Tag Archive | "SIM"

Tags: , , , , , , ,

SIM’s Individual Task: Applebee’s & Others

Posted on 24 March 2012 by annisa.dieni47

Perusahaan yang disebutkan dalam jurnal adalah Applebee’s, jaringan restoran; Teradata, perusahan penyedia jasa pengarsipan data (data warehouse); VistaPrint, perusahaan yang menawarkan produk promosi dan cetak; Travelocity, perusahaan perjalanan; dan Attensity, perusahaan software.

Real World Case 4 / Chapter 5 Data Resource Management

Applebee’s, Travelocity, & Others: Data Mining for Business Decisions  (James A. O’Brien dan George M. Marakas, Information and Management Systems. 10th Edition. 2007. McGraw-Hill Irwin)

Mata Kuliah Sistem Informasi Manajemen (SIM)
Dosen: Dr. Ir. Arif Imam Suroso, MSc(CS)

Oleh: Annisa Dieni Lestari  |  P056111041.47/ R47

DAFTAR ISI

Kata Pengantar
Daftar Isi
Daftar Gambar
Bab I  Pendahuluan
1.1.     Latar Belakang
1.2.     Tujuan
Bab II  Tinjauan Pustaka
2.1.  Data Warehouse (Gudang Data)
2.2.  Data Mining (Penggalian Data)
2.3.  Database (Pangkalan Data atau Basis Data)
2.4.  Perusahaan dalam Jurnal
Bab III  Pembahasan
3.1.  Terjemahan Jurnal
3.2.  Pertanyaan Studi Kasus
Bab IV  Kesimpulan dan Saran
4.1.  Kesimpulan
4.2.  Saran
Daftar Pustaka

BAB I  PENDAHULUAN

1.1.      Latar Belakang
Sistem informasi (SI) merupakan komponen penting demi kesuksesan suatu bisnis. SI adalah hasil dari gabungan seluruh input yang digunakan pengguna, lalu diubah menjadi informasi. SI membantu bisnis untuk berekspansi, beraliansi, dan berkompetisi dalam persaingan industri yang semakin ketat. Bisnis yang menggunakan teknologi informasi (TI) dan SI, proses bisnisnya dapat berkembang secara efektif dan efisien. Harmoni lima unsur SI ialah hardware, software, netware, dataware, dan brainware.
Database merupakan data-data yang terintegrasi menjadi koleksi arsip. Ada istilah “the heart of the IS (information system) is database”. Integrasi database memiliki syarat konsisten, mengurangi redudansi, independen, dan hubungan relasi sistemik terpelihara baik. Data adalah input dari saluran komunikasi. Apabila diolah, data mentah yang berasal dari fakta di lapangan, menjadi berarti dan bermanfaat, yang disebut juga informasi. Tidak semua data merupakan informasi, hanya sekedar data. Data terpadu yang telah menjadi informasi, bisa kemudian dijadikan aplikasi menggunakan software atau program pengolah data. Software data mining digunakan untuk proses pengambilan keputusan dengan pencarian pola dan hubungan data yang signifikan.
Perusahaan yang disebutkan dalam jurnal adalah Applebee’s, jaringan restoran; Teradata, perusahan penyedia jasa pengarsipan data (data warehouse); VistaPrint, perusahaan yang menawarkan produk promosi dan cetak; Travelocity, perusahaan perjalanan; dan Attensity, perusahaan software.

1.2.     Tujuan
Tujuan dari pembahasan masalah ini adalah dapat menjawab pertanyaan mengenai:
1.    Apa manfaat yang diperoleh bisnis dalam menggunakan waktu dan tenaga untuk menciptakan dan mengoperasikan data warehouses (gudang data) seperti yang disebutkan dalam kasus? Apakah anda melihat kerugian? Adakah alasan lain yang memperkuat alasan bahwa seluruh perusahaan sebaiknya tidak menggunakan teknologi data warehouse?
2.    Applebee’s menyatakan beberapa wawasan tak terduga muncul dari analisis data dari performa ‘back-of-house’ (di belakang restoran/di balik dapur). Gunakan pengetahuan Anda bagaimana restoran bekerja, apa pertanyaan menarik lainnya yang anda sarankan kepada perusahaan? Berikan beberapa contoh spesifik.
3.    Teknologi data mining (penggalian data) dan data warehousing (penggudangan data), menggunakan data masa lampau untuk menginformasikan pengambilan keputusan yang lebih baik di masa depan. Apakah anda percaya bahwa pemikiran inovatif yang memaksa, membuat perusahaan menjadi tidak terlalu leluasa dengan data yang telah dikumpulkan terhadap peluang yang belum diuji coba? Bandingkan dan kontraskan kedua sudut pandang dalam jawaban anda.

BAB II  TINJAUAN PUSTAKA

2.1.  Data Warehouse (Gudang Data)
Data warehouse atau gudang data merupakan penggunaan database skala besar yang mengkombinasikan seluruh data organisasi dan mempersilakan pengguna unntuk mengakses data langsung, membuat laporan, dan memperbolehkan pertanyaan “apa dan jika”.
Data warehouse adalah suatu sistem komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu organisasi menyalin informasi dari sistem operasionalnya (seperti penjualan dan SDM) ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen dapat melakukan query kompleks dan analisis (contohnya penggalian data/data mining) terhadap informasi tersebut tanpa membebani sistem yang operasional.

2.2.  Data Mining (Penggalian Data)
Data mining atau penggalian data adalah ekstraksi pola yang menarik dari data dalam jumlah besar. Suatu pola dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan berguna. Pola yang disajikan haruslah mudah dipahami, berlaku untuk data yang akan diprediksi dengan derajat kepastian tertentu, berguna, dan baru. Penggalian data memiliki beberapa nama alternatif, meskipun definisi eksaknya berbeda, seperti KDD (knowledge discovery in database), analisis pola, arkeologi data, pemanenan informasi, dan intelegensia bisnis. Penggalian data diperlukan saat data yang tersedia terlalu banyak, misalnya data yang diperoleh dari sistem database perusahaan, e-commerce, data saham, dan data bioinformatika, tapi tidak tahu pola apa yang bisa didapatkan.
Pada dasarnya teknik data mining dibedakan menjadi dua fungsi, yaitu deskriptif dan prediktif. Berikut ini beberapa fungsi penggalian data yang sering digunakan:
•    Karakterisasi dan diskriminasi: menggeneralisasi, merangkum, dan mengontraskan karakteristik data.
•    Penggalian pola berulang: pencarian pola asosiasi (association rule) atau pola intra-transaksi, atau pola pembelian yang terjadi dalam satu kali transaksi.
•    Klasifikasi: membangun suatu model yang bisa mengklasifikasikan suatu objek berdasar atribut-atributnya. Kelas target sudah tersedia dalam data sebelumnya, sehingga fokusnya adalah bagaimana mempelajari data yang ada agar klasifikator bisa mengklasifikasikan sendiri.
•    Prediksi: memprediksi nilai yang tidak diketahui atau nilai yang hilang, menggunakan model dari klasifikasi.
•    Penggugusan/cluster analysis: mengelompokkan sekumpulan objek data berdasarkan kemiripannya. Kelas target tidak tersedia dalam data sebelumnya, sehingga fokusnya adalah memaksimalkan kemiripan intrakelas dan meminimalkan kemiripan antarkelas.
•    Analisis outlier: yaitu proses pengenalan data yang tidak sesuai dengan perilaku umum dari data lainnya. Contoh: mengenali noise dan pengecualian dalam data.
•    Analisis trend dan evolusi: meliputi analisis regresi, penggalian pola sekuensial, analisis periodisitas, dan analisis berbasis kemiripan.

2.3.  Database (Pangkalan Data atau Basis Data)
Database, disebut juga pangkalan data atau basis data adalah kumpulan informasi yang disimpan di dalam komputer secara sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk memperoleh informasi dari basis data tersebut. Perangkat lunak yang digunakan untuk mengelola dan memanggil query basis data disebut sistem manajemen basis data (database management system, DBMS). Lingkungan database adalah sebuah habitat di mana terdapat basis data untuk bisnis. Dalam lingkungan database, pengguna memiliki alat untuk mengakses data. Pengguna melakukan semua tipe pekerjaan dan keperluan mereka bervariasi seperti penggalian data (data mining), memodifikasi data, atau berusaha membuat data baru.

2.4.  Perusahaan dalam Jurnal
Perusahaan Applebee’s ini merupakan jaringan waralaba restoran dari Amerika Serikat. Applebee’s sedang menjajaki pasar Indonesia, dan telah memiliki satu cabang di Indonesia, tepatnya ITC Mangga Dua, Jakarta. Konsep Applebee’s berfokus pada bersantap santai dengan hidangan utama seperti salad ala Amerika, udang, ayam, pasta, dan “riblets”. Semua restoran Applebee’s menampilkan area bar.
Produk Teradata disebut sebagai warehouse system (sistem pergudangan). Data warehouse menggunakan “arsitektur shared nothing”, yang berarti bahwa setiap node server memiliki memori sendiri dan kekuatan prosesor. Menambahkan lebih banyak node server meningkatkan jumlah data yang dapat disimpan. Teradata menjual aplikasi dan perangkat lunak untuk mengolah berbagai jenis data. Produk Teradata dapat digunakan untuk analisis bisnis. Data warehouse dapat melacak data perusahaan, seperti penjualan, preferensi pelanggan, dan penempatan produk.
Vistaprint adalah perusahaan online produk promosi dan cetak, serta layanan pemasaran untuk usaha mikro dan konsumen. Pada perayaan 26 tahun Seni Grafis Bulanan, pada daftar 101 perusahaan percetakan, Vistaprint menduduki perusahaan terbesar ke-40 berdasarkan pendapatan dan yang tercepat ke-4 tumbuh di Amerika Utara.
Attensity adalah perangkat lunak yang menggunakan bahasa pengolahan alami teknologi untuk mengatasi kecerdasan kolektif dalam media sosial dan forum, yang suara pelanggan dalam survei dan e-mail; e-service; penelitian dan e-discovery. Pelanggan korporat menggunakan Attensity untuk mengarahkan keputusan bisnis.

BAB III  PEMBAHASAN

3.1.  Terjemahan Jurnal
Chapter 5 Data Resource Management / Real World Case 4
Applebee’s, Travelocity, dan Lainnya: Data Mining untuk Keputusan Bisnis
Randall Parman, arsitek database rantai restoran Applebee’s International dan ketua grup pengguna Teradata, membuka konferensi tahunan pengguna Teradata, di Las Vegas, dengan memberi peringatan kepada mereka yang tidak menggunakan data secara maksimal. Data itu seperti emas. Bila anda tidak menggunakan emas, akan ada orang lain yang datang dan mengambil peluang tersebut.

Parman menggambarkan analogi dengan kisah Isaac Newton yang menemukan teori gravitasi setelah melihat sebuah apel jatuh dari pohon. “Bagaimana jika saat itu hanya memakan apelnya?” seperti “bagaimana jika kita gagal menggunakan teknologi yang tersedia?” Applebee’s yang memiliki 1.900 restoran di seluruh dunia dan meraih pendapatan 1,34 milyar dolar tahun lalu, memiliki 4-terabytesistem data warehouse. Meskipun hanya memiliki 3 orang administrator sistem, Applebee’s telah melihat pengaruh informasi untuk peningkatan bisnis, pengetahuan tak terduga muncul ketika sbenar-benar dari arah yang berbeda.

Sebagai contoh, Applebee’s telah menggunakan data warehouse untuk menganalisa performa ‘back-of-house’ restoran, termasuk berapa lama karyawan mempersiapkan makanan di dapur. “Seseorang telah mengantisipasi performa back-of-horsemenjadi performa front-of-house. Dari melihat waktu pelanggan memesan makanan, membayar dengan kartu kredit, dan waktu mempersiapkan hidangan, kami dapat memperkirakan berapa lama waktu yang kami habiskan bersama pelanggan,” kata Parman. Informasi ini berguna bagi perusahaan untuk meningkatkan pengalaman pelanggan.
Applebee’s juga sudah maju melampaui dasar tujuan bisnis berbasis data, seperti pengisian suplai bahan pangan terkait berapa banyak produk jadi terjual tiap hari, untuk analisis yang lebih riil. Pada salah satu departemen, menghadirkan ‘kuadran optimisasi menu’, yang menunjukkan seberapa baik jenis-jenis produk terjual, sehingga perusahaan bisa membuat keputusan lebih baik mengenai produk untuk dipromosikan.
Sementara itu, vendor melihat potensi bagi bisnis untuk menginvestasikan uangnya di software dan hardware. “Perusahaan yang beroperasi dengan kecepatan dan kecerdasan tertinggi akan menang,” kata CEO Teradata Michael Koehler.

Seperti perusahaan lainnya, Travelocity.com memiliki banyak data tak terstruktur berisi e-mail pelanggan, catatan perwakilan kantor telepon, dan berbagai sumber yang berisi kritik tentang pelanggan terhadap situs travel. Untuk itu, Travelocity meluncurkan sebuah proyek baru untuk memudahkan memonitor dan merespon 600.000 komentar terkait masalah pelayanan pelanggan.

Situs travel online menginstal new text analisys software yang bisa memeriksa sekitar 40.000 komentar verbatim dari survey kepuasan pelanggan dan 500.000 interaksi dengan pusat telepon. Software ini memberi kemampuan bagi perusahaan untuk melihat respon pelanggan, baik itu komentar positif dan komentar negatif. “Pada kenyataannya, cara ini sangat membutuhkan karyawan berjumlah besar dan biaya yang mahal untuk membuat keputusan bisnis,” kata Don Hill, direktur hak pelanggan di Travelocity.
Travelocity akan menggunakan software dari Attensity untuk identifikasi otomatis fakta, opini, permintaan, tren, dan masalah dari data. Kemudian Travelocity menghubungkan analisis tersebut dengan data terstruktur dari Teradata data warehouse sehingga perusahaan bisa mengidentifikasi tren sepanjang waktu. Kapan sebuah topik itu naik, turun, atau stabil.
Teknologi Attensity menggunakan bahasa yang secara otomatis mesin menarik data penting tanpa proses awal yang rumit, menurut Michelle de Haaff, wakil presiden pemasaran. Hal ini membuat perusahaan memperoleh peringatan dini untuk menghadapi isu permasalahan.

VistaPrint Ltd., sebuah ritel online berbasis di Lexington, Massachusetts, yang menyediakan layanan desain grafis dan pesanan produk cetak, telah mendorong tingkat konversi pelanggannya dengan teknologi analisis Web yang menembus hingga detil terkecil mengenai 22.000 transaksi di 18 situs.
Seperti kebanyakan perusahaan yang berinvestasi besar di penjualan online, VistaPrint ikut serta dalam pencari Web log data dari operasi online. Menganalisis kebiasaan pelanggan online dan bagaimana sebuah fitur baru berpengaruh terhadap kebiasaan merupakan hal yang penting.  Tetapi mencari info dan menganalisis data memakan waktu berjam-jam atau berhari-hari, bila menggunakan aplikasi lama, kata Dan Malone, senior manager VistaPrint. Oleh karena kurang berkelanjutan, VistaPrint mencari paket Web analisis yang dapat mengetes pengguna baru untuk meningkatkan tingkat konversi (presentase pengunjung online menjadi pelanggan), mencari tahu mengapa pelanggan meninggalkan situs, dan memeriksa bagian yang menyebabkan pengguna keluar.
Perusahaan akhirnya memperoleh opsi, yaitu memilih aplikasi Visual Site dari Visual Sciences Inc. yang menggunakan metoda pengambilan acak yang bisa diragukan kebenarannya. Namun, metoda tersebut juga cepat, karena langsung memberikan jawaban saat itu juga. Bila anda memiliki 1% data, bisa diasumsikan bahwa 99% yang lain juga seperti itu. Karena data dilakukan secara acak, maka asumsi tersebut valid.
VistaPrint telah menggunakan alat tersebut lebih dari satu tahun, menjalankan tes 30 hingga 40 fitur setiap tiga minggu. Sebagai contoh, perusahaan meluncurkan sebuah halaman yang terbagi empat bagi pengguna mengupload data yang bisa dicetak di atas kartu bisnis. Hasil tes menunjukkan bahwa tidak ada peningkatan, padahal perusahaan telah menghabiskan banyak waktu untuk mengembangkan produk tersebut.

Ketika perusahaan menambahkan Visual Site dalam operasinya, ditemukan bahwa versi uji coba lebih baik daripada versi tiga atau empat halaman, yang mana halaman terakhirnya peringkatnya jatuh. Perusahaan dapat mengatakan pada tim, mana yang bermasalah. VistaPrint juga mengurangi kegagalan pengguna pada halaman pendaftaran setelah alat Visual Site menunjukkan bahwa pelanggan yang kembali melakukan proses registrasi pelanggan baru dan mendapat pemberitahuan yang gagal. Perusahaan lalu memperbaiki permasalahan dan peringkat konversinya meningkat hingga memimpin ke konversi yang lebih tinggi. Meskipun sulit untuk mengukur pengembalian investasi secara tepat, perusahaan mengestimasi bahwa investasi terbayar beberapa bulan setelah instalasi.

3.2.  Pertanyaan Studi Kasus
1.    Apa manfaat yang diperoleh bisnis dalam menggunakan waktu dan tenaga untuk menciptakan dan mengoperasikan data warehouses (gudang data) seperti yang disebutkan dalam kasus? Apakah anda melihat kerugian? Adakah alasan lain yang memperkuat alasan bahwa seluruh perusahaan sebaiknya tidak menggunakan teknologi data warehouse?
Manfaat yang diperoleh itu adalah data yang dianalogikan dengan emas. Emas seperti peluang yang membuat bisnis lebih tangguh dan berkesinambungan. Data adalah sumber informasi dan informasi adalah alat yang paling penting untuk mengambil keputusan bisnis dan tindakan. Efisiensi dan kelancaran operasi kegiatan adalah salah satu alasan utama mengapa perlu membuat dan menjaga gudang data. Hal ini meningkatkan efektivitas kinerja dengan menyediakan informasi yang diperlukan tepat waktu. Bisnis dapat menjadi lebih produktif, sistematis dan kompetitif dengan mempertahankan gudang seperti data.
Dengan kemajuan teknologi informasi saat ini, tersedia alat-alat elektronik untuk menganalisis seluruh proses yang dilakukan oleh restoran. Restoran Applebee’s dapat mengukur berapa lama waktu yang dihabiskan untuk memasak setelah pesanan diterima. Restoran bahkan bisa mengukur waktu sejak pengunjung masuk ke restoran. Selama jam kerja, manajer dapat mengawasi tiap meja, dan menjelaskan apa saja layanan yang perlu ditingkatkan selama pesanan makanan sedang diproses. Manajer juga dapat menentukan layanan yang tepat untuk masing-masing individu tamu restoran tersebut. Informasi yang diperoleh manajer ini bisa diolah dan bisa diterapkan pada keseluruhan sistem restoran.
Informasi yang disediakan oleh data warehouse, didasarkan pada pengalaman dan perilaku masa lalu, sehingga data tersebut tidak selalu relevan bila digunakan untuk mengambil keputusan pada hari ini. mengelola dan memelihara gudang seperti datacukup mengonsumsi waktu dan membutuhkan banyak usaha. Jadi terkadang bukan ide yang baik bagi  organisasi tertentu untuk mempertahankan gudang data. Jadi faktor yang harus dilihat adalah kompleksitas dan kebutuhan data, menghitung manfaat gudang data dengan biaya dan usaha yang diperlukan untuk mengelola gudang data.

2.    Applebee’s menyatakan beberapa wawasan tak terduga muncul dari analisis data dari performa ‘back-of-house’ (di belakang restoran/di balik dapur). Gunakan pengetahuan Anda bagaimana restoran bekerja, apa pertanyaan menarik lainnya yang anda sarankan kepada perusahaan? Berikan beberapa contoh spesifik.
Menjalankan bisnis restoran didasari pada hubungan langsung antara pelanggan dengan layanan restoran. Sebagai contoh Applebee’s pada awalnya menggunakan data warehouse untuk menganalisa performa di belakang restoran (back-of-house), termasuk berapa lama karyawan mempersiapkan makanan di dapur. Kemudian diubah menjadi konsep di depan restoran (front-of-house), waktu dianalisis mulai dari pelanggan memesan makanan, membayar dengan kartu kredit, mempersiapkan hidangan, sehingga dapat diperkirakan berapa lama waktu yang manajemen lalui bersama pelanggan.
Applebee’s juga sudah maju melampaui dasar tujuan bisnis berbasis data, seperti pengisian suplai bahan pangan terkait berapa banyak produk jadi terjual tiap hari, untuk analisis yang lebih riil. Pada salah satu departemen, menghadirkan ‘kuadran optimisasi menu’, yang menunjukkan seberapa baik jenis-jenis produk terjual, sehingga perusahaan bisa membuat keputusan lebih baik mengenai produk untuk dipromosikan.
Untuk melihat kepuasan pelanggan, Applebee’s memiliki kolom khusus pada situsnya yang mengajak pelanggannya untuk meninggalkan komentar online. Dengan peluang untuk menuliskan spesifikasi apa yang mereka pesan atau siapa pelayannya. Aplikasi ini menggunakan Facebook App, dinama manajemen restoran bisa berkomunikasi secara efektif dengan pelanggannya. Ketika pelanggan tidak menuliskan informasi yang cukup untuk manajemen restoran, data mining dapat menghubungkan pelanggan ke data pesanan mereka, makanan apa saja, dan kesenangan. Langkah ini membuat manajemen dapat memperkirakan trend dan kapan serta mengapa pelanggan tersebut mungkin sedang senang atau jengkel.
Hal-hal tak terduga yang belum dapat diprediksi mungkin terjadi dalam bisnis seperti itu karena hampir seluruh aktivitas perusahaan dilakukan di lokasi yang sama dengan pelanggan. Oleh karena interaksi secara langsung dengan pelanggan tinggi, sangat penting untuk bisnis ini membuat pelanggan senang mulai dari awal masuk ke restoran sampai meninggalkan restoran.
Pertanyaan yang bisa disampaikan kepada pemilik bisnis restoran?
-    Berapa lama waktu yang dibutuhkan pelanggan untuk meninggalkan kursi setelah mendapatkan duduk sehingga kursi dapat digunakan oleh pelanggan berikutnya?
-    Bagaimana restoran akan mengelola jika mereka memiliki tamu khusus di jam sibuk?
-    Bagaimana bisnis mengelola jam-jam sibuk dan jam-jam sepi atau tidak ada pengunjung terkait dengan penyediaan tenaga kerja?
-    Layanan apa yang diberikan kepada pelanggan di luar penyediaan hidangan?
-    Bagaimana restoran berhasil beroperasi jika karyawan yang bertugas saat itu tidak bisa datang untuk bekerja pada jam-jam sibuk?
-    Apa yang dilakukan restoran bila konsumen merasa tidak puas dan ingin melakukan komplain.
Berikut ini adalah proses yang dilakukan oleh Mc Donald’s dalam menciptakan nilai bagi pelanggannya. Mc Donald’s bisa dijadikan sebagai contoh, karena seperti Applebee’s, juga merupakan restoran waralaba multinasional dari Amerika Serikat.

3.    Teknologi data mining (penggalian data) dan data warehousing (penggudangan data), menggunakan data masa lampau untuk menginformasikan pengambilan keputusan yang lebih baik di masa depan. Apakah anda percaya bahwa pemikiran inovatif yang memaksa, membuat perusahaan menjadi tidak terlalu leluasa dengan data yang telah dikumpulkan terhadap peluang yang belum diuji coba? Bandingkan dan kontraskan kedua sudut pandang dalam jawaban anda.
Data warehouse bertujuan untuk menyimpan arsip yang terkait dengan perusahaan. Mulai dari dokumen persiapan bisnis, dokumen legalitas perusahaan, catatan pemasukan dan pengeluaran, surat keluar internal dan eksternal, aturan atau kebijakan pemerintah, dokumen kerjasaama, katalog, kliping artikel, berita, atau informasi penting, hingga catatan yang baru berupa ide-ide (brainstrorming), rencana perusahaan kedepan, dan strategi resiko. Apabila perusahaan menghadapi permasalahan dengan situasi yang serupa, data masa lalu dapat dijadikan informasi di masa depan. Sehingga gudang data bisa menjadi fasilitator proses pengambilan keputusan masa depan. Namun kejadian di masa lalu bisa berbeda di masa depan mengenai lingkungan dan situasi. Oleh karena itu, tidak selalu bermanfaat untuk memutuskan kegiatan masa depan berdasarkan catatan masa lalu.
Penyimpanan data selain bisa mengurangi kapasitas data warehouse, perlu disimpan dalam bentuk atau pola yang teratur dan sistematis. Adanya kemungkinan salah atau gagal itu selalu lebih baik untuk memiliki gagasan tentang apa yang telah dilakukan pada situasi serupa di masa lalu. Perusahaan tidak harus memulai dari nol setiap menghadapi masalah. Lebih menghemat waktu dan tenaga.
Kondisi yang tidak menguntungkan dari data mining adalah biaya yang harus dikeluarkan oleh perusahaan untuk membayar penyedia jasa koleksi dan analisis data. Tentu hal ini menjadi masalah bagi perusahaan yang baru dirintis, berskala kecil atau skala keluarga. Ketidaknyamanan lainnya adalah masalah keamanan data. kita harus bisa berhati-hati agar data privasi perusahaan tidak jatuh kepada perusahaan lain. Mengumpulkan data adalah salah satu aspek data mining yang bermanfaat. Tetapi menjaga data dari tangan hacker atau penyusup itu juga penting. Sangat rugi apabila koleksi data telah dikumpulkan, lalu ada pihak yang mencuri data tersebut, lalu dijual kepada perusahaan pesaing.

BAB IV  KESIMPULAN DAN SARAN

4.1.  Kesimpulan
Data merupakan bukti sejarah yang mencatat setiap aktivitas pada suatu waktu. Bagi perusahaan, data merupakan aset yang paling penting untuk bisa diaplikasikan dalam sistem informasi perusahaan. Hal-hal yang terkait dengan pengarsipan data adalah database, data warehouse, dan data mining. Data masa lampau bisa dipakai kembali di masa yang akan datang ketika perusahaan menghadapi suatu kondisi permasalahan yang mirip. Walaupun tidak selalu permasalahan bisa diselesaikan dengan benar, tetapi paling tidak perusahaan punya gambaran, tidak memulai sesuatu dari nol.
Perusahaan bisnis memperoleh manfaat dari penggunaan sumberdaya untuk menciptakan dan mengoperasikan data warehouse (gudang data) dan data mining (penggalian data) seperti yang disebutkan dalam kasus. Perusahaan yang menjadi contoh adalah Applebee’s, jaringan restoran; Teradata, perusahan penyedia jasa pengarsipan data (data warehouse); VistaPrint, perusahaan yang menawarkan produk promosi dan cetak; Travelocity, perusahaan perjalanan; dan Attensity, perusahaan software. Pemanfaatan teknologi untuk data perusahaan merupakan sesuatu yang sangat penting apabila perusahaan ingin berkembang dan terus berkesinambungan. Terdapat alasan lain yang memperkuat pendapat bahwa perusahaan kecil sebaiknya tidak menggunakan teknologi data warehouse. Terutama apabila biaya yang diperlukan diluar batas kemampuan perusahaan tersebut. Namun, tidak berarti perusahaan sama sekali tidak menggunakan mengarsipkan data-datanya dengan baik.

4.2.  Saran
Sistem informasi menawarkan cara-cara untuk mendukung manajemen dalam menghadapi permasalahan yang muncul dari lingkungan. Setiap jenis usahan sebaiknya memiliki program dasar untuk membantu dalam mengelola data-data operasional rutin harian, mingguan, dan bulanan. Tujuannya agar organisasi dapat mengambil keputusan efektif dan mencapai profit yang diharapkan. Berdasarkan laporan data, perusahaan lebih mudah mengevaluasi dan menerapkan metode baru untuk strategi perusahaan selanjutnya.
DAFTAR PUSTAKA

Daft, RL. 2007. Understanding the Theory and Design of Organizations. Thomson South-Western: Mason, OH-USA
Jones, GR. 2010. Organizational Theory, Design and Change, Sixth Edition. Pearson Education, Inc.: New Jersey-USA
O’Brien, James A. 2005. Pengantar Sistem Informasi: Perspektif Bisnis dan Manajerial. Salemba Empat. Jakarta.
http://en.wikipedia.org/wiki/Data_warehouse. Diakses pada 14 Maret 2012.
http://en.wikipedia.org/wiki/Data_mining. Diakses pada 14 Maret 2012.
http://en.wikipedia.org/wiki/Data_base. Diakses pada 14 Maret 2012.
www.aeifunds.com/subpages/finance_recent.html. Diakses pada 14 Maret 2012.
www.applebees.com. Diakses pada 14 Maret 2012.
www.attensity.com. Diakses pada 14 Maret 2012.
www.travelocity.com. Diakses pada 14 Maret 2012.
www.teradata.com. Diakses pada 14 Maret 2012.
www.vistaprint.com. Diakses pada 14 Maret 2012.

 

 

 

 

Comments (0)