Oleh Michael Shane, Tuga Mauritsius

Istilah “Business Intelligence” (BI) dipopulerkan pada tahun 1990-an, dan dapat dianggap sebagai sebuah konsep yang “mencakup berbagai proses dan perangkat lunak yang digunakan untuk mengumpulkan, menganalisa, dan menyebarkanluaskan data, semuanya demi pengambilan keputusan yang lebih baik” (Davenport, 2006). Wixom dan Watson (2010) menyatakan bahwa BI adalah “sebuah istilah payung yang secara umum digunakan untuk menggambarkan teknologi, aplikasi, dan proses-proses untuk mengumpulkan, menyimpan, mengakses, dan menganalisa data untuk membantu pengguna membuat keputusan yang lebih baik”. Business analytics (BA) juga bisa dianggap sebagai komponen analisa dari BI (Chen et al., 2012). Sementara data mining dianggap sebagai bagian dari BA, teknologi ini memungkinkan “ekstraksi pola, asosiasi, perubahan, anomaly, dan struktur signifikan dari data secara otomatis” (Bose, 2009) dengan demikian menciptakan model prediksi untuk digunakan dalam pengambilan keputusan. Proses ini akhir-akhir ini disebut sebagai predictive analytics dan menggunakan algoritma dan teknik statistik untuk memprediksikan kejadian di masa depan (Bose, 2009).

Manfaat mengadopsi Business Intelligence & Aanalytics

Manfaat nyata yang dapat sebuah organisasi dapatkan dari adopsi BI&A sulit untuk diukur (Watson & Wixom, 2007), dan banyak dari manfaat yang diberikan adalah “jangka panjang, tidak langsung, dan sulit diukur” (Popovič et al., 2012). Namun, nilai yang diberikan oleh BI&A adalah membuat organisasi mendapatkan visibilitas yang lebih baik ke dalam data mereka yang akan meningkatkan proses pembuatan keputusan, dan pada akhirnya pengambilan keputusan berbasis data yang lebih baik (Yeoh & Popovič, 2016). Dan sementara manfaat dari pengambilan keputusan berbasis data sulit diukur, sebuah studi empiris oleh Brynjolfsson et al. (2011) menemukan bahwa organisasi yang mengadopsi penganbilan keputusan berbasis data memiliki tingkat produktifitas yang lebih tinggi sebesar 5-6%.

Watson dan Wixom (2007) berpendapat bahwa beberapa manfaat dari BI lebih mudah untuk diukur daripada manfaat-manfaat yang lain. Manfaat-manfaat yang lebih mudah untuk diukur berada di dalam tingkat operasional organisasi sementara manfaat-manfaat di tingkat strategis, yang memiliki cakupan yang lebih luas lebih sulit untuk diukur. Semakin banyak organisasi yang menyadari pentingnya untuk fokus pada kapabilitas inti organisasi, dan kapabilitas BI&A dipandang sebagai pendorong kemampuan kompetitif (Aulkemeier et al., 2015). Organisasi-organisasi yang sedang meningkatkan tingkat kematangan BI&A mereka menyadari bahwa praktik, alat, dan teknik BI&A dapat memberikan keunggulan strategis dibanding pesaing di pasar. Memanfaatkan BI&A dengan lebih baik didorong oleh kebutuhan untuk tetap kompetitif (Kiron & Shockley, 2011). Bose (2009) berpendapat bahwa saat organisasi berevolusi dan adopsi BI&A mereka menjadi lebih matang, mereka mulai bergerak ke arah adopsi analytics tingkat lanjut untuk mendukung pembuatan keputusan yang pada akhirnya akan memberikan keunggulan kompetitif. Lebih lanjut, Davenport (2006) berpendapat bahwa dalam sebuah pasar yang kompetitif, organisasi memanfaatkan kemampuan analisa secara luas – “pesaing analytics” – membedakan diri mereka dan menjadi pemimpin pasar di segmen pasar masing-masing. Namun, organisasi yang telah mencapai tingkat kemampuan analytics yang membedakan diri mereka di pasar masih menjadi minoritas (Davenport, 2006).

Kategori Business Intelligence Tool

Organisasi-organisasi pada umumnya menggunakan beberapa business intelligence tools (BI tools) pada saat yang sama. Alasannya mungkin karena pengguna yang berbeda lebih menyukai jenis BI tools yang berbeda dan setiap tools mempunyai fungsi yang berbeda seperti pembuatan laporan (reporting), ad hoc queries, dan OLAP. Berikut adalah beberapa kategori utama BI tools (Sabanovic & Søilen, 2012):

1. Production Reporting Tools: Digunakan oleh developer untuk membuat report (laporan) standard untuk grup, departemen, atau organisasi.
2. End-User Query and Reporting Tools: Digunakan oleh end user (pengguna akhir) untuk membuat report (laporan) dan tidak membutuhkan programming.
3. OLAP Tools: Memungkinkan end user (pengguna akhir) untuk “slice and dice” data secara dimensional untuk menjelajahi data dari perspektif dan periode waktu yang berbeda.
4. Dashboard/Scorecard Tools: Memungkinkan end user (pengguna akhir) untuk melihat critical performance data (data kinerja penting) menggunakan ikon grafis dan menelusuri untuk menganalisis data dan laporan terperinci jika diinginkan.
5. Data Mining Tools: Memungkinkan ahli statistik atau analis bisnis untuk membuat model statistik aktivitas bisnis.
6. Planning and Modeling Tools: Memungkinkan analis dan end user (pengguna akhir) untuk membuat rencana bisnis dan simulasi terhadap data BI. Alat perencanaan menyediakan dashboard dan scorecard dengan target dan threshold (ambang batas) untuk metrik.

DAFTAR PUSTAKA

Aulkemeier, F., Paramartha, M., Iacob, M.-E., & Hillegersberg, J. (2015). A pluggable service platform architecture for e-commerce. Information Systems and E-Business Management, 14. https://doi.org/10.1007/s10257-015-0291-6

Bose, R. (2009). Advanced analytics: Opportunities and challenges. Industrial Management and Data Systems, 109, 155–172. https://doi.org/10.1108/02635570910930073

Brynjolfsson, E., Hitt, L., & Kim, H. (2011). Strength in Numbers: How Does Data-Driven Decisionmaking Affect Firm Performance? SSRN Electronic Journal, 1. https://doi.org/10.2139/ssrn.1819486

Chen, H., Chiang, R., & Storey, V. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly, 36, 1165–1188. https://doi.org/10.2307/41703503

Davenport, T. H. (2006). Competing on analytics. Harvard Business Review, 84(1), 99–107.

Davenport, T. H. (2013). Keep up with your quants. Harvard Business Review, 91(7/8), 120–123.

Kiron, D., & Shockley, R. (2011). Creating Business Value with Analytics. MIT Sloan Management Review, 53.

Popovič, A., Hackney, R., Coelho, P. S., & Jaklič, J. (2012). Towards business intelligence systems success: Effects of maturity and culture on analytical decision making. Decision Support Systems. https://doi.org/10.1016/j.dss.2012.08.017

Sabanovic, A., & Søilen, K. S. (2012). Customer�_ Expectations and Needs in the Business Intelligence Software Market.

Watson, H., & Wixom, B. (2007). The Current State of Business Intelligence. Computer, 40, 96–99. https://doi.org/10.1109/MC.2007.331

Yeoh, W., & Popovič, A. (2016). Extending the understanding of critical success factors for implementing business intelligence systems. Journal of the Association for Information Science and Technology, 67, 134–147. https://doi.org/10.1002/asi.23366