Data and Knowledge Management

2 July 2010 at 16:27 (Konsep Sistem Informasi)

Week 5 – Tugas Individu 3 – 0014M

Seberapa bersihkah data perusahaan anda?

Data bersih berarti data tanpa adanya kesalahan (error). Meskipun demikian, sepanjang terdapat data, terdapat kesalahan. Di tahun 1980, tidak banyak data yang dikelola dibandingkan sekarang. Pada waktu itu, sumber utamanya data pelanggan adalah alamat untuk mengirimkan barang dan alamat untuk menagih pelanggan. Sekarang, data dianggap lebih kompleks. Untuk melacak penjual/vendor, pemasok, inventory dan catatan keuangan, perusahaan sekarang dapat melacak kebiasaan membeli, kesukaan pelanggan dan tempat bagi data lainnya (host of other data).

Sayangnya, banyak perusahaan yang secara gegabah mengira bahwa data mereka akurat. Asumsi ini bisa saja tidak benar. Kenyataannya, Gartner (www.gartner.com), sebuah perusahaan riset terkemuka, akhir-akhir ini memperkirakan bahwa 25% dari data penting yang digunakan di perusahaan besar adalah cacat. Penyebab utama dari kecacatan ini adalah kesalahan meng-entry-data yang dilakukan oleh manusia, perubahan profil pelanggan (seperti perubahan di alamat), dan kurang diterapkannya standarisasi data perusahaan yang benar. Gartner juga menyatakan bahwa sepanjang tahun 2007, lebih dari separuh proyek data warehouse akan mempunyai pengalaman bermasalah atau gagal karena mereka tidak proaktif mengatasi masalah mutu data.

Sebagai contoh lainnya, adalah kasus yang terjadi di proses manajemen Emerson (www.compsys.com). Emerson memproduksi klep/pentil, pompa tekan, pembangkit tenaga listrik, perangkat lunak untuk kilang minyak, dan pabrik makan/minuman. Perusahaan mempunyai 14 sub divisi/bagian, lebih dari 10,000 karyawan, dan lebih dari 100,000 pelanggan di seluruh dunia. Setiap sub divisi membuat produk masing-masing, tetapi basis data klien mereka seringkali tumpang tindih (overlap) karena masing-masing sub divisi membuat basis datanya sendiri-sendiri. Meskipun demikian, karena setiap sub divisi memiliki datanya sendiri, tidak mungkin bagi manajer untuk mendapatkan pandangan menyeluruh dari bisnis perusahaan.

Tiga tahun yang lalu, Emerson mulai suatu upaya untuk berkonsolidasi dan membersihkan database pelanggannya. Tim yang bertugas pertama kali berbicara ke semua pimpinan unit bisnis agar pimpinan unit mendapatkan pemahaman yang lebih baik atas proses mereka, jenis data yang mereka perlukan, dan bagaimana data terbaik tadi dapat dikirim. Kemudian tim ini memulai proses panjang yaitu melakukan pembersihan, konsolidasi, dan tidak menduplikasi (“de-duplicating”) dengan menggunakan perangkat lunak dari Group 1 (www.g1.com). Dengan demikian, sekarang Emerson mempunyai view yang terintegrasi dari setiap pelanggan di seluruh alur bisnisnya.

Tetapi upaya itu tidak berhenti sampai disitu. Membersihkan data adalah upaya yang harus selalu dilakukan dan berkelanjutan. Sistem tadi secara otomatis memproses 1,7 juta alamat per bulan. Perangkat lunak lebih banyak bekerja untuk ini, tetapi proses peninjauan (reviewing) tetap memerlukan upaya manusia, terutama data yang berhubungan dengan informasi tentang perusahaan di luar negeri. Tim data Emerson mencatat bahwa mutu data selalu menurun pada tahun tahun selanjutnya. Hal tersebut merupakan waktu luruh (half-life), seperti halnya bahan radioaktif, yang tergantung pada aktivitas bisnisnya.

Sumber:Dikumpulkan dari D. D’Agostino, “Data Manage­ment: Getting Clean,” Cia Insight, August 1, 2004; M. Wheat­ley, “Operation Clean Data,” Cia, July 1, 2004; dan B. Booth, “Clean Data Is Good Business/, ComputerWeekly.com, Febru­ary 8, 2005

Pertanyaan

  1. Mengapa data yang bersih sangat penting untuk bidang Akuntansi? Keuangan? Sumberdaya Manusia? Produksi/Operasional? Pemasaran?
  2. Jenis data apa akan mempunyai halflife yang terpendek (yaitu akan menurun secara cepat)?

Jawaban

1. Data yang bersih sangat penting untuk bidang:

–       Akuntansi karena untuk membuat laporan pendapatan, laporan aging, laporan rugi laba dan lain-lain dibutuhkan data yang benar-benar valid tanpa ada kesalahan untuk dapat melakukan pengambilan keputusan yang tepat.

–       Keuangan karena untuk melakukan kebutuhan audit dan transaparasi laporan keuangan baik pada internal maupun publik, membuat kebutuhan-kebutuhan pembiayaan dan lain-lain.

–       Sumber daya manusia karena untuk pengembangan SDM dengan melakukan perencanaan diklat, menghitung biaya yang ditimbulkan dari perekrutan pegawai, kebutuhan pencapaian target dan lain-lain.

–       Produksi/Operasional karena untuk dapat meramalkan kegagalan mesin, menemukan faktor kunci yang membantu untuk mengoptimalkan kapasitas pabrikasi.

–       Pemasaran karena agar dapat mengklasifikasikan demografis pelanggan untuk memprediksi bagaimana konsumen akan merespon mengirimkan atau membeli produk tertentu

2. Jenis data yang mempunyai halflife yang terpendek adalah:

–          Current detail data

Current detail data merupakan data detail yang aktif saat ini, mencerminkan keadaan yang sedang berjalan dan merupakan level yang terendah dalam data warehouse.

–          Older detail data

Data ini merupakan data historis dari current data detail, dapat berupa hasil cadangan atau archive data yng disimpan dalam storage terpisah.

–          Lightlty summarized data

Data ini merupakan ringkasan atau rangkuman dari current detail data. Data ini dirangkum berdasarkan periode atau dimensi lainnya sesuai dengan kebutuhan.

–          Highly summarized data

Data ini merupakan tingkat lanjutan dari lightly summarized data, merupakan hasil ringkasan yang bersifat totalitas, dapat diakses missal untuk melakukan analisis perbandingan data berdasarkan urutan waktu tertentu dan analisis menggunakan data multi dimensi.

–          Metadata

Merupakan data tentang data dan menyediakan informasi tentang struktur data dan hubungan antara struktur data didalam atau antara storage (tempat penyimpanan data)

Save to PDF

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: