a) Scalability, yaitu ukuran basisdata (storage’s space) yang disediakan perusahaan harus mampu menampung informasi customer-centric yang dapat mencapai beberapa gigabyte per hari.
b) Flexibility, yaitu kemampuan untuk mengakomodasi bermacammacam data model dan arsitektur basisdata dan memungkinkan integrasi dengan sistem informasi back-end lainnya. c) Performance, yaitu kemampuan untuk menangani query-query dengan cepat dan akurat.
Elemen teknis yang mendukung proses ini adalah data warehousing, yang penjelasannya akan dibahas kemudian.
b. Analisis dan segmentasi Tools untuk data mining terdapat pada aplikasi ini, tujuannya adalah untuk meningkatkan nilai, mempertahankan pelanggan dan menemukan jalur pendapatan perusahaan yang baru. Proses mining ini dimulai dengan membangun gambaran lebih jelas tentang kelakuan pelanggan.
Tanpa tool analisis tersebut, maka usaha menyimpan informasi customercentric yang sangat besar tersebut menjadi sia-sia.
Namun, proses menganalisis tersebut tidak sederhana meskipun data telah tercentralized, karena merupakan usaha yang berat untuk mengubah informasi tersebut menjadi pengetahuan yang menghasilkan keuntungan dan menjalin hubungan jangka panjang dengan pelanggan.
Elemen teknis yang dimanfaatkan untuk proses ini adalah data mining deengan tools OLAP (online analyticals processing).
c. Personalisasi yang real-time Kemampuan personalisasi dari perusahaan memungkinkan perusahaan memahami dan merespon setiap kebutuhan, kelakuan dan perhatian pelanggan untuk meyakinkan bahwa pelanggan tersebut mendapatkan kebutuhannya.
Aplikasi pendukung personalisasi memungkinkan pembuatan produk/layanan yang customized dengan meminimalkan biaya marginal dari personalisasi tersebut.
Beberapa tahapan (siklus) personalisasi: a) Profiling (menunjukkan produk yang ditawarkan dan menanyakan kebutuhan pelanggan). b) Matching (memberikan kebutuhan pelanggan dan menyesuaikan data dengan kebutuhan pelanggan) c) Transacting (kebebasan untuk self-service dan memudahkan transaksi) d) Listen (fasilitasi tanggapan pelanggan dan mengukur keefektifan).
Kemampuan yang disediakan aplikasi personalisasi, antara lain: i. Menyediakan pelanggan dengan halaman web yang personal yang memungkinkan pelanggan untuk berinteraksi, bertransaksi dan kolaborasi dengan perusahaan. ii. Menampilkan informasi yang diinginkan pelanggan secara personal. iii. Secara aktif memberitahukan pelanggan atas improvement dan upgrade terhadap produk yang relevan dengannya. iv. Menyatukan informasi dan memberikan rekomendasi berdasarkan kecenderungan pelanggan. v. Mengirimkan informasi yang relevan terhadap produk yang dimiliki pelanggan.
d. Penyebaran, pengambilan dan interaksi terhadap informasi Infrastruktur untuk proses interaksi dan pengiriman/penerimaan informasi adalah dengan pelanggan menggunakan media yang dipilih oleh pelanggan tersebut. Meskipun penggunaan WWW sudah umum, namun strategi KM yang baik adalah dengan menjangkau semua media yang digunakan pelanggannya, baik telephone, WAP, TV ataupun e-mail.
e. Pemantauan dan pengukuran kinerja sistem Aplikasi pemantauan kinerja sistem ini menyediakan informasi yang dibutuhkan manajer untuk meningkatkan operasi dan strategi.
Dengan menggunakan key performace indicator (KPI) yang dihubungkan dengan balaced scorecard, perusahaan dapat secara bekelanjutan memantau kinerja proses terhadap target dari strateginya. Sistem pemantauan yang efektif adalah yang mampu membuat strategi menjadi tindakan.
2. Pengintegrasian BI kedalam Perusahaan Intelligent Business adalah tentang bagaimana memindahkan sistem BI ke inti dari perusahaan dan menghubungkannya sampai sistem operasional sehingga dapat menurunkan kemungkinan untuk melakukan mekanisme standar industri (penurunan biaya operasional).
Terdapat beberapa cara untuk mengintegrasikan BI kedalam perusahaan, diantaranya: a. Mengintegrasikan aplikasi analisis dengan aplikasi operasional menggunakan portal perusahaan untuk dapat diakses dan dimanfaatkan oleh pengguna baik internal maupun eksternal. b. Menyatukan analisis pada aplikasi operasional selama pengembangan aplikasi. c. Pengenalan web service untuk secara dinamis mengintegrasikan proses analisis dengan internal dan mitra aplikasi operasional untuk mendukung kolaborasi penjualan. d.
Membangun proses on-demand yang event-driven untuk peringatan ke pengguna, rekomendasi real-time dan aksi yang terotomatisasi. Pendekatan ini termasuk business activity monitoring (BAM).
Aplikasi BI merupakan proyek rekayasa sistem, dan hal tersebut mencakup 6 proses pengerjaan yang utama, antara lain: 1) Justification, yaitu penaksiran terhadap permasalahan dan kemungkinan bisnis yang meningkatkan proyek rekayasa sistem. Langkah 1 : Business Case Assessment
2) Planning, yaitu pengembangan perencanaan strategis dan taktis yang menyusun bagaimana pencapaian proyek rekayasa sistem. Langkah 2: Enterprise Infrastructure Langkah 3: Project Planning
3) Business Analysis, yaitu analisis rinci dari permasalahan dan kesempatan bisnis yang menyediakan pemahaman baku kebutuhan solusi bisnis. Langkah 4: Project Requirements Definition Langkah 5: Data Analysis Langkah 6: Application Prototyping Langkah 7: Meta Data Repository Analysis
4) Design, yaitu penyusunan produk yang menyelesaikan permasalahan bisnis dan memberikan peluang untuk kesempatan bisnis. Langkah 8: Database Design Langkah 9: Extract/Transform/Load (ETL) Design Langkah 10: Meta Data Repository Design
5) Construction, yaitu pembangunan produk yang disusun yang diharapkan dapat memberikan return on development investment dalam kerangka yang jelas. Langkah 11: ETL Development Langkah 12: Application Development Langkah 13: Data Mining Langkah 14: Meta Data Repository Development
6) Deployment, yaitu barang jadi diimplementasikan (dijual) dan keefektivannya diukur yang akan menentukan apakah solusi ditemukan, melebihi atau gagal dalam return on investment(ROI)-nya. Langkah 15: Implementation
Langkah 16: Release Evaluation
Ketrurutan proses pengerjaan langkah-langkah pembangunan aplikasi BI terdapat pada gambar 1.
Gambar 1. Langkah-langkah pembangunan BI
Kesulitan utama dari pengimplementasian BI adalah pengintegrasiannya dengan perusahaan, terutama proses bisnisnya, berikut ini adalah masalah-masalah yang mungkin dihadapi karena kegagalan mengintegrasikan BI: a. Kebingungan terhadap arti dari data, misalnya karena tidak ada pemahaman yang umum. b. Perubahan tujuan bisnis tahunan meskipun tujuan yang ditetapkan pada tahun sebelumya belum dicapai, Aplikasi Business Intelligence tidak mampu mengikuti perubahan tujuan perusahaan yang tidak teratur tersebut. c. Ketidakmampuan menentukan skala bisnis karena kurangnya integrasi proses bisnis dan otomatisasinya. Fixed Cost selalu bertambah seiring dengan pertambahan skala bisnis, Variable cost yang sedikit. Akibatnya, biaya operasional terlalu tinggi karena terlalu banyak kegiatan manual dan kesalahan proses karena sistem yang tidak terintegrasi. d. Pengguna suatu sistem tidak diberitahu atas kejadian yang terjadi pada sistem lainnya. e. Tidak bereaksi secara langsung terhadap kejadian-kejadian pada proses bisnis operasi. Misalnya perubahan, pembatalan pesanan, pembayaran telat,
persediaan barang yang habis, akibatnya mengurangi kesempatan bisnis dan ketidakmampuan merespon terhadap permasalahan ketika muncul. f. Mencocokkan ulang data kedalam sistem yang berbeda. g. Redundansidata yang besar, terpotong-potong dan tidak konsisten pada sistem yang berbeda-beda. h. Konflik pada perlakuan pelanggan oleh customer service, pemasaran dan penjualan pada chanel-chanel yang berbeda.
3. Data Mining Data mining seringkali diartikan dengan “menulis banyak laporan dan query”, namun pada faktanya kegiatan data mining tidak melakukan pembuatan laporan dan query sama sekali. Data mining dilakukan dengan tool khusus, yang mengeksekusi operasi data mining yang telah didefinisikan berdasarkan model analisis.
Data mining adalah proses analisis terhadap data dengan penekanan menemukan informasi yang tersembunyi pada sejumlah besar data yang disimpan ketika menjalankan bisnis perusahaan. Data mining merupakan proses yang berbeda dengan analisis statistik biasa, berikut ini perbandingan antara keduanya:
Analisis Statistik Biasanya dimulai dengan hipotesis (sebuah
Data Mining Data mining tidak membutuhkan hipotesis.
pertanyaan atau asumsi). Untuk menyesuaikan dengan hipotesisnya maka
Algoritma data mining dapat dengan otomatis
dibangun sebuah persamaan.
mengembangkan persamaan tersebut.
Hanya menggunakan data numerik.
Tool Data mining dapat menggunakan tipe data yang berbeda-beda, tidak hanya data numerik.
Dapat dilakukan pencarian dan penyaringan
Data mining bergantung pada data yang bersih
terhadap data kotor selama proses analisisnya.
dan terdokumentasi dengan baik.
Hasil yang diperoleh diinterpretasikan sendiri dan Hasil Data mining sulit diinterpretasikan, dan
menyampaikan hasil tersebut kepada manajer
masih harus melibatkan ahli statistik dalam
dan eksekutif perusahaan.
menganalisis hasil tersebut dan menyampaikan hasil tersebut kepada manajer dan eksekutif perusahaan.
Tool data mining secara teori dapat mengakses basisdata operasional dan data warehouse secara langsung tanpa perlu membangun basisdata data mining, selama struktur basisdata tersebut didukung tool data mining (misalnya relasional (Oracle), hirarki (IMS) atau flat (VSAM)). Namun akses secara langsung tersebut kurang baik karena: a. Data pool dibutuhkan untuk mengubah ke tool data mining, seperti data daerah penjualan atau tipe produk untuk tujuan data mining khusus. Perubahan data operasional dan data warehouse tidak dimungkinkan. b. Kinerja dari basisdata operasional dan data warehouse dapat dipengaruhi oleh operasi data mining. c. Operasi data mining membutuhkan data historis yang rinci, sehingga dibutuhkan media penyimpanan arsip yang dapat dikembalikan dan digabungkan untuk mendapatkan data yang diinginkan.
Sehinnga data tersebut diekstrak dulu dari data warehousing dan operasional sesuai yang dibutuhkan untuk basisdata data mining, seperti digambarkan pada gambar 2.
Teknik data mining Teknik data mining merupakan implementasi yang khusus dengan algoritma yang digunakan pada operasi data mining. Ada enam teknik umum data mining, antara lain: 1) Association: digunakan untuk mengenali kelakuan dari kejadian-kejadian khusus atau proses. Link asosiasi muncul pada setiap kejadian. 2) Sequence: mirip dengan asosiasi, namun menghubungkan kejadian-kejadian sepanjang waktu dan menentukan keterhubungan antar item untuk sepanjang waktu.
3) Classification: melihat pada kelakuan dan atribut dari kelompok yang telah didefinisikan. Tool data mining dapat memberikan klasifikasi pada data baru dengan memanipulasi data yang ada yang telah diklasifikasi dan dengan menggunakan hasilnya untuk memberikan sejumlah aturan. Aturan-aturan tersebut digunakan pada data-data baru untuk diklasifikasi. Teknik ini menggunkan supervised induction, yang memanfaatkan kumpulan pengujian dari record yang terklasifikasi untuk menentukan kelas-kelas tambahan. 4) Cluster: dapat digunakan untuk menganalisis pengelompokkan berbeda terhadap data. Mirip dengan klasifikasi, namun pengelompokkan belum didefinisikan sebelum dijalankannya tool data mining. Biasanya menggunkan metode neural network atau statistik. Clustering membagi item menjadi kelompok-kelompok berdasarkan yang ditemukan tool data mining. 5) Regression (Forecasting): menggunakan nilai dari data yang diketahui untuk memperkirakan nilai di masa depan atau kejadian masa depan berdasarkan kecenderungan sejarah dan statistik. 6) Time Series (Forecasting): perbedaan dengan regresi adalah bahwa time series hanya memperkirakan data yang bergantung pada waktu.
Gambar 2. Sumber-sumber untuk aplikasi data mining
Operasi data mining Tool data mining memungkinkan dibangunnya model analisis yang merupakan tool yang digunakan selama operasi data mining. Hasil dari operasi data mining adalah tabel-tabel dan file-file yang berisi data analisis yang dapat diakses dengan query dan tools reporting. Terdapat empat operasi umum data mining: 1) Predictive and Classification Modeling: digunakan untuk memperkirakan kejadian khusus. Diasumsikan bahwa seorang analis mempunyai pertanyaan khusus untuk ditanyakan. Model ini menyediakan jawaban dengan memberikan peringkat, yang menentkan kemiripan kelas-kelas tertentu. 2) Link Analysis: mencari hubungan antara record-record pada basisdata contoh: menentukan item yang dijual bersamaan (sereal dan susu). 3) Database Segmentation: mengelompokkan record-record yang berhubungan ke dalam segmen-segmen. Pengelompokkan ini merupakan langkah pertama dari pemilihan data, sebelum operasi data mining lainnya dilakukan.
4) Deviation Detection: mencari record-record yang dipandang tidak normal dan memberikan alasan untuk anomali tersebut.
Online Analytical Processing (OLAP) OLAP, merupakan kunci dari BI, digunakan untuk meningkatkan analisis bisnis, merupakan perhitungan Decision Support System (DSS) dan Expert Infotmation System (EIS) yang dilakukan oleh end-user pada sistem online. OLAP digunakan pada banyak aplikasi, mulai dari pelaporan (reporting) perusahaan sampai DSS.
Beberapa aktivitas yang dilakukan OLAP antara lain: men-generate query, meminta laporan yang ad hoc, mendukung analisis statistik, analisis interaktif, membangun aplikasi multimedia.
Untuk memfasilitasi OLAP ini diperlukan data warehouse dengan sekumpulan tool yang memiliki kemampuan multidimensi. Tool-tool ini dapat berupa tool query, spreadsheet, tool data mining, data visualisasi, dsb.
Terdapat beberapa tipe OLAP, antara lain: a. Desktop OLAP (client-side OLAP) Melewatkan data dari server ke desktop pada client untuk melakukan pemrosesan secara lokal, sering dihubungkan dengan query dan tool pelaporan yang membuat view khusus dari kumpulan data yang besar untuk kebutuhan khusus end-user. b. Relational OLAP (ROLAP) Menempatkan penekanan dari pemrosesan query data dalam basisdata relasional. ROLAP ini meng-submit query secara otomatis, query yang sangat khusus dan query yang berulang ke basisdata, selain itu menangani pengiriman informasi ke penggunanya. c. Multidimentional OLAP (MOLAP) Basisdata khusus yang berbasis server yang mengambil data relasional dari sistem transaksi dan secara fisik menyimpannya dalam format khusus untuk
meningkatkan akses query. Biasanya, data merupakan kesimpulan (summary) dan berisi dimensi yang terdefinisi atau karaktteristik data. d. Hybrid OLAP Merupakan kombinasi karakteristik dari pendekatan MOLAP dan ROLAP. Mendukung pemrosesan berbasis server dan client atau pemrosesan dalam format standar relasional dan pada struktur penyimpanan data khusus.
4. Data Warehousing Data warehouse merupakan tempat penyimpanan untuk ringkasan dari data historis yang seringkali diambil dari basisdata terpisah departemen atau perusahaan. Data warehouse mengumpulkan semua data perusahaan dalam satu tempat untuk memberikan pandangan yang lebih baik dari proses bisnis, dan meningkatkan kinerja organisasi.
Data warehouse mendukung proses pembuatan keputusan manajemen, proses ini subject-oriented, terintegrasi, waktu yang bervariasi dan permanen (karakteristik data warehouse). Data warehouse berfokus pada konsep bisnis daripada proses bisnis dan menampung semua informasi penjualan yang relevan yang dikumpulkan dari beberapa sistem pemroses.
Karakteristik data warehouse
Karakteristik data warehouse, seperti disebutkan sebelumnya, antara lain: a. Data diorganisasi oleh subjek (misal pelanggan) yang rinci. b. Terintegrasi, data pada lokasi berbeda dikode secara berbeda namun pada warehouse data-data tersebut konsisten. c. Waktu yang bervariasi, data untuk 5-10 tahun dan digunakan untuk melihat kecenderungan, peramalan dan perbandingan.
d. Permanen, sekali dimasukkan ke dalam data warehouse, data tidak berubah atau di-update.
Arsitektur dan proses data warehouse
Terdapat 2 arsitektur data warehouse yang umum digunakan, antara lain: a. Arsitektur 3-tier Data dari sumber internal (terpisah) dan eksternal di-ekstrak, dibersihkan,di-filter dan dirangkum dengan software khusus sebelum dimasukkan pada data warehouse. Data tersebut kemudian diproses lagi dan disimpan pada basisdata multidimensi khusus, diorganisasi untuk penyajian multidimensi yang mudah dipahami. Gambar arsitektur data warehouse 3-tier, terdapat pada gambar 3.
External Data
Repository Data Acquisition Software
Legacy Systems
EIS Client Database Server
EIS/DSS Server
DSS Client EIS Client
Data Warehouse
Multidimensional Database
gambar 3. Arsitektur data warehouse 3-tier
b. Arsitektur 2-tier Proses yang sama dengan arsitektur 3-tier, namun tidak menggunakan basisdata multidimensi atau server.
Gambaran proses umum yang dilakukan aplikasi data warehouse yang terintegrasi diperlihatkan pada gambar 4.
Process Lifecycle
Partial Solutions
Transf
Design
Extract
Deliver
Transaction Data Extraction
Data Scrubbing & Cleansing
Load Index & Aggregate
Publish & Subscribe
Data Mapping
Data Replication
Metadata Histories & Summaries
Data Access Tools
Complete Integrated Solution
Integrated Data Warehouse Application
gambar 4. Proses data warehousing
Komponen data warehouse
Komponen-komponen data warehouse yang digunakan suatu perusahaan, antara lain: a. Basisdata fisik yang besar Basisdata aktual dan fisikdimana semua data untuk data warehouse dikumpulkan bersama dengan metadata dan lojik pemrosesan untuk data (membersihkan, mengorganisasi, memaketkan dan memprosesulang) untuk diakses oleh end-users. b. Data warehouse lojik Berisi metadata, aturan bisnis, dan lojik pemrosesan untuk data. Sebagai tambahan, juga berisi informasiyang dibutuhkan untuk menemukan dan mengakses data yang aktual yang berada dimanapun. c. Data mart Merupakan bagian dari keseluruhan data warehouse. Biasanya berperan sebagai data warehouse pada departemen, bagian/daerah atau secara fungsional.
d. DSS dan EIS Bukan merupakan data warehouse tetapi aplikasi yang menggunakan data warehouse. Keuntungan data warehouse
Solusi data warehouse dapat meningkatkan pengetahuan dan produktivitas pekerja disamping memberikan dukungan kebutuhan data pada pembuat keputusan. Akibatnya, data warehouse mampumenyediakan akses pada data kritis, basisdata operasi yang terisolasi dan menyediakan ringkasan (summary) informasi sebanding dengan kemampuan melakukan drill-down.
Data warehousing membantu user untuk mengenali kecenderungan bisnis, menemukan jawaban atas pertanyaan bisnis dan menemukan arti dari data sejarah dan operasional, yang pada akhirnya meningkatkan pendukung keputusan pada perusahaan.
Keuntungan tersebut dapat meningkatkan pengetahuan bisnis, memberikan keuntungan competitive, meningkatkan pelayanan dan kepuasan pelanggan, memfasilitasi pembuatan keputusan dan membantu menyederhanakan proses bisnis.
Implementasi data warehouse
Berdasarkan fungsi dan keuntungan penerapannya, maka perusahaan/ organisasi yang cocok menggunakan data warehousing adalah dimana: a. Data disimpan pada sistem yang berbeda b. Menggunakan manajemen dengan pendekatan basis informasi c. Basis pelanggan yang besar dan terbagi-bagi d. Data yang sama direpresentasikan secara berbeda pada sistem yang berbeda. e. Data disimpan dengan sangat teknis dan sulit untuk menemukan format yang sesuai.
Illustrasi Kasus
Otis Elevator Co., adalah perusahaan yang bergerak di bidang usaha pembuatan elevator, eskalator, dan alat transportasi lainnya. Selain melakukan produksi, Otis Elevator juga menyediakan jasa pelayanan instalasi dan perbaikan produk-produk transportasi.
Setiap tahunnya, Otis menjual sekitar 65.000 alat transportasi vertikal. Otis memiliki 63.000 karyawan di seluruh dunia dengan 22.000 mekanik yang menangani sekitar 1,2 juta elevator, eskalator, dan produk lainnya. Dengan demikian, perusahaan ini menggunakan jaringan komunikasi, perawatan, dan jaringan pelayanan yang luas. Otis memasarkan produknya di lebih dari 200 negara di dunia dengan pabrik di Amerika, Eropa, Asia, dan Australia. Otis memiliki pusat perancangan dan pengetesan produk di Amerika, Jepang, Prancis, Jerman, dan Spanyol.
Beberapa waktu yang lalu, Otis meluncurkan website www.otis.com. Dengan adanya website ini, otis harus melakukan beberapa penyesuaian proses bisnisnya dalam melayani konsumen dari seluruh dunia. Selain itu, Otis mendapat tantangan dalam menangani informasi yang didapat melalui website tersebut. Otis ingin dapat mendapatkan informasi mengenai kebutuhan dan keinginan konsumennya yang mengakses website tersebut berdasarkan informasi click-stream yang didapatkan.
Otis menginginkan websitenya memiliki fitur untuk memberikan personalisasi terhadap konsumennya. Salah satu fitur personalisasi yang diinginkan adalah adanya fasilitas bagi konsumen untuk melakukan desain secara online terhadap elevator dan eskalator yang diinginkan, dan juga menentukan daftar kebutuhan dalam pembelian produk sehingga konsumen mendapatkan jenis produk yang sesuai dengan kebutuhannya tersebut.
Selain kebutuhan akan informasi tersebut, hal lain yang menjadi tantangan adalah website tersebut mendukungan 26 pilihan bahasa dan setiap harinya diakses oleh 1.800
pengunjung. Berdasarkan pernyataan Jeff Anderson, Manajer Senior e-bisnis Otis, Otis membutuhkan cara untuk mengintegrasikan data-data yang didapat dari website untuk dapat mengetahui apa yang dibutuhkan oleh pengguna produk-produk Otis.
Tujuan dari Otis untuk melakukan hal tersebut adalah untuk lebih mendekatkan perusahaan
dengan
konsumennya
dan
kegiatan-kegitan
yang
dilakukan
oleh
konsumennya yang dapat menjadi informasi berharga bagi Otis. Otis menginginkan agar karyawannya dapat memanfaatkan informasi mengenai pelanggan dari berbagai unit bisnis yang dimiliki sehingga karyawan memiliki pemahaman yang lebih baik mengenai konsumen dan dengan demikian dapat melakukan analisis yang lebih menyeluruh.
Dari deskripsi kasus diatas, dapat disimpulkan bahwa ada dua hal yang diinginkan oleh Otis Elevator co., yaitu: 1. Melakukan pengubahan data mentah mengenai konsumen menjadi informasi yang berharga 2. Mendokumentasikan alur pengaksesan pengunjung website Otis sehingga perusahaan dapat menganalisis dan menyimpulkan kebutuhan pengunjung yang merupakan calon konsumennya
Analisis dan Pembahasan
Berdasarkan kebutuhan, dapat dilihat bahwa perusahaan membutuhkan suatu aplikasi yang mampu menganalisis data-data historis, melakukan personalisasi terhadap pengunjung website, dan mengambil tindakan yang harus diambil sehubungan dengan hasil analisis. Karena itu, perusahaan membutuhkan aplikasi Business Intelligence
Untuk kasus pertama, Otis menginginkan agar dapat memanfaatkan data-data historikal mengenai transaksi yang dilakukan oleh pelanggan. Data-data transaksi yang dapat dianalisis antara lain data pembelian produk oleh konsumen, data perbaikan produk, tipe produk yang diminati konsumen, dan lain-lain.
Menurut kami, data-data itu semua sudah ada pada database yang terpisah. Karena itu, yang pertama kali harus dilakukan adalah mengintegrasikan data-data transaksi dan datadata operasional perusahaan pada sebuat database yang terpusat dan memiliki format yang seragam seperti format penamaan, penomoran, indeks, dll.
Pengintegrasian di atas tidak serinci dengan data-data transaksi dan operasional. Data yang diintegrasikan sudah melalui proses ekstraksi, filterisasi, dan perangkuman. Tingkat kedetailan data yang disimpan disesuaikan dengan rencana pemanfaatan datawarehouse (sesuai kebutuhan analisis yang akan dilakukan).
Untuk mengimplementasikan data warehouse, ada beberapa komponen yang perlu dipersiapkan oleh perusahaan, baik infrastruktur hardware dan software. Berdasarkan deskripsi kebutuhan, komponen-komponen yang perlu disiapkan antara lain: 1. Basis data fisik dengan ukuran besar. Dengan data transaksi yang berasal dari 200 negara, tentu dibutuhkan media penampungan pusat dengan ukuran besar.
2. Data warehouse logik. Komponen ini berisi aturan-aturan bisnis, metadata, dan data logik yang dapat digunakan untuk menelusuri data sumber dari manapun di cabang perusahaan. Mekanisme pengambilan data dari setiap cabang dilakukan sebagai berikut: 1. Data transaksi dan operasional dari setiap cabang dikirimkan secara periodik ke pusat. 2. Data tersebut kemudian dioleh, difilter, dan dirangkum dan kemudian dimasukkan ke datawarehouse. 3. Setiap data yang dimasukkan memiliki metadata yang berisi informasi detail mengenai data hasil rangkuman tersebut yang disimpan di data warehouse logik.
Setelah data-data transaksi dan operasional sudah terkumpul dan terangkum di data warehouse, data-data tersebut akan digunakan oleh data mining untuk dianalisis. Dalam proses analisis, bisa saja data mining membutuhkan data-data yang detail, sehingga data mining perlu mendapat akses langsung ke database cabang perusahaan.
Berdasarkan kebutuhan Otis, ada beberapa poin analisis yang dilakukan: 1. Menganalisis konsumen-konsumen yang paling potensial bagi perusahaan berdasarkan beberapa faktor seperti jumlah transaksi dan periode transaksi 2. Keefektifan media yang digunakan konsumen dalam melakukan transaksi pembelian dengan perusahaan yang akan menentukan tingkat keberhasilan transaksi yang dilakukan dengan media tersebut 3. Tipe-tipe produk yang akan banyak dibeli konsumen berdasarkan trend historis pembelian sehingga perusahaan dapat menentukan rencana produksi, pemasaran, dan pengadaan barang di masa yang akan datang. 4. Besarnya transaksi yang dilakukan di setiap cabang yang dipadukan dengan data konsumen lainnya seperti tipe produk dan media transaksi untuk menentukan daerah-daerah yang potensial bagi pemasaran produk. 5. Aktivitas yang berkaitan dengan pelayanan konsumen, seperti pemberian dukungan teknis produk, layanan instalasi, dan layanan perbaikan produk yang digunakan untuk meningkatkan kepuasan konsumen.
Informasi-informasi hasil analisis dimanfaatkan oleh aplikasi Decission Suppiort System untuk membantu pengambilan keputusan oleh pihak manajemen. Agar informasi hasil analisis tersebut dapat dimanfaatkan, informasi tersebut perlu diakses oleh pihak manajemen perusahaan. Salah satu media pengaksesan informasi yang dapat digunakan adalah portal perusahaan.
Untuk kasus kedua, ada beberapa hal yang perlu ditambahkan dari penjelasan kasus pertaman. Beberapa hal yang perlu dilakukan perusahaan adalah: 1. Menambahkan modul pada website perusahaan yang menyimpan alur pengaksesan halaman website oleh pengunjung yang merupakan calon pelanggan dan menyimpan ke database. Perlu diperhatikan bahwa penambahan data yang berasal dari click-stream sangat cepat, sehingga diperlukan media penyimpanan dengan ukuran besar (sekitar 15 Terabyte). 2. Data mentah dari database di atas secara berkala akan dirangkum ke data warehouse agar dapat dianalisis pada proses berikutnya. 3. Data mining kemudian menganalisis data rangkuman tesebut. Poin analisis yang dpat ditambahkan dari proses click-stream antara lain: a. Tipe produk yang diinginkan pelanggan tertentu. Informasi tersebut didapat dengan menganalisis halaman produk yang diakses, dan seberapa sering pelanggan mengakses halaman tersebut. b. Dari kustomisasi atau desain produk yang diinginkan oleh pelanggan, perusahaan dapat melakukan perencanaan operasional. 4. Dari hasil analisis tersebut, dapat dilakukan personalisasi berdasarkan aktivitas yang dilakukan oleh pelanggan. 5. Hal-hal yang dapt dipesonalisasi antara lain: a. Bahasa. Berdasarkan data domisili konsumen, website Otis yang sudah mendukung 26 pilihan bahasa ini secara otomatis memberikan tampilan default bahasa yang sesuai. b. Tipe produk. Berdasarkan data produk yang pernah dibeli, atau produk yang pernah di desain tetapi belum dibeli, website menampilkan produk-
produk dengan tipe sejenis. Misalkan konsumen pernah membeli elevator dengan tipe X-1, pada halaman utama konsumen ditampilkan produkproduk elevator dengan tipe X-2, X-3, dll yang sejenis. c. Informasi produk baru dan update yang releven. Sama seperti personalisasi terhadap tipe produk, website akan menampilkan informasi mengenai produk baru dan update yang relevan dengan tipe produk yang pernah dibeli. Informasi ini dipisahkan dari produk lama sebagai proses pemasaran produk baru kepada pelanggan yang relevan. d. Infrastruktur pendukung produk relevan Sama seperti personalisasi terhadap tipe produk, website menampilkan informasi mengenai infrastruktur pendukukng produk. Contohnya adalah pembeli elevator dengan tipe X-1 ditawarkan tombol atau layar dengan model tertentu yang dikhususkan untuk elevator tipe X-1. e. Forum tanya-jawab mengenai permasalahan produk yang pernah dibeli konsumen. Informasi dari forum tanya jawab tersebut berfungsi untuk mengurangi beban bagian pelayanan pelanggan perusahaan. Dengan adanya itu, pelanggan dapat menemukan jalwaban atas permasalahan yang dihadapi dengan segera.
Kesimpulan
Beberapa kesimpulan yang dapat kami ambil dari penulisan paper ini, antar lain: 1. Data warehouse memiliki fungsi untuk menyimpan data / metadata dari basisdata transaksi dan operasi yang saling terpisah untuk disatukan dalam satu lokasi penyimpanan untuk memudahakan pemanfaatannya pada proses analisis. 2. Proses analisis berfungsi mengubah data mentah / data rangkuman (pada data warehouse) menjadi suatu informasi di perusahaan. 3. Salah satu kegiatan dari aplikasi BI adalah memberikan personalisasi kepada pelanggan berdasarkan hasil analisis data transaksi dan operasi dari pelanggan tersebut. 4. Informasi yang dihasilkan analisis dapat dimanfaatkan oleh sistem pendukung keputusan
yang
menjadi
sumber
dalam
mengambil
keputusan
di
pihak
manajemen.Untuk mengintegrasikan BI ke dalam proses bisnis perusahaan, perlu dilakukan beberapa proses siklus pengembangan sistem (Justification Æ Planning Æ Business Analysis Æ Design Æ Construction Æ Deployment) 5. agar perusahaan dapat mengintegrasikan BI perlu diperhatikan beberapa faktor, antara lain: pemahaman terhadap tujuan perusahaan, pemahaman terhadap pentingnya aplikasi BI ini terhadap pengguna, memposisikan aplikasi BI ini dengan sistem lain di dalam perusahaan.
Daftar pustaka dan referensi
[1] Kalakota, Dr. Ravi, e-business 2.0, Addison Wesley, 2001 [2] Turban, Efraim, Decision Support System and Intelligence System, Prentice Hall, 1998 [3] Loshin, David, Enterprise Knowledge Management, Morgan Kaufmann, 2001 [4] Dyche, Jill, The CRM Handbook, Addison Wesley, 2002 [5] Frappaolo, Carl, Manajemen Pengetahuan, Prestasi Pustaka, 2003 [6] Tiwana, Amrit, The Knowledge Management Toolkit, Prentice Hall, 2000 [7] www.businessintelligence.com/ [8] www.cognos.com/
