Kecerdasan Bisnis

Kecerdasan Bisnis
Data Warehousing, Akuisisi Data,
Data Mining, Analitik Bisnis
Visualisasi
Data dan Sumber Data
• Tidak ada data Tidak ada Keputusan yang
baik
• Data perlu digali, diekstrak, disaring,
divalidasi, dianalisa
• Sumber data -> Proses -> Informasi
Definisi
• Data
– Item mengenai sesuatu, kejadian, aktivitas,
transaksi yang direkam, diklasifikasikan,
disimpan namun tidak diorganisasi untuk
menyampaikan makna spesifik
• Informasi
– Data yang telah diorganisasi dalam cara
tertentu agar bermakna bagi penerima
Definisi
• Pengetahuan
– Pengetahan terdiri dari item data dan atau
informasi yang diorganisasi dan diproses
untuk menyampaikan pemahaman,
pengalaman, pembelajran akumulatif dan
keahlian yang dapat diaplikasikan pada
sebuah masalah atau aktifitas saat ini
Sumber Data
• Data internal
– Data tentang orang, produk, jasa dan proses
• Data personal
– Data yang merupakan keahlian, catatan-catatan serta
opini yang dimiliki oleh perseorangan
• Data Eksternal
– Data yang berasal dari luar berupa database
komersial sampai data yang dikumpulkan dengan
sensor dan satelit, data yang tersedia pada cd/dvd,
pada internet, berupa text, audio dan video
Pengumpulan Data
• Survei
• Observasi
• Wawancara
• …………………………………
• …………………………………
• …………………………………
Kualitas Data
• Prinsip Gigo (garbage in garbage out)
• Berhubungan dengan akurasi data, tidak
lengkap, ambigu
• Tahun 2001 burukunya kualitas data
menyebabkan bisnis di AS menghabiskan
biaya $611 miliar dalam satu tahun untuk
mengatasi (the datawarehose institute)
Masalah Kualitas Data
• Data tidak benar (data tidak dihasilkan hati
hati, data tidak dientry dengan benar)
– Solusinya ?
• Otomatisasi entry data
• Membangun program kemanan dan validasi data
Masalah Kualitas Data
• Data tidak tepat waktu
– Metode menghasilkan data tidak cukup cepat
untuk memenuhi kebutuhan
– Solusinya ?
• Menggunakan web untuk mendapatkan data yang
tepat
• Memodifikasi sistem
Masalah Kualitas Data
• Data yang diperlukan tidak ada
– Tidak seorangpun memliki data yang
dibutuhkan
– Data yang diperlukan tidak pernah dicatat
sama sekali
– Solusinya
• Memprediksi data yang akan dibutuhkan masa
depan
• Mengestimasi data baru
Sumber Masalah Kualitas Data
•
•
•
•
•
•
•
•
Entry data karyawan :76%
Perubahan pada sumber data :53%
Migrasi data dan proyek konversi: 48%
Harapan pengguna : 46%
Data eksternal : 34%
Kesalahan Sistem : 35%
Entri oleh pelanggan : 25%
Lainnya : 12%
Kategori Kualitas Data
• Menurut Strong dkk (1997) kualitas data
dibagi menjadi 4 dimensi yaitu :
– Kontekstual : relevansi, nilai tambah,
batasan waktu, kelengkapan, jumlah data
– Intrinsik : Akurasi, obyektivitas, kemampuan
untuk dipercaya, reputasi
– Aksesibilitas : Kemampuan untuk diakses
– Representasi : Kemampuan untuk
diintrepretasi, kemudahan pemahaman,
representasi tepat, repesentasi konsisten
BAGAIMANA SEBAIKNYA ?
Bagaimana Sebaiknya
• Mulai dari awal
– Kualitas data harus dimulai sejak awal, tidak
setelah data menjadi rumit
– Kenali Data anda : Pahami data apa yang
dipunyai, tentukan tingkat presisi yang tepat
yang dibutuhkan oleh tiap item data
– Jadikan proses itu terus berulang :
membudayakan kualitas data
– Mengukur hasilnya