Ada banyak hal yang berubah sejak konsultan Howard Dresner pertama kali menciptakan istilah Business Intelligence (BI) pada tahun 1989. Di mana istilah tersebut merujuk pada alat dan teknik analisis data yang digunakan untuk mendukung proses pengambilan keputusan bisnis.
Namun, secara keseluruhan Business Intelligence ini dapat membantu banyak orang untuk mengakses dan menyesuaikan data bisnis dibanyak tempat dan tujuan.
Berikut ini ada delapan tren BI yang dapat mendorong perubahan tersebut.
- Augmented Analytics
Augmented Analytics adalah penggunaan machine learning (ML) dan natural language processing (NLP) untuk meningkatkan data analytics, data sharing dan business intelligence (telah disebutkan oleh banyak praktisi IT termasuk Gartner), yang memperkenalkan konsep augmented intelligence pada tahun 2017.
Hadirnya ide augmented intelligence ini bertujuan untuk menyederhanakan Business Intelligence dan analytics process bagi perusahaan. Augmented analytics software tools bekerja dengan menangani banyak pekerjaan krusial yang biasanya terlibat dalam persiapan data untuk dianalisis, seperti parsing dan scrubbing.
- Embedded Analytics
Seperti augmented analytics, embedded analytics memberikan benefit lebih banyak kepada end user. Jika melihat data dashboard, hanya dengan sekali klik embedded analytics dapat memperbesar, menggabungkan hingga dapat melihat data dari berbagai sudut pandang. Sehingga banyak perusahaan ingin mengimplementasikan embedded analytics untuk membantu karyawan dan customer dalam membuat keputusan yang lebih baik.
Allied Market Research memproyeksikan tren market dari embedded analytics mencapai $60,28 Milliar pada tahun 2023 dengan compound annual growth rate (CAGR) sebesar 13,6% anatara tahun 2017 dan 2023.
- Data Virtualization
Â
Seberapa menarik proses atau sistem data di perusahaan Anda? Data quality dan akurasi model memang sangat penting, tetapi Anda harus paham arti data sesungguhnya. Secara khusus, Anda perlu menjelaskan tidak hanya apa itu data tetapi juga mengapa data itu ada. Tidak seperti data visualization, menurut Charles Miglietti, CEO dan Co-founder dari Toucan Toco, data story memiliki tingkat awal, tengah dan akhir.
Bagian awal harus menjelaskan tentang pentingnya data, bagian tengah menjelaskan ide-ide tersebut secara lebih rinci dan bagian akhir merangkum keseluruhan bagian dan menyertakan rekomendasi.
Berikut adalah empat fitur penting data visualization menurut para ahli:
- Context: semua alur proses data membutuhkan konteks untuk menggambarkan poin yang Anda coba sampaikan kepada audience yang Anda tuju.
- Aesthetics and types of visualizations: Data visualization memberikan banyak kebebasan.
- Narratives: Data virtualization narrative menjelaskan arti bagan atau grafik.
- Action: Menjelaskan apa yang harus orang lain lakukan dengan informasi ini.
- Data Quality Management
Data quality jadi lebih rumit dikelola ketika adanya perubahan saat data diproduksi, diproses dan digunakan. CompTIA, mencatat dalam Trends in Data Management pada Februari 2020, bahwa adanya penurunan kepuasan pada perusahaan dalam mengelola data saat ini dibandingkan tahun 2015 lalu. Secara khusus, sebanyak 25% perusahaan merasa berada di tempat yang mereka inginkan pada corporate data management, turun dari sebelumnya 31% di tahun 2015. Laporan tersebut juga mencatat bahwa 38% perusahaan ingin melakukan percepatan data analysis, dan 37% perusahaan mempertimbangkan harus mengintegrasikan data ke seluruh bisnis perusahaan.
Data quality management adalah kunci dari data management process. Upaya dalam meningkatkan kualitas data berkaitan dengan tata kelola data (data governance). Data yang dikelola dengan sebagaimana mestinya dapat menyebabkan gangguan operasional, analytics yang tidak akurat, kehilangan kesempatan dalam kegiatan penjualan hingga denda karena pelaporan regulasi keuangan dan kepatuhan.
- Predictive and Prescriptive Analytics Tools
Predictive analytics, suatu bentuk advanced analytics yang menggunakan data baru dan data historis untuk meramalkan aktivitas, perilaku dan tren terlebih lagi karena berkembang pesatnya sistem big data. Karena perusahaan saat ini telah mengumpulkan data yang lebih besar dan luas pada cluster Hadoop dan platform big data lainnya, maka mereka telah menciptakan peningkatan data mining opportunities untuk mendapatkan predictive insights.
Predictive analytics melibatkan teknik statistical analysis, analytical queries dan algoritma data automated machine learning untuk membuat predictive models. Prescriptive analytics berusaha untuk menentukan solusi atau hasil terbaik antara berbagai pilihan dengan mempertimbangakan parameter yang ada.
Pada tahun 2018, Zion Market Research telah melaporkan global predictive analytics market mencapai sekitar $ 3,49 miliar pada tahun 2016 dan pada tahun 2022 memprediksi mencapai $ 10,95 miliar dengan CAGR tumbuh sebesar 21%.
- Hyperautomation and Robotic Process Automation
Hyperautomation adalah teknologi aplikasi yang tersebar luas di seluruh perusahaan dengan tujuan dapat mengotomatisasikan keputusan. Biasanya mencakup Robotic Process Automation (RPA). Gartner melihat teknologi ini sebagai salah satu kategori software yang berkembang paling pesat.
Dari jumlah tersebut, software RPA terlihat lebih unggul karena memungkingkan para pakar bisnis dan pekerja memiliki keterampilan pengkodean yang minim untuk mengotomatiskan pekerjaan. Forrester memperkirakan bahwa pada tahun 2027 sebanyak 29% pekerjaan di wilayah United State akan hilang karena otomatisasi, sementara itu automation economy, akan menciptakan 13% pekerjaan baru, seperti data scientist dan automation managers.
Pada akhir tahun 2020, Gartner memperkirakan bahwa lebih dari 40% data science task akan diotomatiskan dan menghasilkan peningkatan produktivitas dan penggunaan data dan analytics oleh citizen data scientist.
- Artificial Intelligence dan Business Intelligence
Business analysts, data scientist dan engineers telah meneliti penggunaan algoritma machine learning untuk memperbesar data analysis mereka. Beberapa perusahaan menggunakan Business Intelligence dan data preparation tools, saat perusahaan lain menggunakan advanced tools, seperti writing script untuk membuat predictive models yang disesuaikan dengan bahasa seperti Python dan R.
AI dan BI sering dianggap sebagai teknologi dengan sedikit overlap karena BI pada dasarnya bersifat tetrospektif, sedangkan AI membahas tentang masa depan. Statistical analysis pada BI terutama pada perhitungan dasar, berbeda dengan algoritma machine learning yang sangat canggih dan mendalam untuk mendukung teknologi AI.
Survei dari Computer Weekly/TechTarget IT Priorities mengkonfirmasi bahwa Artificial Intelligence dan proses ML telah mendapatkan tempat yang signifikan sebagai bentuk investasi software bagi customers di U.K. Dalam survey tersebut, sebesar 30% dari responden mengatakan perusahaan berencana untuk meningkatkan investasi pada AI dan ML di tahun 2020. Saat tulisan ini dibuat, belum jelas bagaimana pandemi COVID-19 ini akan berpengaruh pada teknologi ini.
Penelitian tersebut juga menunjukkan bahwa 36% responden menggunakan data science dan data science platform, 20% menggunakan augmented analytics dan streaming analytics dan 16% menggunakan data catalogues.
- Mobile BI
Mobile BI tools menjanjikan banyak hal, tetapi ada satu hal yang menghambat yaitu adanya ketidakpastian. Masalahnya adalah sebagian besar data mudah dicerna oleh layar visual dan mobile screens. Membuat ulang dashboard desktop tidak dapat berfungsi dengan baik di perangat seluler. Oleh karena itu, membuat kemampuan analytics pada perangkat desktop tidak akan berfungsi.
Sebaliknya, vendor yang berhasil mengembangkan BI untuk aplikasi seluler melihat ponsel dan tablet sebagai entitas yang berbeda dari komputer desktop, dan tentu saja mereka menciptakan pengalaman yang berbeda pada aplikasi seluler baik ponsel maupun tablet.
Sebagai contoh Microsoft yang telah mengambil langkah lebih dahulu. Pada Mei 2020 lalu, Microsoft meluncurkan Power BI terbaru. Salah satu fitur dengan menambahkan kemampuan AI adalah smart narratives. Sebuah tools penghasil natural language generation yang dapat memungkinkan report authors untuk menambahkan interactive narratives yang dihasilkan Power BI secara otomatis dan memberikan insights kepada end user tentang data yang diperbaharui. Fitur lainnya adalah kemampuan pembuatan mobile report authoring capability. Report authors dapat membuat versi mobile version dari Power BI Desktop yang sudah ada sebelumnya sehingga dapat dilihat oleh user menggunakan Power BI mobile apps.
Penutup
Berca Hardayaperkasa juga menjadi partner resmi dari puluhan perusahaan IT terkemuka di Indonesia maupun dunia seperti, HPE Indonesia, HPI Indonesia, Dell EMC Indonesia, Huawei Indonesia, Lenovo Indonesia, VMWare Indonesia, Veritas Indonesia, Cisco Indonesia, Veaam Indonesia, Hitachi Data System Indonesia, Hitachi Vantara Indonesia, HDS Indonesia, NetApp Indonesia, Oracle Indonesia, Keysight Indonesia, Datacard Indonesia, AWS Indonesia, Fortinet Indonesia, Nutanix Indonesia dan Sophos Indonesia. Untuk informasi lebih lanjut silahkan hubungi di sini.