Definisi Business Intelligence

Business Intelligence (BI) merupakan sistem dan aplikasi yang berfungsi untuk mengubah data-data dalam suatu perusahaan atau organisasi (data operasional, data transaksional, atau data lainnya) ke dalam bentuk pengetahuan. Aplikasi ini melakukan analisis data-data di masa lampau, menganalisisnya dan kemudian menggunakan pengetahuan tersebut untuk mendukung keputusan dan perencanaan organisasi.

Definisi BI lainnya adalah yang sebagaimana diungkapkan oleh DJ Powers1 :

“Business Intelligence menjelaskan tentang suatu konsep dan metode bagiamana untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem yang berbasiskan data. BI seringkali dipersamakan sebagaimana briefing books, report and query tools, dan sistem informasi eksekutif. BI merupakan sistem pendukung pengambilan keputusan yang berbasiskan data-data”

Manfaat Business Intelligence Bagi Organisasi Non-Profit
Beberapa manfaat yang bisa didapatkan bila suatu organisasi non-profit mengimplementasikan BI adalah sebagai berikut2 :

a. Meningkatkan nilai data dan informasi organisasi

Melalui pembangunan BI, maka seluruh data dan informasi dapat diintegrasikan sedemikian rupa sehingga menghasilkan dasar pengambilan keputusan yang lengkap. Informasi-informasi yang dulunya tidak dicakupkan sebagai salah satu faktor pengambilan keputusan (terisolasi) dapat dengan mudah dilakukan ‘connect and combine’ dengan menggunakan BI. Data dan informasi yang dihasilkan pun juga menjadi lebih mudah diakses dan lebih mudah untuk dimengerti (friendly-users infos).

b. Memudahkan pemantauan kinerja organisasi

Dalam mengukur kinerja suatu organisasi seringkali dipergunakan ukuran yang disebut Key Performance Indicator (KPI). KPI tidak melulu diukur dengan satuan uang, namun dapat juga berdasarkan kecepatan pelaksanaan suatu layanan. BI dapat dengan mudah menunjukkan capaian KPI suatu organisasi dengan mudah, cepat dan tepat. Dengan demikian akan memudahkan pihak-pihak yang terlibat dalam pengambilan keputusan untuk menentukan langkah-langkah antisipasi yang diperlukan.

c. Meningkatkan nilai investasi TI yang sudah ada

BI tidak perlu/harus mengubah atau menggantikan sistem informasi yang sudah digunakan sebelumnya. Sebaliknya, BI hanya menambahkan layanan pada sistem-sistem tersebut sehingga data dan informasi yang sudah ada dapat menghasilkan informasi yang komprehensif dan memiliki kegunaan yang lebih baik.

d. Menciptakan pegawai yang memiliki akses informasi yang baik (well-informed workers)

Dalam melaksanakan pekerjaannya sehari-hari, seluruh level dari suatu organisasi (mulai dari pegawai/bawahan sampai dengan pimpinan) selalu berkaitan dan/atau

membutuhkan akses data dan informasi. BI mempermudah seluruh level pegawai dalam mengakses data dan informasi yang diperlukan sehingga membantu membuat suatu keputusan. Jika kondisi seperti ini tercapai, maka misi dan strategi organisasi yang sudah ditetapkan dapat dengan lebih mudah terlaksana serta terpantau tingkat pencapaiannya.

e. Meningkatkan efisiensi biaya

BI dapat meningkatkan efisiensi karena mempermudah seseorang dalam melakukan pekerjaan : hemat waktu dan mudah pemanfaatannya. Waktu yang dibutuhkan untuk mencari data dan mendapatkan informasi yang dibutuhkan menjadi semakin singkat dan cara untuk mendapatkannya pun tidak memerlukan pengetahuan (training) yang rumit. Dengan demikian training-training yang bisanya sering dilakukan dengan biaya yang cukup besar, dapat dihemat sedimikian rupa.

Implementasi Business Intelligence di Lembaga Pemerintah

Sistem BI yang biasanya digunakan di organisasi profit telah digunakan juga di berbagai lembaga pemerintahan. Tujuan utamanya adalah untuk meningkatkan layanan kepada publik, efisiensi biaya, dan efektifitas kerja yang diembankan kepada organisasi dimaksud.

Dalam mengimplementasikan BI di suatu lembaga pemerintah, hal utama yang harus diperhatikan adalah bahwa BI harus mendukung pencapaian visi, misi, dan strategi organisasi dalam mencapai tingkat kinerja organisasi (organization performance) yang diinginkannya. BI harus sepenuhnya membantu organisasi dalam melaksanakan tugas yang diembannya. BI harus menyatu dengan proses pekerjaan itu sendiri dan menghasilkan informasi-informasi yang akan menjadi dasar pengambilan keputusan.

Secara garis besar, implementasi BI pada lembaga pemerintah dapat dilihat pada garfik di bawah ini3 :

Gambar 2.1. Performance-Centric BI Implementation

Dari gambar di atas dapat dijelaskan bahwa dalam mengembangkan BI di suatu lembaga pemerintahan harus mendasarkan pada konteks organisasi yang bersangkutan (kondisi, ekspektasi), tujuan yang ingin dicapai, strategi yang akan digunakan, serta bagaimana bentuk layanan yang ingin diberikan kepada masyarakat. Keberadaan BI-lah yang akan membantu organisasi tersebut dalam mencapai kondisi yang diinginkan, dalam bentuk penyempurnaan proses manajemen (management process) dan proses pelayanan (service delivery process).

Masih dari sumber yang sama, disebutkan bahwa untuk mengimplementasikan BI di suatu lembaga pemerintah juga akan menghadapi beberapa kendala yang harus diantisipasi terlebih dahulu. Jika kendala-kendala tersebut tidak/kurang diperhatikan

maka dikhawatirkan akan mempengaruhi tingkat keberhasilan implementasi. Kendala-kendala tersebut antara lain adalah :

            a. Masih rendahnya pemahaman bahwa BI juga dapat digunakan untuk meningkatkan kinerja organisasi lembaga pemerintah

            b. Kesulitan memilih sistem atau model BI yang sesuai dengan kebutuhan organisasi pemerintah

            c. Kesulitan menentukan ukuran-ukuran kinerja organisasi yang harus dicapai

            d. Masih rendahnya kemampuan dan kemauan organisasi untuk berubah, dalam mengadopsi perkembangan teknologi dan perubahan kebutuhan layanan yang diminta oleh publik.

Elemen-elemen Pengembangan Business Intelligence

                        1. Data Warehouse

Data warehouse merupakan tempat penyimpanan untuk ringkasan dari data historis yang diambil dari basis data-basis data yang tersebar di suatu organisasi. Data warehouse mengumpulkan semua data perusahaan dalam satu tempat agar dapat diperoleh pandangan yang lebih baik dari suatu proses bisnis/kerja dan meningkatkan kinerja organisasi. Data warehouse mendukung proses pembuatan keputusan manajemen.

Tujuan utama dari pembuatan data warehouse adalah untuk menyatukan data yang beragam ke dalam sebuah tempat penyimpanan dimana pengguna dapat dengan mudah menjalankan query (pencarian data), menghasilkan laporan, dan melakukan analisis. Salah satu keuntungan yang diperoleh dari keberadaan data warehouse adalah dapat meningkatkan efektifitas pembuatan keputusan.

 
Adapun karakteristik Data warehouse adalah sebagai berikut:

            a. Subject Oriented atau berorientasi pada subyek. Sebuah data warehouse dikatakan berorientasi pada subyek karena data disusun sedemikian rupa sehingga semua elemen data yang terkait dengan event/objek yang sama dihubungkan

            b. Time-variant, artinya bahwa perubahan data ditelusuri dan dicatat sehingga laporan dapat dibuat dengan menunjukkan waktu perubahannya

            c. Non Volatile berarti bahwa data yang telah disimpan tidak dapat berubah. Sekali committed, data tidak pernah ditimpa/dihapus. Data akan bersifat static, hanya dapat dibaca dan disimpan untuk kebutuhan pelaporan

            d. Integrated, artinya data warehouse akan mencakup semua data operasional organisasi yang disimpan secara konsisten.

Ke-empat karakteristik di atas saling terkait dan kesemuanya harus diimplementasikan agar suatu data warehouse bisa efektif memiliki data untuk mendukung pengambilan keputusan. Implementasi ke-empat karakteristik ini membutuhkan struktur data dari data warehouse yang berbeda dengan database sistem operasional biasa.

Sedangkan fungsi utama dari data warehouse meliputi:

a. Pengambilan dan pengumpulan data (termasuk data dari luar organisasi yang dibutuhkan)

b. Mempersiapkan data (transforming), seperti membersihkan dan mengintegrasikan data

c. Penyimpanan data (loading)

d. Penyediaan data untuk analisis (query & reporting)

Secara garis besar, kedudukan data warehouse di implementasi BI dapat dilihat pada gambar 2.2. Nampak bahwa penyusunan suatu data warehouse yang lengkap, integratif serta terhubung dengan semua data operasional merupakan modal pokok dikembangkannya BI di suatu organisasi.
 
Gambar 2.2. Implementasi Data Warehouse

Beberapa bagian penting dalam data warehouse dapat dijelaskan sebagaimana di bawah ini :

            • Data mart, yang merupakan bagian dari data warehouse yang mendukung kebutuhan dari suatu fungsi bisnis atau departemen tertentu. Data mart dapat berdiri sendiri atau

 

terhubung ke data warehouse yang telah ada. Ada beberapa karakteristik dari data mart yang membedakannya dengan data warehouse, yaitu :

            - Data mart hanya berfokus pada satu kebutuhan pengguna dengan satu departemen atau fungsi bisnis

            - Data mart tidak secara normal berisi data operasional terperinci

            - Data mart berisi lebih sedikit data dari yang ada dalam data warehouse, lebih mudah dimengerti dan dipahami.

            • Kubus data (cube), adalah unit pemrosesan data yang terdiri dari tabel fakta dan dimensi dalam suatu data warehouse.

            • Aggregation, adalah hitungan awal dari data numerik. Dengan menghitung dan menyimpan jawaban dari query yang sebelumnya telah dibuat, waktu proses query dapat lebih cepat. Dengan adanya agregasi, data yang jumlahnya ribuan atau bahkan ratusan ribu dalam suatu basis data multidimensi dapat dicari dengan mudah dan tidak memakan banyak waktu. Agregasi ini merupakan pondasi dari pembentukan kubus data, karena mengorganisir kumpulan data kedalam struktur data basis data multidimensi sehingga menghasilkan respon time yang cepat.

                        2. Data Mining

Data Mining seringkali diartikan dengan “menulis banyak laporan dan query”. Namun pada kenyataannya kegiatan data mining tidak melakukan pembuatan laporan dan query sama sekali. Data mining dilakukan dengan tool khusus, yang mengeksekusi operasi data yang telah didefinisikan berdasarkan model analisis. Data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang berada pada basis  data yang besar yang selama ini tidak diketahui tetapi mempunyai potensi informasi yang bermanfaat.

Konsep data mining muncul dikarenakan timbulnya data explosion akibat dari penumpukan data oleh sistem pengolahan basis data terpadu di suatu organisasi. Proses data mining menggunakan berbagai perangkat analisis data untuk menemukan pola dan hubungan dalam data yang mungkin dapat digunakan untuk membuat prediksi yang valid.

Data mining menganalisis data untuk menemukan informasi yang tersembunyi pada sejumlah besar data yang disimpan. Data mining merupakan proses yang berbeda dengan analisis statistik biasa.
Tabel berikut menyajikan perbandingan antara keduanya:

Tabel 2.1. Perbandingan Analisis Statistik dengan Data Mining

Analisis Statistik

Data Mining

Biasanya dimulai dengan hipotesis (sebuah pertanyaan atau asumsi) Data mining tidak membutuhkan hipotesis Untuk menyesuaikan dengan hipotesisnya maka dibangun sebuah persamaan Algoritma data mining dapat dengan otomatis mengembangkan persamaan tersebut Hanya menggunakan data numerik Tool data mining dapat menggunakan tipe data yang berbeda-beda, tidak hanya data numerik Dapat dilakukan pencarian dan penyaringan terhadap data kotor selama proses analisisnya Data mining bergantung pada data yang bersih dan terdokumentasi dengan baik


Analisis Statistik

Data Mining

Hasil yang diperoleh diinterpretasikan sendiri dan menyampaikan hasil tersebut kepada manajer dan eksekutif perusahaan

Hasil data mining sulit diinterpretasikan, dan masih harus melibatkan ahli statistik dalam menganalisis hasil tersebut dan menyampaikan hasil tersebut kepada eksekutif organisasi

  Hasil dari operasi data mining berupa tabel-tabel dan file-file yang berisi data analisis yang dapat diakses dengan query dan reporting tools. Terdapat empat operasi umum data mining yaitu :

            a. Predictive and Classification Modeling, yang biasa digunakan untuk memperkirakan suatu kejadian khusus. Diasumsikan bahwa seorang analis mempunyai pertanyaan khusus untuk ditanyakan.

            b. Link Analysis, yang digunakan untuk mencari hubungan antara record-record pada basis data

            c. Database Segmentation, yang digunakan untuk mengelompokkan record-record yang berhubungan ke dalam segmen-segmen. Pengelompokkan ini merupakan langkah pertama dari pemilihan data, sebelum operasi data mining lainnya dilakukan

            d. Deviation Detection, yang digunakan untuk mencari record-record yang dipandang tidak normal dan memberikan alasan untuk anomali tersebut.

3. OLAP (Online Analytical Processing)

OLAP merupakan kunci dari BI, yang digunakan untuk menganalisisis data dan informasi yang pada akhirnya akan menjadi dasar basis Decision Support System (DSS)

dan Expert Infotmation System (EIS). Beberapa aktivitas yang dapat dilakukan melalui OLAP antara lain seperti : menlakukan query, meminta laporan yang ad hoc, mendukung analisis statistik, analisis interaktif, serta membangun aplikasi multimedia.

OLAP merupakan proses komputer yang memungkinkan pengguna dapat dengan mudah dan selektif memilih dan melihat data dari sudut pandang yang berbeda-beda. Data pada OLAP disimpan dalam basis data multidimensi. Jika pada basis data relasional terdiri dari dua dimensi, maka pada basis data multidimensi terdiri dari banyak dimensi yang dapat dipisahkan oleh OLAP menjadi beberapa sub atribut.

OLAP dapat digunakan untuk data mining atau menemukan hubungan antara suatu item yang belum ditemukan. Pada basis data OLAP tidak perlu memiliki ukuran besar seperti data warehouse, karena tidak semua transaksi membutuhkan analisis tren. Dengan menggunakan open database connectivity (ODBC), data dapat diimpor dari basis data relasional menjadi suatu basis data multidimensi untuk OLAP.

Berdasarkan struktur basis datanya OLAP dibedakan menjadi 3 kategori utama :

a. Multidimensional Online Analytical Processing (MOLAP)

Multidimensional Online Analytical Processing (MOLAP) adalah OLAP yang secara langsung mengarah pada basis data multidimensi. MOLAP memproses data yang telah disimpan dalam array multidimensional di mana semua kombinasi data yang mungkin dicerminkan, masing-masing di dalam suatu sel yang dapat diakses secara langsung.

b. Relational Online Analytical Processing (ROLAP)

Relational Online Analytical Processing (ROLAP) adalah suatu format pengolahan OLAP yang melakukan analisis data secara dinamis yang disimpan dalam basis data

relasioanal bukan pada basis data multidimensi.. ROLAP merupakan bentuk teknologi dari OLAP yang paling berkembang.

c. Hybrid Online Analytical Processing (HOLAP)

Hybrid Online Analytical Processing (HOLAP) merupakan kombinasi antara ROLAP dengan MOLAP. HOLAP dikembangkan untuk mengkombinasikan antara kapasitas data pada ROLAP yang besar dengan kemampuan proses pada MOLAP.

Sedangkan yang dimaksud dengan Decision Support Systems (DSS) merupakan sistem informasi yang menggunakan model keputusan dan basis data untuk membantu proses pengambilan keputusan pada level manajerial. Adapun Executive Information Systems (EIS) adalah sistem informasi strategis bagi manajemen atas (eksekutif) yang menyediakan akses yang cepat untuk informasi selektif faktor-faktor kunci terkait implementasi strategi organisasi.

Secara garis besar, kedudukan OLAP dalam implementasi BI dapat dilihat pada gambar 2.3 :





Gambar 2.3. Kedudukan OLAP Dalam BI

 2.5. Pendekatan Implementasi Business Intelligence Dalam membangun dan mengimplementasikan BI di suatu organisasi, terdapat 3 (tiga) pendekatan yang bisa digunakan8. Masing-masing dari pendekatan tersebut memiliki kelebihan dan kelemahan, dimana pilihan dari strategi tersebut berdasarkan kondisi dan kebutuhan organisasi yang akan membangun BI. Pendekatan tersebut adalah sebagai berikut :

a. Top-down Approach Pendekatan top-down sangat tepat bagi suatu organisasi yang akan membangun BI dimana pada waktu yang bersamaan organisasi tersebut juga sedang m lakukan ineering) secara menyeluruh di seluruh aspek organisasi. Pada pendekatan ini, kerangka data warehouse secara menyeluruh (enterprise data warehouse) harus disusun terlebih, baru kemudian diikuti oleh data warehouse departemental (data mart). Kelebihan dari pendekatan ini adalah : - Pembangunan BI langsung mencakup data seluruh organisasi - Kerangka BI akan lebih terstruktur, bukan gabungan dari berbagai data mart (data parsial) - Penyimpanan data menjadi terpusat - Kontrol informasi dapat dilakukan secara tersentralisasi Adapun kelemahan pendekatan ini yang harus diantisiapasi adalah : - Waktu implementasi lebih lama - Risiko kegagalan relatif tinggi karena kerumitannya
- Membutuhkan biaya yang relatif besar

b. aka at departemental (departemental data warehouse) baru warehouse organisasi secara keseluruhan. si yang memprioritaskan setelah sukses di ke departemen lainnya. la dan lebih cepat memperlihatkan hasil latif lebih kecil art di masing-masing dikelola Bottom-up ApproachKebalikan dengan pendekatan sebelumnya, dalam pendekatan bottom-up BI yang n disusun justru dari tingk

kemudian diintegrasikan menjadi data Pendekatan ini sangat tepat bagi kebutuhan suatu organisa pembangunan BI di suatu departemen terlebih dahulu. Kemudian departemen tersebut akan dilanjtukan Kelebihan dari pendekatan ini adalah :
- Implementasi lebih mudah untuk dikelo
- Risiko kegagalan re
- Bersifat incremental, dimana data mart yang penting dapat dijadwalkan lebih awal - Memungkinkan anggota tim proyek untuk belajar dengan baik Adapun kelemahan pendekatan ini yang harus diantisiapasi adalah : - Tiap data mart merupakan departmental-view - Memungkinkan terjadinya duplikasi data di setiap data mining departemen
            - Data tidak konsisten dan data sulit direkonsiliasi
            - Terdapat banyak interface yang sulit

c. Pendekatan ini mengkombinasikan ke-dua pendekatan sebelumnya untuk mendapatkan kelebihannya. Dalam pendekatan ini, pengembangan BI di suatu organisasi akan dimulai dengan perencanaan dan pendefinisian arsitektur kebutuhan data warehouse organisasi secara keseluruhan (standardisasi). Baru kemudian akan dilakukan serangkaian pembuatan BI pada tiap departemen yang membutuhkan.

  2.6. Faktor-faktor yang Mengakibatkan Kegagalan Implementasi Business Intelligence a faktor yang harus dihindari agar implementasi BI di suatu org imp rela a. ndisi tersebut antara lain ditunjukkan dengan adanya rendahnya konsistensi dukungan pimpinan terhadap proyek BI itu sendiri dan rendahnya tingkat kerjasama antar-bagian di organisasi dalam upaya mewujudkan BI. Sel dilaksanakan, organisasi yang bersangkutan harus mampu mendefinisikan informasi
       
      
        Practical Approach

Terdapat beberap

anisasi berjalan sukses. Hal ini sangat penting diperhatikan karena upaya lementasi BI biasanya akan membutuhkan sumber daya (dana, waktu, tenaga) yang tif cukup besar. Faktor-faktor tersebut adalah: Perencanaan yang kurang matang Implementasi BI tidak mungkin berhasil tanpa perencanaan yang matang. Koain hal di atas, kurang jelasnya kebutuhan informasi yang ingin didapatkan dari pengembangan BI juga berpotensi menurunkan tingkat keberhasilan. Sebelum

apa saja yang dibutuhkan, data-data apa saja yang perlu dianalisis, dan dimana sajakah data-data tersebut dikelola. Kemudian, siapa sajakah yang terkait dengan gaimana bentuk informasi yang diharapkan. b. yang tidak/kurang baik akan

c. ping m yang sekali beli dapat digunakan seterusnya tanpa ringan juga harus diakomodasikan karena akan terus berkembang menyesuaikan banyaknya data yang akan disimpan. kebutuhan analisis tersebut dan ba

Kesemuanya harus jelas terlebih dahulu sebelum dimulainya pengembangan BI. Kualitas data yang tidak/kurang baik BI tidak akan dapat digunakan dengan baik jika data yang akan dianalisis merupakan data yang tidak/kurang baik kualitasnya. Data

menghasilkan informasi yang kurang baik dalam pengambilan keputusan (garbage in = garbage out concept) Kurangnya mengantisipasi terhadap perubahan di organisasi Sistem BI beserta implementasinya seringkali mengalami perubahan kebutuhan dan organisasi patut mengantisipasi hal tersebut. Perubahan yang terjadi di organisasi pun juga membutuhkan antisipasi pada sistem BI yang dipakai. Untuk itu organisasi harus memperhitungkan sumber daya yang dibutuhkan.

d. Pengadaan sistem BI yang one-stop sho

Sampai dengan saat ini, belum ada sistem BI yang siap pakai (fit) untuk semua jenis organisasi yang membutuhkannya. Untuk itu pengadaan BI di suatu organisasi memerlukan suatu proses penyempurnaan yang berkelanjutan dan bukan hanya sekadar pembelian siste

penyempurnaan. Kebutuhan infrasruktur seperti server dan ja

e. tu pemahaman yang jelas tentang bangannya, serta profil pemakainya

Pengembangan BI hanya mengandalkan tenaga outsourcing Faktor paling krusial pada pengembangan BI di suatu organisasi adalah kejelasan bagaimana proses kerja organisasi yang bersangkutan dan dimana data-data dan informasi organisasi disimpan atau dikelola. Selain i

tujuan dan strategi organisasi, sejarah perkem

juga menjadi informasi yang penting. Pihak outsourcing (vendor) BI tidak mungkin mengetahui informasi yang lengkap dan detail mengenai hal-hal tersebut dengan sendirinya tanpa bantuan dari pegawai organisasi yang bersangkutan. Pihak outsourcing BI hanya bertindak sebagai tenaga yang membantu membuat sistem, tapi bentuk sistem dan kebutuhan apa saja yang diperlukan hanya organisasilah yang mengetahui dengan baik.