PAPER PEMBELAJARAN APA YANG DIPEROLEH OLEH BISNIS DARI TEXT MINING?
OLEH: MUHAMMAD YAMIN ABDUH
TEMA PAPER SISTEM INFORMASI MANAJEMEN
TAHUN 2015
Daftar Isi I. PENDAHULUAN ............................................................................................ Maksud dan Tujuan ............................................................................... Rumusan masalah ................................................................................. II. PEMBAHASAN .............................................................................................. 1. Apa tantangan yang muncul dalam data yang tidak terstruktur ...... dalam bisnis? ........................................................................................ 2. Bagaimana text-mining meningkatkan pengambilan keputusan? .... 3. Jenis perusahaan apa yang banyak memperoleh benefit dari perangkat lunak text-mining? ............................................................. 4. Bagaimana text-mining berpotensi melakukan penggerusan terhadap privasi informasi personal? .................................................. III. KESIMPULAN ................................................................................................ Referensi ......................................................................................................
1
2 2 3 4 4 4 5 5 21 22
I.
PENDAHULUAN
Text mining adalah cakupan pola dan hubungan dari satuan yang besar dari data yang tidak terstruktur-jenis data yang umum di dalam e-mail, percakapan telepon, postingan blog, survey pelanggan online, dan tweet. Platform perangkat bergerak digital telah meningkatkan ledakan informasi digital, dengan ratusan juga panggilan, teks, pencarian, “apping” (penggunaan aplikasi), pembeliang barang, dan miliaran surat elektronik yang berseliweran. Pelanggan sekarang ini adalah lebih dari sekedar pelanggan: mereka memiliki banyak cara untuk berkolaborasi, berbagi informasi, dan mempengaruhi opini teman-teman mereka dan teman-teman sebaya, dan data yang mereka ciptakan tersebut memiliki nilai yang sangat signifikan bagi bisnis. Tidak sama dengan data yang terstruktur, yang telah digeneralisir dari peristiwa-peristiwa seperti lengkapnya transaksi pejualan, data yang tidak terstruktur tidak memiliki bentuk yang jelas. Namun para manajer percaya bahwa data dapat memberikan pengertian yang unik terhadap perilaku dan sikap konsumen dimana banyak sekali kesulitan untuk menentukan tahun yang lalu. Sebagai contoh, pada tahun 2007, JetBlue mengalami tingkat ketidakpuasan pelanggan yang tidak pernah terjadi sebelumnya pada gelombang badai salju pada Februari yang berakibat pada pembatalan penerbangan secara besar-besaran dan pesawat-pesawat diparkir di runway Bandara Kennedy. Pihak maskapai menerima 15.000 e-mail setiap hari dari pelanggan selama badai dan bahkan setelahnya, naik dari yang biasanya hanya 400. Volumenya sangat besar dari biasanya yang menyebabkan JetBlue tidak dapat membaca setiap pesan yang disampaikan oleh pelanggan. Untungnya, perusahaan saat ini sedang dalam kontrak dengan Attensity, sebuah vendor terkemuka dalam bidang text analitics software, dan dapat menggunakan software tersebut untuk menganalisa semua e-mail yang telah diterima dalam dua hari. Menurut analis riset JetBlue Bryan Jeppsen, Attensity menganalisa Suara Pelanggan yang memungkinkan JetBlue secara cepat dapat mengekstrak sentimen pelanggan, preferensi, dan permintaan. Alat ini menggunakan teknologi yang secara otomatis dapat mengidentifikasi fakta-fakta, opini, permintaan, trend, dan tempat-tempat kesalahan dari teks yang tidak terstruktur terhadap respon survey, catatan pelayanan, pesan elektronik, forum web, blog entries, artikel berita, dan komunikasi lain dari pelanggan. Teknologi ini dapat secara akurat dan otomatis mengidentifikasi perbedaan-perbedaan “suara” pelanggan yang menggunakan ekspresi umpan balik mereka (seperti suara negatif, positif, atau suara yang bersifat kondisional), yang
2
dapat membantu organisasi menunjuk dengan tepat peristiwa-peristiwa kunci dan hubungan-hubungannya, seperti maksud/niat untuk membeli, niat untuk meninggalkan, atau daftar “keinginan” pelanggan. Ini dapat mengungkapkan produk dan isu-isu pelayanan yang lebih spesifik, reaksi terhadap usaha pemasaran dan relasi publik, dan bahkan signal-signal pembelian. Software Attensity telah terintegrasi dengan alat analisis pelanggan JetBlue, seperti Satmetrix’s Net Promoter, yang berfungsi untuk mengklasifikasi pelanggan ke dalam kelompok-kelompok yang positif, negatif, atau tidak memberikan umpan balik kepada perusahaan. Dengan menggunakan analitik teks Attensity sebagai tandem alat tersebut, JetBlue mengembangkan bill of right pelanggan yang digunakan untuk mengumpulkan isu-isu besar pelanggan terhadap perusahaan. Jaringan Hotel seperti Gaylord Hotel dan Choice Hotel menggunakan text mining software untuk mengumpulkan ribuan hasil survey kepuasan pelanggan yang dilakukan terhadap tamu mereka. Gaylord Hotels menggunakan Clarabridge’s text analitytics solution yang dikirim melalui internet sebagai hosted software servicenya untuk mengumpulkan dan menganalisa umpan balik pelanggan dari survey, surat elektronik, chat massaging, call center, dan forum-forum online yang berhubungan dengan pengalaman ‘guset and meeting planners’ pada area perbincangan mengenai perusahaan. Software Clarabridge mensortir pelanggan melalui jaringan hotel dan mengumpulkan komen-komen positif dan negatif, mengorganisir mereka ke dalam beberapa jenis kategori untuk mengungkap/ menampilkan beberapa hal yang kurang jelas. Sebagai contoh, komplain tamu mengenai tingkat kebisingan kamar, tetapi komplain kebisingan kamar kebanyakan berkaitan dengan survey yang mengindikasikan ketidakinginan untuk kembali ke hotel untuk lain waktu. Menganalisa survey pelanggan biasanya berminggu-minggu, tetapi dengan ini hanya perlu beberapa hari, terimakasih kepada software Clarabridge. Para Manager lokasi dan eksekutif perusahaan juga menggunakan text mining untuk mempengaruhi keputusan dalam rangka meningkatkan pembanungan. Wendy;s International mengadopsi software Clarabridge untuk menganalisa hampir 500.000 pesan yang dikumpulkannya setiap tahun dari webnya yang berbasis pada forum feedback, catatan call center, pesan elektronik, hasil surrvey, dan media sosial. Tim jaringan kepuasan pelanggan telah menggunakan spreadsheet dan pencarian kata kunci untuk mereview komentar pelanggan, suatu pendekatan manual yang sangat lambat. Manajemen Wendy kemudian mencari alat lain yang lebih baik untuk melakukan analisis yang cepat, dapat mendeteksi isu-isu emergensi, dan secara tepat dapat menunjukkan dimana terdapat kesalahan, pada tingkat bisnis, wilayah, atau tingkat korporasi. Teknologi Clarabridge memungkinkan Wendy untuk menelusuri pengalaman pelanggan hingga ke level toko dalam waktu hanya beberapa menit. Informasi yang 3
tepat waktu ini sangat membatu toko, wilayah, dan manajer korporasi menempatkan dan menyelesaikan masalah yang berkaitan dengan kualitas makanan, kebersihan dan kecepatan pelayanan. Software teks analitik ini pertama sekali digunakan oleh agen pemerintah dan perusahaan besar dengan departemen sistem informasi yang memiliki sarana yang harus menggunakan software yang komplkes, tetapi Clarabridge sekarang juga menawarkan sebuah versi software untuk bisnis kecil. Teknologi juga digunakan oleh penyelenggara hukum, pencarian permukaan alat, dan “listening platforms” seperti Nielsen Online. Listening Platform adalah alat text mining yang berfokus pada brand management, memudahkan perusahaan memperoleh informasi bagaimana perasaan pelanggan tentang brand mereka dan mengambil langkah untuk merespon hal-hal yang negatif. Analisis data terstruktur tidak dapat diterjemahkan secara absolut oleh text analitic, tetapi perusahaan yang dapat menggunakan kedua metode untuk mengembangkan gambar yang lebih jelas dari perilaku pelanggan mereka akan memiliki penggunaan waktu yang lebih mudah dan membangun brand dan mengumpulkan pengetahuan yang akan meningkatkan profitabilitas. Maksud dan Tujuan Makalah ini dibuat untuk menambah referensi tentang Text Mining sekaligus ingin menyampaikan informasi umum dan dasar mengenai text mining sehingga para pengguna atau pemula yang ingin mengetahui tentang text mining dapat menjadikan makalah ini sebagai rujukan tambahan selain referensi-referensi yang lebih lengkap lainnya. Rumusan Masalah 1. Apa tantangan yang muncul dalam data yang tidak terstruktur dalam bisnis? 2. Bagaimana text-mining meningkatkan pengambilan keputusan? 3. Jenis perusahaan apa yang banyak memperoleh benefit dari perangkat lunak
text-mining? 4. Bagaimana text-mining berpotensi melakukan penggerusan terhadap privasi informasi personal?
4
II. PEMBAHASAN
1. Apa tantangan yang muncul dalam data yang tidak terstruktur dalam bisnis? Tidak terstrukturnya data dalam bisnis berdampak pada kesulitan dalam mengidentifikasi jenis-jenis data yang masuk sehinggga sulit melakukan analisis dalam kaitannya dengan penyelesaian masalah dan pengambilan keputusan oleh pihak manajemen. Data yang tidak terstruktur merupakan gambaran dimana data-data yang masuk ke perusahaan baik melalui email, sosial media, forum diskusi dan berbagai bentuk komunikasi lainnya bertumpuk dan bercampur dalam satu tempat secara umum dan segala persoalan komplain maupun isu-isu strategis yang terdapat dalam pesan-pesan tersebut tidak dengan sendirinya terklasifikasi menurut isu, tema, ataupun kategori tertentu, sehingga untuk dapat mengetahui komplain dan masukan apa yang dikirimkan kepada perusahaan menjadi sulit diidentifikasi. Jika pengidentifikasian dan pengkategorian isu-isu yang masuk dalam data yang tidak terstruktur ini dilakukan secara manual tentu akan memakan waktu yang sangat lama dan kemungkinan banyaknya isu-isu yang tidak dapat dicapture dan dimasukkan dalam kategori tertentu untuk dianalisis, oleh karena itu, kondisi data yang tidak terstruktur ini merupakan tantangan yang sangat besar bagi perusahaan guna menjawab segala komplain dan masukan yang diterima untuk meningkatkan produk atau kualitas pelayanan suatu bisnis. Tantangan bisnis yang sangat menonjol adalah kecepatan dan ketepatan dalam pengambilan keputusan. Data yang tidak terstruktur merupakan tantangan bagi perusahaan karena berkaitan dengan kecepatan dan ketepatan dalam pengambilan keputusan. 2. Bagaimana text-mining meningkatkan pengambilan keputusan? Text mining dapat didefinisikan sebagai kegiatan menambang data yang berupa teks dimana sumber data biasanya di dapatkan dari dokumen, dan fungsi dari text mining ini adalah mencari kata-kata yang dapat mewakili isi dari dokumen sehingga dapat dilakukan analisa keterhubungan antardokumen. Dengan text mining ini semua jenis dokumen-dokumen yang berbeda dapat diidentifikasi dan dikategorikan menurut isu-isu strategis yang dijadikan pembahasan dalam perusahaan. Dengan demikian akan sangat memudahkan pihak manajemen melakukan analisis berdasarkan dokumen-dokumen yang telah dikategorisasi serta dapat menentukan prioritas pembahasan dokumen yang dianggap menjadi isu utama. Hal ini tentu akan sangat membantu pihak manajemen mengurai 5
masalah-masalah yang dihadapi melalui analisis yang lebih terfokus sehingga dapat menjadi landasan pengambilan keputusan untuk menyusun rencana strategis ke depan. Karena semua data telah tersusun rapi melalui proses yang dilakukan oleh software text mining, maka akan sangat mudah bagi pihak manajemen melakukan analisis selanjutnya terhadap isu-isu yang terdapat dalam dokumendokumen yang telah ditambang dan dikelompok-kelompokkan. Artinya, pihak manajemen dengan sangat cepat dapat mengambil keputusan sebagai rencana tindak lanjut dari isu-isu yang telah dianalisis tersebut.
3. Jenis perusahaan apa yang banyak memperoleh benefit dari perangkat lunak text-mining? Pada dasarnya semua jenis perusahaan sangat relevan menggunakan perangkat lunak text mining mengingat bahwa komunikasi perusahaan dengan lingkungan internal dan eksternalnya saat ini selalu melibatkan teknologi informasi internet yang menghubungkan pihak perusahaan dengan konsumen yang berasal dari berbagai penjuru dunia dengan intensitas komunikasi yang sangat tinggi dan tanpa batas. Era keterbukaan informasi membentuk budaya baru dalam lingkungan bisnis dimana komunikasi dapat berlangsung secara interaktif tanpa harus melakukan tatap muka. Segala bentuk komplain dan masukan bagi kegiatan bisnis dapat dilakukan melalui media sosial, email, forum diskusi dan bentuk bentuk lain yang sangat terbuka. Kondisi ini tentu saja akan menyebabkan tingkat penerimaan data dan dokumen menjadi tidak terstruktur. Pada situasi inilah diperlukan perangkat yang mampu menyederhanakan pekerjaan bisnis berkaitan dengan identifikasi dan pengkategorian masalah-masalah yang muncul. Text mining merupakan perangkat lunak yang sangat membantu manajemen dalam mengidentifikasi isu-isu strategis perusahaan yang dapat diperoleh dari respon para pelanggan terhadap produk dan pelayanan bisnis. Oleh karena itu, text mining tidak terbatas fungsinya hanya bagi jenis perusahaan-perusahaan tertentu karena text mining berfungsi universal lintas sektoral baik perusahaan yang memproduksi barang maupun jasa.
4. Bagaimana text-mining berpotensi melakukan penggerusan terhadap privasi informasi personal? Text mining memang sangat berpotensi memperoleh “pengetahuan baru” dari proses data mining yang dilakukannya dan memanfaatkan informasi personal tersebut di luar kewajaran yang menyebabkan informasi tentang 6
seseorang menjadi terpublikasi atau disalahgunakan oleh perusahaan. Hal ini berkaitan dengan legalitas dan etika dimana tidak semua pelanggan yang memberikan informasi data pribadinya bersedia dengan rela untuk dimanfaatkan oleh perusahaan, kecuali pihak perusahaan telah meminta izin dari pemiliki data tersebut. Sama halnya dengan media sosial facebook, yang meminta data lengkap personal dengan alasan administrasi sebagai syarat untuk registrasi keanggotaannya. Data-data tersebut sangat detil bahkan sampai pada hal-hal yang sensitif, walaupun permintaan data personal tersebut bersifat optional, tetapi ada pembatasan dalam mengakses halaman tertentu jika seseorang tidak mengisikan form data yang diminta pihak admin, sehingga, kesannya secara sukarela pengguna akhirnya mengisikan data yang sensitif ke dalam form tersebut guna menambah akses ke halaman tertentu. Data-data ini oleh perusahaan dimanfaatkan untuk mengetahui psikologis pelanggan untuk manfaat bisnis melalui penawaran-penawaran produk yang sesuai dengan kepribadian pelanggan tersebut yang diketahui dari sekumpulan data personal yang diminta oleh admin tadi. Dalam hal ini, data mining sangat berpotensi menggerus privasi informasi personal baik secara “sukarela” maupun “terpaksa”.
7
III.
KESIMPULAN
Text Mining merupakan software yang sangat membantu pihak manajemen perusahaan dalam pengambilan keputusan karena text mining mampu menampilkan dokumen-dokumen secara terstruktur dan rapi menurut kategori atau kata kunci yang diinginkan oleh penggunanya. Dalam hal ketetapan capture isu-isu yang masuk juga dapat diidentifikasi oleh text mining sehingga ini sangat memudahkan manajemen melihat dan mengetahui isu-isu apa saja yang dominan terdapat dalam dokjumen yang diserap oleh text mining yang berasal dari komunikasi dengan pelanggan melalui email, media sosial, forum diskusi online, feedback dari pelanggan dan jenis-jenis komunikasi lainnya.
Referensi : Doug Henschen, “Wendy’s Taps Text Analytics to Mine Customer Feedback,” Information Week, March 23, 2010; David Stodder,” How Text Analytics Drive Customer Insight” Information Week, February 1, 2010; Nancy David Kho, “Customer Experience and Sentiment Analysis,” KMWorld, February 1, 2010; Siobhan Gorman, “Details of Einstein Cyber-Shield Disclosed by White House,” The Wall Street Journal, March 2, 2010; www.attensity.com, accessed June 16, 2010; and www.clarabridge.com, accessed June 17, 2010.
8
