RMK

TEKNOLOGI INFORMASI

BUSINESS INTELLIGENCE AND DECISION SUPPORT

DISUSUN

OLEH

MARLINA

LELY UTAMI SARI

ANDI RIVAN MUSYAFIR

PROGRAM PENDIDIKAN PROFESI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS HASANUDDIN

2014

1

KECERDASAN BISNIS DAN PENDUKUNG KEPUTUSAN

Bussines Intelligence disingkat BI, data mining, and DSSs digunakan untuk

meminimalisasi ketidakjelasan (kebalikan dari intelijen) dan dapat meningkatkan kecepatan,

keputusan lebih cerdas untuk setiap waktu yang real. Ketika manager dan pekerja memiliki

intelligence mereka perlu merespon dengan cepat dan tepat terhadap kesempatan, ancaman,

dan kesalahan, mereka dan perusahaannya secara signifikan mengungguli mereka yang tidak

menggunakan BI.

Alokasi Sumber Daya

Alokasi distribusi sumber daya tepat: distribusi optimal sumber daya pada tempat

tertentu pada waktu tertentu untuk mencapai tujuan tertentu.

Alokasi sumber daya tidak efektif : gejalanya yaitu waktu tunggu lama- dapat

mencegah pengiriman produk atau jasa ketika diperlukan. Pada akhirnya

mengecewakan pelanggan dan menurunkan pendapatan.

BI dapat meningkatkan alokasi sumber daya perusahaan dan profitabilitas dan

menunjukkan ROI secara jelas.

Mengapa perusahaan berinvestasi pada set aplikasi IT lain?

BI meningkatkan laporan yang ada dengan mengirimkan informasi tepat waktu

melalui dashboard, mashup, dan laporan untuk keryawan, manager, rekan dan pelanggan. BI

memanfaatkan sistem pelaporan yang ada dengan memberikan informasi real-time melalui

dashboard, mashup, dan laporan kepada karyawan, manajer, mitra, & pelanggan.

Dalam chapter ini dipelajari tentang perangkat untuk intelijen, prediksi, operasional

yang responsive, dan alokasi sumberdaya.bagaimana BI dan DSS mengumpulkan data dari

berbagaisumber data yang telah familiar seperti TPS, CRM, ERP, dan POS database,

selanjutnya dikumpulkan dan dianalisis menggunakan data mining dan model prdiktif. Sejak

alat-alat BI terbaru memberikan kemandirian tingkat tinggi mengurangi ketergantungan

manajer pada analis dan staf teknologi, setiap orang dapat mengharapkan untuk menjadi

pengguna alat ini ditangan selama karirnya

2

11.1 Kecerdasan Bisnis (Business Intelligence) untuk Profit dan Nonprofit

BI adalah sekumpulan sistem informasi dan tekhnologi yang mendukung pengambilan

keputusan manajer atau pengendalian operasional dengan menyiapkan informasi operasi

internal dan eksternal.

Sulit untuk memahami BI karena BI apps sistem yang tidak berdiri sendiri juga tidak

mendukung tujuan tertentu, seperti halnya manajemen rantai suplai (SCM) atau

manajemen hubungan pelanggan (CRM).

Perangkat visualisasi termasuk dashboard & Mashup adalah antarmuka pengguna

Yang membantu memahami nomor.

Kasus BI

WildTrack (wildtrack.org/), memonitor dan memverifikasi badak yang terancam

punah di Afrika.

United Way (unitedway.org /), memantau kampanye penggalangan dana dan

menghasilkan laporan yang dapat diandalkan.

Jamba Juice, (jambajuice.com/), memonitor pelanggan preferensi dan menangkap

data untuk cepat, handal P & L dan pelaporan keuangan.

Types of BI

Teknologi BI telah mengembangkan point dimana perusahaan yang menggunakan BI

untuk berbagai jenis pengguna. Ada dua jenis BI yaitu BI tradisional terdiri atas BI strategis

dan BI taktis, jenis kedua yaitu BI Operasional. Kebanyakan perusahaan menggunakan BI

tradisional pengambilan keputusan strategis dan taktis dimana siklus pengambilan

keputusannya berjangka waktu beberapa minggu atau bulan. BI operasional relative baru dan

dan dapat diimplementasikan dengan beberapa cara. Cara pertama dengan meningkatkan

responsif data warehouse tradisional dan pemrosesan BI. Dara lainnya yaitu dengan

menerapkan BI secara langsung pada proses operasional. Pendekatan ini biasanya digunakan

secara bersamaan.

3

Table 11.1 Strategi, Taktis, dan Operasional BI: Fokus Bisnis dan Pengguna

Strategi BI Taktik BI Operasional BI

Fokus bisnis

utama

untuk mencapai

tujuan dan sasaran

perusahaan jangka

panjang

untuk

menganalisis data:

memberikan

peringatan dan

laporan mengenai

pencapaian tujuan

perusahaan

Untuk mengelola

operasional dari

hari ke hari

Pengguna utama Eksekutif, analis Eksekutif, analis,

lini manager

bisnis

Lini manager

bisnis

Ttindakan tindakan adalah

mekanisme umpan

balik untuk

menelusuri dan

memahami

bagaimana strategi

ini mengalami

kemajuan dan

penyesuaian apa

yang perlu dibuat

untuk sebuah

rencana

tindakan adalah

mekanisme umpan

balik untuk

menelusuri dan

memahami

bagaimana strategi

ini mengalami

kemajuan dan

penyesuaian apa

yang perlu dibuat

untuk sebuah

rencana

tindakan yang

individual

sehingga setiap

lini manajer

mendapat

wawasan tentang

kinerja proses

bisnis nya

Kerangka waktu bulanan, kuartalan,

tahunan

harian, mingguan,

bulanan

segera, intraday

Tipe data

pengguna

historis, prediksi historis, model

prediksi

real time atau

mendekati real

time

4

Bagaimana mengenali kebutuhan BI

Persaingan dan versi konflik terhadap kebenaran

Laporan yang tidak dapat dipercaya

Tidak dapat melakukan analisis mendalam

Tidak dapat menemukan data penting

Kebutuhan teknologi pelaporan produksi yang sederhana untuk digunakan

Keterlambatan dan kesulitan mengkonsolidasikan data

Tidak bisa mematuhi pemerintah dan mandat peraturan pelaporan

Bila data yang tidak terintegrasi ke dalam sistem pelaporan terpadu, tidak ada tampilan

real-time terpercaya. Ketika perusahaan sampai pada poin dimana merka tidak dapat

menghasilkan analisis menggunakan kertas kerja, mereka akan bermigrasi pada perangkat BI

yang lebih kuat/ampuh.

Case Bisnis untuk BI

Sebuah case bisnis diperlukan untuk mendokumenkan inisiatif dan menggerakkannya

melewati persetujuan dan proses pendanaan. Tiga kunci tujuan bisnis yaitu

1. Menurunkan total cost of ownership (TCO)

2. Memungkinkan pelaku bisnis untuk menganalisis informasi lebih baik dari pada

mengumpulkan dan menyesuaikan data.

3. Meningkatkan konsistensi dan kepercayaan dalam informasi dan analisis.

Menghilangkan Blindspot

Blindspot adalah area dimana manajer gagal dalam memperhatikan atau mengerti

informasi penting dan sebagai hasilnya manajer mempuat keputusan buruk atau tidak

melakukan tindakan pada saat dibutuhkan.

Mengintegrasikan Data Silo

Data-data silos, data tidak terstandar, dan system informasi berbeda menghasilkan

sebuah penyatuan pandangan mengenai pelanggan individu yang mustahil.

5

Gambaran Komponen dan Fungsi Dasar BI

Kapabilitas BI tergantunng dari integrasi beberapa system IT seperti BI incorporating

data warehouse, data mining, online analytical prosessing (OLAP), dashboards, penggunaan

Web, dan peningkatannya serta social media. Keharusan lainnya adalah jaringan wired dan

wireless broadband. Komponen BI lainnya adalah :

Search

Perangkat data visualisasi

Scorecard dan kinerja manajemen

Fungsi dasar BI adalah pencarian (query), pelaporan dan analisis.

Mengintegrasikan penyimpanan data berbeda

Masalah yang terjadi karena perbedaan system informasi :

Informasi diperoleh dalam waktu lama

Memperoleh data dari level detail yang salah, terlalu detil atau terlalu ringkas

Memproleh terlalu banyak data yang tidak terarah

Tidak dapat dikoordinasikan dengan departemen lain dalam perusahaan

Tidak dapat membagikan data secara tepat waktu

BI mengintegrasikan berbagai system informasi sehingga menjadi solusi dari berbagai

masalah data.

Anilisis Prediktif

Analisis prediktif adalah Cabang data mining yang berfokus pada kecenderungan

peramalan (misalnya, analisis regresi) dan memperkirakan probabilitas kejadian di masa

depan. Top 5 tekanan bisnis yang mendorong adopsi analisis prediktif.

Meningkatkan loyalitas dan kepuasan pelanggan.

Meningkatkan pertumbuhan strategis

Menghilangkan proses yang tidak efisien

Mengidentifikasi dan merespon situasi yang merugikan sebelum

mempengaruhi kinerja.

Alokasi sumber daya yang optimal

6

Event-Driven Alerts

Event-driven alerts adalah peringatan event yang real-time atau peringatan yang

disiarkan ketika peristiwa yang telah ditetapkan, atau peristiwa yang tidak biasa terjadi

Figure 11.6 (pada buku hal 331) menunjukkan tempat pemrosesan ketika peristiwa

luar biasa terjadi. Misalnya Untuk perusahaan kartu kredit, hasil yang tiba-tiba pelanggan dari

seluruh saldo mungkin memicu aturan bisnis yang menciptakan peringatan karena

imbalannya bisa menjadi sinyal bahwa pelanggan berencana untuk membatalkan kartu.

Misalnya, Mungkin ada intervensi, seperti tawaran bunga rendah, untuk mengurangi

kehilangan pelanggan.

11.2 Arsitektur BI, Analisis, Pelaporan, dan Visualisasi Data

Tujuan BI adalah untuk memperoleh wawasan dari data dengan tujuan mengambil tindakan.

IT at Work 11.2

BI Menyelamatkan Nyawa Prajurit Wounded dari Battlefield ke Pengobatan

Ketika tentara terluka dalam pertempuran, militer harus dapat dengan cepat mendiagnosa

kondisi mereka dan menyediakan transportasi medis. TRAC2ES trek & koordinat informasi

pasien di seluruh jaringan di seluruh dunia militer AS dari fasilitas kesehatan. Figure 11.9.

Sekilas arsitektur BI dari TRAC2ES untuk menghitung metode transportasi terbaik & pusat

medis yang paling tepat untuk pengobatan .

Business Performance Management (BPM)

BPM mensyaratkan bahwa manajer memiliki metode untuk dengan cepat dan mudah

menentukan seberapa baik organisasi adalah mencapai tujuan dan sasaran, serta apakah

organisasi sejalan dengan arah strategis. BPM bergantung pada analisis BI pelaporan, query,

dashboard, dan scorecard. Figure 11.11. BPM untuk memantau dan menilai kinerja.

11.3 Data, Teks, and Web Mining

Data mining adalah proses yang menggunakan statistik, matematika, kecerdasan

buatan, dan mesin- teknik belajar untuk mengekstrak dan mengidentifikasi informasi

yang berguna dari database yang besar.

Teks mining dari dokumen, e-komunikasi, dan aktivitas e-commerce dapat

ditemukan. Teks perlu dikodifikasi, biasanya dengan XML (eXtensible Markup

7

Language), dan diekstraksi sehingga alat data mining prediktif dapat digunakan untuk

menghasilkan nilai riil.

Web mining atau pertambangan Web-konten, digunakan untuk memahami perilaku

pelanggan, mengevaluasi efektivitas sebuah situs Web, dan mengukur keberhasilan

kampanye pemasaran.

Aplikasi Data Mining

Ritel dan penjualan. Memprediksi penjualan, menentukan tingkat persediaan yang

tepat dan jadwal distribusi antara outlet, dan pencegahan kerugian.

Perbankan. Kredit macet dan penggunaan kartu kredit palsu dan yang jenis

pelanggan terbaik akan merespon penawaran pinjaman baru.

Manufaktur dan Produksi. Memprediksi kegagalan mesin, menemukan faktor-

faktor kunci yang mengontrol optimasi kapasitas manufaktur.

Kesehatan. Mengembangkan wawasan yang lebih baik tentang gejala dan

penyebabnya dan bagaimana memberikan perawatan yang tepat.

Broadcasting. Memprediksi program mana yang terbaik selama waktu tertentu.

Pemasaran. Klasifikasi demografi pelanggan yang dapat digunakan untuk

memprediksi pelanggan akan merespon surat atau Internet, spanduk atau membeli

produk tertentu.

11.4 Proses Pengambilan Keputusan

Untuk menghargai bagaimana dan mengapa ISs dirancang untuk mendukung manajer,

perlu dipahami apa yang manajer inginkan. Peran manajer dapat dimasukkan ke dalam tiga

kategori berdasarkan pada Mintzberg (1973) :

- Peran Interpersonal : Pemimpin, penghubung, atau pelatih

- Peran Informational : Monitor, penyebar , atau juru bicara

- Peran decisional : Pengusaha, pemecah masalah, pengalokasi sumber daya, atau

negosiator

8

ISs dini terutama didukung peran informasi karena mereka peran yang paling mudah

untuk mendukung. Dengan diperkenalkannya ISs dalam organisasi, manajer akan menerima

avalanche data tentang isu-isu dan masalah, yang menyebabkan informasi overload.

Proses Pengambilan Keputusan dan Sistem Pendukung Keputusan

Para pembuat keputusan melalui empat fase sistematis:

- Kecerdasan

- Desain

- Pilihan

- Pelaksanaan.

Proses pengambilan keputusan dimulai dengan fase kecerdasan, dimana manajer

memeriksa situasi, kemudian mengidentifikasi dan mendefinisikan masalah. Pada tahap

desain, pengambil keputusan membangun model yang mewakili dan menyederhanakan

masalah atau peluang. Hal ini dilakukan dengan membuat asumsi dan mengekspresikan

hubungan diantara semua variabel. Kemudian model divalidasi, dan pengambil keputusan

menetapkan kriteria untuk evaluasi potensi solusi alternatif yang diidentifikasi. Proses ini

diulang untuk setiap sub (keputusan dalam situasi yang kompleks). Output dari masing-

masing sub keputusan merupakan masukan bagi keputusan utama. Fase pilihan melibatkan

memilih solusi, yang diuji "di atas kertas". Sekali solusi yang diusulkan ini tampaknya layak,

maka siap untuk lanjut ke tahap terakhir, implementasi. Hasil implementasi sukses dalam

menyelesaikan masalah asli atau kesempatan. kegagalan mengarah ke kembali ke tahap

sebelumnya. DDS mengotomatiskan beberapa tugas dalam proses. Keberhasilan dalam

implementasi akan menyelesaikan masalah atau kesempatan. kegagalan mengarah ke kembali

ke tahap sebelumnya. DDS mengotomatiskan beberapa tugas dalam proses.

Kerangka Kerja Untuk Analisis Keputusan

1. Keputusan terstruktur melibatkan masalah rutin dan berulang-ulang dengan standar

solusi yang ada.

2. Keputusan terstruktur melibatkan banyak ketidakpastian, yang berarti bahwa tidak ada

keputusan definitif atau solusi yang jelas.

3. Keputusan semiterstruktur jatuh antara posisi kutub. Sebagian besar dari apa yang

dianggap menjadi sistem pendukung keputusan benar terfokus pada keputusan

semiterstruktur.

9

11.5 Decision Support Systems (DSS)

DSS adalah sebuah kelas dari Iss yang menggabungkan model dan data untuk

menyelesaikan masalah semistruktur dan tidak terstrukstur dengan keterlibatan pengguna.

DSS itu interaktif, flexibel, dan dapat beradaptasi serta mendukung penyelesaian masalah

tidak terstruktur dan semiterstruktur. DSS memiliki antarmuka yang mudah digunakan, dan

memungkinkan untuk wawasan pembuat keputusan sendiri. Model yang digunakan dalam

DSSs memungkinkan analisis sensitivitas. Yaitu studi tentang dampak bahwa perubahan

dalam satu atau lebih bagian dari model terhadap bagian lain atau hasilnya.

Komponen dasar dari DSS adalah database, model base, user interface, dan pengguna.

Figure 11.15 menggambarkan model konseptual DSSs dan komponennya. Subsistem–

subsistem sistem pendukung keputusan terdiri dari 4 yaitu subsistem manajemen data,

subsistem manajemen model, subsistem manajemen pengetahuan dan subsistem antar muka

pengguna.

Komponen Sistem Pengambilan Keputusan

1. Subsistem Manajemen Data (Data Management Subsystem), meliputi basis data –

basis data yang berisi data yang relevan dengan keadaan dan dikelola software yang

disebut DBMS (Database Management System).

2. Subsistem Manajemen Model (Model Management Subsystem), berupa sebuah paket

software yang berisi model-model finansial, statistik, management science, atau

model kwantitatif, yang menyediakan kemampuan analisa dan software management

yang sesuai.

3. Subsistem Manajemen Pengetahuan (Knowledge Management Subsystem),

merupakan subsistem (optional) yang dapat mendukung subsistem lain atau berlaku

sebagai komponen yang berdiri sendiri (independent).

4. Subsistem Antarmuka Pengguna (User Interface Subsystem), merupakan subsistem

yang dapat dipakai oleh user untuk berkomunikasi dan memberi perintah

(menyediakan user interface).

5. Pengguna (user), termasuk di dalamnya adalah pengguna (user), manager, dan

pengambil keputusan.

10

11.6 Mobile Intelligence: Convergence of Mobile Computing and BI

Figure 11.16 menunjukkan lima generasi komputerisasi dari 1960an sampai 2010an.

Sejak tahun 1960, sudah ada empat siklus utama komputasi: mainframe, mini komputer,

komputasi personal, dan komputer desktop. Mobile computing, siklus teknologi 5th,

diperkirakan memiliki dampak yang jauh lebih besar dan adopsi dari salah satu siklus

sebelumnya. mobile Intelejen adalah 400 Kali Lebih Kuat dari Desktop Internet Intelejen

Menurut Morgan Stanley Global Mobile Internet Report, komputasi mobile mungkin

yang paling cepat berkembang dan peluncuran teknologi yang paling mengganggu yang

pernah kita lihat. Karena berikut

skala adopsi : adopsi global nirkabel 4,1 miliar langganan, dibandingkan dengan 1,6

miliar pengguna internet

mempercepat tingkat adopsi

pengaruh teknologi baru yang kuat

model penggunaan baru bahwa konsumen dan perusahaan yang antusias mengadopsi

Mendefinisikan ulang fungsi hardware

Fungsi hardware sedang didefinisikan ulang . Misalnya, smartphone menjadi PC. PC

menjadi server, server menjadi clouud, dan cloud adalah sumber aplikasi baru. Smartphone

Anda dapat mengambil lebih banyak fungsi yang digunakan untuk melakukan pada desktop

atau laptop, dan Anda mungkin akan back up konten dari smartphone ke laptop atau

menjatuhkannya ke cloud tersebut. Cloud adalah infrastruktur untuk generasi baru dari web

dan aplikasi mobile.

Insentif penjual

Penjual memiliki insentif besar untuk mengembangkan aplikasi bisnis ponsel.

Ekosistem Apple terdiri dari perangkat iPhone dan iTouch, itunes mudah untuk menggunakan

sistem pembayaran / distribusi, dan App Store sebuah pengembang ramah lingkungan untuk

aplikasi baru dalam menciptakan siklus insentif untuk lebih dan lebih baik dalam penggunaan

internet di ponsel. Mengharapkan untuk melihat perubahan segala sesuatunya di ponsel,

jejaring sosial, musik, video, game, buku, perdagangan, pemesanan, dan aplikasi berbasis

lokasi GPS

11

Komunikasi Pemersatu di Cloud

Perangkat mobile yang kuat menggunakan infrastruktur berbasis IP, seperti jaringan

4G, dikombinasikan dengan perangkat lunak yang mudah digunakan yang

menyatukan komunikasi

Smartphone dan internet lainnya memungkinkan perangkat ponsel mengubah cara

orang tetap terinformasi, berkomunikasi, dan secara umum mengatur kehidupan

profesional dan pribadi mereka

Mengakses informasi setiap saat, di setiap lokasi, pada perangkat genggam secara

teratur telah mengubah cara manajer dan pekerja dalam membuat keputusan

Kecerdasan Ponsel (Mobile Intelligence)

MI diposisikan untuk mengubah bagaimana organisasi menyampaikan, konsumsi, dan

bertindak berdasarkan informasi. Tanpa akses 24x7 yang mudah ke informasi bisnis,

keputusan dan tindakan bisa ditunda sehingga menyebabkan kemacetan dan penundaan . Ini

pembatasan dan penundaan yang terpesona dengan MI, yang memungkinkan analisis dan

pengambilan keputusan di mana pun keputusan diperlukan.

Konsep yang berkaitan dengan MI:

1. Keputusan sweet spot. Tempat ini adalah lokasi, seperti kereta api komuter, gang di

toko, jalur di pabrik, atau lantai ritel. Orang-orang bisnis harus mampu untuk

membuat data driven keputusan di sweet spot, daripada melakukan penundaan karena

kurangnya informasi atau kemampuan analisis.

2. Jendela keputusan dalam kesempatan. Jendela ini ada ketika pilihan atau tindakan

yang dapat dilakukan untuk memaksimalkan dampak. Semakin lama waktu yang

dibutuhkan seseorang untuk mendapatkan informasi dan benar-benar mengevaluasi

situasi, semakin besar kesempatan yang hilang. Dan penundaan menyebabkan risiko

kehilangan akan penjualan atau pelanggan.

12