Business Intelligence: Pengertian, Manfaat, dan Perannya

Business Intelligence (BI) adalah sistem yang sangat penting saat ini. Pasalnya, sistem ini dapat memudahkan perusahaan dalam mengumpulkan data dan melakukan analisis secara real-time. Hasil analisis ini kemudian dapat dimasukkan ke dalam keputusan bisnis yang lebih baik.

Untuk mempelajari lebih lanjut, mari simak artikel berikut untuk informasi lengkap mengenai business intelligence di artikel ini!

Pengertian Business Intelligence

Business Intelligence (BI) adalah sistem yang mengumpulkan, menyimpan, dan menganalisis informasi yang dihasilkan oleh operasi perusahaan.

Data yang terkumpul disajikan dalam format pelaporan yang mudah dipahami, komprehensif dan akurat. Laporan ini dapat digunakan untuk pengukuran, analisis, dan pemantauan bisnis.

Selain itu, temuan yang dihasilkan juga dapat digunakan sebagai bahan penimbangan untuk pengambilan keputusan yang lebih efektif.

Seberapa Penting BI untuk Perusahaan?

Ada beberapa hal yang membuat keberadaan BI menjadi sangat penting di perusahaan. Berikut detailnya:

• Perusahaan perlu mengetahui bagaimana kinerja dan kesuksesan mereka selama periode waktu tertentu. Dalam hal ini, BI membantu perusahaan untuk fokus pada visi utamanya.

• Masalah yang muncul dalam bisnis perusahaan harus dikenali tepat waktu, agar tidak berkembang dan lebih mudah untuk mengatasinya. Inilah tugas business intelligence yang bertugas memberikan penjelasan atas permasalahan kinerja sebuah perusahaan.

• Perusahaan memiliki data, tetapi tanpa BI, itu tidak dapat digunakan secara optimal.

Manfaat Menggunakan Business Intelligence (BI)

• Mendorong perusahaan untuk mencapai tujuan KPI dengan menyinkronkan semua informasi sehingga tim dapat fokus pada pekerjaannya.

• Memantau kinerja bisnis dan mengidentifikasi masalah menjadi lebih mudah.

• Memberikan informasi tentang perusahaan pada beberapa tingkatan.

• Menginformasikan tentang masalah atau batasan yang muncul di perusahaan.

• Menggali lebih dalam sumber data yang tersedia dan gunakan informasi ini untuk meningkatkan kualitas pengambilan keputusan kinerja bisnis.

Peran Business Intelligence

Peran atau tugas BI yang penting untuk diketahui oleh bisnis, diantaranya meliputi:

• Melakukan analisis data

Sistem ini secara otomatis menghasilkan laporan yang memudahkan analisis data bisnis. Analisis tersebut diperlukan untuk meningkatkan perkembangan perusahaan berdasarkan data yang akurat.

• Mengelola data

Tugas BI tidak berhenti mengumpulkan informasi yang berbeda atau perusahaan dari sumber yang berbeda. BI juga bertanggung jawab untuk menyimpan informasi pelanggan di lokasi aman yang hanya dapat diakses oleh pihak yang berkepentingan dengan bisnis mu.

• Mengevaluasi perkembangan usaha secara berkala

Pelaku bisnis dapat menggunakan hasil laporan yang diberikan oleh BI untuk melakukan penilaian secara mendalam. Berdasarkan penilaian tersebut diharapkan dapat memunculkan tren bisnis terkini yang dapat digunakan untuk meningkatkan profit perusahaan.

Demikianlah informasi mengenai business intelligence yang dapat kami bagikan. Sekarang kamu sudah tahukan fungsi dari sistem ini?

OWOX Business Intelligence akan Selenggarakan Diskusi Bahas Analisis Data untuk Iklan Digital

Ketika startup melakukan pemasaran digital, perlu ada sebuah model pengukuran yang pas, agar dapat menyelaraskan investasi yang digelontorkan dengan tujuan akhir yang diharapkan. Performace Marketing, Analytics, dan Business Intelligence menjadi beberapa pendekatan dalam pemasaran digital yang dapat dimanfaatkan untuk memantau dan mengevaluasi kinerja sebuah pemasaran digital. Terlebih saat ini brand tidak cukup hanya dengan berkreasi dan mempublikasikannya secara cuma-cuma, perlu adanya pertumbuhan engagement yang didukung dengan iklan, sehingga Return on Advertising Spend (ROAS) harus menjadi pertimbangan utama.

Melihat kebutuhan tersebut, OWOX BI sebuah perusahaan teknologi Eropa yang memiliki spesialisasi di Business Intelligence akan mengadakan sebuah sharing session bertajuk “Online Analytics Meetup Vol. 1”. Dalam kesempatan pertama ini diskusi akan mengangkat topik “How to Maximize The ROI of Your Ad Campaigns Using Analytics Data”. Acara akan diselenggarakan pada hari Rabu, 28 Februari 2018 pukul 18.00 WIB di Kaffeine SCBD, Jakarta.

Beberapa pemateri yang akan hadir di antaranya Gerald Logor (Marketing Intelligence Lead Shopee), Fanie Fikri (VP Marketing Fabelio), Arvy Este (Head of Marketing aCommerce), dan Dimas Kurniantoro Aji (Customer Success Manager OWOX BI).

Selain strategi mencapai ROAS, beberapa tips yang akan dipresentasikan termasuk seputar menurunkan biaya akuisisi konsumen baru atau menghitung conversion funnel melalui pendekatan Business Intelligence. Diharapkan diskusi ini dapat menjawab beberapa pertanyaan yang masih membingungkan banyak pemasar di kalangan startup, seperti:

Bagaimana cara memulai performance marketing?
Bagaimana menghadapi banyak data points?
Bagaimana cara mengukur marketing campaign?
Apa itu attribution?
Apa direct & non-direct impact dari attribution yang digunakan kepada revenue perusahaan?
Bagaimana mengelola marketing channel dan budget iklan?

Acara ini diharapkan dapat mengedukasi dan memperdalam pengetahuan analytics dalam bisnis. Informasi lebih lanjut dan pendaftaran bisa melalui tautan berikut ini klik di sini.

How to Maximize the ROI of Ad Campaigns using Analytics Data

–
Disclosure: DailySocial merupakan media partner untuk Online Analytics Meetup Vol. 1

Memahami Dasar-dasar “Data Science” untuk Bisnis (Bagian 4)

Machine Learning (ML) menjadi salah satu teknologi yang akhir-akhir ini banyak diperbincangkan. Perannya bisa bermacam-macam, salah satu yang sudah mulai banyak realisasinya ialah untuk membangun sebuah sistem dengan kecerdasan buatan, misalnya layanan chatbot. Dalam praktik Data Science, konsep ML turut diberlakukan. Pengertian ML di sini adalah penerapan model algoritmik terhadap data, dengan cara yang iteratif, sehingga komputer dapat menemukan pola tersembunyi atau tren yang dapat digunakan untuk membuat prediksi.

Beberapa contoh pemanfaatan ML dalam kebutuhan proyeksi data yang saat ini ada misalnya untuk kebutuhan real-time internet advertising, spam filtering, search egine, recommendation engine, dan sebagainya. Pada dasarnya gambaran untuk proses sederhana ML dalam data ada tiga tahapan, yakni penyiapan data, pembelajaran data, dan aplikasi data. Sistem bergerak secara berkelanjutan mempelajari setiap masukan data, dengan memvalidasi dan menguji hingga menghasilkan akurasi data untuk proyeksi.

Konsep ilmu dasar dalam implementasi ML adalah statistik dan ilmu komputer. Lalu kedua konsep tersebut disusun dengan berbagai model, ada tiga tepatnya yang populer saat ini, yaitu Supervised Algorithms, Unsupervised Algorithms, dan Semi-Supervised/Reinforcement Algorithms. Perbedaan antara ketiganya ialah pada pelabelan masukan data, karena ini menjadi salah satu kunci pada pemrosesan berikutnya. Komputer harus mampu memahami dan memilah tipikal data tersebut dan mengelompokkan sesuai kategori yang ditunjuk.

Model Roinforcement menjadi yang paling relasional, sistem mempelajari tingkah laku secara komprehensif. Model ini mencoba mengadopsi cara berpikirnya manusia untuk belajar yang saat ini masih terus dieksplorasi untuk penerapan dan studi kasusnya.

Apa yang bisa dilakukan dengan data dan Machine Learning?

Peruntukan konsep ML sangat bergantung dengan pendekatan algortima yang digunakan. Saat ini ada banyak sekali temuan algoritma untuk pembelajaran mesin tersebut. Masing-masing dapat diterapkan pada fungsionalitas khusus. Sehingga sebelum menerapkan suatu konsep ML, pastika untuk terlebih dulu memahami tentang masing-masing pendekatan algoritma yang tersedia, agar mendapati proses yang lebih optimal.

Sebagai contoh untuk pengguna aplikasi Gmail di ponsel, ada yang namanya fitur Smart Reply. Sebuah opsi tombol yang berisi balasan muncul ketika ada email masuk di aplikasi. Misalnya emailnya seputar ajakan untuk melakukan sesuatu, sistem akan melihat kalender yang terintegrasi lalu mengusulkan waktu yang tepat. Apa yang dilakukan oleh sistem ialah mempelajari secara mendalam susunan kata dan maknanya yang ada di dalam badan email tersebut, sehingga dapat disimpulkan tipikal email tersebut apakah sebuah informasi, undangan, atau lain sebagainya.

Fitur Smart Reply di Gmail Apps / Google

Contoh lain penerapan fitur ini adalah pada layanan Facebook. Ketika mengunggah sebuah foto bersama teman-teman, biasanya secara otomatis Facebook sudah memberikan rekomendasi orang-orang yang di-tag di foto tersebut. Fitur ini bernama DeepFace. Sama, menggunakan metode Deep Learning untuk menemukan sebuah keluaran prediktif. Deep Learning ini merupakan model ML yang menggunakan hierarchical neural network untuk mempelajari data pada cara yang iteratif dan adaptif. Cara ini efektif untuk mempelajari pola data yang tidak memiliki label atau tidak terstruktur.

Masih banyak algoritma lain yang dapat diterapkan untuk pemecahan kasus berbeda. Namun pada dasarnya semua akan bergantung pada satu masukan yang disebut dengan data. Semakin detail dan banyak data yang diberikan, sistem akan mempelajari lebih banyak hal.

Pada penerapannya Machine Learning tidak akan berjalan secara standalone. Berbagai konsep lain dalam Data Science seperti Big Data masih akan terlibat, misalnya untuk membuat analisis real-time dalam pembelajaran data –salah satunya menggunakan Apache Spark. Sehingga dapat disimpulkan bahwa pembelajaran tentang Data Science sangatlah luas. Data sendiri masih banyak potensi untuk dieksplorasi. Ke depan diyakini masih akan banyak konsep baru yang lahir terkait dengan pengelolaan data, khususnya guna menunjang kebutuhan bisnis.

–
Baca juga seri tulisan sebelumnya:

Memahami Dasar-dasar “Data Science” untuk Bisnis (Bagian 3)

Pada tulisan seri pertama sudah dijelaskan mengenak dasar teori dan komponen pendukung Data Science. Kemudian dalam seri kedua telah dijelaskan pula konsep Big Data sebagai salah satu keluaran dari ilmu Data Science. Tulisan ketiga ini akan membahas seputar penerapan konsep data driven dalam bisnis, yakni memahami tentang keuntungan bisnis membangun awareness seputar pengelolaan data serta kiat memanfaatkan data yang ada sehingga menghasilkan insight berharga.

Tujuan utama bisnis adalah pertumbuhan profit, dan untuk mencapai goal tersebut diperlukan berbagai pendekatan baik yang dilakukan dalam lini internal bisnis maupun eksternal. Lalu apa peran Data Science yang dapat dioptimalkan bisnis untuk mencapai tujuan tadi. Misalnya untuk meminimalkan risiko finansial. Sebagai contoh dalam bisnis e-commerce, memanfaatkan representasi data dengan metode Time Series Anomaly Detection dapat dimanfaatkan untuk mendeteksi fraud secara real-time.

Manfaat lain untuk memberikan efisiensi dalam sistem dan proses produksi. Menggunakan beberapa tipe analisis (akan dibahas kemudian), pemangku keputusan bisnis dapat melihat tren data yang ada, kemudian menciptakan sebuah proses yang lebih efisien dan terstruktur. Kemudian manfaat lain dari penerapan Data Science dalam bisnis adalah untuk meningkatkan penjualan, dengan menemukan cara terbaik untuk strategi up-sell dan cross-sell, meningkatkan loyalitas konsumen, hingga mengoptimalkan konversi dari setiap kanal promosi. Dan masih banyak manfaat lainnya.

Tipe analisis data dalam bisnis

Setelah bisnis memiliki awareness akan data –sebut saja sudah mengakomodasi pengelolaan data secara optimal—lalu apa langkah selanjutnya? Yakni memilih pendekatan analisis sesuai dengan kebutuhan yang ingin dicapai. Dalam konsep Data Science ada beberapa tipe analisis data yang paling sering digunakan untuk kebutuhan bisnis, di antaranya:

Descriptive Analytics; analisis ini mengacu pada histori data sekaligus data yang ada saat ini. Umumnya digunakan untuk menjawab pertanyaan semacam “Apa yang terjadi dengan ABC?”, “Apa yang terjadi jika XYZ?”, dan sebagainya.
Diagnostic Analytics; analisis ini digunakan untuk menyimpulkan kejadian berdasarkan lansiran data terkait. Digunakan untuk menjawab pertanyaan semacam “Mengapa ABC terjadi saat XYZ?”, “Apa yang salah dengan strategi DEF?”, dan sebagaiya.
Predictive Analytics; analisis ini mencoba menyimpulkan sebuah tren dan kejadian di masa depan mengacu pada data-data historis yang ada. Model ini cenderung lebih kompleks dari dua tipe sebelumnya, karena memerlukan pemodelan dan analisis yang lebih mendalam.
Prescriptive Analytics; analisis ini digunakan untuk mengoptimalkan proses, struktur dan sistem melalui informasi yang dihasilkan dari Predictive Analytics. Pada dasarnya memberi tahu kepada bisnis tentang hal apa yang perlu dilakukan untuk mengantisipasi kejadian yang ada datang.

Untuk merealisasikan implementasi analisis bisnis, umumnya bisnis dihadapkan pada dua kendala. Pertama ialah menemukan sumber daya/talenta yang berkompeten. Dan yang kedua tentang bagaimana cara mengomunikasikan hasil analisis. Strategi pepnyelesaiannya bisnis dapat membangun budaya kerja yang menerima produk analisis. Edukasi kepada setiap pegawai juga harus diprioritaskan, untuk memutuskan atau melakukan sesuatu yang terukur, berdasarkan data dan analisis.

Tentang Business Intelligence

Berkaitan dengan optimasi data, mungkin istilah Business Intelligence (BI) dewasa ini menjadi perbincangan hangat, pasalnya banyak perusahaan ataupun startup mulai membangun divisi khusus berkaitan dengan BI. Kendati sama-sama memiliki cara dengan mengoptimalkan data, BI secara definisi sedikit berbeda dengan Data Science. Perbedaannya dengan Data Science ialah pada pendekatan, teknologi dan fungsinya. Tujuan utama BI adalah mengonversi data menjadi insight bisnis yang dapat digunakan pemimpin bisnis atau manajer dalam membuat keputusan yang terukur.

BI umumnya terdiri dari data yang bersifat transaksional, yang secara natural data tersebut dilahirkan dari sebuah proses bisnis. Pengelolaan data tersebut dapat menjawab beberapa pertanyaan, misalnya dari data penjualan dan pemasaran dapat dijawab pertanyaan “Taktik pemasaran seperti apa yang lebih efektif? Mengapa?”, dari data personalia dapat dijawab pertanyaan “Siapa karyawan yang paling produktif? Dan mana yang paling tidak produktif?”, dan lain sebagainya.

Perbedaan lainnya antara BI dan Data Science, termasuk pada sumber data. Konsep BI hanya mengelola data terstruktur saja, untuk keluarannya pun BI menuntut adanya laporan (biasanya berupa dashboard) yang memvisualisasikan data untuk dibaca orang yang bahkan tidak memahami konsep pengelolaan data.

Merekrut talenta data untuk bisnis

Ada beberapa kualifikasi penting yang harus dipenuhi oleh seorang Data Scientist atau Business Analyst yang akan direkrut untuk memenuhi kebutuhan bisnis, kemampuan utama yang dibutuhkan –dalam hal ini hardskill atau kemampuan teknis—meliputi:

Analisis Kuantitatif; termasuk di dalamnya pengetahuan tentang permodelan matematika, statistika, simulasi, dan peramalan. Kemampuan matematika menjadi dasar kemampuan analisis dan manipulasi data.
Kemampuan Pemrograman; pada dasarnya untuk mengelola data semua dilakukan dengan sintaks pemrograman tertentu –misalnya R, SQL, Python dll—maka kemampuan pemrograman menjadi salah satu komponen kunci yang harus dipahami.
Pengetahuan Bisnis; ini sangat kustom, pemahamannya bergantung bidang bisnis apa yang ditangani, karena untuk menjadikan hasil analisisnya lebih mudah dipahami dan relevan.

Dalam praktiknya, beberapa perusahaan menempatkan tim Business Analyst dalam sebuah divisi khusus untuk mengakomodasi seluruh kebutuhan berkaitan dengan data. Beberapa di antaranya menempatkan pada setiap divisi bisnis, karena disadari kebutuhan data untuk masing-masing area berbeda, dan kadang butuh keahlian khusus untuk mengoperasikan, atau bahkan membaca data yang ada.

–
Di seri keempat nanti, akan dibahas bagaimana teknik ekstraksi data sehingga menghasilkan sebuah inisght yang bermanfaat. Simak terus DailySocial untuk seri artikel selanjutnya tentang Memahami Dasar-dasar “Data Science” untuk Bisnis.

Baca juga:

Implementasi Lanjutan Big Data, Go-Jek Segera Rilis Prediksi Pemesanan Makanan untuk Mitra Pengemudi

Sebagai bentuk implementasi dari pemanfaatan big data, Go-Jek segera merilis fitur prediksi permintaan pesanan makanan untuk layanan Go-Food. Nantinya mitra pengemudi akan diberitahu oleh sistem Go-Jek lokasi restoran mana saja dalam kurun waktu 30 menit mendatang, akan ramai dipesan pengguna. Rencananya tambahan fitur ini akan siap diterapkan pada satu bulan mendatang.

“Sebulan lagi bakal live. Driver akan dapat notifikasi dalam 30 menit mendatang, lokasi restoran mana yang akan banyak di-order pengguna,” terang Co-Founder & Head of Business Intelligence Go-Jek Kevin Aluwi kepada DailySocial.

Pengembangan fitur ini, menurut Kevin, akan sangat berdampak pada upaya perusahaan untuk terus meningkatkan pelayanan kepada pengguna. Apalagi, di tengah ketatnya persaingan dengan aplikasi ride hailing lainnya di tanah air, mau tak mau harus membuat Go-Jek terus berinovasi dengan cepat.

Kehadiran tim Business Intelligence yang kini dipimpinnya membuat proses pengambilan keputusan tim Go-Jek jadi lebih cepat, tepat sasaran, dan lebih efisien.

Tak hanya digunakan untuk meningkatkan pelayanan ke pengguna, tim Business Intelligence juga menerapkan big data untuk konsumen maupun karyawan Go-Jek itu sendiri. Misalnya, untuk mengetahui performa karyawan Go-Jek telah tersedia survei yang digunakan dalam menilai kualitas diri.

“Ini baru kita kerjain, ini [data science HRD] menarik. Gimana kita ngerti performance karyawan dan tim, serta membangun tim berdasarkan hasil survei yang diklaim pribadi. Ke depannya, kami akan terapkan penilaian lebih detil, bagaimana menilai performa dari data yang diklaim karyawan dibandingkan dengan masukan dari orang lain.”

Adapun pemanfaatan data science untuk konsumen, sambung Kevin, banyak diarahkan untuk kebutuhan tim pemasaran Go-Jek dalam mengakuisisi konsumen baru dengan memberikan voucher gratis. Mengingat, aplikasi sangat erat kaitannya dengan churn rate yang tinggi.

“Kita bisa pakai [data] untuk drive konsumen yang kita lihat rawan untuk churn, kita kasih mereka voucher gratis. Itu ada analisanya [dari data yang kita kumpulkan].”

Bangun budaya perusahaan berbasis data

Kevin menuturkan migrasi Go-Jek yang kini menjadi data-driven company merupakan suatu kebutuhan yang perlu dilakukan sebagai perusahaan teknologi. Big data menjadi suatu budaya yang perlu dibangun sejak Go-Jek berdiri. Hal ini dimaksudkan agar ke depannya seluruh karyawan Go-Jek dapat berkomunikasi berdasarkan data, bukan asumsi.

“Mandat pertama dari [tim Business Intelligence] adalah memberikan visibilitas ke seluruh tim apa yang sedang terjadi. Membantu menjawab persoalan yang dihadapi tim Go-Food, operasional, CS, kondisi kita sekarang gimana sih. Mau memastikan karyawan mengerti kondisi organisasi, fungsi mereka, dan ujung-ujungnya lebih dipakai untuk push decision agar bisnis lebih baik.”

Data konsumen yang dikumpulkan tim Business Intelligence pun bermacam-macam, seperti data aktivitas para mitra pengemudi dan pengguna. Contohnya, lokasi penjemputan, drop off-nya, jarak yang ditempuh, dan sebagainya. Seluruh data tersebut kemudian diolah dan dianalisa menjadi bahasa sederhana yang dapat segera ditindaklanjuti.

“Karena ujung-ujungnya driver itu kunci dari bisnis kita. Bisnis kita cuma bisa berpengaruh dengan level service yang tinggi apabila jumlah drivernya banyak. Kuncinya kita harus investasi di akusisi driver, setelah itu demand-nya akan datang. Ini fungsi utama dari hadirnya tim BI,” pungkas Kevin.

Application Information Will Show Up Here

Kevin Aluwi Ceritakan Peran “Business Intelligence” dalam Bisnis GO-JEK

Untuk turus menuai sukses, bisnis harus terus berinovasi. Hal tersebut juga dilakukan oleh startup on-demand lokal tersukses GO-JEK. Salah satu yang kini tengah dikembangkan dan dioptimalkan ialah divisi Business Intelligence untuk mengoptimalkan sistem pengelolaan data di lingkup internal GO-JEK. Seperti diketahui bersama, bahwa data menjadi sangat penting untuk sebuah keputusan bisnis dalam bisnis digital saat ini. Hasil pengelolaan data mampu memberikan proyeksi tepat berdasarkan data historis yang dimiliki.

Dalam diskusi mingguan yang diadakah oleh DailySocial #SelasaStartup, dihadirkan Kevin Aluwi selaku Co-Founder & Head of Business Intelligence GO-JEK sebagai narasumber. Spesial untuk membahas bagaimana GO-JEK memanfaatkan data untuk mengoptimalkan sistem bisnis. Salah satu yang diimplementasikan ialah menerapkan konsep big data, hal ini dilakukan lantaran GO-JEK selalu mendapatkan data dengan velocity yang sangat besar, dan harus mampu dibaca secara cepat dan cermat.

Mengawali implementasi data untuk pelaporan

Sama layaknya improvisasi teknologi pada umumnya, implementasi data di GO-JEK dilakukan secara berangsur. Kala itu data pertumbuhan dan transaksi sangat dibutuhkan untuk bukti pelaporan terhadap investor –terutama di awal fundraising GO-JEK. Selain datanya banyak dan besar, variasinya juga cukup beragam, mulai dari data pengemudi, rekam jejak, jenis makanan yang dibeli dan lain sebagainya.

Kala itu GO-JEK memfokuskan divisi data khusus untuk membuat laporan tersebut. Karena investor membutuhkan laporan mingguan dan bulanan mengenai kinerja dari layanan GO-JEK. Hingga akhirnya Kevin merasa bahwa seharusnya optimasi data ini dapat dimanfaatkan secara lebih mendalam untuk meningkatkan performa bisnis.

Pada akhirnya Business Intelligence mulai menjadi divisi khusus yang fokus pada pengolahan data secara lebih terstruktur. Kini sudah ada tim yang didedikasikan khusus sebagai data science dan data engineer untuk tidak hanya sekedar melaporkan data yang masuk, tapi lebih dari itu. Termasuk untuk memproyeksikan berbagai hal dengan data yang dimiliki.

Keputusan tepat di tengah persaingan yang kuat

Kevin menceritakan, pada pertengahan tahun 2015 ia melihat kebutuhan untuk adanya analisis data produktif dari keseluruhan operasi layanan. Hal tersebut dibutuhkan untuk melihat tren penggunaan layanan, hingga melihat kecenderungan konsumen secara lebih personal terhadap layanan yang digemari.

Namun pada saat itu misi tim engineer masih difokuskan untuk memastikan bahwa aplikasi GO-JEK tidak mengalami crash, demi menjamin operasi bisnisnya lancar. Hal ini dirasa krusial, karena harus berhadapan dengan pesaing yang kuat. Sehingga keandalan benar-benar menjadi fokus setiap anggota tim.

Saat layanan GO-JEK sudah sangat stabil, kini tim engineer mulai menjalankan peran khusus di masing-masing area. Salah satunya tim yang dipimpin Kevin, yakni untuk menjalankan sebuah kegiatan intelijen bisnis untuk memaksimalkan potensi perolehan konsumen dari layanan yang dimiliki GO-JEK. Proses tersebut dimulai dengan mengolah data, memvisualisasikan data, hingga membaca data tersebut menjadi sebuah insight berharga.

Salah satu manfaat dari penerapan business intelligence kini GO-JEK dapat membuat sebaran mitra pengemudi menjadi lebih merata. Hal ini untuk memastikan konsumen dapat dengan cepat mendapatkan pengemudi. Kasus lama, biasanya pengemudi menggerombol di area tertentu saja, akibatnya di area lain sering tidak ada pengemudi terdekat.

Dengan data ini, GO-JEK dapat menyesuaikan policy misalnya di jam-jam rame pada area tertentu, untuk menggiring pengemudi di sana, bisa memberikan bonus khusus untuk mitra yang mengambil pesanan dari area tersebut. Dan masih banyak skenario lain yang bisa dioptimalkan dengan hasil pengelolaan data bisnis.

Siap menerapkan data science di departemen SDM

Selain untuk operasional, data sicence juga mulai diterapkan ke area yang lebih luas, salah satunya pada divisi sumber daya manusia (SDM). Data-data didapat dari statistik performa tim dan hasil evaluasi yang dilakukan. Semua kinerja tim dapat disimpulkan hasilnya dengan sebuah sistem cerdas atas apa yang telah ia kerjakan di dalam lini bisnis, sehingga lebih terukur dan lebih memahami aspek-aspek yang perlu diperkuat.

Peran Serta Big Data dalam Menumbuhkan Traksi Bisnis Perhotelan

Industri perhotelan sekarang sedang digoyang lahan bisnisnya oleh startup-startup yang menawarkan tempat menginap seperti AirBnB dan layanan sejenis. Industri hotel mulai berbenah dengan menerapkan teknologi di sistem mereka, salah satunya untuk pemasaran dan pemesanan. Bahkan tak jarang mereka menggandeng mitra-mitra startup untuk membantu memasarkan ruang-ruang kosong milik mereka. Untuk masalah perhotelan ini sebenarnya big data menawarkan sesuatu yang baru. Sebuah analisis big data sebenarnya mampu memberikan dampak positif untuk pemasukan bisnis perhotelan.

Skenario utamanya adalah mempelajari setiap detil pemesanan yang dilakukan oleh pelanggan. Mulai dari keperluan mereka menginap, siapa yang membayarnya, dan kapan dan berapa lama terakhir menginap di hotel tersebut. Ini memberikan gambaran sehingga pihak hotel bisa mengatur tinggi rendahnya tarif untuk memberikan kesan lebih murah atau lebih terjangkau meski dengan pelayanan yang sama.

Detil data-data pelanggan yang dimaksud bisa bercabang dan memuat banyak variabel. Seperti dari mana mereka tahu hotel tersebut, bagaimana tanggapan mereka terhadap pelayanan hotel sebelumnya dan setelah mereka tinggal di hotel, dan dengan siapa saja mereka menginap di hotel, apakah keluarga atau dengan rekan-rekan bisnis mereka.

Data-data lainnya juga bisa bernilai, sebut saja seperti transportasi apa yang mereka pakai, maskapai apa, apakah tiket ekonomi atau bisnis, dan berapa uang yang mereka habiskan selama liburan atau tinggal di hotel tersebut di periode lampau dan data-data sejenis lainnya.

Data-data tersebut nantinya bisa diolah dan akan menghasilkan sebuah keputusan, dan sekarang bisa juga digunakan untuk menetapkan harga kamar, atau mungkin jumlah potongan harga yang didapat.

Penetapan harga atau potongan harga dari hasil analisis tersebut akan membuat kesan bahwa harga kamar bisa lebih terjangkau, ini yang dimaksud dengan mengoptimalkan RevPAR (Revenue Per Available Room) dengan memanfaatkan analisis big data.

Tak hanya itu data-data tersebut seharusnya juga berguna untuk bagaimana hotel menjalin kerja sama dengan industri-industri terkait lainnya. Seperti transportasi, bank, perusahaan dan lainnya.

—

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

Beberapa Pertimbangan Sebelum Memilih Layanan Business Intelligence

Bisnis di masing-masing industri tentu memiliki kompleksitas dan tantangan pasar yang berbeda-beda. Pelanggan mereka pun unik, hal ini membutuhkan metode pemasaran yang harus disesuaikan. Kondisi ini menyebabkan data dari masing-masing bisnis menjadi sangat krusial. Di era petabyte dan exabyte seperti sekarang ini ekstrak data tentu menjadi modal berharga dari perusahaan. Visualiasi data adalah salah satunya, melalui bantuan perangkat business intelegent data abstrak bisa dibaca dengan mudah dan juga real time. Di luar sana banyak sekali solusi business intelligence yang ditawarkan, berikut beberapa pertanyaan yang bisa diajukan sebelum memilih solusi business
intelligence.

Jenis data seperti apa yang dimiliki dan apa yang ingin dianalisis ?

Dari pertanyaannya mungkin terlihat seperti dua pertanyaan yang berbeda namun sejatinya keduanya merupakan satu kesatuan. Mengabaikan salah satunya bisa mengakibatkan kegagalan bisnis. Karena sangat penting mengetahui identitas data sebelum memulai proyek BI dianjurkan untuk “membersihkan” data lebih dulu untuk mengoptimalkan hasil keluaran dari perangkat business intelligence.

Sebuah solusi business intelligence yang cerdas dapat membantu meningkatkan penjualan dan upaya pemasaran. Selain itu juga bisa digunakan untuk mengidentifikasi peluang menghemat biaya dan perkiraan keuntungan. Untuk itulah sangat penting untuk memiliki gambaran jelas seperti apa data yang dimiliki dan analisis apa yang diinginkan.

Siapa saja yang akan menggunakan, bagian teknis atau non-teknis?

Industri business intelligence saat ini bergerak cukup cepat. Banyak sudah menawarkan tampilan yang ramah dan mudah. Ini memungkinkan mereka digunakan untuk orang-orang non IT. Proses query dan analisis bisa menjadi sederhana dan mudah dipahami orang awam. Jadi sangat penting untuk mengetahui siapa yang akan menggunakan sistem business intelligence sebelum menentukan pilihan.

Apakah menggunakan teknologi cloud atau on-premise?

Cloud adalah teknologi yang tengah naik daun beberapa tahun ini. Dengan model berlangganan perusahaan tidak perlu berinvestasi lebih pada insfrastruktur atau bentuk on-premise dan tentunya juga scalable dan bisa diakses dari mana saja. Sedangkan solusi on-premise membutuhkan biaya awal yang cukup tinggi untuk membangun infrastruktur, termasuk juga membangun sistem keamanannya. Tapi semua pilihan tersebut kembali pada kebutuhan dan perspektif pribadi masing-masing perusahaan.

Apakah perlu memiliki solusi business intelligence secara menyeluruh atau hanya sekedar dashboard?

Seperti disebutkan sebelumnya perkembangan solusi business intelligence juga tergolong cepat. Banyak yang menawarkan layanan business intelligence lengkap dengan platform integrasi data, penyimpanan data, pemodelan data, bahkan alat pengembangan aplikasi model. Yang jadi pertanyaan adalah apakah semua itu diperlukan? atau hanya ada perlu sebuah dashboard yang mengelolanya?

Haruskah menggunakan big data?

Big data adalah salah satu teknologi yang bisa membantu mengoptimalkan penggunaan data. Pemanfaatan big data dan business intelegent bisa menjadi salah satu kombinasi yang menguntungkan. Pengelolaan lebih rapi dengan big data dan visualisasi dari business intelligence bisa memberikan sebuah prespektif dari data yang lebih baik.

Paket business intelligence apa yang ingin digunakan?

Paket, plan atau apa pun itu yang merujuk pada pilihan berlangganan layanan menjadi satu keharusan untuk dipertimbangkan. Ini berkaitan juga dengan investasi yang akan dikeluarkan. Di luar sana tersedia banyak pilihan, tinggal kebijakan masing-masing untuk menimbang positif-negatif dari masing-masing paket yang ditawarkan.

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

Qiscus Akan Menjadi Virtual Room yang Dilengkapi Business Intelligence

Tepat di Hari Kartini 2015, Qiscus sebagai sebuah layanan enterprise messaging diluncurkan. Dikembangkan oleh sebuah startup yang didirikan pengembang asal Indonesia dan Singapura, Qiscus hadir untuk memungkinkan sebuah perusahaan menciptakan ruang virtual guna melakukan kolaborasi tim yang lebih komprehensif. Selain dapat diakses melalui PC, saat ini aplikasi Qiscus sudah tersedia di Android dan iOS.

Continue reading Qiscus Akan Menjadi Virtual Room yang Dilengkapi Business Intelligence