Menerawang Nasib Business Analytics

KOMPAS.com - Banyak pakar yang mengidentifikasi hal-hal berikut sebagai teknologi yang strategis untuk dikembangkan  di tahun-tahun mendatang, seperti perangkat bergerak, mobile apps, dan cloud computing. Ketiganya diprediksi akan semakin berkembang dan mempengaruhi perkembangan Teknologi Informasi dan Komunikasi (TIK) di masa depan.

Tren teknologi informasi dan komunikasi

• Perangkat bergerak (mobile device) dan aplikasi bergerak (mobile apps): Perkembangan perangkat bergerak menciptakan paradigma baru “keniscayaan apapun dan dimana pun”. Hal ini menciptakan kebutuhan bahwa tidak hanya komunikasi tetapi juga data, pemrosesan dan output harus dapat dilakukan menggunakan perangkat bergerak.  
• Cloud computing: Semakin dirasanya kebutuhan  TIK  oleh semua kelompok organisasi bisnis (baik enterprise maupun SMB) dan semakin cepat adopsi teknologi perangkat TIK, akan mendorong perusahaan–perusahaan cenderung memilih cloud daripada melakukan investasi perangkat sendiri. Cukup memperhatikan fungsi dan service-level agreement (SLA) saja.

Dengan memperhatikan hal- hal di atas, maka dengan gambling bisa diperkirakan arah perkembangan Business Analytic di tahun- tahun mendatang akan didorong oleh hal-hal berikut:

1. Big Data: Kehadiran era Big Data ini dipercepat dengan semakin populernya social media yang merupakan sumber data tidak terstruktur. Yang ke depannya akan menjadi sumber data juga dalam mengambil keputusan, bahkan para ahli menyebutkan bahwa ke depannya 80% data akan bersumber dari data tak terstruktur ini.
2. Customer Intelligence: Kita bisa melihat customer semakin mudah membandingkan tawaran–tawaran yang ada, semakin mudah memutuskan, dan semakin ingin dihargai. Sehingga sangat penting bagi organisasi untuk mempunyai sistem yang mendukung terbentuknya sistem Customer Intelligence, yang memungkinkan para pengambil keputusan memahami karakter dan kesukaan pelanggannya.
3. Mobile dan Visualisasi: Dengan semakin canggih dan meningkatnya kemampuan perangkat bergerak, pemanfaatannya tidak hanya untuk berkomunikasi dan ber-social media, melainkan juga untuk menggantikan PC/Laptop. Selain itu, perangkat bergerak menampilkan penyajian yang lebih menarik dan memudahkan pemahaman. Hal ini menjadi salah satu perhatian ketika orang ingin menerapkan Business Analytics.

Membahas tren Business Analytics jawabannya tidaklah tunggal. Karena penerapannya sangat ditentukan sesuai dengan tingkat “information maturity” organisasi. Ada roadmap yang harus diperhatikan:

Membangun Data Warehouse dan Business Intelligence Reporting

Hal ini menjadi pilihan organisasi-organisasi yang  datanya masih tersebar terpisah (island-island). Pada tahapan ini, data integration, penyajian pelaporan standar dan adhoc  serta fasilitas query untuk melakukan analisis bisnis dan pengambilan keputusan adalah fungsi-fungsi yang harus ada untuk memaksimalkan data warehouse yang dibangun. Tidak bisa dilupakan harus  diimplementasika data quality untuk membakukan dan membersihkan data-data yang  tersebar dan menjadi satu-satunya sumber data yang benar. Hal ini penting karena tanpa adanya fungsi data quality, maka data warehouse hanya akan menjadi gudang sampah yang akan menghasilkan informasi sampah (Garbage In Garbage Out).

Business Intelligence Visualization

Organisasi- organisasi yang  sudah membangun data warehouse-nya, seiring dengan bertambahnya  data serta berkembangnya perangkat bergerak akan mengembangkan aplikasi Business Intelligence yang mendukung mobile apps. Business Analytics yang akan dikembangkan adalah teknologi yang memungkinkan melakukan pengambilan data besar (untuk keperluan Analisis) dari perangkat bergerak dan melakukan pemrosesan secara cepat di dalamnya (High Performance Analytics/HPA).

Dan tentu saja penyajian output-nya dimungkinkan lebih menarik dengan tersedianya feature-feature visualisasi  di  perangkat bergerak (3D, GIS ,dll). Pilihan yang tersedia dalam mengimplementasikan HPA adalah dengan menerapkan In Database processing (data diolah di storage), In Memory Processing (data diolah di memori) dan menerapkan Grid Computing (pemrosesan dipilah-pilah dan didistribusikan ke banyak perangkat).

Big Data Analytics

Tahapan ini adalah inisiatif yang perlu dilakukan oleh organisasi yang sudah melewati tahapan-tahapan sebelumnya. Organisasi di tahapan ini tidak hanya mempunyai target untuk membangun information based management, tetapi memanfaatkannya sebagai analytics based winning strategy. Organisasi sudah mempunyai data warehouse yang handal sebagai single source of truth, berbagai macam pelaporan telah dihasilkan dan dapat divisualisasikan ke dalam perangkat bergerak karena didukung oleh perangkat HPA.

Big Data Analytic

Ditinjau dari feature yang dibangun, Big Data Analytic tidak hanya mencakup Reporting dan Visualization, tetapi banyak kemampuan analisis sesungguhnya yang dapat dimanfaatkan:

1. Statistik. Perhitungan-perhitungan untuk mencari nilai-nilai statistik dari data yang ada, seperti nilai tertinggi/terendah, rata-rata, penyebaran, dan lain-lain. Berguna untuk memahami pencapaian dan situasi terkini.
2. Data Mining. Menyediakan berbagai macam algoritma dan prosedur untuk mengekplorasi (menambang) data yang ada untuk mencari pola, kelompok-kelompok serta kecenderungan pada masing-masing kelompok. Tujuannya adalah mendapatkan “insight” atau petunjuk untuk memahami perilaku transaksi yang sudah terjadi dan menggunakannya untuk meningkatkan kualitas transaksi ke depan.
3. Forecasting. Berbagai algoritma peramalan ilmiah sebenarnya dapat dipergunakan untuk menduga apa yang akan terjadi dalam masa depan (baik dalam jangka panjang, menengah, ataupun pendek) dengan memperhatikan pola masa lalu dan faktor-faktor yang memengaruhi.
4. Text Mining. Tidak terhindarkan bahwa fungsi text mining harus ada di perangkat Business Analytic  di masa depan. Ketersediaan data unstructured semakin hari semakin besar. Semakin hari organisasi juga akan semakin banyak menggunakan social media untuk berinteraksi dan hasilnya tentu saja sebuah teks bebas. Dan data tersebut hanya berguna jika diolah dengan pengolah teks dan melakukan eksplorasi terhadapnya.
5. Optimization. Mengefisiensikan proses dan meningkatkan pendapatan kadang-kadang tidak cukup dengan melakukan Business Analytic secara terpisah. Sering kali di dalam dunia usaha, ada banyak kendala yang saling terkait dan mempengaruhi sebuah proses operasional. Contohnya:  pengisian uang ke ATM yang efisien tidak hanya memperhatikan rute yang murah di ongkos tetapi juga harus memperhatikan tingkat kemacetan dan juga tingkat pengambilan uang  di ATM  tersebut. Algoritma Riset Operasi biasanya dipergunakan untuk melakukan analisis optimasi. Ini adalah tingkat tertinggi sebuah Business Analytic, yang akan menghasilkan sebuah solusi optimal sesuai dengan asumsi-asumsi yang ditetapkan. 

Seperti kata pepatah “Senjata yang dahsyat tidak berguna tanpa orang yang mengoperasikannya”, maka “the Man behind the Gun” tetaplah menjadi penting untuk menjadikan Business Analytic berguna. Dan yang dimaksudkan dengan  “the Man behind the Gun” di dalam Business analytics adalah “Data Scientist”.

Sebuah “profesi baru” yang lebih dari sekedar “data analyst”, karena seorang  data scientist diharapkan dapat melakukan eksplorasi data (baik terstruktur maupun tidak) serta menyajikannya dalam bentuk-bentuk visualiasi yang menarik dan juga sanggup memilih algoritma-algoritma yang sesuai dan menerjemahkannya ke dalam kontek bisnis sehari-hari.

Meskipun banyak  yang meyakini bahwa ada pribadi-pribadi yang sanggup menyandang profesi ini, tetapi penulis lebih yakin bahwa Data Scientist adalah sebuah profesi kelompok yang bekerja bersama-sama untuk melakukan Business Analytics secara benar dengan memanfaatkan solusi Business Analytics yang ada.

*Penulis adalah Kristianus Yulianto, seorang praktisi Business Analytics di Jakarta, Indonesia.

Artikel ini merupakan bagian dari seri Business Analytics yang sebelumnya telah dimuat di Majalah InfoKomputer. InfoKomputer.com merupakan salah satu rekanan sindikasi konten dari KompasTekno.