BUSINESS ANALYTICS DAN PENERAPANNYA PADA DUNIA KERJA
Ilustrasi business analytics.
Mungkin banyak pembaca yang belum memahami perbedaan antara business analytics (BA) dan business analyst. Business analyst adalah profesi, sedangkan business analytics mengacu kepada teknologi, skill set, dan metodologi yang diterapkan di bisnis untuk mendapatkan insight dalam membantu pengambilan keputusan.
Pada penerapannya, BA mencakup business intelligence (BI) dan predictive analytics.
Business intelligence seperti yang sudah dibahas sebelumnya mencakup querying, reporting, online analytical processing (OLAP), serta alert system. Sementara itu, predictive analytics mencakup di dalamnya antara lain predictive modelling serta machine learning.
BI adalah solusi untuk menjawab pertanyaan:
- Apa yang sudah terjadi?
- Berapa kali terjadi?
- Seberapa sering terjadi?
- Di mana masalahnya?
Pertanyaan-pertanyaan itu mendorong keputusan yang harus diambil berdasarkan fakta yang sudah terjadi.
Iterasi penerapan business intelligence (BI).
Sementara predictive analytics digunakan untuk menjawab pertanyaan:
- Apa yang akan terjadi?
- Kapan akan terjadi?
- Kenapa akan terjadi?
Pertanyaan-pertanyaan ini kemudian mendorong keputusan pencegahan (preventive action) atau untuk mendapatkan keuntungan dari prediksi tersebut.
Predictive Analytics
Pendekatan maupun teknik untuk menerapkan predictive analytics dapat dibagi ke dalam dua kelompok besar, yaitu teknik regresi maupun machine learning.
Teknik regresi berfokus pada penerapan persamaan matematika sebagai model untuk merepresentasikan interaksi antar-variabel, contohnya yaitu seberapa tinggi kaitan antara timbulnya hujan dengan kelembapan udara, makin tinggi kelembapan, makin tinggi pula kemungkinan akan datangnya hujan.
Sementara itu, machine learning adalah cabang dari kecerdasan buatan (artificial intelligence). Tujuannya yaitu memerintahkan komputer untuk belajar dan berkembang. Dengan mempelajari pola-pola tertentu, diharapkan komputer dapat mengenali kejadian yang umumnya akan terjadi, misalnya tiap kejadian credit card fraud terjadi pada transaksi online dengan alamat transaksi luar negeri.
Contoh penggunaan predictive analytics pada bisnis.
1.Marketing campaign
- Memberikan campaign yang efektif terhadap banyaknya customer mereka (memberikan promosi yang relevan dengan kebutuhan customer tertentu)
- Mitigasi kehilangan customer dengan memberikan penawaran produk yang sesuai dengan kebutuhan customer.
2.Clinical decision support systems
- Mendapatkan prediksi potensi penyakit yang mungkin akan timbul pada pasien.
3.Fraud detection
- Mengidentifikasi potensi terjadinya fraud (penipuan) (penggelapan pajak, penggelapan laporan penjualan, dan banyak lagi)
- Identifikasi kandidat dengan potensi penipuan tertinggi untuk selanjutnya ditindak, seperti diaudit atau disidak.
Prescriptive Analytics
BA adalah kombinasi keduanya. Lebih luas lagi, BA mampu memberikan gambaran dampaknya dari action yang akan diambil (prescriptive analytics).
Tantangannya adalah mendapatkan kualitas data yang baik untuk mendapatkan hasil analytics yang akurat. Business analytics bergantung pada banyaknya sumber dan jumlah data. Namun untuk mendapatkan kualitas data yang baik dari multiple source (banyak sumber) sangatlah sulit. Bahkan untuk menjaga integrasinya saja, effort yang dibutuhkan sangatlah berat dan costly (dalam hal ini yaitu penerapan data warehouse atau Big Data).
Dengan menerapkan analytics, bisnis dapat mengoptimalkan capability dan meningkatkan kemampuan bersaingnya. Karakteristik dari bisnis yang seperti ini yaitu:
1. Executive-nya mendukung pengambilan keputusan berdasarkan fakta/data, khususnya analytics.
Kesadaran dan dukungan dari executive level (direktur) dalam menerapkan analytics sangat penting. Umumnya pegawai enggan menambah jobdesk-nya yang sudah padat untuk menerapkan analytics. Ini karena selain time consuming, juga diperlukan usaha untuk mempelajari hal baru, yaitu analytic tools itu sendiri.
Namun pengambilan keputusan bisnis akan lebih akurat jika didasarkan pada fakta dan data yang bisa didapatkan menggunakan analytics. Di sinilah salah satu peran executive untuk meng-endorse penerapan analytics pada bisnisnya.
2. Meluasnya penggunaan analytics, tidak hanya dengan descriptive analytics (dalam hal ini penggunaan BI tools) namun juga predictive modeling serta proses optimasi yang lebih kompleks.
Descriptive analytics erat kaitannya dengan business intelligence. BI tools umumnya berfungsi untuk mengolah historical data, yaitu data transaksi yang sudah terjadi dan disimpan dalam data mart/datawarehouse. Sementara business analytics mencakup juga predictive analytics (yaitu prediksi hal yang akan terjadi) dan prescriptive analytics (yaitu dampaknya setelah pengambilan keputusan berdasarkan prediksi tadi).
Diagram alur prescriptive analytics.
Sumber data untuk prescriptive analytics dapat berasal dari sumber internal, yaitu data perusahaan; juga eksternal, yang dikenal sebagai data environment (lingkungan sekitar–seperti data kompetitor, data media sosial, data indeks, maupun data lainnya).
3. Meluasnya pengguna analytics di setiap fungsi dan proses bisnis.
Jadi tidak hanya divisi marketing yang menggunakan analytics, namun divisi lain ikut memanfaatkannya.
4. Pergerakan untuk mengelola analytic tools ke skala enterprise.
Kesadaran perusahaan untuk menerapkan, mengelola, dan mengontrol analytics system yang ada.
Penulis: Ahmad Abdul Matin (Business Intelligence Consultant, PT Prosia)
