Kecerdasan BisnisBusiness Intelligence

Pengantar Perkuliahan

HusniLab. Sistem Terdistribusi JTIF UTM

Husni.trunojoyo.ac.idhusni@trunojoyo.ac.id

2019

Pertemuan ke-1

Apa itu?

Business Intelligence

Kecerdasan Bisnis

Inteligensi Bisnis

2

Business Intelligence

• Business Intelligence (BI) mengacu pada teknologi, aplikasi, dan praktik untuk pengumpulan, integrasi, analisis, dan penyajian informasi bisnis.

• Tujuan Business Intelligence adalah untuk mendukung pengambilan keputusan bisnis yang lebih baik dan cepat

• Pada dasarnya, sistem Business Intelligence adalah Sistem Pendukung Keputusan berbasis data (DSS).

4

Perangkat lunak intelijensi bisnis (BI) adalah koleksi teknologipendukung keputusan untuk perusahaan sehingga

memungkinkan pekerja berbasis pengetahuan seperti para eksekutif, manajer, dan analis membuat keputusan lebih baik dan

lebih cepat.

5

Kecerdasan Bisnis

• Inteligensi Bisnis (IB) adalah sekumpulan teknik dan alat untuk mentransformasidata mentah menjadi informasi yang berguna dan bermakna untuk tujuananalisis bisnis.

• Teknologi IB dapat menangani data yang tak terstruktur dalam jumlah yang sangat besar untuk membantu mengidentifikasi, mengembangkan, dan membuat kesempatan strategi bisnis yang baru.

6

Kecerdasan Bisnis

• Tujuan dari IB yaitu untuk memudahkan interpretasi dari jumlah data yang besartersebut, mengidentifikasi kesempatan yang baru dan mengimplementasikansuatu strategi yang efektif berdasarkan wawasan yang dapat menyediakan bisnissuatu keuntungan pasar yang kompetitif dan stabilitas jangka panjang.

• Teknologi IB menyediakan riwayat, pandangan sekarang dan prediksi dari operasibisnis.

• Fungsi-fungsi umum dari teknologi inteligensi bisnis adalah pelaporan, pemrosesan analisis daring, analitis, penggalian data, penggalian proses, pemrosesan kejadian kompleks, manajemen performansi bisnis, pengukuran, penggalian teks, analitis prediktif dan analitis preskriptif.

7

Kecerdasan Bisnis

• IB dapat digunakan untuk mendukung sejumlah besar keputusan bisnis mulaidari operasi sampai strategis.

• Keputusan operasi termasuk penempatan dan harga produk.

• Keputusan strategis termasuk prioritas, tujuan dan arah pada tingkat yang lebihluas.

• IB lebih efektif bila digabungkan dengan data yang didapat dari pasar tempatperusahaan beroperasi (data eksternal) dengan data dari sumber internal bisnisseperti data operasi dan finansial (data internal).

• Bila digabungkan, data eksternal dan internal dapat menyediakan gambaranyang lebih lengkap, yang efeknya, menciptakan "inteligensi" yang tidak dapatditurunkan dari kumpulan data tunggal manapun.

8

Aplikasi dalam sebuah perusahaan

1. Perkiraan - program yang membuat hierarki dari metrik performansi (lihat juga Model Referensi Metrik) dan pengukuran yang menginformasikan pimpinan bisnistentang progres kearah tujuan bisnis (manajemen proses bisnis).

2. Analitis - program yang membuat proses kuantitatif supaya sebuah bisnismencapai keputusan yang optimal dan melakukan penemuan pengetahuan bisnis. Biasanya mengikutkan: penggalian data, penggalian proses, analisis statistik, analitis prediksi, pemodelan prediksi, pemodelan proses bisnis, silsilah data, pemrosesan kejadian kompleks dan analitis preskriptif.

9

Aplikasi dalam sebuah perusahaan

3. Pelaporan/pelaporan perusahaan - program yang membangun infrastruktur untuklaporan strategis untuk melayani manajemen strategis dari suatu bisnis, bukanpelaporan operasional. Seringkali mengikutkan visualisasi data, sistem informasieksekutif dan OLAP.

4. Kolaborasi/platform kolaborasi - program yang membuat wilayah yang berbeda(baik dalam dan luar bisnis) bekerja sama lewat berbagi data dan pertukaran data elektronik.

5. Manajemen pengetahuan - program yang membuat data perusahaan diarahkanoleh strategi dan praktik untuk mengidentifikasi, membuat, merepresentasikan, menyalurkan, dan mengadopsi wawasan dan pengalaman yang benar-benarberpengetahuan bisnis. Manajemen pengetahuan mengarah ke manajemenpembelajaran dan penyesuaian peraturan.

10

Business Intelligence (BI) mengacu pada teknologi, aplikasi dan praktik yang diperlukan untuk pengumpulan, integrasi, analisis,

dan penyajian informasi bisnis.

Apa yang dipelajari dalam kuliah ini?

11

Kuliah ini memberikan gambaran umum tentang BI dan menunjukkan bagaimana BI memfasilitasi implementasi strategi

organisasi yang efektif melalui pengambilan keputusan bisnisyang lebih baik.

12

Capaian Pembelajaran: Umum

Memahami dan menerapkan konsepdasar dan praktik teknologi intelijensi

bisnis.

13

Capaian Pembelajaran

1. Menjelaskan konsep dan komponen Business Intelligence (BI).

2. Mengevaluasi penggunaan BI secara kritis untuk mendukungpengambilan keputusan dalam suatu organisasi.

3. Memahami dan menggunakan teknologi dan alat yang membentuk BI (mis. Pergudangan data, pelaporan data, dan penggunaan pemrosesananalitik daring (OLAP)).

4. Memahami dan merancang arsitektur teknologi yang menopang sistemBI.

5. Merencanakan implementasi sistem BI.

14

Isi Matakuliah

• Kuliah ini memperkenalkan konsep fundamental dan praktikTeknologi dari kecerdasan bisnis.

• Topiknya termasuk– Business Intelligence, Analytics, and Data Science,

– AI, Big Data, and Cloud Computing,

– Descriptive Analytics: Nature of Data, Statistical Modeling, and Visualization, Business Intelligence and Data Warehousing,

– Predictive Analytics: Data Mining Process, Methods, and Algorithms, Text, Web, and Social Media Analytics,

– Prescriptive Analytics: Optimization and Simulation,

– SNA, Machine and Deep Learning, NLP,

– AI Chatbots and Conversational Commerce,

– Tren Masa Depan bidang Analitika Data (Bisnis).

15

16

Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th Edition, Ramesh Sharda, Dursun Delen, and Efraim Turban, Pearson, 2018.

Referensi Utama

1. An Overview of Business Intelligence, Analytics, and Data Science

2. Descriptive Analytics I: Nature of Data, Statistical Modelling, & Visualization

3. Descriptive Analytics II: Business Intelligence and Data Warehousing

4. Predictive Analytics I: Data Mining Process, Methods, & Algorithms

5. Predictive Analytics II: Text, Web, and Social Media Analytics

6. Prescriptive Analytics: Optimization and Simulation

7. Big Data Concepts and Tools

8. Future Trends, Privacy and Managerial Considerations in Analytics.

17

Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th Edition, Ramesh Sharda, Dursun Delen, and Efraim Turban, Pearson, 2018.

Business Intelligence (BI)

18

Pengantar BI dan Data Science

Analitika Deskriptif

Analitika Prediktif

Analitika Preskriptif

1

3

5

4

Analitika Data Besar

2

6 Tren Masa Depan

Silabus

19

Pekan Tanggal Subyek/Topik

1 19-08-2019 Pengantar Perkuliahan Business Intelligence

2 26-08-2019 Business Intelligence, Analitika dan Data Science

3 02-09-2019 ABC: AI, Big Data, and Cloud Computing

4. 09-09-2019 Descriptive Analytics I: Nature of Data, Statistical Modeling, and Visualization

5 16-09-2019 Descriptive Analytics II: Business Intelligence & Data Warehousing

6 23-09-2019 Predictive Analytics I: Data Mining Process, Methods, & Algorithms

7 30-09-2019 Predictive Analytics II: Text, Web & Social Media Analytics

8 07-10-2019 Ujian Tengah Semester (UTS)

20

Pekan Tanggal Subyek/Topik

9 17-10-2019 Prescriptive Analytics: Optimization and Simulation

10 24-10-2019 Social Network Analysis

11 31-10-2019 Machine Learning and Deep Learning

12 07-11-2019 Natural Language Processing

13 14-11-2019 AI Chatbots and Conversational Commerce

14 21-11-2019 Future Trends, Privacy & Managerial Considerations in Analytics

15 28-11-2019 Review

16 12-12-2019 Ujian Akhir Semester (UAS)

Silabus

Proyek Tim

• Topik Proyek Tim

– Business Intelligence

– Social Network Analysis (SNA)

– FinTech

– Short Text Conversation (STC)

– Dan lain-lain

• Tim terdiri dari 3-4 Mahasiswa

21

Buku Pendukung

22

1. Introduction2. Descriptive Statistics3. Data Visualization4. Descriptive Data Mining5. Probability: An Introduction to Modeling Uncertainty6. Statistical Inference7. Linear Regression8. Time Series Analysis and Forecasting9. Predictive Data Mining10. Spreadsheet Models11. Monte Carlo Simulation12. Linear Optimization Models13. Integer Linear Optimization Models14. Nonlinear Optimization Models15. Decision Analysis

Google Colab

24https://colab.research.google.com/notebooks/welcome.ipynb

Evolusi Pendukung Keputusan, Kecerdasan Bisnis dan Analitika

25Source: Ramesh Sharda, Dursun Delen, and Efraim Turban (2017),

Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th Edition, Pearson

Evolusi Business Intelligence (BI)

26

Chapter 1 • An Overview of Business Intelligence, Analytics, and Data Science 43

Organizations have to work smart. Paying careful attention to the management of BI

initiatives is a necessary aspect of doing business. It is no surprise, then, that organizations

are increasingly championing BI and under its new incarnation as analytics. Application

Case 1.1 illustrates one such application of BI that has helped many airlines as well as, of

course, the companies of fering such services to the airlines.

Business

Int elligence

Spreadsheet s

(M S Excel)

DSS

ETL

Dat a warehouse

Dat a mar t s

M et adat a

Querying and

repor t ing

EIS/ESS

Broadcast ing

t oolsPor t als

OLAP

Scorecards and

dashboards

Aler t s and

not ificat ions

Dat a & t ext

mining Predict ive

analyt ics

Digit al cockpit s

and dashboards

Workflow

Financial

repor t ing

FIGU RE 1.9 Evolution of Business Intelligence (BI).

Technical st af f

Build t he dat a w arehouse

- Organizing

- Summarizing

- St andardizing

Dat a

warehouse

Business user s

Access

Manipulat ion, result s

Managers/execut ives

BPM st rat egies

Fut ure component :

Int elligent syst ems

User int er face

- Browser

- Port al

- Dashboard

Dat a Warehouse

Environment

Business Analyt ics

Environment

Performance and

St rat egy

Dat a

Sources

FIGU RE 1.10 A High-Level Architecture of BI. (Source: Based on W. Eckerson, Smart Companies in the 21st

Century: The Secrets of Creating Successful Business Intelligent Solutions. The Data Warehousing Institute, Seattle, W A,

2003, p. 32, Illustration 5.)

M01_SHAR0543_04_GE_C01.indd 43 17/07/17 2:09 PM

Source: Ramesh Sharda, Dursun Delen, and Efraim Turban (2017),

Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th Edition, Pearson

Arsitektur High-Level dari BI

27

Chapter 1 • An Overview of Business Intelligence, Analytics, and Data Science 43

Organizations have to work smart. Paying careful attention to the management of BI

initiatives is a necessary aspect of doing business. It is no surprise, then, that organizations

are increasingly championing BI and under its new incarnation as analytics. Application

Case 1.1 illustrates one such application of BI that has helped many airlines as well as, of

course, the companies of fering such services to the airlines.

Business

Int elligence

Spreadsheet s

(M S Excel)

DSS

ETL

Dat a warehouse

Dat a mar t s

M et adat a

Querying and

repor t ing

EIS/ESS

Broadcast ing

t oolsPor t als

OLAP

Scorecards and

dashboards

Aler t s and

not ificat ions

Dat a & t ext

mining Predict ive

analyt ics

Digit al cockpit s

and dashboards

Workflow

Financial

repor t ing

FIGU RE 1.9 Evolution of Business Intelligence (BI).

Technical st af f

Build t he dat a w arehouse

- Organizing

- Summarizing

- St andardizing

Dat a

warehouse

Business user s

Access

Manipulat ion, result s

Managers/execut ives

BPM st rat egies

Fut ure component :

Int elligent syst ems

User int er face

- Browser

- Port al

- Dashboard

Dat a Warehouse

Environment

Business Analyt ics

Environment

Performance and

St rat egy

Dat a

Sources

FIGU RE 1.10 A High-Level Architecture of BI. (Source: Based on W. Eckerson, Smart Companies in the 21st

Century: The Secrets of Creating Successful Business Intelligent Solutions. The Data Warehousing Institute, Seattle, W A,

2003, p. 32, Illustration 5.)

M01_SHAR0543_04_GE_C01.indd 43 17/07/17 2:09 PM

Source: Ramesh Sharda, Dursun Delen, and Efraim Turban (2017),

Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th Edition, Pearson

28

Tiga JenisAnalitika

Source: Ramesh Sharda, Dursun Delen, and Efraim Turban (2017),

Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th Edition, Pearson

Analitika Deskriptif, Prediktif & Preskriptif

29

Kadang dibagi 4

31

Data Memberitahukan…menggunakan 4 tipe analitika

Diagnostic Analytics

Descriptive Analytics

Predictive Analytics

Prescriptive Analytics

• Descriptive Analytics

– apa yang terjadi di masa lalu

• Diagnostic Analytics

– mengapa sesuatu terjadi

• Predictive Analytics

– memprediksi masa depanberdasarkan masa lalu

• Prescriptive Analytics

– menentukan apa yang harusdilakukan untuk mengurangi risiko

33

Ekosistem Analitika

Source: Ramesh Sharda, Dursun Delen, and Efraim Turban (2017),

Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th Edition, Pearson

34

Jabatan Kerja Analitika

Source: Ramesh Sharda, Dursun Delen, and Efraim Turban (2017),

Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th Edition, Pearson

Data to Knowledge Continuum

35Source: Ramesh Sharda, Dursun Delen, and Efraim Turban (2017),

Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th Edition, Pearson

Infrastruktur Business Intelligence (BI)

36Source: Kenneth C. Laudon & Jane P. Laudon (2014), Management Information Systems: Managing the Digital Firm, Thirteenth Edition, Pearson.

Business Intelligence dan Data Mining

Increasing potential

to support

business decisions End User

Business

Analyst

Data

Analyst

DBA

DecisionMaking

Data Presentation

Visualization Techniques

Data MiningInformation Discovery

Data Exploration

Statistical Summary, Querying, and Reporting

Data Preprocessing/Integration, Data Warehouses

Data Sources

Paper, Files, Web documents, Scientific experiments, Database Systems

37Source: Jiawei Han and Micheline Kamber (2006), Data Mining: Concepts and Techniques, Second Edition, Elsevier

38

Business Insights

denganSocial Analytics

Menganalisis Web Sosial: Analisis Jaringan Sosial

39

Tampilan StrategisKecerdasan Bisnis Sosial

• Kuliah ini memperkenalkan fundamental concepts dan technology practices dari business intelligence.

• Topik bahasan:

– Business Intelligence, Analytics, and Data Science,

– AI, Big Data, and Cloud Computing,

– Descriptive Analytics: Nature of Data, Statistical Modeling, and Visualization, Business Intelligence and Data Warehousing,

– Predictive Analytics: Data Mining Process, Methods, and Algorithms, Text, Web, and Social Media Analytics,

– Prescriptive Analytics: Optimization and Simulation,

– SNA, Machine and Deep Learning, NLP,

– AI Chatbots and Conversational Commerce,

– Tren analitika masa depan.42

Rangkuman

Penilaian

• Ujian Tengah Semester (UTS) : 30%

– Tertulis, tertutup

• Ujian Akhir Semester (UAS) : 30%

– Pembuatan makalah personal

• Proyek kelompok : 40%

– Pembuatan perangkat lunak

43