Menjelajahi Sejarah Intelijen Bisnis

Apa itu Intelijen Bisnis?

Intelijen bisnis (BI), sebuah istilah yang saat ini secara intrinsik terkait dengan teknologi informasi, telah berkembang selama lebih dari 150 tahun. Meskipun asal-usulnya mendahului penemuan komputer, hanya setelah mereka tersebar luas bahwa BI tumbuh dalam relevansi dan perkembangannya selanjutnya menjadi berpasangan dengan evolusi komputer dan database.

BI Menggunakan Pena dan Kertas

Penggunaan pertama istilah "kecerdasan bisnis" secara luas dikaitkan dengan Tuan Richard Miller Devens, dalam bukunya Cyclopadia of Commercial and Business Anecdotes, yang pertama kali diterbitkan pada tahun 1865. Dia menggunakannya untuk menggambarkan bagaimana Sir Henry Furnese, seorang bankir sukses, mendapat untung dari informasi dengan secara aktif mengumpulkan dan menindaklanjutinya sebelum kompetisinya. Ini menunjukkan fakta bahwa lebih dapat diandalkan untuk menggunakan data dan bukti empiris, daripada insting, untuk mengembangkan strategi bisnis. Idenya lebih ditingkatkan oleh orang lain yang melihat nilai dalam informasi.

Selama dekade terakhir tahun 1800-an, Frederick Taylor memperkenalkan sistem analisis bisnis formal pertama di Amerika Serikat. Sistem manajemen ilmiahnya dimulai dengan studi waktu yang menganalisis teknik produksi dan gerakan tubuh pekerja untuk menemukan efisiensi yang lebih besar yang mendorong produksi industri.

Taylor akhirnya menjadi konsultan untuk Henry Ford, yang pada awal 1900-an mulai mengukur waktu yang dibutuhkan setiap komponen Ford Model T untuk diselesaikan di jalur perakitannya. Karya dan kesuksesannya merevolusi industri manufaktur di seluruh dunia. Namun, dia masih menggunakan pena dan kertas untuk itu.

Kecerdasan Bisnis Mendapat Peningkatan dari Komputer

Komputer elektronik adalah embrio pada tahun 1930-an tetapi dikembangkan dengan cepat selama Perang Dunia II, sebagai bagian dari upaya sekutu untuk memecahkan kode Jerman.

Sampai tahun 1950-an, komputer sebagian besar mengandalkan kartu punch atau kaset berlubang untuk menyimpan data. Ini adalah tumpukan besar kartu dengan lubang kecil di dalamnya, yang akan menyimpan informasi untuk diproses oleh komputer. Namun, pada tahun 1956, IBM menemukan hard disk drive pertama, yang memungkinkan penyimpanan informasi dalam jumlah besar dengan fleksibilitas akses yang lebih besar.

Tidak lama kemudian, pada tahun 1958, peneliti IBM Hans Peter Luhn menerbitkan makalah sejarah berjudul A Business Intelligence System. Dia berteori tentang potensi sistem untuk "penyebaran selektif" dokumen ke "titik tindakan" berdasarkan "profil minat." Karyanya memiliki makna yang luar biasa bahkan hingga hari ini karena ia memprediksi beberapa tren intelijen bisnis yang mutakhir saat ini, seperti kemampuan sistem informasi untuk belajar dan memprediksi berdasarkan minat pengguna. Hari ini kami menyebutnya pembelajaran mesin. Luhn secara populer dikenal sebagai bapak intelijen bisnis.

Meskipun konsep yang diajukan oleh Luhn menarik perhatian beberapa pihak yang berkepentingan, ide tersebut dianggap terlalu mahal pada saat itu untuk digunakan secara praktis. Lebih banyak kemajuan teknologi diperlukan untuk menjadikannya solusi yang layak secara ekonomi.

Dalam dekade berikutnya, penggunaan komputer meledak, bahkan mengingat setiap komputer adalah mesin raksasa yang menempati seluruh lantai sebuah gedung dan harus dikelola oleh beberapa insinyur yang terampil agar dapat berfungsi dengan baik. Para ahli kembali membahas gagasan menggunakan komputer untuk mengekstrak kesimpulan dari data, tetapi masalah utamanya adalah tidak ada metode terpusat yang tersedia untuk menyatukan semua data di satu tempat. Data, dengan sendirinya, tidak dapat menghasilkan wawasan apa pun. Untuk mengatasi tantangan ini, sistem manajemen database pertama dirancang. Kemudian, mereka hanya akan disebut database. Generasi pertama ini memungkinkan pencarian database pertama, menggunakan strategi pohon biner. Strategi ini, meskipun memecahkan beberapa masalah pada saat itu, dianggap terlalu berat dan tidak efisien saat ini. Meski begitu, bagi perusahaan yang mampu membelinya, alat baru ini memberikan nilainya, digunakan untuk akhirnya membuat kesimpulan dari data yang tersedia.

Peningkatan Teknologi BI: Pemain Besar Memasuki Lapangan

Pada tahun 1970, Edgar Codd dari IBM menerbitkan makalah berjudul A Relational Model of Data for Large Shared Data Banks. Ini membuka jalan bagi database relasional generasi berikutnya, memungkinkan kapasitas yang jauh lebih luas untuk menyimpan dan memanipulasi data. Namun, dalam langkah yang aneh, IBM menahan diri untuk tidak mengimplementasikan desain Codd untuk mempertahankan pendapatan untuk sistem basis datanya saat ini. Hanya setelah pesaing mulai menerapkannya, IBM mengikutinya.

Pada saat ini, ada cukup pasar untuk memungkinkan penyedia intelijen bisnis pertama muncul. Diantaranya adalah SAP, Siebel, dan JD Edwards. Pada saat itu, mereka disebut sistem pendukung keputusan (DSS).

Masalah besar pada saat ini adalah bahwa database ini mengalami masalah "silo". Karena sangat satu dimensi, fleksibilitas penggunaannya sangat terbatas. Bahkan masalah sederhana seperti satu basis data mengkode kota sebagai "OH, NJ, dan NY" sementara yang lain menggunakan "Ohio, New Jersey, dan New York" membuat referensi silang menjadi tugas yang menakutkan.

Namun, semakin banyak kasus yang berhasil dari penggunaan data yang menguntungkan. Salah satu yang paling terkenal saat itu datang dari Nielsen. Digunakan untuk pengukuran pemirsa, alat pemasaran yang dikenal sebagai peringkat Nielsen digunakan untuk mengukur berapa banyak orang yang menonton acara TV tertentu setiap saat, menggunakan perangkat yang disebut Audimeter, yang dihubungkan ke pesawat televisi dan merekam saluran mana sedang diawasi.

Peringkat Nielsen dianggap sebagai laporan peringkat nasional yang paling banyak dilihat di industri TV. Namun, empat kali setahun, akan ada "minggu hitam"—minggu di mana peringkat Nielsen tidak dilaporkan. Karena tidak ada cara pasti untuk mengukur peringkat dalam "minggu-minggu gelap" ini, jaringan TV memenuhi jadwal mereka dengan tayangan ulang.

Baik industri maupun audiens sudah terbiasa dengan "minggu-minggu gelap", tetapi berakhir pada September 1973. Nielsen memperkenalkan Storage Instantaneous Audimeter (SIA), yang menghubungkan 1.200 rumah tangga langsung ke komputer intelijen bisnis perusahaan di Florida. Itu bisa menghasilkan peringkat nasional hanya dalam 36 jam, jauh lebih sedikit dari satu hingga dua minggu yang dibutuhkan sistem perusahaan yang lebih lama. Peringkat nasional akan tersedia setiap hari dalam seminggu, setiap minggu dalam setahun. Tidak ada lagi kebutuhan untuk "minggu-minggu hitam", dan datanya jauh lebih tersedia.

Menjelang akhir tahun 70-an, Larry Ellison dan dua temannya merilis versi komersial pertama dari database Oracle. Itu adalah sistem manajemen basis data relasional pertama yang benar di pasar, menggantikan ide-ide yang digunakan sampai saat itu dari basis data hierarkis dan basis data jaringan untuk struktur yang lebih kuat, yang memungkinkan pencarian yang jauh lebih fleksibel. Teknologi ini akan mendikte sejarah dan tren BI dalam beberapa dekade mendatang.

Pentingnya BI Tumbuh: Kami Membutuhkan Lebih Banyak Ruang!

Harga yang lebih rendah untuk ruang penyimpanan dan database yang lebih baik memungkinkan solusi intelijen bisnis generasi berikutnya. Ralph Kimball dan Bill Inmon mengusulkan dua strategi yang berbeda namun serupa untuk masalah memiliki semua data bisnis di tempat yang sama untuk dapat menganalisisnya. Ini adalah gudang data (DW). Inmon diakui oleh banyak orang sebagai bapak gudang data.

Gudang data adalah database yang dirancang untuk mengumpulkan banyak data dari sumber data lain (kebanyakan database lain), memungkinkan analisis yang jauh lebih dalam dengan kemampuan untuk referensi silang sumber yang berbeda ini. Namun, itu masih terlalu teknis dan mahal. Laporan perlu dijalankan dan dipelihara oleh sejumlah staf teknis TI yang mahal.

Manajemen puncak pada saat itu akan hidup dengan keluaran solusi BI seperti Crystal Reports dan Microstrategy. Dan, tentu saja, ada Microsoft Excel (dirilis pada 1985). Intelijen bisnis sekarang menjadi bagian integral dari alat yang tersedia untuk proses pengambilan keputusan.

Pada tahun 1989, Howard Dresdner, dari Gartner Group, berkontribusi mempopulerkan istilah "intelijen bisnis," menggunakannya sebagai istilah umum untuk menggambarkan "konsep dan metode untuk meningkatkan pengambilan keputusan bisnis dengan menggunakan sistem pendukung berbasis fakta."

Kecerdasan Bisnis 1.0

Pada tahun 90-an, biaya gudang data menurun karena semakin banyak pesaing memasuki pasar dan semakin banyak profesional TI yang mengenal teknologi ini. Ini adalah periode "Kecerdasan Bisnis 1.0."

Data sekarang umumnya dapat diakses oleh staf perusahaan secara umum, bukan hanya manajemen puncak. Namun, masalahnya saat ini adalah mengajukan pertanyaan baru masih sangat mahal. Begitu sebuah pertanyaan "direkayasa", jawabannya akan tersedia dengan cepat, tetapi hanya untuk pertanyaan itu.

Untuk mengurangi upaya ini, beberapa alat baru dan "blok bangunan" dikembangkan untuk mempercepat proses kueri yang berbeda:

• ETL (extract, transform, and load) adalah seperangkat alat, mirip dengan bahasa pemrograman, yang membuatnya lebih mudah untuk merancang aliran data dalam gudang data.
• OLAP (pemrosesan analitik online) membantu menciptakan opsi visualisasi yang berbeda untuk data yang ditanyakan, memberdayakan analis untuk mengekstraksi kesimpulan yang lebih baik dari informasi yang ada.

Hingga hari ini, alat ETL dan OLAP masih menjadi bagian penting dari solusi intelijen bisnis.

Ini juga merupakan periode di mana sistem perencanaan sumber daya perusahaan (ERP) menjadi populer. Ini adalah platform perangkat lunak manajemen besar yang mengintegrasikan aplikasi untuk mengelola dan mengotomatisasi aspek bisnis. Mereka juga menyediakan data terstruktur untuk gudang data dan di tahun-tahun berikutnya akan menjadi jantung dari setiap perusahaan besar di dunia.

Pada tahun 1995, Microsoft merilis Windows 95, sistem operasional pertama yang “mudah digunakan”—dan komputer menjadi barang-barang rumah tangga biasa. Ini akan berdampak besar pada cara orang memproduksi dan mengonsumsi data selama beberapa dekade berikutnya.

BI Terganggu: Ledakan Data di Milenium Baru

Pada tahun 2000, solusi intelijen bisnis telah ditetapkan sebagai "harus dimiliki" untuk semua bisnis menengah hingga besar. Sekarang secara luas dianggap sebagai persyaratan untuk tetap kompetitif.

Dari perspektif penyedia solusi, banyaknya solusi mulai menyatu di tangan beberapa pesaing besar, seperti IBM, Microsoft, SAP, dan Oracle.

Beberapa konsep baru muncul selama periode ini. Kesulitan untuk menjaga gudang data mereka tetap mutakhir membuat beberapa perusahaan memikirkan kembali pendekatan mereka, mengubah DW mereka menjadi “satu-satunya sumber kebenaran” mereka. Untuk data yang sudah ada, program lain akan menggunakan informasi yang disediakan oleh DW daripada menggunakan milik mereka sendiri, sehingga menghilangkan sebagian besar masalah ketidakcocokan data. Itu lebih mudah diucapkan daripada dilakukan, memberikan banyak tantangan teknis. Namun, konsep tersebut sangat berguna sehingga pada tahun-tahun berikutnya solusi yang tersedia di pasar akan beradaptasi untuk menggunakan strategi ini.

Ketika data menjadi lebih dan lebih berlimpah, dan alat BI membuktikan kegunaannya, upaya pengembangan diarahkan untuk meningkatkan kecepatan di mana informasi akan tersedia, dan untuk mengurangi kompleksitas mengaksesnya. Alat menjadi lebih mudah digunakan, dan orang non-teknis sekarang dapat mengumpulkan data dan memperoleh wawasan sendiri, tanpa bantuan dukungan teknis.

Pada awal 2000-an, ledakan platform jejaring sosial membuka jalan bagi opini publik untuk tersedia secara bebas di internet, dan pihak yang berkepentingan dapat mengumpulkan (atau “menambang”) data, dan menganalisisnya. Pada tahun 2005, meningkatnya interkonektivitas dunia bisnis berarti bahwa perusahaan membutuhkan informasi real-time di mana data dari peristiwa dapat dimasukkan ke dalam gudang data seperti yang terjadi secara real time.

Ini adalah tahun Google Analytics diperkenalkan, menyediakan cara gratis bagi pengguna untuk menganalisis data situs web mereka. Ini juga merupakan tahun istilah big data pertama kali digunakan. Roger Magoulas, dari O'Reilly Media, menggunakannya untuk merujuk pada "kumpulan data besar yang hampir mustahil untuk dikelola dan diproses menggunakan alat intelijen bisnis tradisional."

Untuk mengatasi ruang penyimpanan tambahan dan daya komputasi yang diperlukan untuk mengelola jumlah data yang meningkat secara eksponensial ini, perusahaan mulai mencari solusi lain. Membangun komputer yang lebih besar dan lebih cepat tidak mungkin dilakukan, jadi menggunakan beberapa mesin sekaligus menjadi pilihan yang lebih baik. Ini adalah benih dari komputasi awan .

Penggunaan Kontemporer BI

Dalam 10 tahun terakhir, data besar, komputasi awan, dan ilmu data menjadi kata-kata yang dikenal oleh hampir semua orang. Sulit saat ini untuk mengakui kemajuan baru mana yang paling berdampak pada tahun-tahun terakhir ini. Namun, ada beberapa kasus menarik yang menunjukkan semakin berkembangnya kekuatan alat analitik modern.

Periklanan, Cookie, dan AdTech

Pada 2012, The New York Times menerbitkan sebuah artikel yang menjelaskan bagaimana Target secara tidak sengaja menemukan kehamilan seorang remaja sekolah menengah di depan orang tua mereka. Melalui analitik, mereka mengidentifikasi 25 produk yang bila dibeli bersama-sama menunjukkan seorang wanita kemungkinan hamil. Nilai dari informasi ini adalah bahwa Target dapat mengirimkan kupon kepada wanita hamil pada saat kebiasaan belanja wanita mungkin berubah.

Seorang ayah yang marah berjalan ke Target di luar Minneapolis dan menuntut untuk menemui manajer. Dia mengeluh putrinya menerima kupon untuk pakaian bayi, meskipun dia masih di sekolah menengah. Manajer meminta maaf secara mendalam atas nama perusahaan, tetapi beberapa hari kemudian sang ayah menelepon kembali untuk meminta maaf: “Ternyata ada beberapa kegiatan di rumah saya yang belum sepenuhnya saya sadari. Dia jatuh tempo pada bulan Agustus. Aku berhutang maaf padamu.”

Contoh anekdotal ini menunjukkan kekuatan analisis data kontemporer.

Politik

Strategi kampanye pemilihan ulang Obama sangat dibangun di atas analitik. Banyak spesialis menunjuknya sebagai salah satu alasan utama keberhasilannya. Strategi yang dirancang oleh manajer kampanye Jim Messina, difokuskan pada pengumpulan data pemilih dan menggunakannya untuk memastikan mereka 1) mendaftar untuk memilih, 2) dibujuk untuk memilih Obama, dan 3) hadir untuk memberikan suara pada hari pemilihan. Sekitar 100 analis data melakukan bagian dari upaya tersebut, menggunakan lingkungan yang berjalan di HP Vertica dan dikodekan dalam R dan Stata.

Beberapa inisiatif diterapkan untuk mencapai tujuan tersebut, salah satunya adalah Airwolf. Dibangun untuk mengintegrasikan upaya lapangan dan tim digital, ini memastikan bahwa setelah pemilih dihubungi oleh tim lapangan dalam kampanye dari pintu ke pintu, minat mereka akan dicatat, sehingga mereka akan sering mendapatkan email dari penyelenggara lokal yang dirancang khusus untuk masalah kampanye favorit masing-masing.

Dengan alat dan data yang tepat, analis dapat menjawab hampir semua pertanyaan dengan cepat dan mudah, dari mana pun data tersebut berasal. Keberhasilan kampanye Obama membuat lingkungan analitik data besar menjadi persyaratan standar untuk setiap kampanye sejak saat itu.

Sains

Proyek Genom Manusia selesai pada tahun 2003 tetapi meninggalkan banyak pertanyaan yang belum terjawab. Meskipun memetakan seluruh urutan pasangan basa nukleotida yang membentuk DNA manusia, benar-benar memahami cara kerja genetika manusia memerlukan studi yang lebih intensif—dan ini adalah aplikasi yang sempurna untuk data besar. Genom manusia yang khas mengandung lebih dari 20.000 gen, dengan masing-masing terdiri dari jutaan pasangan basa. Cukup dengan memetakan genom membutuhkan seratus gigabyte data, dan mengurutkan banyak genom dan melacak interaksi gen akan melipatgandakan jumlah itu berkali-kali—ratusan petabyte, dalam beberapa kasus.

Dengan menerapkan analitik dalam penelitian mereka yang diterbitkan pada tahun 2016, para ilmuwan di Universitas Haifa dapat mengamati apa yang disebut “karakter sosial” gen. Apa yang telah lama ingin diketahui oleh para ilmuwan adalah cara kerja bagian dalam dari efek genetik kompleks yang mengambil bagian dalam penciptaan penyakit kompleks. Tujuan ini sangat sulit karena ekspresi genetik penyakit tertentu biasanya berasal dari kombinasi beberapa penanda genetik yang berinteraksi satu sama lain. Jadi peneliti tidak hanya harus menyisir seluruh urutan genetik, tetapi mereka juga harus melacak interaksi antara beberapa gen yang berbeda.

Meskipun masih banyak data yang harus dianalisis, jalan telah diaspal untuk memahami dan menyembuhkan sejumlah besar cacat genetik, besar dan kecil.

Jalan di depan

Kami sekarang mencapai waktu di mana Facebook dapat mengenali wajah Anda dalam gambar, di mana Google dapat memprediksi jenis iklan mana yang paling sesuai dengan profil Anda, di mana Netflix dapat memberi Anda saran tentang acara mana yang harus ditonton. Ini adalah saat di mana Anda dapat berbicara dengan telepon Anda, bukan hanya dengan seseorang di seberang saluran telepon. Mampu menangani dan memproses data dalam jumlah besar adalah langkah awal untuk memahami bagaimana keajaiban ini terjadi.

Big data masih menjadi tren yang berkembang. Sekitar 90% dari data yang tersedia telah dibuat dalam dua tahun terakhir. Pada konferensi Techonomy, pada tahun 2010, Eric Schmidt menyatakan bahwa “ada 5 exabyte informasi yang dibuat oleh seluruh dunia antara awal peradaban dan 2003. Sekarang jumlah yang sama dibuat setiap dua hari.”

Menangani sejumlah besar data masih menghadirkan banyak tantangan. Kualitas data, salah satu sakit kepala pertama dan tertua dari intelijen bisnis, masih merupakan bidang yang menuntut. Analytics, keahlian yang diperlukan untuk membantu memahami tumpukan data yang dikumpulkan perusahaan juga sangat diminati. Sekarang ada banyak jenis analitik: analitik deskriptif, analitik prediktif, analitik preskriptif, analitik streaming, analitik otomatis, dll. Analytics menggunakan beberapa teknologi mutakhir untuk mengekstrak wawasan dari data, seperti kecerdasan buatan, pembelajaran mesin, dan banyak statistik model. Ini akhirnya menjadi saat yang keren untuk menjadi ahli matematika.

Alat BI sekarang sering dirancang dengan mempertimbangkan industri tertentu, baik itu perawatan kesehatan, penegakan hukum, dll. Sekarang alat ini berfungsi di beberapa perangkat dan menggunakan beberapa alat visualisasi, memungkinkan siapa pun untuk menerapkan penalaran ke data melalui antarmuka visual interaktif. Mobile BI sekarang menjadi kenyataan.

Dengan menggabungkan kekuatan data besar, pembelajaran mesin, dan analitik, hidup Anda mungkin sangat berbeda di masa depan. Mungkin Anda mungkin tidak perlu pergi ke toko kelontong lagi—kulkas Anda akan memesan apa yang kemungkinan besar akan Anda butuhkan, berdasarkan kebiasaan makan Anda. Mungkin, Anda tidak akan menelepon dokter untuk mengatakan bahwa Anda sakit, karena mereka akan menelepon Anda bahkan sebelum Anda mulai merasakan gejala pertama.

Umat ​​manusia sekarang hidup di era informasi, dan kecerdasan bisnis adalah fitur penting di zaman kita, membantu kita memahami semuanya. Analisis bisnis sekarang bahkan menjadi program gelar di banyak universitas. Sejarah intelijen bisnis cukup baru, tetapi semakin cepat dan semakin padat dari hari ke hari. Hari-hari terbaik BI masih ada di depan kita.