Makalah Sistem Informasi Manajemen: Dasar Intelijen Bisnis

MAKALAH SISTEM INFORMASI MANAJEMEN

DASAR-DASAR INTELIJEN BISNIS, DATABASE DAN MANAJEMEN INFORMASI

DISUSUN OLEH : KELOMPOK V

1. MAWADDA TURAHMA (1710091510657)

2. RAHMAWATI OCTAFIA (1710091510677)

S1 AKUNTANSI V/A

DOSEN PEMBIMBING: HELMIATI, SE, M, Ak

SEKOLAH TINGGI ILMU EKONOMI (STIE) - BANGKINANG

BANGKINANG

TAHUN AKADEMIK 2019/2020

KATA PENGANTAR

Syukur Alhamdulillah, puja dan puji hanya layak tercurahkan kepada Allah Subhanahu Wa Ta’ala atas semua limpahan nikmat dan karunia-Nya dan shalawat serta salam kepada Rasulullah Muhammad Shallallahu ‘alaihi wa sallam, manusia istimewa yang seluruh perilakunya layak diteladani.

Makalah ini dibuat dalam rangka mengikuti Program Pembelajaran Sistem Informasi Manajemen mengenai Dasar-dasar Intelijen Bisnis, Database dan Manajemen Informasi.

Banyak kesulitan dan hambatan yang penulis hadapi dalam membuat makalah ini tetapi dengan semangat dan kegigihan serta arahan, bimbingan dari berbagai pihak sehingga penulis mampu menyelesaikan tugas mandiri ini dengan baik dan tepat pada waktunya, oleh karena itu pada kesempatan ini, penulis mengucapkan terima kasih kepada: Ibu Helmiati, SE, M. Ak selaku Dosen Pengajar.

Penulis menyimpulkan bahwa makalah ini masih belum sempurna, oleh karena itu Penulis menerima saran dan kritik, guna kesempurnaan makalah ini dan bermanfaat khususnya bagi Penulis dan Pembaca pada umumnya.

Bangkinang Kota, 19 September 2019

PENULIS

DAFTAR ISI

KATA PENGANTAR................................................................................ 1

DAFTAR ISI............................................................................................... 2

BAB I PENDAHULUAN........................................................................... 3

1.1.... Latar Belakang................................................................................ 3

1.2.... Rumusan Masalah........................................................................... 3

1.3.... Tujuan Penulisan.............................................................................. 3

BAB II PEMBAHASAN............................................................................ 4

2.1.... Menggunakan Basis Data................................................................ 4

2.2.... Mengelola Sumber Data.................................................................. 11

2.3.... Studi Kasus..................................................................................... 15

BAB III PENUTUP.................................................................................... 18

3.1.... Kesimpulan..................................................................................... 18

3.2.... Saran.............................................................................................. 18

DAFTAR PUSTAKA.................................................................................. 19

BAB I

PENDAHULUAN

1.1         Latar Belakang

Sistem manajemen database dan data warehouse modern meningkatkan efesiensi dengan mempermudah cara menemukan dan mengumpulkan data untuk laporan manajemen serta untuk pemrosesan transaksi financial sehari-hari. Data tersebut lebih akurat dan terpercaya serta mengurangi biaya pengelolaan dan penyimpanan secara signifikan.

1.2     Rumusan Masalah

Adapun rumusan masalah pada pembahasan makalah ini yaitu:

1.    Bagaimana memanfaatkan database untuk meningkatkan kinerja bisnis dan pengambilan keputusan?

2.    Bagaimana cara pengelolaan sumber data?

3.    Studi kasus apa yang diangkat pada pembahasan makalah ini?

1.3         Tujuan Penulisan

Adapun tujuan penulisan makalah ini adalah untuk:

1.    Memahami database untuk meningkatkan kinerja bisnis dan pengambilan keputusan

2.    Memahami pengelolaan sumber data

3.    Memenuhi tugas pada mata kuliah Sistem Informasi Manajemen

BAB II

PEMBAHASAN

2.1     Menggunakan Basis Data Untuk Meningkatkan Kinerja Bisnis Dan Proses Pengambilan Keputusan

Perusahaan menggunakan basis data untuk melacak transaksi dasar, seperti membayar pemasok, memproses pesanan, melacak pelanggan, dan membayar gaji karyawan. Tapi perusahaan juga membutuhkan basis data untuk menyediakan informasi yang akan membantu perusahaan menjalankan bisnis dengan lebih efisien, dan membantu manajer dan karyawan membuat keputusan lebih baik. Jika perusahaan ingin mengetahui produk mana yang paling disukai atau pelanggan mana yang paling menguntungkan, jawabannya terdapat pada data tersebut.

Sebagai contoh, dengan menganalisis data pembelian kartu kredit dari pelanggan, Louise's Trattoria, jaringan rumah makan di Los Angeles, mengetahui bahwa kualitas lebih penting dari harga bagi sebagian besar pelanggan vang berpendidikan tinggi dan menyukai anggur yang baik. Menyikapi informasi ini, restoran ini memperkenalkan masakan vegetarian, pilihan makanan laut yang lebih banyak, anggur yang lebih mahal, meningkatkan penjualan lebih dari 10 persen.

Dalam perusahaan besar, dengan basis data atau sistem yang besar untuk fungsi yang berbeda, seperti produksi, penjualan, dan akuntansi, kemampuan dan alat khusus dibutuhkan untuk menganalisis data dalam jumlah yang sangat besar dan untuk menghubungkan data dari berbagai macam sistem. Kemampuan ini meliputi gudang data, penggalian data, dan berbagai alat untuk menghubungkan basis data internal di seluruh Web.

a.    Gudang Data

Misalkan Anda menginginkan informasi yang ringkas dan dapat diandalkan tentang operasi saat ini, tren, dan perubahan pada seluruh perusahaan. Jika Anda bekerja dalam sebuah perusahaan besar, untuk mendapatkan informasi ini mungkin sulit karena data kebanyakan dipelihara dalam sistem yang terpisah, seperti penjualan, manufaktur, atau akuntansi. Beberapa data yang Anda butuhkan mungkin ditemukan dalam sistem penjualan, dan lainnya dalam sistem manufaktur. Banyak sistem ini adalah turunan dari sistem yang lebih tua yang menggunakan teknologi manajemen data yang sudah kedaluwarsa atau sistem di mana informasi sulit diakses pengguna.

Anda mungkin harus menghabiskan wakta yang berlebihan untuk mencari dan mengumpulkan data yang Anda butuhkan, atau Anda terpaksa membuat keputusan berdasarkan pengetahuan yang tidak memadai. Jika Anda menginginkan informasi tentang tren, Anda mungkin juga kesulitan menemukan data tentang kejadian-kejadian yang lalu karena kebanyakan perusahaan hanya membuat datanya saat ini tersedia dengan segera. Gudang data mengatasi masalah-masalah ini.

§  Apakah Gudang Data Itu?

Gudang data (data warehouse) adalah basis data yang menyimpan data yang sekarang dan terdahulu yang mungkin diminati oleh para pembuat keputusan di seluruh perusahaan. Datanya muncul dari banyak sistem transaksi operasional inti, seperti sistem penjualan, akun pelanggan, dan manufaktur, dan mungkin meliputi data dari transaksi Web. Gudang data menggabungkan dan menstandarkan informasi dari basis data operasional yang berbeda sehingga informasi dapat digunakan di seluruh perusahaan untuk analisis dan pembuatan keputusan manajemen.

Gudang data membuat data tersedia untuk dapat diakses semua orang sebanyak yang diperlukan, tetapi data yang diakses tidak dapat diubah. Sistem gudang data juga menyediakan serangkaian perangkat query yang terstandardisasi dan yang khusus, alat analitis, dan fasilitas pelaporan grafis. Banyak perusahaan menggunakan portal intranet untuk membuat informasi gudang data tersedia luas di seluruh perusahaan.

§  Data Mart

Perusahaan sering membuat gudang data untuk keseluruhan perusahaan, di mana gudang data pusat melayani seluruh organisasi, atau perusahaan membuat gudang data yang lebih kecil dan terdesentralisasi, disebut data mart. Data mart adalah subset dari gudang data yang di dalamnya terdapat ringkasan atau porsi data perusahaan yang sangat terfokus ditempatkan dalam basis data terpisah untuk suatu populasi atau pengguna tertentu. Contohnya, perusahaan mungkin mengembangkan pemasaran dan penjualan data mart untuk berurusan dengan informasi pelanggan. Data mart biasanya berfokus pada satu area subjek atau lini bisnis, maka sudah biasa dibuat dengan lebih cepat dan lebih hemat daripada gudang data keseluruhan perusahaan.

b.    Inteligensi Bisnis, Analisis Data Multidimensi, Dan Penggalian Data

Setelah data diambil dan diorganisasikan di dalam gudang data dan data mart, data dapat dianalisis lebih jauh. Serangkaian alat memudahkan pengguna untuk menganalisis đata ini untuk melihat pola, hubungan, dan pengetahuan baru yang berguna untuk mengambil keputusan. Perangkat-perangkat untuk menggabungkan, menganalisis, dan menyediakan akses untuk data yang luas untuk membantu pengguna mengambil keputusan bisnis yang lebih baik sering disebut sebagai inteligensi bisnis (business intelligence-BI). Alat dasar untuk inteligensi bisnis menyertakan peranti lunak untuk query basis data dan laporan, pérangkat analisis data multidimensi (online analytical processing), dan penggalian data.

Ketika kita berpikir tentang inteligensi (kecerdasan) seperti yang berlaku pada manusia, biasanya kita berpikir tentang kemampuan orang-orang untuk menggabungkan pengetahuan yang dipelajari dengan informasi baru dan mengubah perilaku sedemikian hingga mereka berhasil dalam melakukan tugas mereka atau beradaptasi dengan situasi baru. Demikian juga, inteligensi bisnis memberikan kapabilitas kepada perusahaan untuk mengumpulkan informasi, mengembangkan pengetahuan tentang pelanggan, pesaing, dan operasi internal, dan mengubah perilaku pengambilan keputusan untuk mencapai keuntungan yang lebih besar dan tujuan bisnis lainnya. 

·      Pemrosesan Analitis Online (Online Analytical Processing-OLAP)

OLAP mendukung analisis data multidimensi, memudahkan pengguna untuk melihat data yang sama dengan cara yang berbeda dari berbagai dimensi. Setiap aspek dari informasi produk, harga, biaya, wilayah, atau waktu mewakili sebuah dimensi yang berbeda. Jadi, seorang manajer produk dapat menggunakan perangkat analisis data multidimensi untuk mempelajari bagaimana penjualan, bagaimana perbandingannya dengan bulan lalu dan bulan yang sebelumnya, dan bagaimana perbandingannya dengan proyeksi penjualan. OLAP memudahkan pengguna mendapatkan jawaban secara online untuk pertanyaan khusus seperti ini dengan waktu yang cepat, bahkan ketika data disimpan di dalam basis data yang sangat besar, seperti angka-angka penjualan selama bertahun-tahun.

·      Penggalian Data

Penggalian data (data mining) lebih digerakkan oleh penemuan. Penggalian data menyediakan pengetahuan tentang data perusahaan yang tidak dapat diperoleh dengan OLAP, dengan cara menemukan pola dan hubungan yang tersembunyi dalam basis data yang besar dan menyimpulkan aturan untuk memprediksi perilaku di masa depan.

Pola dan aturan digunakan untuk memandu proses pengambilan keputusan dan meramalkan dampak keputusan tersebut. Jenis informasi yang dapat diperoleh dari penggalian data meliputi asosiasi, sekuen, klasifikasi, kluster, dan ramalan.

Asosiasi adalah kemunculan yang dihubungkan dengan sebuah kejadian. Misalnya, penelitian tentang pola pembelian di supermarket mungkin menyatakan bahwa ketika keripik jagung dibeli, maka 65 persen darinya disertai dengan pembelian minuman cola, tetapi ketika ada promosi, angkanya meningkat jadi 85 persen. Informasi ini membantu para manajer membuat keputusan yang lebih baik karena mereka mempelajari manfaat melakukan promosi.

Dalam sekuen, peristiwa yang dihubungkan berdasarkan waktu. Kita dapat menemukan contohnya, jika membeli sebuah rumah terdapat 65 persen kemungkinan sebuah kulkas baru akan dibeli juga dalam dua minggu, dan 45 persen kemungkinan sebuah oven akan dibeli dalam waktu sebulan setelah rumah itu dibeli.

Klasifikasi mengenai pola yang menggambarkan kelompok yang beranggotakan sesuatu dengan memeriksa anggota-anggota yang ada dalam kelompok tersebut yang telah diklasifikasikani dan dengan menyimpulkan serangkaian aturan. Contohnya, perusahaan kartu kredit atau perusahaan telepon tidak mau kehilangan pelanggan setianya. Klasifikasi membantu menemukan karakteristik para pelanggan yang kemungkinan akan berhenti dan menyediakan sebuah model untuk membantu manajer memprediksi siapa mereka sehingga manajer dapat merencanakan kampanye khusus untuk menjaga pelanggan seperti mereka.

Kluster bekerja dengan cara yang sama seperti klasifikasi ketika tidak ada kelompok yang didefinisikan. Perangkat penggalian data dapat menemukan pengelompokan yang berbeda di antara data, seperti mencari daya tarik kelompok untuk kartu bank atau membagi basis data ke dalam kelompok-kelompok pelanggan berdasarkan demografi dan jenis dari investasi pribadinya.

Walaupun semua aplikasi ini melibatkan prediksi, ramalan menggunakan prediksi dengan cara yang berbeda. Ramalan menggunakan serangkaian nilai yang ada untuk meramalkan nilai lainnya. Contohnya, ramalan mungkin menemukan pola dalam data untuk membantu manajer memperkirakan nilai di masa depan dari variabel yang kontinu, seperti angka penjualan.

Terdapat aplikasi penggalian data untuk semua bidang fungsional bisnis, dan untuk pemerintahan dan pekerjaan ilmiah. Satu penggunaan penggalian data yang populer adalah menyediaka analisis terperinci tentang pola dalam data pelanggan untuk kampanye pemasaran satu ke satu atau untuk mengidentifikasikan pelanggan.

Sebagai contoh, Virgin Mobile Australia menggunakan gudang data dan penggalian data untuk meningkatkan kesetiaan pelanggan dan meluncurkan beberapa layanan baru. Gudang data dari menggabungkan data dari sistem perusahaannya, sistem manajemen hubungan pelanggan, dan sistem penagihan pelanggan dalam sebuah basis data yang besar. Penggalian data memudahkan manajemen menentukan profil demografis pelanggan baru dan menghubungkannya dengan perangkat telepon yang dibeli. Penggalian data juga mambantu manajemen mengevaluasi kinerja setiap toko dan kampanye di setiap titik penjualan, reaksi pelanggan terhadap produk dan layanan baru, tingkat penurunan pelanggan, dan pendapatan yang diperoleh dari setiap pelanggan.

Analisis prediktif (predictive analysis) menggunakan teknik penggalian data, data historis, dan asumsi tentang keadaan masa depan untuk memprediksi hasil dari berbagai peristiwa, seperti kemungkinan seseorang pelanggan akan merespons sebuah tawaran atau membeli produk tertentu. Contohnya, Divisi AS dari The Body Shop International plc menggunakan analisis prediktif dengan basis data katalog, Web, dan toko eceran pelanggan untuk mengidentifikasikan pelanggan mana yang lebih berpeluang melakukan pembelian dari katalog. Informasi tersebut membantu perusahaan membuat daftar alamat yang lebih tepat dan terarah untuk pemasaran melalui katalognya, meningkatkan tingkat respons dari penjualan melalui katalog dan pendapatannya.

Penggalian data adalah perangkat yang ampuh dan menguntungkan, tetapi membawa tantangan terhadap keamanan dari privasi individu. Teknologi penggalian data dapat menggabungkan informasi dari berbagai sumber untuk membuat sebuah "citra data" yang terperinci tentang masing-masing dari pendapatan, kebiasaan mengemudi, keluarga, dan kecenderungan politik.

c.    Basis Data dan Web

Apakah Anda pernah mencoba menggunakan Web untuk memesan atau melihat katalog produk? Jika ya, Anda mungkin sedang menggunakan situs Web yang terhubung dengan basis data internal perusahaan. Banyak perusahaan sekarang menggunakan Web untuk membuat beberapa informasi di dalam basis data internal yang tersedia bagi pelanggan dan mitra bisnis. Andaikan, misalnya, seorang pelanggan dengan penjelajah Web ingin mencari basis data toko eceran online untuk mencari informasi harga barang.

Maka pelanggan tersebut mengakses situs Web toko eceran melalui Internet menggunakan peranti lunak penjelajah Web pada PC-nya.  Peranti lunak penjelajah Web milik pengguna meminta data dari basis data organisasi, menggunakan perintah HTML untuk berkomunikasi dengan server Web.

Terdapat sejumlah keuntungan dari penggunaan Web untuk mengakses basis data internal organisasi. Pertama, peranti lunak penjelajah Web jauh lebih mudah digunakan daripada perangkat query sendiri. Kedua, tampilan Web memerlukan sedikit perubahan atau tidak sama sekali terhadap basis data internal. Dibutuhkan biaya yang lebih sedikit untuk menambah antarmuka Web di depan sistem warisan daripada merancang kembali sistemnya untuk meningkatkan akses bagi pengguna.

Mengakses basis data perusahaan dari Web menghasilkan berbagai efisiensi, peluang, dan model bisnis yang baru. ThomasNet.com menyediakan petunjuk online terkini untuk lebih dari 650.000 pemasok produk industri, seperti kimia, logam, plastik, karet, dan peralatan otomotif. Sebelumnya disebut Thomas Register, perusahaan ini dulunya mengirimkan katalog dalam jumlah besar yang memuat informasi ini. iGo.com adalah bisnis berbasis Internet yang menjual baterai dan aksesoris telepon genggam dan perangkat komputasi. Situsnya terhubung dengan basis data relasional raksasa dengan informasi produk tentang baterai dan aksesoris untuk setiap merek dan model dari komputer mobile dan berbagai perangkat elektronik portabel.

2.2     Mengelola Sumber Data

Mempersiapkan basis data hanyalah sebuah permulaan. Dengan tujuan memastikan bahwa data untuk bisnis Anda tetap akurat, dapat diandalkan, dan selalu tersedia untuk mereka membutuhkan, perusahaan Anda akan memerlukan kebijakan dan prosedur khusus untuk manajemen datanya.

a.    Menetapkan Kebijakan Informasi

 Setiap perusahaan memerlukan kebijakan yang mengatur informasi dan bagaimana data diorganisasikan dan dipelihara, dan siapa yang diizinkan melihat atau mengubah data tersebut. Data perusahaan adalah sumber daya yang penting, dan perusahaan tentunya tidak ingin orang-orang melakukan apa yang mereka inginkan dengan data tersebut.

Kebijakan informasi (information policy) menentukan aturan-aturan organisasi dalam hal pembagian, distribusi, perolehan, standardisasi, klasifikasi, dan penyimpanan dari informasi. Kebijakan informasi menjelaskan prosedur dan akuntabilitas yang spesifik, mengidentifikasikan informasi dapat saling dibagikan oleh pengguna dan unit organisasi, di mana informasi dapat didistribusikan, dan siapa yang bertanggung jawab untuk memperbarui dan memelihara informasinya. Sebagai contoh, kebijakan informasi umumnya akan menentukan bahwa hanya anggota departemen pengupahan dan sumber daya manusia tertentu yang memiliki hak untuk mengganti dan melihat data karyawan yang sensitif, seperti upah karyawan atau nomor jaminan sosialnya, dan departemen-departemen ini yang bertanggung jawab memastikan kebenaran data karyawan  tersebut.

Jika Anda berada dalam perusahaan kecil, kebijakan informasi akan dibuat dan diterapkan oleh pemilik atau manajer perusahaan. Dalam organisasi yang besar, pengelolaan dan perencanaan informasi sebagai sumber daya perusahaan biasanya membutuhkan fungsi administrasi data. Administrasi data (data administration) bertanggung jawab atas kebijakan dan prosedur yang mengatur data sebagai sumber daya organisasi.

Tanggung jawab ini meliputi pengembangan kebijakan informasi, perencanaan data, pengawasan rancangan basis data logis dan pengembangan kamus data, serta pemantauan terhadap spesialis sistem informasi dan kelompok pengguna yang menggunakan data.

Mungkin kita pernah mendengar penggunaan tata kelola data (good governance) yang dipakai untuk menjelaskan sebagian besar aktivitas ini. Didukung oleh IBM, tata kelola data berurusan dengan kebijakan dan proses mengelola ketersediaan, daya guna, integritas, dan keamanan data yang dipakai dalam perusahaan, dengan penekanan khusus pada dukungan untuk privasi, keamanan, kualitas data, dan ketaatan terhadap berbagai aturan pemerintah.

Organisasi  yang besar juga memiliki rancangan basis data dan kelompok manajemen di dalam divisi sistem informasi perusahaan yang bertanggung jawab untuk mendefinisikan dan mengorganisasikan struktur dan isi basis data, dan memelihara basis data tersebut. Dengan bekerja sama secara erat dengan para pengguna, kelompok perancangan menciptakan basis data fisik, relasi logis antarelemennya, dan aturan akses serta prosedur keamanan. Fungsi-fungsi yang dilakukannya disebut administrasi basis data (database administration).

b.    Memastikan Kualitas Data

Basis data dan kebijakan informasi yang dirancang dengan baik akan dirancang dengan baik akan berlanjut pada jaminan bahwa perusahaan akan memiliki informasi yang dibutuhkannya. Namun, masih ada langkah-langkah tambahan untuk memastikan bahwa data di dalam basis data perusahaan akurat dan tetap dapat diandalkan.

Menurut Forrester Research, 20 persen dari pengantaran melalui pos dan paket komersial di AS dikembalikan karena  nama dan alamat tujuannya salah.

Konsultan The Gartner Grup melaporkan lebih dari 25 persen data penting dalam perusahaan yang termausk Fortune 1000 tidak akurat atau tidak lengkap, termasuk kode produk dan deskripsi produk yang buruk, kesalahan deskripsi persediaan, kesalahan dalam data keuangan, tidak akuratnya informasi pemasok atau data karyawan.

Jika basis data dirancang dengan baik dan standar data keseluruhan perusahaan ditentukan dengan baik, elemen data yang mengalami duplikasi seharusnya menjadi minimal. Tetapi sebagian besar masalah kualitas data, seperti salah eja nama, nomor terbalik, atau kode tidak benar atau hilang, muncul dari kesalahan ketika memasukkan data. Kejadian seperti kesalahan-kesalahan ini meningkat ketika perusahaan memindahkan kegiatan bisnisnya ke Web dan memungkinkan pelanggan dan pemasok memasukkan data ke dalam situs yang secara langsung memperbarui data di sistem internal.

Sebelum basis data baru diciptakan, organisasi perlu mengidentifikasikan dan memperbaiki data yang salah dan menciptakan program-program yang lebih baik untuk mengedit data setelah basis data tersebut mulai beroperasi. Analisis kualitas data sering dimulai dengan audit kualitas data (data quality audit), yang merupakan survei terstruktur atas akurasi dan tingkat kelengkapan dari data dalam suatu sistem informasi. Audit kualitas data dapat ditampilkan dengan cara menyurvei keseluruhan file data, menyurvei sampel file data, atau menyurvei para pengguna akhir mengenai persepsi mereka tentang kualitas data.

Pembersihan data (data cleansing atau data scrubbing), adalah kegiatan mendeteksi dan mengoreksi data dalam basis data yang tidak benar, tidak lengkap, formatnya tidak tepat, atau berlebihan. Pembersihan data menekankan konsistensi antara sekumpulan data yang berbeda yang berasal dari sistem informasi yang terpisah.

2.3     Studi Kasus : Manajemen

Apa yang Dapat Kita Lakukan Untuk Meningkatkan Kualitas Data?

BT Group, sebelumnya dikenal sebagai British Telecom bergerak di bidang jasa telekomunikasi, berupaya mengatasi masalah kualitas datanya selama betahun-tahun. Data persediaan yang buruk dan kesalahan penagihan pelanggan menghalangi interaksi perusahaan dengan pemasok dan pelanggan. BT Group menghabiskan terlalu banyak waktu dan upaya untuk mengoreksi data.

BT Group mulai memikirkan tentang kualitas data secara serius pada tahun 1997. Nigel Turner, adalah manajer pemimpin proyek untuk program kualitas data dari BT memilih seorang "jagoan" kualitas data dari setiap lini bisnis utama BT untuk memimpin sebuah forum manajemen informasi. Setiap kelompok manajemen informasi membidik proyek-proyek tertentu dengan hasil yang dapat ditunjukkan, misalnya dalam hal imbal hasil atas investasi, seperti meningkatkan pencatatan persediaan pribadi untuk meningkatkan jumlah dari sirkuit yang terputus yang dikembalikan untuk digunakan ulang, atau memperbaiki nama dan alanmat dalam data pemasaran  untuk mengurangi jumlah pengiriman surat kepada orang yang salah. Seiring meluasnya proyek ini, kelompok Turner berhasil memusatkan manajemen data dan mengembangkan sebuah metodologi kualitas data yang menggabungkan praktik-praktik terbaik dari dalam dan luar perusahaan.

Dengan meningkatkan kualitas datanya, BT Group menghemat $800 juta dari data persediaan yang lebih baik dan interaksi dengan pelanggan serta pemasok yang lebih meningkat, sekaligus meningkatkan pendapatannya melalui sistem penagihan yang lebih akurat. Untuk menjaga tingginya kualitas data pada basis datanya, BT menggunakan perangkat pembuatan profil dan permbersihan data dari Trillium Software untuk mengidentifikasikan dan menghilangkan data yang salah secara kontinu.

Manajemen proses Emerson, pemasok global berbagai alat pengukuran, analisis, dan pemantauan beserta layanannya yang berbasis di Austin, Texas, harus memensiunkan gudang data barunya yang dirancang untuk menganalisis aktivitas pelanggan untuk meningkatkan pelayanan dan pemasaran, karena gudang tersebut penuh dengan data yang tidak akurat dan berlebihan. Data dalam gudang data tersebut berasal dari berbagai sistem pemrosesan transaksi di Eropa, Asia, dan lokasi lainnya di seluruh dunia. Kelompok yang telah merancang gudang data ini telah berasumsi bahwa kelompok penjualan dalam semua bidang ini akan memasukkan nama dan alamat pelanggan, termasuk lokasinya. Faktanya, perbedaan budaya yang semakin dipersulit oleh perusahaan-perusahaan yang telah diakuisisi oleh Emerson menghasilkan banyak cara untuk memasukkan data penawaran, pembayaran, pengiriman, dan lainnya.

Emerson mengimplementasikan peranti lunak kualitas data dari Group 1 Software Inc. di Lanham, Maryland, untuk membantu pembuatan profil, pembersihan, dan penggabungan berbagai record dari gudang data. Informasi pelanggan untuk data penawaran, pembayaran, dan pengiriman dihubungkan dengan catatan transaksional yang terkait, record yang ada duplikasinya dihilangkan, dan data tersebut digabungkan menggunakan perangkat dari Group 1, peranti lunak khusus, juga secara manual.

Bank of America telah menggunakan suatu sistem gudang data terpusat untuk data rekening nasabahnya dari berbagai sumber yang digunakan untuk pemasaran dan penjualan silang selama beberapa tahun. Pada tahun 2002, Bank of America harus memeriksa kembali prosedur kualitas datanya untuk memastikan prosedurnya mematuhi aturan antipencucian uang yang dinyatakan dalam Patriot Act. Bank tersebut membangun seperangkat praktik umum untuk mengambil, mengintegrasikan, dan mengelola data.

Manajemennya menunjuk para penjaga data di setiap unit bisnis dan departemen sistem informasi bank tersebut, memerintahkan mereka untuk bertemu setiap bulannya dan memecahkan berbagai masalah kualitas data. Bank tersebut menggunakan perangkat pembuatan profil data dan pencocokan data yang tersedia di pasaran dan juga buatan sendiri untuk memeriksa dan mengoreksi data yang dikirim ke gudang data.

Pertanyaan Studi Kasus:

1.        Apakah akibat dari masalah kualitas data perusahaan yang dijelaskan pada studi kasus ini? Faktor manajemen, organisasi, dan teknologi apa yang menyebabkan masalah ini?

Jawaban:

Masalah kualitas data perusahaan mengakibatkan kesalahan penagihan pelanggan yang akan menghalangi interaksi perusahaan dengan pemasok dan pelanggan. Faktor yang menyebabkan masalah dalam kasus ini:

§  Jika dilihat dari faktor manajemennya dalam kasus ini personil manajemen data tidak dapat membuktikan bahwa mereka dapat mengurus data yang telah dipercayakan kepada mereka. Sedangkan kualitas data adalah prioritas utama sistem informasi.

§  Faktor organisasi suatu sistem informasi dibangun untuk meningkatkan kualitas data. Namun, dalam kasus ini BT Group tidak memiliki komunikasi dan hubungan kerjasama yang baik antar personil manajemen dengan yang lainnya sehingga kualitas data BT Group tidak berjalan dengan sistematis dan benar.

§  Faktor teknologi yaitu saat BT Group mengalami masalah pada kualitas datanya disebabkan karena belum adanya suatu perangkat dan software atau sistem yang baik untuk menangani masalah tersebut.

2.        Bagaimana perusahaan yang dijelaskan pada kasus ini memecahkan masalah kualitas datanya?

Jawaban:

Pemecahan masalah kualitas data dalam perusahaan ini, BT Group menghemat $800 juta dari data persediaan yang lebih baik dan interaksi dengan pelanggan serta pemasok yang lebih meningkat sekaligus meningkatkan pendapatannya melalui sistem penagihan yang lebih akurat.

3.        Telah dikatakan bahwa tantangan terbesar dalam meningkatkan kualitas data adalah manajer bisnis melihat kualitas data sebagai masalah teknis. Bahas bagaimana pernyataan ini berlaku pada perusahaan-perusahaan yang dijelaskan pada studi kasus ini.

Jawaban:

Untuk meningkatkan data harus adanya suatu organisasi yang baik antara satu dengan yang lainnya maka dari itu harus dimulai dengan cara manajemen menunjuk para penjaga data di setiap unit bisnis dan departemen sistem informasi tersebut untuk bertemu setiap bulannya dan memecahkan berbagai masalah kualitas data yang sedang terjadi.

BAB III

PENUTUP

3.1         Kesimpulan

Sistem informasi yang efektif menyediakan informasi yang akurat, tepat waktu, dan relevan. Informasi yang akurat, berarti bebas dari kesalahan. Informasi yang tepat waktu berarti informasi yang tersedia pada saat diperlukan oleh pengambil keputusan. Definisi yang lebih jelas mengenai database adalah sekumpulan data yang di organisasikan untuk melayani berbagai aplikasi secara efisien dengan memusatkan data dan mengurangi penggandaan data. Organisasi bisnis tertarik dengan data besar karena mereka dapat melihat pola yang lebih berbentuk ketimbang data kecil yang berpontensi memberikan wawasan baru tentang perilaku pelanggan, pada cuaca, aktivitas, pasar saham, dan fenomena lainya.

3.2 Saran

Penulis menyadari akan kekurangan pada makalah ini, oleh karena itu pemakalah mengharapkan kritikan dan saran dari pembaca agar kesalahan yang sama tidak terulang kembali. Diharapkan bagi mahasiswa agar menambah referensi mengenai pembahasan pada makalah ini agar menambah wawasan.

DAFTAR PUSTAKA

Laudon Kenneth C., 2011, Sistem Informasi Manajemen, Salemba Empat : Jakarta.

http://simrafizaputri.blogspot.com/2018/04/dasar-dasar-intelejen-bisnis-database.html. Diunduh 11 Desember 2019