MEMBAHAS BUSINESS INTELLIGENCE: DEFINISI, TREN, DAN TIPS IMPLEMENTASI
Business Intelligence atau BI adalah proses, teknologi, dan aplikasi yang umumnya digunakan untuk melakukan analisis data terstruktur (structured data) yang ada di internal perusahaan.
Pengertian luas BI menurut Forrester adalah satu set metodologi, proses, arsitektur, dan teknologi yang mengubah data mentah menjadi informasi yang berguna, untuk membantu pengambilan keputusan. Namun praktisnya BI adalah report, analytics, dan dashboard.
Seringkali aplikasi BI digunakan sebagai front end dari data warehouse (DWH), sebagai alat visualisasi dari DWH. Ini membuat banyak orang beranggapan bahwa BI sangat bergantung pada DWH. Namun kenyataannya, DWH tidak menjadi satu-satunya sumber data BI, dan tidak semua DWH dibangun untuk BI.
BI menjadi sebuah proses dan evolusi untuk setiap perusahaan. BI membuat pengambilan keputusan perusahaan menjadi lebih efektif, bukan hanya menggunakan asumsi tapi juga berdasarkan data dan fakta. Siklusnya mulai dari pengumpulan data, konsolidasi menjadi informasi, analisis terhadap data untuk mendapatkan pemahaman yang lebih mendalam lalu menyusun strategi, baru kemudian melaksanakannya (take action). Iterasi proses inilah yang dapat membuat perusahaan menjadi lebih efektif dalam setiap pengambilan keputusannya.
Hal yang umum bagi perusahaan untuk membangun BI hanya menjadi pajangan karena tidak acceptable untuk perusahaan. Strategi BI harus dapat memastikan bahwa tujuan perusahaan, strategi bisnis, investasi, dan BI itu sendiri selaras satu sama lain. Perusahaan yang berhasil menyatukan BI dengan seluruh objektif perusahaan akan menjadi perusahaan yang cerdas.
Secara umum, keuntungan mengimplementasikan BI adalah:
- meningkatkan kualitas dan mempercepat proses pengambilan keputusan.
- mengoptimalkan proses bisnis internal
- meningkatkan efisiensi operasional
- mengendalikan/mendorong pendapatan baru.
- memberikan competitive advantages.
- mengidentifikasi tren pasar.
- membantu menemukan permasalahan pada bisnis untuk ditangani.
Tips Implementasi BI
1. Pertimbangkan mengenai design
Report/dashboard yang rumit, terlalu banyak chart, atau diagram dapat membingungkan dan tidak akan disukai oleh pengguna BI. Dalam kasus ini, hindari penggunaan grafik yang berlebihan atau kesalahan memilih tipe chart untuk data Anda. Penggunaan chart sebaiknya disertai dengan navigasi summary-to-detail sehingga user tidak perlu meninggalkan halaman untuk melanjutkan analisis yang mereka lihat. Banyak aturan untuk merancang dashboard tapi kuncinya adalah membiarkan dashboard bercerita.
Jika kolega/manajer/bawahan Anda langsung mengerti maksud dari dashboard Anda tanpa perlu dijelaskan, artinya Anda sudah berhasil!
2. Manfaatkan fitur in-memory processing (jika ada)
In-memory processing memberikan keuntungan berupa kecepatan dalam mengakses data serta mengurangi response time untuk melakukan query sehingga meningkatkan end user experience. Penggunaan in memory processing mempercepat pemrosesan data dan membuat pengambilan keputusan menjadi lebih cepat dan lebih proaktif. Jika fitur ini belum tersedia, lakukan pengoptimalan arsitektur dan hardware BI. Bayangkan, dalam sebuah rapat, Anda harus menunggu lama untuk menunjukkan sebuah report dari BI. Hal ini akan menyebabkan audience kehilangan momen bahkan mood untuk melanjutkan rapat tersebut.
3. Mekanisme delivery
Memperbolehkan user untuk memilih report yang dibutuhkan untuk dikirimkan secara berkala melalui e-mail sehingga mereka tidak perlu masuk ke dalam aplikasi setiap harinya. Report yang dikirimkan dapat berupa file PDF atau spreadsheet. Fitur mekanisme delivery yang ada di BI tools ini sangat berguna dan memudahkan user mendapatkan data.
4. Provide context
Manfaatkan fitur komentar yang ada pada BI. Fitur komentar pada dashboard/report dapat menjadi salah satu alat komunikasi yang membantu tim analisis atau manajemen untuk menjelaskan fenomena yang ada pada data tersebut.
Jangan merencanakan implementasi secara big bang. Terbukti, dalam membangun BI, implementasi yang berulang bekerja lebih baik. “Think big, start small, and deliver value” dan jangan lupa, dokumentasi! Tip di atas cukup menjadi dasar implementasi BI. Tip berikutnya adalah nice to have.
5. Go Mobile
Makin majunya teknologi mobile device memberikan kenyamanan pengguna untuk mengakses datanya melalui mobile device-nya. Kebanyakan vendor BI sudah menyediakan fitur ini, tinggal pemanfaatannya saja yang harus dioptimalkan. Untuk tim marketing dan sales yang kemungkinan lebih banyak berada di lapangan ketimbang di dalam kantor, fitur mobile yang ada akan sangat bermanfaat untuk mereka. Tim sales dan marketing dapat mengakses datanya melalui smartphone-nya sehingga mempermudah pengambilan keputusan mereka di lapangan.
6. Kembangkan report dengan menggunakan data third-party
Report yang diintegrasikan dengan data dari cloud seperti data CRM dari salesforce dapat memberikan pemahaman baru. Jika perusahaan Anda sudah go public dan concern mengenai nilai saham perusahaan, dashboard dapat ditambahkan juga data dari bursa saham untuk mendapatkan insight yang lebih tajam.
7. Menambahkan unstructured/semistructured data
Mengungkap pemahaman yang tak terduga adalah harta bagi data analyst. Unstructured/semistructured data seperti data social media dapat dijadikan sumber untuk memberikan insight baru. Data socmed dapat membantu perusahaan memposisikan dirinya secara langsung di antara konsumennya, mendapatkan informasi tren terkini untuk pengembangan produk, melakukan delivery produk, selain juga mendapatkan feedback hasil kampanye tim marketing.
Yang Perlu Diperhatikan Sebelum Implementasi BI
Sebelum mengimplementasi BI, ada beberapa hal yang perlu diperhatikan. Menurut Kimball, tiga area penting yang perlu dinilai dalam perusahaan/organisasi sebelum melakukan proyek BI adalah:
- Komitmen dan dukungan terhadap proyek BI dari senior management. BI cukup sulit diimplementasikan tanpa ada dukungan dari manajemen. Ini karena untuk mendapatkan kualitas report yang baik diperlukan interaksi dan feedback dari setiap department yang terlibat, di tengah-tengah kesibukan yang sedang mereka hadapi. Support manajemen sangat dibutuhkan dalam hal ini untuk memberikan kelancaran dalam proses analisis, pengumpulan informasi, serta memberikan keluangan waktu pada bawahannya untuk ikut berkontribusi dalam pembangunan BI.
- Tingkat kebutuhan bisnis untuk mengimplementasikan BI. Sejauh apa kualitas report yang dibutuhkan oleh bisnis untuk diolah oleh BI. Mengingat banyak hal yang dapat dilakukan oleh BI, terkadang keinginan user bertumpang tindih (overlap) dengan kebutuhannya. Untuk menghindari hal ini, sebaiknya dilakukan analisis kebutuhan sebelum memulai implementasi BI.
- Ketersediaan serta kualitas data yang ada. Sumber data yang tersebar, beragam, serta kualitas datanya tersebut akan sangat berpengaruh terhadap waktu pembangunan maupun alokasi resource untuk membangun BI. Ini harus diidentifikasi sejak dini untuk mencegah pembangunan BI yang berlarut-larut.
Tren BI
Kapabilitas yang dimiliki oleh vendor BI cukup beragam, banyak yang menyediakan fitur baru namun masih ada bug di dalamnya, ada juga yang terus menyempurnakan fitur utamanya namun kurang up-to-date dengan teknologi terkini. Jadi sebelum memilih vendor BI apa yang akan digunakan perusahaan, ada gunanya juga untuk mengetahui tren yang sedang berkembang di dunia BI.
Predictive Analytic
Tradisional analytic tools memberikan pemahaman/insight terhadap historical data sedangkan predictive analytic tools memberikan pandangan di masa depan mengenai peluang maupun ancaman yang akan datang. Dengan menggunakan rules, Anda dapat membangun model prediksi yang diinginkan. Namun untuk membangun predictive model ini, Anda juga membutuhkan pemahaman dasar atau bantuan dari ahli ilmu statistik. Dengan predictive model yang baik, perusahaan/organisasi Anda akan sangat terbantu dalam pengambilan keputusan.
Contohnya, predictive analytic tools dapat membantu perusahaan Anda memperkirakan marketing campaign mana yang paling efektif dilakukan berdasarkan data demografik pelanggan (seperti jenis kelamin, lokasi pelanggan maupun pendapatannya), statistik pembelian barang berdasarkan waktu (penjualan pada bulan Juni akan meningkat sekitar empat puluh persen dari kondisi normal sehingga belanja bahan harus sudah dipersiapkan sebelumnya) maupun model perkiraan lainnya. Dari contoh yang diberikan, tentunya perusahaan akan sangat terbantu dalam pengambilan keputusan bisnisnya.
In-Memory Processing
Berdasarkan hukum Moore, seiring berjalannya waktu, kapasitas hardware (dalam hal ini RAM) akan meningkat dan harga akan makin murah. Pengolahan data pada memori (RAM) menjadi sejuta kali lebih cepat dan fleksibel dibandingkan melalui disk. Ketimbang membaca data (cubes maupun tabel database) melalui disk, data dimasukkan ke dalam RAM dan proses analisis akan jauh lebih cepat dilakukan. User tidak perlu menunggu proses ulang data dan memasukkan ke dalam DWH/Cube. Mereka dapat membuat ad hoc queries untuk mengambil keputusan bisnis dengan cepat dan tepat. Banyak vendor BI yang sudah menawarkan solusi jenis ini seperti Tableau, QlikTech, SAP, dan lainnya.
Software as a Services (SaaS)
Seperti tren yang berlangsung pada software lainnya, vendor BI juga banyak yang menawarkan layanan SaaS untuk menjadi solusi BI. Solusi SaaS cenderung lebih murah, high availability dan hampir tidak membutuhkan maintenance sehingga memudahkan perusahaan mengimplementasikan BI. Namun, banyak juga yang mempertimbangkan confidentiality data perusahaan sehingga lebih memilih untuk mengimplementasikan BI On-Premise.
Beberapa pengembang BI dengan SaaS yaitu Tableau, Jaspersoft, MicroStrategy dan PivotLink sudah memimpin layanan ini, sedangkan vendor veteran seperti Oracle, SAP, IBM dan SAS mulai mengikuti.
Big Data
Idenya adalah modern data sets menjadi sangat besar dan berat untuk diolah oleh database dan software konvensional. eBay contohnya, memiliki 200 juta data item yang dikelompokkan ke dalam 50 ribu kategori, yang dibeli dan dijual oleh 100 juta pelanggan yang terdaftar. Semua data ini kurang lebih memakan tempat sebanyak sembilan petabytes data. Raksasa internet lainnya seperti Google bisa mengolah sampai 24 petabytes data per hari, dan banyak lainnya. Data sejumlah itu terlalu besar untuk diolah dalam conventional database. Berdasarkan kebutuhan ini, solusi Big Data menjadi jawabannya. Banyak vendor BI yang sudah melakukan riset dan membangun teknologi ini.