Reading Assignment 2: The Architecture of Business IntelligenceAmir Syafrudin - 1306346771

Ulasan

Jumlah data yang harus dikelola perusahaan-perusahaan saat ini sudah mencapai hitunganterabyte, tapi tidak semua perusahaan tahu apa yang harus (atau bisa) mereka lakukandengan data yang berjumlah sangat besar itu. Sebagian dari perusahaan-perusahaan itumungkin hanya menyimpannya dan menunggu hingga data tersebut memiliki makna dengansendirinya. Hal ini disebabkan karena orientasi unit TI (Teknologi Informasi) lebih banyakuntuk fungsi support sehingga pemanfaatan data tidak menjadi prioritas. Pada akhirnya,perkembangan teknologi penyimpanan data yang pesat pun tidak diimbangi dengankemampuan untuk mengolah dan menganalisa data yang kuat.

Masalah di atas merupakan masalah yang umum, tapi perusahaan-perusahaan yangbersaing di bidang analytics berada pada posisi yang lebih baik. Perusahaan-perusahaanseperti ini umumnya memiliki unit TI yang berkomitmen untuk memanfaatkan data demimeraih keunggulan bisnis. Unit TI dalam perusahaan-perusahaan ini menyediakankapabilitas teknis yang dibutuhkan oleh unit yang mengelola jalannya bisnis untuk mengolahdan menganalisa data.

Perusahaan-perusahaan yang bersaing di bidang analytics juga memastikan agar investasi TImereka selaras dengan tujuan perusahaan, misalnya dengan meminimalisir informasi yangbertentangan, mengintegrasikan aplikasi-aplikasi di dalam perusahaan, dan memastikananalytics menjadi kapabilitas unik yang selaras dengan strategi perusahaan. Untuk mencapaikondisi seperti ini, data, teknologi, dan proses bisnis perusahaan harus berjalan beriringan.Analytics dan teknologi business intelligence (BI) lainnya harus menjadi bagian penting dariarsitektur TI yang dibangun.

Gambar 1: Komponen-komponen Arsitektur BI

Arsitektur BI (yang menjadi bagian dari arsitektur TI) yang dibangun harus bisa menyediakaninformasi akurat yang diperlukan untuk pengambilan keputusan. Arsitektur BI ini juga harusbisa menyediakan informasi dalam berbagai bentuk seperti laporan tradisional ataudashboard sesuai dengan ketentuan yang dibutuhkan. Untuk memenuhi kebutuhan ini,arsitektur BI tersebut harus memiliki 6 (enam) komponen penting sebagaimana terlihat padaGambar 1.

Data Management

Data Management ini menjelaskan bagaimana data dikumpulkan dan dikelola untukmemastikan bahwa data yang dimiliki itu benar dan digunakan sesuai kebutuhan. Rintanganterbesar untuk mencapai tujuan ini adalah "data kotor" (informasi yang tidak konsisten,tidak utuh, dan tidak relevan). Data kotor ini harus diatasi bila perusahaan terkait inginunggul dalam hal analytics, yaitu dengan menjawab pertanyaan-pertanyaan berikut ini:

1. Relevansi Data: Data apa yang dibutuhkan untuk unggul dalam analytics?

Untuk menjawab pertanyaan ini, para eksekutif perusahaan harus bisa menemukanrelasi antara strategi dengan operasional perusahaan. Bila relasi ini sudah ditemukan,menentukan data yang dibutuhkan akan menjadi lebih mudah. Selanjutnya adalahmemastikan bahwa kerja sama antara unit TI dan unit bisnis bisa berjalan denganbaik agar data yang dikumpulkan sesuai dengan kebutuhan perusahaan. Unit bisnisharus membantu unit TI untuk memahami potensi bisnis dalam data yang dimilikidan unit TI harus membantu unit bisnis untuk mengumpulkan data yang potensialtersebut.

2. Sumber Data: Dari mana data yang dibutuhkan itu bisa diperoleh?

Data yang dibutuhkan bisa datang dari internal maupun dari eksternal perusahaan.Contoh data dari internal perusahaan: data keluar-masuk barang atau data hasil kerjapegawai yang tersimpan di komputer masing-masing. Contoh data dari eksternalperusahaan: data kredit konsumen atau informasi tentang perkembangan pasar.Tantangan sebenarnya bukan pada mencari sumber data, tapi justru bagaimana agarsemua data yang dikumpulkan ini bisa menyediakan informasi yang konsisten.

3. Kuantitas Data: Berapa banyak data yang dibutuhkan?

Tidak ada ukuran baku untuk jumlah data yang dibutuhkan oleh sebuah perusahaan.Yang perlu diperhatikan adalah bagaimana mengumpulkan data yang relevan serayamenghindari jumlah data yang berlebihan. Ada dua hal yang perlu diperhatikandalam konteks ini: (1) hindari pengumpulan data yang tidak jelas kebutuhannya dan(2) hindari pengumpulan data yang sekedar mudah untuk dikumpulkan. 2 (dua) halini dapat dihindari bila unit TI yang mengumpulkan data ini mengetahui data apayang memang berharga untuk dikumpulkan.

4. Kualitas Data: Bagaimana membuat data lebih akurat sehingga lebih berharga untukdianalisa?

Jumlah data yang banyak tanpa kualitas yang memadai tidak akan berakhir baik. Adabeberapa karakteristik data yang harus ada untuk memastikan bahwa data terkaitberkualitas. Karakteristik-karakteristik tersebut antara lain: (1) benar; dianggap validoleh orang-orang yang memeriksanya, (2) lengkap; sesuai dengan kapabilitas, (3)mutakhir; tidak kadaluarsa, (4) konsisten; memiliki ketentuan baku, (5) sesuai

konteks; makna dan cara memanfaatkannya jelas, dan (6) terkendali; senantiasadipantau agar sesuai ketentuan yang ada.

5. Tata Kelola Data: Apa aturan dan proses yang diperlukan untuk mengelola data mulaidari pengumpulannya sampai berakhir masa kegunaannya?

Siklus pengelolaan data terdiri dari tahap-tahap sebagai berikut: (1) data acquisition;tujuannya adalah data apa yang dibutuhkan dan bagaimana mengintegrasikan sistem(TI) dengan proses bisnis untuk menangkap data tersebut, (2) data cleansing;tujuannya adalah untuk membuang data yang kadaluarsa, salah, tidak lengkap, dantidak terpakai, (3) data organization and storage; tujuannya adalah menentukanformat dan tempat penyimpanan yang tepat agar data siap dipakai, (4) datamaintenance; tujuannya adalah menyiapkan prosedur yang dibutuhkan untukmemastikan kerahasiaan, keamanan, dan integritas data.

Transformation Tools and Processes

Bagian selanjutnya yang perlu ditentukan setelah Data Management adalah TransformationTools and Processes. Bagian ini menjelaskan bagaimana data diekstrak, dibersihkan, dikirim,dan disimpan ke dalam data warehouse atau yang umum dikenal dengan istilah ETL (Extract,Transform, Load). Di sini ditentukan logika bisnis yang dibutuhkan untuk memetakan datamulai dari sumbernya hingga tujuannya sehingga dapat merubah data menjadi informasiyang berharga. Untuk melakukan ini dibutuhkan usaha yang tidak sedikit dan 2 (dua) halyang mendasar, yaitu: proses data cleansing yang baik dan definisi data yang baku.

Repositories

Repositories digunakan untuk menyimpan dan mengelola data berikut dengan informasitentang data tersebut (metadata). Beberapa pilihan yang dapat digunakan sebuahperusahaan untuk menyimpan dan mengelola antara lain:

1. Data Warehouse, yaitu sekumpulan database yang berisi data historis hasil integrasidari berbagai sumber data.

2. Data Mart, yaitu bagian dari data warehouse yang berisi data untuk mendukungfungsi bisnis yang spesifik.

3. Metadata Repository, yaitu tempat penyimpanan informasi tentang data, misalnyasumber data, riwayat perhitungan, atau satuan ukuran yang digunakan.

Analytical Tools and Applications

Yang dimaksud dengan analytical tools and applications adalah perangkat lunak yangdigunakan untuk melakukan analisa data. Ada beberapa faktor yang perlu dipertimbangkandalam memilih perangkat lunak yang dimaksud. Faktor-faktor tersebut antara lain:

1. Besarnya peran manusia, yaitu apakah perangkat lunak tersebut yang mengambilkeputusan atau harus ada orang atau grup yang memeriksa hasil analisa dariperangkat lunak tersebut untuk selanjutnya mengambil keputusan.

2. Penyediaan perangkat lunak, yaitu apakah perangkat lunak itu akan dibeli dari pihakketiga atau dibuat (dikembangkan) sendiri oleh unit TI dalam perusahaan.

3. Kesiapan perangkat lunak, yaitu apakah perangkat lunak yang dibeli (seandainyadiputuskan untuk membeli dari pihak ketiga) merupakan perangkat lunak siap pakai

atau perangkat lunak yang masih membutuhkan pengembangan lebih lanjut.

Hal lain yang perlu diperhatikan adalah faktor kebiasaan. Aplikasi spreadsheets masih terusdigunakan dalam proses analisa data karena faktor ini. Pengguna memiliki kecenderunganuntuk menggunakan perangkat lunak yang biasa mereka gunakan walaupun perangkat lunakitu terbilang tidak cocok dengan kebutuhan mereka. Jangan sampai faktor ini menghalangiimplementasi sistem atau perangkat lunak yang baru.

Presentation Tools and Applications

Setelah menyiapkan analytical tools and applications, langkah selanjutnya adalahmenyiapkan presentation tools and applications, yaitu perangkat lunak yang digunakanuntuk mengakses, menampilkan, dan menganalisa data; umumnya digunakan oleh pihakmanajemen atau pegawai non-teknis. Perangkat lunak ini penting untuk menyebarluaskanhasil analisa, menampilkan laporan-laporan ad-hoc, visualisasi data yang rumit agar lebihmudah dimengerti, dan untuk berbagai kebutuhan lainnya.

Operational Processes

Bagian terakhir adalah operational processes yang mencakup berbagai kegiatan administrasiyang tidak terpisahkan dalam arsitektur BI, misalnya untuk keamanan data, kerahasiaandata, penanganan error, dan pengarsipan. Standar, kebijakan, dan prosedur yang terkaitharus ditetapkan dan diterapkan secara tegas di seluruh bagian dalam perusahaan. Kelalaiandalam hal ini dapat berakibat fatal dan merugikan perusahaan.

Inti dari uraian di atas adalah pendekatan menyeluruh yang dilakukan perusahaan untukmengelola data dan mengoptimalkan potensi analytics bukanlah pekerjaan kecil. Pimpinanperusahaan (manajemen tingkat atas) harus mengarahkan unit TI dalam mempersiapkanarsitektur BI agar selaras dengan strategi perusahaan. Standar dan kebijakan terkait punharus disusun sedemikian rupa agar arsitektur BI cukup fleksibel untuk mengimbangi bisnis.

Tanya-Jawab

1. Dimana letak perbedaan antara paper The Architecture of Business Intelligencedibandingkan paper Competing on Analytics?

Competing on Analytics membahas pentingnya analytics untuk pengambilankeputusan dalam sebuah perusahaan. Tujuannya adalah agar perusahaan tersebutbisa memperoleh keunggulan kompetitif di antara para pesaingnya. Paper inikemudian membahas faktor-faktor apa saja yang dibutuhkan untuk bersaing dalamhal analytics; dengan mengambil model dari perusahaan-perusahaan yang suksesmenerapkannya. Pembahasan tentang analytics dalam paper ini lebih cenderungmembahas organisasinya; bahkan sama sekali tidak menyentuh hal teknisnya.

Bertolak belakang dengan Competing on Analytics, The Architecture of BusinessIntelligence justru membahas langkah-langkah teknis yang dibutuhkan oleh sebuahperusahaan untuk memanfaatkan analytics. Langkah-langkah teknis yang dimaksuddikerucutkan pada langkah-langkah untuk mengembangkan arsitektur BI yang tertatarapi dan juga cukup fleksibel untuk mengimbangi perubahan dalam bisnis.Pembahasan teknis ini dilakukan secara menyeluruh mulai dari strategi pengumpulandan pengelolaan data hingga pemilihan perangkat lunak yang tepat untukmenganalisa data.

Dapat dikatakan bahwa The Architecture of Business Intelligence ini merupakan

kelanjutan dari Competing on Analytics. Bila Competing on Analytics lebih cenderungmembahas perubahan-perubahan di tatanan organisasi, maka The Architecture ofBusiness Intelligence melanjutkan pembahasan tersebut dengan membahas hal-halteknis yang dibutuhkan organisasi untuk menerapkan analytics. Dengan begitu,kombinasi dari kedua paper tersebut dapat memberikan gambaran yang lebihmenyeluruh terkait optimalisasi analytics dalam sebuah organisasi (perusahaan).

2. Jelaskan apa saja yang merupakan komponen inti dari arsitektur BI serta evolusiperubahannya!

Dalam The Architecture of Business Intelligence, arsitektur BI dibagi menjadi 6 (enam)komponen inti seperti yang terlihat pada Gambar 1. Komponen-komponen tersebutadalah data management, transformation tools and processes, repositories,analytical tools and applications, presentation tools and applications, danoperational processes (Davenport dan Harris, 4-6). Sementara menurut Turban,Sharda, dan Delen, arsitektur BI terdiri dari 4 (empat) komponen inti, yaitu: datawarehouse, business analytics, business process management, dan user interface(20). Komponen-komponen ini berinteraksi menjadi sebuah sistem BI sebagaimanadapat dilihat pada Gambar 2.

Arsitektur BI yang ada pada Gambar 1 terkesan berbeda dengan arsitektur BI yangada pada Gambar 2. Perbedaan ini terbilang wajar karena definisi BI sendiri pun tidakselalu sama antara 1 (satu) pihak dengan pihak yang lain.

Walaupun begitu, kita masih bisa menemukan irisan di antara konfigurasi komponen-komponen arsitektur BI yang ada. Data warehouse yang ada di arsitektur BI versiTurban beririsan dengan data management dan repositories di versi Davenport danbusiness analytics beririsan dengan transformation tools and processes sertaanalytical tools and applications. Business process management dapat dikatakanberirisan dengan operational processes dan user interface beririsan denganpresentation tools and applications. Perbedaannya adalah arsitektur BI versi Turbanberisi komponen-komponen yang lebih spesifik bila dibandingkan dengan versiDavenport.

Gambar 2: Komponen-komponen Arsitektur BI (Turban)

Evolusi komponen-komponen dalam arsitektur BI ini dapat ditelusuri melalui evolusikapabilitas analisa yang umum dilalui oleh banyak perusahaan-perusahaan. Evolusikapabilitas analisa ini mencakup 5 (lima) tahap, yaitu:

a. Tahap 1: Perusahaan terkait memiliki banyak data, tapi kualitas data tersebutburuk, tidak memiliki ketentuan baku yang konsisten, dan disimpan dalam sistemyang terpisah-pisah.

b. Tahap 2: Perusahaan terkait sudah mengumpulkan data transaksi secara efisien,tapi data yang dibutuhkan untuk pengambilan keputusan masih belum ada.

c. Tahap 3: Perusahaan terkait sudah memiliki perangkat BI dan data mart yangbanyak, tapi mayoritas data yang ada masih belum terintegrasi, belum memilikiketentuan baku, dan tidak mudah diakses.

d. Tahap 4: Perusahaan terkait memiliki data yang berkualitas tinggi, pemanfaatananalytics secara luas di seluruh bagian dalam perusahaan, tata kelola TI yangbaik, dan beberapa metode analisa yang bersifat otomatis.

e. Tahap 5: Perusahaan terkait sudah memiliki arsitektur pendukung analytics yanglengkap, digunakan secara luas di seluruh perusahaan, bersifat otomatis, menjadibagian tidak terpisahkan dari proses bisnis, dan didukung teknologi mutakhir(Davenport dan Harris, 4).

Dari 5 (lima) tahap tersebut, kita dapat menyimpulkan jenis teknologi yang ada padamasing-masing tahap sebagai berikut:

a. Pada tahap 1, teknologi yang umum digunakan untuk menyimpan data danmelakukan analisa adalah spreadsheet yang disimpan di masing-masingkomputer pegawai yang bersangkutan.

b. Pada tahap 2, teknologi database sudah digunakan untuk menyimpan data. Akantetapi, proses analisa terhadap data tersebut masih terbatas pada spreadsheetatau aplikasi-aplikasi Decision Support System (DSS) yang dikembangkan sendirisesuai kebutuhan perusahaan.

c. Pada tahap 3, perangkat lunak pendukung pengambilan keputusan tidak lagiterbatas pada aplikasi-aplikasi yang dikembangkan sendiri, melainkan sudahmencakup aplikasi-aplikasi yang dikembangkan oleh perusahaan-perusahaanperangkat lunak. Penyimpanan data juga tidak lagi terbatas pada database, tapisudah diarahkan kepada data mart. Akan tetapi, data mart yang ada belumterintegrasi menjadi data warehouse sehingga perangkat lunak BI yang digunakanpun terpisah-pisah sesuai dengan data mart yang diakses.

d. Pada tahap 4, arsitektur BI yang lengkap sudah siap digunakan mulai dari datawarehouse, data mart (bila diperlukan), hingga user interface berupa portal ataudashboard. Proses ETL pun sudah berjalan sehingga data yang disimpan di dalamdata warehouse memiliki kualitas tinggi.

e. Pada tahap 5, arsitektur BI yang lengkap seperti pada tahap 4 sudah digunakandan teknologi-teknologi mutakhir seperti data mining atau artificial intelligencejuga sudah diikutkan dalam arsitektur BI yang ada.

3. Jelaskan disertai contoh bagaimana penerapan teknologi dalam arsitektur BI dapat

meningkatkan nilai dari data?

Pada dasarnya peningkatan nilai dari data itu didapat dengan merubah data menjadiinformasi. Informasi ini yang kemudian digunakan untuk membantu pengambilankeputusan dalam sebuah organisasi. Semakin krusial sebuah keputusan, semakinberharga informasi yang disediakan, semakin tinggi pula nilai dari data yangmembentuk informasi tersebut.

Teknologi informasi (TI) jelas memiliki peran penting untuk meningkatkan nilai daridata seperti yang dimaksud di atas. Salah satu contoh peran TI dalam hal ini adalahdata mining. Data mining merupakan bentuk implementasi TI yang umum digunakanuntuk melakukan prediksi, misalnya untuk memprediksi kelayakan kredit.

Misalkan sebuah perusahaan pemberi kredit memiliki data historis pengabulanpermohonan kredit pelanggannya. Data historis ini dapat digali menggunakan teknik-teknik data mining untuk mempelajari karakteristik para pemohon kredit. Dari siniakan terlihat pola-pola dalam pengajuan permohonan kredit. Pola-pola ini akanmenjadi informasi berharga bagi perusahaan tersebut untuk mengambil keputusanterkait mengabulkan atau menolak permohonan kredit dari calon pelanggannya.Contoh ini memperlihatkan secara jelas peran TI dalam meningkatkan nilai dari datayang ada.

4. Lakukan pengamatan dan riset secara online contoh-contoh kasus yang dapatmemberi gambaran tentang sejauh mana penerapan arsitektur BI yang telahdilakukan di Indonesia?

Berikut ini adalah beberapa contoh kasus penerapan arsitektur BI di Indonesia:

a. Direktorat Jenderal Pajak (Ditjen Pajak) sudah membuat Operational Data Store(ODS) yang berisi kompilasi data wajib pajak mulai dari identitas wajib pajakhingga kepatuhan masing-masing wajib pajak dari tahun ke tahun. ODS ini dibuatdengan menggunakan fitur ETL dari IBM InfoSphere. Selain ETL, IBM InfoSpherejuga digunakan untuk membantu proses standarisasi dan identifikasi data daripihak ketiga, yaitu dengan fitur Data Quality yang ada di IBM InfoSphere.

b. Cigna, sebuah perusahaan penyedia jasa asuransi, memiliki unit/bagian CustomerValue Management (CVM) yang menggunakan SAS untuk menawarkan produkyang sesuai dengan profil calon pengguna jasa ("Cigna Indonesia").

c. PALYJA menggunakan Oracle Customer Care and Billing untuk mengintegrasikandan meningkatkan kualitas data internal yang dimilikinya. Salah satu manfaat dariimplementasi ini adalah meningkatnya efisiensi dan akurasi penagihan kepadapelanggan ("PALYJA Indonesia").

d. Industri perbankan Indonesia sudah mengimplementasikan data warehouse yangdidukung oleh perangkat lunak IBM InfoSphere, Oracle Exadata, dan Teradata(Yunardy, slide 12).

Referensi

"Cigna Indonesia: Analyzing Big Data to Support Sales." SAS. Web. 22 Februari 2014. .

Davenport, Thomas H., dan Jeanne G. Harris. The Architecture of Business Intelligence. Boston: Harvard Business School Press, 2007. PDF.

Davenport, Thomas H. Competing on Analytics. Harvard Business Review, Januari 2004. PDF.

"PALYJA Indonesia Implements Oracle Utilities Customer Care and Billing Solution for Faster Billing, Collections and Improved Customer Service." Yahoo! Finance. Yahoo!, 9 April 2012. Web. 1 Maret 2014. .

Turban, Efraim, Ramesh Sharda, dan Dursun Delen. Decision Support and Business Intelligence Systems. Edisi 9. Boston: Prentice Hall, 2011. Cetak.

Yunardy, Yudy. "Indonesian Banking From System Perspective." SlideShare. LinkedIn Corporation, 2 Oktober 2013. Web. 1 Maret 2014. .