Program Studi Manajemen • FEB

Sistem Informasi Manajemen

Pertemuan 06 — Dasar-Dasar Intelijen Bisnis

Mengelola informasi di era modern: Manajemen Basis Data, Big Data, dan bagaimana teknologi Cloud serta AI mengubah pengambilan keputusan.

RPS MINGGU 6 • SUB-CPMK 6 • DURASI 2 × 50 MENIT

Tujuan Pembelajaran Hari Ini

Setelah pertemuan ini, Anda diharapkan mampu memahami pengelolaan data bisnis modern. Secara khusus:

CAPAIAN 1 — BASIS DATA

MANAJEMEN DATA

Memahami konsep hierarki data, kelemahan sistem file tradisional, dan keunggulan Sistem Manajemen Basis Data (DBMS).

CAPAIAN 2 — INTELIJEN BISNIS

BUSINESS INTELLIGENCE

Menjelaskan apa itu Business Intelligence (BI) dan bagaimana ia membantu manajemen membuat keputusan yang lebih akurat.

CAPAIAN 3 — BIG DATA

ERA BIG DATA & CLOUD

Mengidentifikasi karakteristik Big Data serta peran penting Cloud Computing dalam memproses data berskala raksasa.

CAPAIAN 4 — STUDI KASUS

PENERAPAN NYATA

Menganalisis studi kasus nyata (seperti Netflix dan Walmart) yang mengintegrasikan AI dan BI.

Data Sebagai Aset Utama Bisnis Modern

Mengapa tiba-tiba semua perusahaan membicarakan data? Karena hari ini, data lebih berharga daripada minyak.

DULU: DATA SEKADAR CATATAN

Disimpan dalam bentuk fisik (kertas) atau file terpisah (Excel/Spreadsheet).
Fungsi utama: Pelaporan operasional (mis. pajak, penggajian).
Sulit digabungkan dan lambat untuk dianalisis.

SEKARANG: DATA ADALAH PREDIKTOR

Disimpan di awan (Cloud) dan terintegrasi secara real-time.
Fungsi utama: Pengambilan keputusan & personalisasi.
Bisa berupa teks, gambar, video, perilaku klik, hingga lokasi GPS.

Perusahaan yang tidak mengelola datanya dengan baik tidak akan bisa beradaptasi dengan perubahan preferensi pelanggan.

Bagian 1 dari 4

Manajemen Basis Data (DBMS)

Bagaimana cara kita menyimpan data agar tidak berantakan, berulang, atau hilang? Solusinya adalah Sistem Basis Data.

Hierarki Data Relasional Integritas

Mengapa File Biasa Tidak Cukup?

Sebelum ada basis data modern, tiap departemen punya file (seperti Excel) sendiri-sendiri. Ini memicu berbagai masalah serius yang disebut keterbatasan lingkungan file tradisional.

REDUNDANSI DATA

DATA GANDA

Nama pelanggan yang sama disimpan di file Marketing, file Sales, dan file Akuntansi. Buang-buang kapasitas penyimpanan.

INKONSISTENSI DATA

BEDA VERSI

Jika pelanggan pindah rumah, alamat di file Sales diubah, tapi di Akuntansi belum. Tagihan pun salah alamat!

Selain itu, file tradisional sangat kaku. Jika manajer butuh laporan gabungan antara data Sales dan Akuntansi, tim IT harus membuat program baru dari awal.

Solusi: Database Management System (DBMS)

DBMS adalah perangkat lunak yang memungkinkan organisasi memusatkan data, mengelolanya secara efisien, dan menyediakan akses ke program aplikasi.

CARA KERJA DBMS RELASIONAL

Tabel (Entitas): Menyimpan data dalam bentuk baris dan kolom. Contoh: Tabel Pelanggan, Tabel Pesanan.
Baris (Record / Tuple): Satu entri utuh, misalnya satu orang pelanggan spesifik.
Kolom (Atribut / Field): Properti dari entitas, misal Nama, No HP.
Primary Key (Kunci Utama): Kode unik (mis. NIK atau ID Pelanggan) untuk mengenali tiap baris. Tidak boleh ada yang kembar!

Keuntungan utama: Data hanya diinput satu kali. Semua departemen melihat satu versi kebenaran data (Single Source of Truth).

Menyusun Data: Hierarki Data

Mesin komputer membaca data dari unit terkecil hingga membentuk suatu basis data yang besar. Mari kita pahami tingkatannya.

DARI BIT SAMPAI DATABASE

Level	Penjelasan	Contoh
Bit & Byte	0 dan 1 (Bit). Kumpulan 8 bit menjadi 1 karakter (Byte).	Huruf 'A'
Field	Sekumpulan karakter menjadi kata atau angka penting.	Nama: "Budi"
Record	Sekumpulan field yang berhubungan (satu baris data).	ID: 101, Budi, 0812xx
File/Tabel	Sekumpulan record dari entitas yang sama.	Tabel "Mahasiswa"
Database	Sekumpulan tabel yang saling berelasi.	Sistem Akademik Kampus

Bagian 2 dari 4

Business Intelligence (BI)

Data yang tersimpan rapi belum berguna jika tidak diolah. BI adalah proses mengubah tumpukan data menjadi wawasan bisnis (insights).

Data Warehouse Dashboard Data Mining

Apa itu Business Intelligence (BI)?

Intelijen Bisnis (BI) mencakup alat, arsitektur, dan proses yang menyatukan data, menganalisisnya, lalu menyajikannya agar manajer bisa mengambil keputusan secara logis, bukan sekadar insting.

PERTANYAAN YANG DIJAWAB OLEH BI

"APA YANG TERJADI?"

Produk apa yang paling laku bulan lalu? Siapa pelanggan paling menguntungkan kita? Region mana yang penjualannya merosot?

DASHBOARD & VISUALISASI

MUDAH DIBACA

BI tidak menampilkan ribuan baris Excel. Ia menyajikan data dalam bentuk grafik, peta interaktif, dan KPI (Key Performance Indicator).

Komponen Utama Infrastruktur BI

Data operasional harian terlalu sibuk untuk dianalisis langsung. Perusahaan menggunakan sistem khusus untuk analisis ini.

DATA WAREHOUSE

Gudang data raksasa yang mengumpulkan historis data dari berbagai sistem (Sales, HR, dll). Datanya bersifat read-only, tidak diubah lagi, murni untuk bahan analisis.

DATA MART

Versi mini dari Data Warehouse. Biasanya hanya berisi data spesifik untuk satu departemen (misalnya, Data Mart khusus untuk tim Marketing).

DATA MINING

Proses "menambang" data untuk menemukan pola tersembunyi. Misal: "Pria yang beli popok di malam hari cenderung juga membeli kopi".

Bagian 3 dari 4

Memasuki Era Big Data & Cloud

Ketika tabel dan baris tak lagi cukup untuk menampung ledakan interaksi digital manusia, kita beralih ke Big Data.

Volume Velocity Variety

Karakteristik Big Data (Konsep 3V)

Big Data bukan sekadar data yang ukurannya "besar". Ia merujuk pada himpunan data yang tidak dapat diproses oleh DBMS tradisional.

VOLUME

Kapasitas

Ukurannya dalam skala Terabyte hingga Petabyte. Contoh: Triliunan log transaksi Tokopedia setiap bulannya.

VELOCITY

Kecepatan

Data dihasilkan dan harus diproses dengan sangat cepat, bahkan real-time. Contoh: Data sensor jalan tol, pergerakan saham.

VARIETY

Keragaman

Bentuknya tidak lagi rapi dalam tabel. Ada teks media sosial, video TikTok, foto, hingga rekaman suara (Unstructured data).

Coba Sendiri: Data Apa Ini Termasuk Big Data?

Geser tiga dimensi Volume, Velocity, dan Variety untuk berbagai skenario data lalu amati kapan sebuah dataset resmi masuk kategori Big Data.

Mengapa Big Data Butuh Cloud?

Infrastruktur fisik (server lokal di kantor) terlalu mahal dan kaku untuk Big Data. Cloud Computing (komputasi awan) menjadi penyelamat.

KEUNGGULAN CLOUD UNTUK DATA

Skalabilitas Instan: Saat kampanye 11.11, e-commerce bisa menggandakan server dalam hitungan menit, dan mematikannya kembali esok hari.
Hemat Biaya (Pay-as-you-go): Perusahaan hanya membayar kapasitas storage dan processing yang benar-benar digunakan.
Akses Layanan AI: Provider Cloud (AWS, Google Cloud, Azure) sudah menyediakan tools analitik canggih yang siap pakai.

Evolusi BI: Hadirnya AI & Machine Learning

BI Tradisional hanya melihat masa lalu. BI Modern dengan bantuan AI bisa melihat masa depan (Predictive & Prescriptive Analytics).

BI TRADISIONAL

DESKRIPTIF

Dashboard menunjukkan: "Penjualan kita turun 10% minggu lalu". Manajer harus menebak sendiri alasannya.

AI + MACHINE LEARNING

PREDIKTIF

AI menganalisis Big Data dan menyarankan: "Beri diskon 5% untuk pelanggan kategori A besok, karena ada tren mereka akan pindah ke kompetitor."

AI adalah "mesin pemurni" yang mengekstrak wawasan dari Big Data secara otomatis, mendeteksi pola rumit yang tidak terlihat oleh mata manusia.

Bagian 4 dari 4

Studi Kasus Bisnis Modern

Melihat langsung bagaimana perusahaan raksasa menguasai pasar menggunakan senjata intelijen data.

Netflix Walmart Transformasi Digital

Studi Kasus 1: Netflix (Media & Hiburan)

Lebih dari 80% tayangan di Netflix ditemukan pengguna melalui sistem rekomendasi berbasis AI dan Big Data.

STRATEGI DATA NETFLIX

Komponen	Implementasi Nyata
Sumber Data	Waktu Anda menekan pause/rewind, genre favorit, waktu menonton, dan gawai yang digunakan.
Machine Learning	Menciptakan "Taste Communities" (Komunitas Selera) lintas batas negara secara presisi.
Hasil Bisnis	Meningkatkan retensi pelanggan secara masif dan mengurangi risiko kegagalan saat membuat produksi konten orisinal bernilai jutaan dolar.

Studi Kasus 2: Walmart (Ritel)

Sebagai ritel raksasa, Walmart memproses puluhan Petabyte data transaksi, cuaca, dan ekonomi setiap harinya menggunakan Cloud Analytics.

DYNAMIC PRICING

HARGA DINAMIS

Harga produk di website disesuaikan secara real-time berdasarkan stok, permintaan saat itu, dan harga kompetitor.

SUPPLY CHAIN

STOK AKURAT

Sistem menganalisis prakiraan cuaca (mis. badai datang) untuk mengirim lebih banyak pasokan ke toko di wilayah terdampak secara proaktif.

Tidak Hanya untuk Raksasa Teknologi

Kini, dengan adanya Cloud, akses ke BI dan AI semakin murah dan bisa digunakan di banyak sektor.

CONTOH DI SEKTOR LAIN

Perbankan: Menggunakan Machine Learning untuk mendeteksi penipuan atau transaksi aneh dalam hitungan milidetik.
Kesehatan: AI menganalisis ribuan hasil rontgen (data tidak terstruktur) untuk mendeteksi dini gejala penyakit lebih akurat daripada mata telanjang.
UMKM: Memanfaatkan Insight media sosial untuk mengoptimasi target pasar dan waktu promosi.

Tantangan: Garbage In, Garbage Out

Teknologi Big Data bukan peluru perak. Kegagalan sering terjadi bukan karena teknologinya, melainkan karena hal-hal berikut:

TANTANGAN 1

KUALITAS DATA

Jika data mentah penuh kesalahan atau tidak akurat, maka AI akan memberikan prediksi yang salah (Garbage In, Garbage Out).

TANTANGAN 2

PRIVASI & ETIKA

Risiko kebocoran data dan tuntutan kepatuhan privasi untuk melindungi hak konsumen dari penyalahgunaan.

TANTANGAN 3

TALENTA DIGITAL

Kurangnya SDM kompeten (mis. Data Scientist) untuk mengelola dan menerjemahkan wawasan data dengan tepat.

Kesimpulan Akhir

Manajemen data yang baik adalah tulang punggung inovasi. Mari rangkum materi hari ini:

DBMS membebaskan kita dari kekacauan sistem file tradisional, menjaga integritas dan mengurangi redundansi.
Business Intelligence mengubah data historis operasional menjadi wawasan visual yang mendukung pengambilan keputusan manajerial.
Big Data tidak dapat diproses dengan alat biasa (karena Volume, Velocity, Variety), sehingga memerlukan infrastruktur Cloud.
Keunggulan kompetitif masa depan dimenangkan oleh perusahaan yang mampu mengawinkan Big Data dengan AI (Machine Learning) untuk bertindak prediktif.

Terima Kasih atas perhatian Anda. Ada pertanyaan sebelum kita akhiri sesi ini?