Topologi Business Intelligence (BI)

Daftar Isi

Merlindawibowo.com – Business Intelligence (BI), atau dalam bahasa Indonesia sering disebut sebagai “Inteligensi Bisnis,” adalah sebuah konsep dan teknologi yang digunakan untuk mengumpulkan, menganalisis, dan mengubah data bisnis menjadi informasi yang berguna. Tujuan utama dari BI adalah untuk membantu organisasi dalam pengambilan keputusan yang lebih baik dan strategis dengan menyediakan wawasan yang mendalam tentang operasi mereka. Pada Business Intelligence (BI), arsitektur tersusun dari enam komponen utama.

Komponen Utama BI

1. Data Source

Pada tahap pertama ini diperlukan proses untuk mengumpulkan dan mengintegrasi data yang disimpan dalam berbagai sumber yang bervariasi yang saling berbeda baik itu asal maupun jenisnya. Sumber data ini berasal dari data yang terdapat pada operating system, tetapi juga bisa berasal dari dokumen yang tidak terstruktur seperti email dan data yang dikirimkan oleh pihak luar.

Topologi Business Intelligence (BI)

2. Data Warehouse

Pada tahap ini proses menggunakan extraction dan transformation tool yang dikenal sebagai ETL (Extract, Transform, Load), data yang berasal dari berbagai sumber yang berbeda disimpan ke dalam basis data yang ditujukan untuk mendukung proses analisis business intelligence.

3. Data Exploration

Pada tahap ini, tools yang berfungsi untuk keperluan analisis business intelligence pasif digunakan. Tools ini terdiri dari query dan reporting system, serta statistical methods. Metodologi ini bersifat pasif dikarenakan para pengambil keputusan harus mengambil keputusan berdasarkan hipotesis mereka sendiri atau mendefinisikan kriteria dari data extraction, kemudian menggunakan tools analisis untuk menemukan jawaban dan mencocokannya dengan hipotesa awal mereka.

Topologi BI

4. Data Mining

Pada tahap ini proses terdiri sejumlah metodologi BI bersifat aktif yang tujuannya untuk mengekstrak informasi dan pengetahuan dari data tersebut. Metodologi ini berisi sejumlah model matematika untuk pengenalan pola (pattern recognition), pembelajaran mesin (machine learning) dan teknik data mining. Dalam meningkatkan kerja dari BI Dashboard terutama dalam membuat otomatisasi keputusan bisnis, maka dalam merancang BI diperlukan penambahan tools yang disebut dengan data mining. Potensi data mining dalam menangani data dalam jumlah besar dan kemampuannya dalam ekstraksi pengetahuan dari big data tersebut menjadikan data mining dapat digunakan untuk meningkatkan kinerja dari BI. Peran data mining berubah menjadi pendamping dalam sistem pendukung keputusan secara otomatis, atau otomatisasi keputusan.

Baca juga : Mengenal Business Intelligence

Baca Juga: Wonderful Bali

5. Optimization 

Pada tahap ini menghasilkan solusi dimana solusi terbaik harus dipilih dari sekian solusi alternatif yang ada, dan biasanya sangat banyak dan beragam atau bervariasi.

Baca Juga :   Chip Canggih Elon Musk , 7 Chip Lainnya Lebih Baik?

6.  Decisions 

Pada tahap ini yang menjadi persoalan utama merupakan bagaimana menentukan keputusan akhir yang akan diambil yang dikenal sebagai proses pengambilan keputusan. Walaupun metodologi BI berhasil diterapkan, pilihan untuk mengambil sebuah keputusan tetap ada ditangan para pengambil keputusan tersebut.

Jenis-jenis BI

Selain itu, terdapat berbagai macam jenis dari BI, antara lain:

1. Enterprise Reporting 

Digunakan untuk menghasilkan laporan-laporan statis yang didistribusikan ke banyak orang. Jenis laporan ini sangat sesuai untuk laporan operasional dan dashboard.

2. Cube Analysis 

Digunakan untuk menyediakan analisis Online Transaction Processing (OLTP) multidimensional yang ditujukan untuk manajer bisnis dalam lingkungan terbatas.

3. Ad Hoc Query dan Analysis 

Digunakan untuk memberikan akses kepada user agar dapat melakukan query pada basis data, dan menggali informasi sampai pada tingkat paling dasar dari informasi transaksional. Query ini berfungsi untuk mengeksplor informasi yang dilakukan oleh user.

Baca juga : Topologi Business Intelligence

4. Statistical Analysis dan Data Mining 

Digunakan untuk melakukan analisis prediksi atau menentukan korelasi sebab akibat diantara dua matrik.

5. Delivery Report dan Alert 

Digunakan secara proaktif untuk mengirimkan laporan secara lengkap atau memberikan peringatan kepada populasi user yang besar atau banyak. 

Semoga bermanfaat!!