Peran Penting Data dalam Perusahaan Modern

Data mulai menempati tempat yang lebih penting di dalam perusahaan. Di era informasi seperti sekarang ini, data juga memberikan pengaruh pada valuasi dan reputasi perusahaan. Keputusan bagaimana perusahaan menggunakan data bisa memberikan dampak pada keberhasilan perusahaan modern, seperti pada citra perusahaan, persepsi publik, pesaing dan juga regulator.

Untuk itu sebelum benar-benar mengoptimalkan data yang ada melalui saluran-saluran yang ada seperti IoT, media sosial dan lainnya, perusahaan sudah lebih menghargai penggunaan data. Penyalahgunaan data akhirnya bisa berdampak buruk bagi perusahaan.

Di perusahaan modern, goodwill merupakan komponen penting dalam tiap valuasi perusahaan. Goodwill sebagai bentuk aset tidak berwujud terdiri dari unsur-unsur subjektif seperti reputasi, nilai brand perusahaan, daftar pelanggan dan interaksi positif dengan pelanggan. Untuk itu perlu dilakukan kontrol goodwill yang baik, terlebih di era media sosial yang merupakan salah satu corong informasi untuk rujukan banyak orang. Harus ada perhatian khusus untuk hal yang satu ini.

Selanjutnya yang perlu diperhatikan adalah bagaimana melindungi dan menghargai data. Tentang bagaimana mengantisipasi adanya kebocoran data, pelanggan data, dan beberapa masalah legalitas data yang dimiliki perusahaan. Selain bisa berurusan dengan hukum, kejadian ini juga berimbas pada persaingan bisnis. Pelanggan bisa dengan mudah berbelok ke pesaing karena dinilai lebih aman dan tepercaya.

Data yang datang membanjiri perusahaan melalui beberapa kanal tentu tidak semua merupakan data-data publik, beberapa di antaranya mungkin ada data pribadi yang hanya boleh digunakan oleh perusahaan untuk urusan tertentu. Kesepakatan-kesepakatan inilah yang harus dijelaskan di awal bagi pelanggan-pelanggan. Perusahaan harus terbuka tentang data apa dan apa yang akan diperbuat dengan data tersebut.

Memahami tentang nilai-nilai dalam sebuah data memang suatu hal penting. Tetapi isu-isu legalitas, privasi dan keamanan data seharusnya bisa ditempatkan di urutan pertama. Sebelum berinvestasi lebih ke soal analisis data isu-isu tersebut justru harus didahulukan karena tergolong isu-isu krusial. Seharusnya sebelum berfokus pada hal-hal teknis, permasalahan prosedural, proses dan legalitas harus menjadi prioritas.

—

Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

Perubahan-Perubahan untuk Menjaga Kualitas Data

Memanfaatkan data tidak hanya sebatas mengambil peluang, tetapi juga melakukan perubahan. Menyiapkan semua hal terkait data untuk mengantisipasi fleksibilitas perubahan adalah hal penting. Mulai dari perangkat lunak sampai dengan sumber daya manusia harus bisa mengantisipasi perubahan data.

Di era arus informasi yang semakin deras data bisa berubah setiap saat. Database tak lagi statis. Data-data formal seperti email, jabatan pekerjaan, dan nomor telepon bisa berubah-ubah setiap saat. Sangat penting bagi bisnis yang memanfaatkan big data dan analisisnya untuk mengantisipasi hal ini. Terutama untuk menjaga kualitas data.

Hal pertama yang mungkin bisa dilakukan adalah dengan tidak memasrahkan semua urusan data ke departemen IT. Permasalahan data tidak selamanya berurusan dengan hal-hal teknis. Memasrahkan tanggung jawab utuh perihal data ke departemen IT harus dihindari, ada yang perlu diubah. Harus ada bagian khusus yang bertanggung jawab untuk menjaga kualitas data, Chief Data Officer misalnya. Posisi yang memang sewajarnya harus ada jika ingin mengoptimalkan big data.

Yang kedua adalah dengan menetapkan rencana jangka panjang untuk terus menjaga kualitas data. Salah satu hal yang bisa dilakukan adalah dengan berinvestasi untuk perangkat lunak big data dan analisisnya. Terutama untuk perangkat lunak yang menawarkan fitur real time analysis. Hal tersebut akan sangat membantu.

Langkah selanjutnya yang bisa diambil adalah dengan saling mengintegrasikan sistem yang ada. Hal ini bisa mempermudah untuk pengecekan data dan proses validasi data. Sehingga tidak akan ada kerancuan atau perbedaan data di satu sistem dengan sistem yang lain.

Akurasi, kelengkapan, dan waktu adalah tiga hal yang berpengaruh dalam data. Semakin banyaknya sumber data dan arus informasi yang semakin cepat membuat bisnis yang memanfaatkan big data harus tanggap akan perubahan-perubahan data. Menyoal data bukan lagi soal kesempatan memanfaatkan data, tetapi berubah untuk mengantisipasi data.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

Beri Perhatian Lebih Pada Kualitas Data Bisnis Anda

Saat ini data memegang peranan penting dalam keberlangsungan bisnis banyak perusahaan mulai mengetahui bahwa mereka sedang menghadapi ancaman kualitas data. Selanjutnya muncul sebuah anggapan bahwa sulit untuk mengerti dan mengekstrak nilai dari data-data dengan kualitas buruk tersebut. Bahkan beberapa melewatkan investasi untuk memperbaiki kualitas data pada pembagian anggaran di akhir tahun. Jika tidak dimulai dari sekarang untuk memperhatikan kualitas data, akan ada beberapa momentum penting yang terlewatkan.

Data dalam situasi sekarang ini menjadi berlimpah. Kehidupan masyarakat yang saling terhubung memberikan sumbangsih data yang besar tiap harinya. Bisnis harus menerima fakta tersebut dan berusaha mengambil manfaat darinya.

Mulai dari kegiatan marketing, pertimbangan inovasi dan kegiatan lain membutuhkan data-data. Manajemen pun harus mulai bertransformasi untuk menghasilkan data berkualitas, di mulai dari cara mengumpulkannya hingga menjamin sumber-sumber data.

Setelah peduli masalah kualitas data, selanjutnya permasalahan-permasalahan harus mulai diuraikan dan diperbaiki satu persatu. Masalah-masalah seperti duplikasi data, dan memperbaiki masalah manajemen yang dapat menurunkan kualitas data. Menambah peralatan dan tenaga ahli di bidang data dan analisis menjadi beberapa hal yang bisa dilakukan sambil terus fokus pada peningkatan kualitas data.

Meski pada akhirnya kita tidak bisa menjamin 100 persen data yang dihasilkan adalah kualitas baik, tapi setidaknya perlahan-lahan untuk meningkatkan kualitas data yang ada. Mengenali kesalahan, mempelajarinya dan menerapkan perbaikan untuk memastikan data mengalami perbaikan kualitas.

Data pada akhirnya akan memegang peranan penting dalam bisnis. Mendapatkan dan menganalisisnya saja tidak cukup. Kualitas data harus diperhatikan dan terus ditingkatkan. Semakin baik kualitas data akan semakin akurat wawasan yang didapat darinya. Langkah yang bisa diambil bisa diawali dengan memberikan investasi lebih di sektor data dan pengelolaannya. Melakukan pembaruan di perangkat lunak dan kemampuan pegawai juga menjadi langkah yang penting.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

Pentingnya Perbankan Memanfaatkan Data Pelanggannya

Tuntutan untuk lebih mengenali dan mendalami penggunanya berlaku untuk semua industri, tak terkecuali perbankan. Ada banyak alasan mengapa perbankan harus segera menerapkan teknologi big data, salah satunya untuk meningkat konversi dan menjaga loyalitas pengguna dengan mengenali apa yang pelanggan mereka inginkan.

Setiap bank dapat dipastikan memiliki jutaan rincian data dari pelanggannya. Dengan big data dan analisis data tersebut bisa menjadi modal yang bagus untuk bank terus berinovasi. Data transaksi misalnya, bank tentu memiliki data transaksi seperit penggunaan kartu kredit, mobile banking, atau internet banking lengkap dengan di merchant mana pelanggan bisa menggunakannya. Dengan data-data tersebut bank bisa memilah dan memilih penawaran mana yang sekiranya cocok dan sesuai dengan kebiasaan pengguna. Tentu hal ini sebuah peningkatan pengalaman bagi pengguna, mendapatkan apa yang mereka inginkan.

Big data + analisis = peluang besar.

Namun sayangnya tidak sedikit ditemukan bank tidak bisa segera menerapkan teknologi big data. Ada berbagai macam masalah. Seperti hal teknis pada sukarnya melakukan ekstrak terhadap data di sistem lama. Atau masih sulitnya menemukan orang-orang yang ahli untuk melakukan analisis data-data tersebut.

Atau mungkin permasalahan non teknis seperti kurangnya ketertarikan top manajemen perihal penerapan teknologi big data. Yang terakhir ini biasanya bisa dipecahkan dengan melakukan pendekatan-pendekatan yang berbeda dari sebelumnya.

Data umumnya dipisahkan menjadi dua, data terstruktur dan data tidak terstruktur. Data terstruktur biasanya berupa data yang muda dikelola seperti data yang sering kali dimasukkan dalam komputer seperti formulir isian umur, jenis kelamin, alamat, dan data deskripsi lainnya yang terstruktur. Data yang tidak terstruktur, di sisi lain, adalah data dengan format tidak tentu dan biasanya lebih sulit untuk dianalisis. Data tak terstruktur biasanya menyumbang 90% data total data keseluruhan. Data ini biasanya meliputi reaksi atau komentar yang ditulis di laman blog, email, media sosial dan lainnya.

Konversi data yang tidak terstruktur inilah menjadi yang paling penting. Hal ini bisa dilakukan dengan memanfaatkan teknologi baru seperti natural language processing, text Mining, atau teknologi sejenis lainnya. Yang dibutuhkan adalah algoritma untuk mengenali tiap kata dalam tulisan dan menyimpulkannya menjadi sesuatu, apakah itu kritik, pujian atau lainnya.

Tidak mudah dan berisiko memang tapi saat ini memaksimalkan data adalah hal yang menentukan. Melakukan perubahan dengan mengkonsumsi data atau kehilangan pelanggan. Terlebih startup fintech juga lebih gesit dalam penerapan teknologi.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

Melihat Penerapan Big Data dalam Bisnis Travel

Membicarakan big data dan data tidak bisa terlepas dari penerapannya di berbagai sektor. Salah satu yang paling sering dibahas adalah mengenai peran big data dan analisisnya dalam kaitannya dengan perbaikan dan improvisasi suatu produk atau layanan. Dan kali ini akan dibahas bagaimana big data bisa berperan untuk meningkatkan pengalaman pengguna, loyalitas pengguna dan mengoptimalkan manajemen dalam sektor layanan travel.

Teknologi telah membuat perubahan yang signifikan bagi industri layanan travel. Mulai dari situs, pencarian, data perbandingan, agregator harga, kurasi dan penawaran online telah menjadi bagian dari industri travel belakangan ini. Perkembangan-perkembangan tersebut bisa satu langkah lebih lanjut andai big data sudah mendapat porsi dan posisi yang pas.

Pemanfaatan data di sektor layanan travel bisa ditempatkan untuk lebih banyak menilai apa dan bagaimana yang pengguna inginkan. Apakah dari segi pembayaran dan chek-in yang mudah atau layanan yang dilengkapi dengan fasilitas penjemputan di bandara untuk layanan yang juga menyediakan fasilitas penginapan atau hotel. Analisis big data di sini berperan untuk mengetahui pola dan memberikan wawasan tentang bagaimana pengelola memberlakukan pelanggannya. Untuk selanjutnya bisa ditindaklanjuti demi peningkatan pengelolaan pengguna.

Masih berkaitan dengan pengalaman pengguna, jika dikelola dengan baik improvisasi dalam layanan sesuai dengan kebutuhan pengguna juga bisa menimbulkan kesan tersendiri bagi pengguna. Dampaknya akan mempengaruhi loyalitas pengguna. Pengguna akan kembali menggunakan layanan untuk pemesanan berikutnya. Gimmick seperti menghadirkan kupon untuk potongan sesuai dengan hasil analisis juga menjadi cara yang ampuh.

Misalnya dari data di dapat setiap orang yang bepergian di periode tertentu ke kawasan X selalu menghabiskan beberapa malam. Pengelola bisa menambahkan gimmick potongan harga tiket + kamar hotel pada periode tersebut untuk bisa menarik banyak pengguna. Banyak pengguna sama dengan profit bukan?

Dari segi manajemen, analisis big data juga bisa membawa dampak yang positif. Seperti kita ketahui bersama sektor tiket perjalanan dan hotel tergantung pada musim liburan atau lainnya, atau lebih dikenal sebagai musiman. Ketersediaan tiket dan kamar hotel lebih tinggi pada tanggal-tanggal biasa atau reguler. Dengan big data analisis bisa membantu manajemen untuk mengelola dan menawarkan penawaran yang menarik untuk tetap menjaga konsumsi yang sama baik musim liburan atau hari-hari biasa.

—

Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

Tiga Hal yang Bisa Dilakukan untuk Optimalkan Pengalaman Pengguna dari Data Media Sosial

Fenomena media sosial dan big data dalam pemanfaatannya untuk keperluan bisnis diprediksi akan terus meningkat. Ini tak lepas dari mulai diperhatikannya informasi pengalaman pengguna yang didapat dari media sosial dan dipelajari untuk semakin meningkatkan pengalaman pengguna. Tapi volume data saja tidak akan berarti apa-apa, harus ada strategi khusus untuk memanfaatkan data dari media sosial.

Berikut ini adalah tiga hal yang bisa dilakukan untuk memaksimalkan pengalaman pengguna melalui media sosial:

Pertama, adalah dengan melakukan posting pada waktu yang tepat untuk mendapatkan ekspos maksimum. Kebanyakan pelanggan atau pembeli memutuskan untuk mengikuti atau berteman dengan akun sebuah brand atau produk di dasarkan pada keaslian konten yang mereka terbitkan. Namun, salah satu keterlibatan pengguna terbesar adalah visibilitas posting. Harus ada jadwal di mana “lalu lintas” padat yang tepat untuk mendapatkan ekspos yang maksimal.

Kedua, adalah dengan melakukan monitoring sepanjang waktu dan tiap saat. Percakapan di media sosial harus dipantau sepanjang waktu. Ini seperti “menguping” pembicaraan orang lain untuk mendapatkan data pengalaman pengguna yang komplet. Informasi ini juga bisa menjadi salah satu hal untuk mendukung keputusan improvement di kemudian hari.

Ketiga, adalah mencoba untuk tidak menggunakan survei. Di era media sosial pendapat seseorang bisa dilihat di lini masa mereka. Perusahaan harus menyadari informasi pengalaman dan kebiasaan pengguna sekarang ini sudah bisa didapat dengan menganalisis media sosial.

Cara-cara tadi bisa dimanfaatkan jika memang diperlukan, tetapi jangan lupakan aturan pertama dan terpenting. Selalu kenali pengguna maupun target pasar sebuah produk dan selalu minta feedback mereka untuk melakukan pembenahan di kemudian hari.

Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

DScussion #50: Regi Wahyu dan Prediksi Tren Big Data Analytics

Masih bersama Founder dan CEO Mediatrac Regi Wahyu, DScussion kali ini mengupas lebih jauh tentang solusi data integration milik Mediatrac dan inovasi terkini yang rencananya akan segera dirilis oleh Mediatrac dalam waktu dekat. Regi Wahyu juga berbagi prediksi mengenai tren big data analytics secara global ke depannya. Simak wawancara lengkapnya berikut ini.

Memahami Permasalahan Dalam Kualitas Data

Sebelum data dikonsumsi, penting bagi bisnis untuk memastikan bahwa data tersebut sudah terlepas dari permasalahan terkait dengan kualitas, baik itu masalah validitas atau masalah-masalah lainnya. Upaya tersebut penting, karena permasalahan pada kualitas data bisa memberikan dampak yang tidak baik pada saat pengolahan dan capaian hasil analisisnya.

Jim Baker atau sering disebut sebagai “Dr. Data” dalam blog pribadinya menuliskan bahwa ada dua jenis tipe permasalahan dalam kualitas data, yakni “know what” dan “know how”.

Permasalahan pertama, yakni “know what”, dikatakan lebih mudah dideteksi karena berkaitan dengan validitas. Seperti apa yang seharusnya terdiri dari dua opsi kemudian tiba-tiba muncul angka lima dalam datanya. Permasalahan seperti ini disebutkan Jim bisa diselesaikan oleh perangkat lunak, dan bahkan orang-orang yang tidak mempunyai latar belakang mengenai data bisa menyelesaikannya. Ini berkaitan dengan kelengkapan, konsistensi, keunikan, dan validitas data.

Permasalahan kedua disebutkan lebih kompleks atau lebih misterius dari yang pertama. Permasalahan mengenai “know how” berkaitan dengan timeline dan akurasi pada data. Untuk memecahkan permasalahan ini diperlukan tingkat riset, wawasan dan pengalaman untuk memecahkannya. Jim mencontohkan kasus yang kedua ini dengan data pensiun. Seharusnya ketika ada data mengenai pensiun tanggal pensiun semua jelas, artinya data sebelumnya harus saling terkait dan tervalidasi. Untuk itu diperlukan masukan dan konfirmasi dari beberapa pihak.

Dari dua permasalahan ini disebutkan bahwa 80 persen permasalahan yang ditemui ada di tipe pertama dan 20 persen di tipe kedua. Namun untuk investasi atau biaya yang dikeluarkan untuk mengatasi permasalahan tersebut justru sebaliknya. Tipe kedua lebih banyak, disebutkan bisa mencapai 80 persen anggaran untuk mengantisipasinya.

Untuk meningkatkan akurasi data yang dimiliki antisipasi tipe permasalahan pertama dan kedua harus dipecahkan bersama. Yang harus diketahui adalah permasalahan pertama biasanya ditimbulkan dari permasalahan di ekspor atau impor data, data yang corrupt, data yang dihasilkan secara manual bahkan human error.

Berbeda dengan permasalahan pertama, permasalahan kedua disebutkan hadir berkat hal-hal yang lebih natural. Seperti data yang kelihatan benar kemarin berubah menjadi tidak benar sekarang, sederhananya karena keadaan seseorang telah berubah.

Untuk mengantisipasi keduanya diperlukan sesuatu dan seseorang yang ahli. Sesuatu berupa perangkat lunak yang berkualitas dan seseorang untuk ahli data yang profesional dan berkualitas.

–

Disclosure: DailySocial bekerja sama dengan bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

DScussion #49: Mediatrac dan Industri Big Data Analytics di Indonesia

Big data dan big data analytics adalah dua hal yang menjadi hype dalam tren teknologi korporasi beberapa tahun terakhir ini. Kami berbincang dengan Regi Wahyu, CEO Mediatrac, sebuah layanan big data analytics,: tentang bagaimana industri big data analytics di Indonesia saat ini, bagaimana data ini diperoleh, dan sektor apa saja yang memiliki ketertarikan tinggi terhadap teknologi.

Berikut ini adalah perbincangan DScussion dengan Regi.

Personalisasi Data Rekatkan Hubungan Pemasaran dan Penjualan

Beberapa tahun belakangan kita sudah banyak mendengar bahwa teknologi-teknologi seperti big data, internet of things dan teknologi terkait bisa berimbas baik terhadap teknik pemasaran baru, personalisasi. Dengan teknologi mutakhir tersebut pemasar bisa lebih teliti dengan menempatkan produk tepat pada pengguna dan menginginkannya. Nantinya pemasaran akan benar-benar terkait dengan penjualan.

Teknologi yang paling banyak dibicarakan untuk mengoptimalkan pemasaran adalah big data. Tanpa mengesampingkan peran teknologi lainnya, big data memegang peran penting dalam pengolahan data yang kemudian bermuara pada personalisasi pengguna.

Dengan mengetahui lebih jauh keinginan pengguna sampai ke level individu, pemasar bisa mengklaim apa yang mereka lakukan benar-benar efektif dalam hal menyasar pengguna. Tentu untuk sampai ke level ini, selain teknologi yang mumpuni data yang dibutuhkan juga besar dan kompleks. Data pribadi yang dikoleksi mulai dari perangkat apa yang digunakan sampai apa yang rutin dilakukan pelanggan.

Personalisasi dengan data inilah yang akhirnya bisa menghubungkan proses pemasaran dan penjualan. Jika dulu dua departemen ini dipisah, dengan data personalisasi keduanya bisa diselaraskan atau bahkan mungkin disatukan.

Dengan pemasaran yang lebih canggih dan tepat sasaran mereka bisa lebih cepat tanggap dalam memahami perilaku konsumen. Dengan demikian tenggat waktu pemasaran dan penjualan bisa semakin dekat. Keduanya harus berjalan selaras, karena pada dasarnya keduanya berjalan berkesinambungan. Dengan hadirnya teknologi tentu harapannya kinerja keduanya bisa semakin optimal. Belum lagi fitur real time yang disediakan alat-alat big data, ini bisa menjadi salah satu senjata ampuh untuk mengetahui kebutuhan pengguna saat itu juga.

Data bisa dikatakan sebagai rantai yang hilang yang menghubungkan pemasaran dan penjualan. Data melengkapi dua hal tersebut untuk menjadi kesatuan yang menguntungkan bagi bisnis. Salah satu yang menjadi perhatian adalah kualitas data.

Untuk menjaga tren bagus dalam pemasaran dan penjualan yang mengandalkan data, kualitas data harus terjamin. Artinya data haruslah bisa dipertanggungjawabkan dihasilkan benar-benar oleh pengguna. Memilah data mungkin tidak semudah kedengarannya, tapi semua harus dilakukan demi data yang baik.

–
Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.