PPT KULIAH 3 business intelligence good 1

Good

1. INTELIJEN BISNIS (BUSINESS INTELIGENCE) Program Studi Manajemen Sesi 3 : Eksistensi Intelijen Bisnis Dalam Dunia Usaha Dr. Yusuf Setyadi , SH, SStMk , MM, MHum .

2. Bidang Kajian Eksistensi Intelijen Bisnis Dalam Dunia Usaha 1. Ancaman yang dihadapi Intelijen Bisnis (3-1) 2. Tantangan yang dihadapi Intelijen Bisnis (3-2) 3. Hambatan yang dihadapi Intelijen Bisnis (3-3) 4. Gangguan yang dihadapi Intelijen Bisnis (3-4) 5. Peluang Intelijen Bisnis (3-5) 6. Bahan Diskusi (3-6)

3. ANCAMAN YANG DIHADAPI INTELIJEN BISNIS (3-1) Dekade baru teknologi informasi dibuka dengan komersialisasi jaringan pada level 5G ( Generasi Kelima ) , implementasi lebih lanjut dari kecerdasan buatan dan meningkatnya penggunaan analisis data. Selain dari sejumlah terobosan revolusioner ini , ada satu trend mendasar yang tidak boleh kita lewatkan , pentingnya kecerdasan di era digitalisasi saat ini . Di lingkungan Asia Tenggara saja , para peneliti Kaspersky telah memantau peningkatan aktivitas kelompok Advanced Persistent Threat (APT) terutama melakukan cybere spionage ( mata-mata siber ) dengan teknologi canggih terhadap organisasi yang terkait dengan pemerintah dan bahkan entitas . Para aktor-pelaku ancaman ini, meningkatkan permainan mereka dengan alat serangan baru untuk menyerap, mengadopsi, mencuri dsb informasi dari pemerintah, entitas militer dan organisasi. Apa yang mereka inginkan ? Kecerdasan rahasia (confidential intelligence)

4. ANCAMAN YANG DIHADAPI INTELIJEN BISNIS (3-1) Menariknya , ada jenis intelijen lain yang dapat membantu negara bahkan perusahaan untuk menjaga keamanan data rahasia . Mereka itu adalah Intelijen yang mendeteksi ancaman . Teknologi ini , dapat membantu organisasi memahami ancaman yang dimiliki , akan , atau sedang menargetkan jaringan mereka . Intelijen yang mendeteksi ancaman lawan pada dasarnya juga harus berfungsi sebagai landasan dari strategi keamanan siber organisasi . Kenyataan sangat menyadari bahwa ada banyak perusahaan yang menawarkan layanan ini ( Intelijen Deteksi Ancaman ) . Bagaimana Anda bisa memilih dan menilai penyedia layanan mana yang lebih baik dari yang lain ? Mari kita telusuri beberapa pertanyaan penting yang harus bisa mereka ( penawar layanan ) menjawab untuk Anda dan tim keamanan Anda.

5. ANCAMAN YANG DIHADAPI INTELIJEN BISNIS (3-1) Kenyataan saat ini , terdapat dua realitas dalam lingkungan keamanan TI dalam organisasi apa pun bentuknya , yaitu kurangnya staf dalam deteksi dan luapan informasi yang positif palsu . Dengan sebagian besar departemen TI kekurangan tenaga saat ini , apakah tim Anda siap untuk menangani serangan besar-besaran terhadap ancaman data yang akan menghadang ? Kenyataannya adalah , tidak setiap file data/info berbahaya atau memerlukan perhatian khusus , dengan beberapa diantaranya mudah ditangani oleh perangkat lunak anti-virus dasar yang Anda miliki . Umpan intelijen deteksi ancaman yang tepat harus dapat menyaring informasi positif palsu dan memungkinkan Anda untuk fokus pada ancaman yang benar-benar penting dan kritis . Penting untuk menjelaskan garis besarnya di sini . Keamanan Endpoint dapat mendeteksi tetapi hanya mengklasifikasikan file dalam hal berupa putusan dasar , yaitu bersih atau berbahaya . Hanya sekedar itu , alat analitik yang seharusnya berada dalam sistem intelijen deteksi ancaman harus dapat memberikan Anda informasi terperinci tentang seberapa mencurigakan dan bahaya pada sebuah file, hash, alamat IP, bahkan URL.

6. ANCAMAN YANG DIHADAPI INTELIJEN BISNIS (3-1) Informasi ancaman tersebut , termasuk juga perilaku cybercrime & teknik eksploit / lidik : seberapa jarang malware terdeteksi , alat apa yang digunakan oleh para pelaku kejahatan siber untuk dapat membuatnya , dan jika Anda menggunakan laporan rinci / lengkap intelijen ancaman , itu akan dapat memberikan informasi mengenai sejarah , siapa pembuatnya , target pada umumnya , dan masih banyak lagi . Layanan intelijen deteksi ancaman harus didasarkan pada basis data ancaman yang kuat dikombinasikan dengan analisis para pakar ( ahli IT). Semestinya dengan menggali case cybercrime dari kombinasi laporan gabungan dari satu perusahaan ke perusahaan lain. Mengapa basis data yang komprehensif ( lengkap ) dan wawasan teknis menjadi penting ? Ini merupakan dasar dari intelijen mendeteksi ancaman yang baik . Dengan data real-time dari seluruh dunia dan pemantauan ancaman melalui pembelajaran mesin yang dianalisis oleh pemikiran manusia , Anda akan bisa mendapatkan konteks lebih baik tentang malware.

7. ANCAMAN YANG DIHADAPI INTELIJEN BISNIS (3-1) Penyedia layanan intelijen deteksi ancama harus dapat memberikan rangkuman keseluruhan tentang malware kepada Anda, termasuk keluarga , indikasi adanya kompromi , statistik historis dan bahkan dugaan malware "orang tua (parents)". Ini adalah bagian di mana file berbahaya , hash, URL, dan alamat IP sederhana dapat ditautkan ke serangan APT dan perlu digarisbawahi bahwa laporan APT yang mendalam harus menjadi bagian dari layanan intelijen deteksi ancaman yang Anda miliki . Laporan ini juga harus mencakup sektor sasaran , motif dan potensi atribusi . Dengan laporan yang memberikan konteks-informasi /data mengenai deteksi sederhana , Anda akan mengetahui bagaimana cara merespons dan bahkan meningkatkan lingkungan keamanan Anda saat ini .

8. TANTANGAN YANG DIHADAPI INTELIJEN BISNIS (3-2) Tantangan utama dan harus dipahami dari para praktisi big data adalah bahwa mereka harus dapat memanfaatkan sekumpulan data yang luas / besar , terperinci , dan beragam untuk menghasilkan materi / kesimpulan yang signifikan dan dapat ditindaklanjuti berkaitan dengan proses bisnis perusahaan . Mereka tidak harus menerapkan teknik statistik pada kumpulan data besar ini untuk memahami mengapa perilaku tertentu terjadi atau hal-hal tertentu terjadi karena user tidak berurusan dengan sampel , tetapi berurusan dengan populasi data yang lengkap . Para pengguna dari sisi bisnis , yang biasanya bukan ahli analisis statistik , harus berjuang keras untuk mempelajari dan mengintegrasikan statistik ke dalam proses bisnis sehari-hari mereka . Dan biasanya mereka akan menyimpulkan bahwa alat analisa bisnis telah gagal membantu mereka dalam melakukan transisi dari pelaporan ke area pemikiran analitik atau karena alat tersebut tidak memadai serta tidak optimal dalam membantu mereka pada saat memahami mengapa sesuatu terjadi .

9. TANTANGAN YANG DIHADAPI INTELIJEN BISNIS (3-2) Pelatihan dan praktek statistik yang signifikan ternyata diperlukan untuk membantu pengguna dari sisi bisnis mengukur sebab dan akibat dalam membangun model yang diperlukan guna memprediksi apa yang harus dilakukan selanjutnya . Akibatnya , transisi user bisnis untuk prediksi kedepan dan melihat situasi bisnis mereka kedepan jatuh memasuki analitik gap (analytics chasm). Analitik gap adalah area analisis data dimana user mencoba menggunakan algoritma statistik terhadap data mereka untuk mengukur sebab-akibat dengan mengidentifikasi korelasi antara tindakan tertentu dengan keluaran-keluaran yang dihasilkan . Harapannya , apabila mereka dapat mengukur dan menentapkan sebab-akibat , mereka akan berada dalam posisi yang lebih baik untuk mendukung proses ekplorasi “what-if”, memprediksi hasil yang diharapkan dari tindakan yang dilakukan dan menemukan rekomendasi-rekomendasi apa yang perlu dilakukan kedepan untuk meningkatkan kinerja bisnis . 

10. TANTANGAN YANG DIHADAPI INTELIJEN BISNIS (3-2) Big data memberikan kesempatan untuk mengurangi kebutuhan untuk menguasai keterampilan statistik untuk memahami mengapa sesuatu terjadi . Dengan jumlah data terperinci yang besar dan beragam serta alat analitik berkemampuan tinggi (powerful), adalah mungkin untuk mengidentifikasi apa yang akan berhasil tanpa harus khawatir tentang mengapa itu berhasil . Hal ini memungkinkan user untuk berpikir secara berbeda tentang konteks serta cara yang digunakan untuk mengatur wawasan dan kinerja bisnis kedepan . 

11. HAMBATAN YANG DIHADAPI INTELIJEN BISNIS (3-3) Intelijen Bisnis dari sudut pandang pelanggan , pengalaman omnichannel yang mulus ditandai oleh empat kualitas , yaitu   keandalan , relevansi , nilai , dan kepercayaan . Cara pandang   ini , berbicara tentang pengalaman mereka yang kohesif dengan lingkungan online (dunia maya ) dan dunia nyata yang interaksi layanan di dalamnya . Penting untuk diingat bahwa gesekan kerap terjadi , seperti waktu menunggu atau bahkan interaksi pribadi antara staf dan pelanggan . Hal ini merupakan kenyataan yang benar-benar dirasakan . Misalnya , anda mungkin tidak memiliki masalah teknis aktual checkout e-commerce, tetapi serangkaian pertanyaan yang membingungkan dalam formulir pembayaran dapat dengan mudah dianggap sebagai rintangan dan menggagalkan terjadinya transaksi . Atau , Anda mungkin memiliki staf penerimaan klinik yang sangat baik dan aplikasi penjadwalan online yang mapan , tetapi pasien / pelanggan / nasabah yang tidak terbiasa dengan kalender online dan masuk ke klinik anda , kemudian diberitahu untuk menunggu , hal tersebut sebagai   gangguan dan mengalami frustrasi .

12. HAMBATAN YANG DIHADAPI INTELIJEN BISNIS (3-3) Seorang pasien / pelanggan jauh lebih kecil kemungkinannya untuk menyalahkan diri sendiri atas masalah yang dihadapi dalam perjalanan dan jauh lebih mungkin untuk mencari penyedia layanan alternatif . Hal ini terutama berlaku   bagi pelanggan yang berpenghasilan tinggi , yang memiliki lebih banyak kemampuan untuk membuat pilihan antara penyedia layanan , jika   penyedia layanan tidak menawarkan jenis pengalaman yang diharapkan maka akan menjadi hambatan dalam transaksi . Terlepas dari peran besar yang dimainkan oleh persepsi dalam pengalaman pelanggan , ada beberapa langkah yang dapat Anda ambil untuk menghapus rintangan dan memperkuat apa yang berfungsi dengan baik . Upaya bisa dimulai dengan berinvestasi dalam mempelajari pelanggan dan memperhatikan tindakan dan non- tindakan mereka di setiap titik   sentuh perjalanan mereka .  Lihat rintangan dari sudut pandang makro ( bagaimana pengaruhnya terhadap total bisnis Anda) dan sudut pandang mikro ( apa yang terjadi pada pelanggan di setiap titik ) untuk mendapatkan pemahaman paling jelas tentang apa yang dapat anda kontrol dan bagaimana upaya anda cenderung membentuk pengalaman tersebut .

13. HAMBATAN YANG DIHADAPI INTELIJEN BISNIS (3-3) Dengan mengintegrasikan sumber daya intelijen bisnis di berbagai saluran dalam perjalanan pelanggan Anda , maka dapat membangun wawasan real-time yang akan dengan cepat memperbaiki masalah dan titik rintangan dan memperkuat apa yang sudah baik . Survei kepuasan pelanggan McKinsey mengungkapkan korelasi langsung antara kualitas perjalanan pelanggan dan kepuasan . Tingkat kepuasan yang tinggi dapat meningkatkan total pendapatan hingga 15% dan menurunkan biaya melayani pelanggan sebanyak 20%. Prioritas dalam menggunakan intelijen bisnis terintegrasi adalah menentukan di mana gesekan dengan pelanggan terjadi . Melihat data dari keterlibatan   pelanggan secara online dan dunia nyata dapat mengungkapkan adakah gangguan dalam aktivitas dan perilaku alami atau apa yang memperlambat atau mencegah pelanggan mencapai tujuannya ? Bagaimana lingkungan online atau onsite harus ditata untuk memungkinkan kesuksesan mereka atau bagaimana mencegahnya ?

14. GANGGUAN YANG DIHADAPI INTELIJEN BISNIS (3-4) Serangan informasi /data bisa dari beberapa jenis . Masalah keamanan dan privasi di platform internet of things , dari serangan dilakukan . Serangan dapat dilakukan oleh peretas , penyusup , dan agen tidak sah . Serangan dapat berupa serangan siber fisik , serangan siber jaringan , serangan perangkat lunak , dan serangan siber . serangan enkripsi Alasan utama serangan fisik karena adanya sensor di perangkat internet of things. Peretas umumnya mencoba mengakses sistem pengguna yang terletak dekat dengan jarak . Gangguan akan dimanfaatkan peretas atau penyusup untuk mengekstrak data yang diinfuskan dengan kode berbahaya . Dalam serangan jaringan siber , peretas atau penyusup mencoba mengakses jaringan pengguna untuk mengidentifikasi dan memeriksa data apa yang sebenarnya mengalir di jaringan . Dunia saat ini , tidak lepas dari peran data karena semua dibangun di atas sebuah pondasi data

15. GANGGUAN YANG DIHADAPI INTELIJEN BISNIS (3-4) Contoh paling umum dari serangan siber Jaringan adalah serangan man-in-the middle . Selain serangan jaringan siber , serangan lain adalah serangan perangkat lunak . Dalam konteks serangan perangkat lunak , file berbahaya atau malware disuntikkan ke pengguna untuk melacak dan memantau data sistem pengguna dan juga untuk melacak aliran data. Serangan perangkat lunak dapat merusak data atau file dengan memasukkan virus . Jenis serangan terakhir yang dapat dijelaskan adalah serangan enkripsi . Dalam konteks serangan enkripsi , penyusup atau peretas menyimpulkan kunci enkripsi untuk membuat kode dan algoritme mereka sendiri untuk membuka kunci enkrips i . Siapa sebenarnya yang melakukan serangan & ancaman terhadap informasi /data perusahaaan ? Dalam konteks serangan enkripsi , penyusup atau peretas menyimpulkan kunci enkripsi untuk membuat kode dan algoritme mereka sendiri untuk membuka kunci enkripsi serangannya , dapat berupa DDoS (Distributed Denial of Services), Bonnets, Man in the Middle attack, dan sebagainya .

16. PELUANG INTELIJEN BISNIS (3-5) Business Intelligence merupakan sebuah sistem yang penting banget dalam sebuah bisnis , dimana saat ini sudah digunakan oleh lebih dari 50% perusahaan . BI merupakan sebuah sistem yang memanfaatkan teknologi dan strategi untuk mengubah sebuah data menjadi sebuah informasi yang bisa digunakan untuk mengambil keputusan selanjutnya dari sebuah bisnis .  Jadi , BI mengumpulkan dan menganalisa beberapa data yang nantinya akan dipresentasikan dalam sebuah laporan . Dari laporan itu , para pengambil keputusan dalam sebuah perusahaan nantinya dapat memutuskan strategis bisnis kedepannya .  Dengan pemanfaatan BI yang efektif , perusahaan akan mendapatkan hasil yang lebih maksimal . Perusahaan dapat memanfaatkan data yang ada untuk melihat kebutuhan pasar serta menemukan peluang-peluang bisnis yang baru .  

17. PELUANG INTELIJEN BISNIS (3-5) Dalam business intelligence biasanya dimanfaatkan untuk menjawab pertanyaan-pertanyaan yang muncul dari kinerja sebuah perusahaan . BI mengumpulkan data mentah dari sebuah bisnis & data tersebut diolah kembali dan disimpan . Setelah itu , pengguna dapat mengakses dan menganalisanya untuk menjawab pertanyaan yang muncul sebelumnya .  Berikutnya data divisualisasikan dalam bentuk bagan dan grafik yang disajikan kepada para pemangku kepentingan .  Dalam perkembangannya , BI menjadi hal yang semakin kompleks dan spesifik dengan muncul beberapa proses, yaitu :  Pertama , data mining . Dalam proses yang pertama ini , BI akan mengumpulkan berbagai data melalui database, statistik , dan juga machine learning untuk melihat trend yang ada .  Kedua , reporting . Data yang telah dianalisis dan dikumpulkan tadi biasanya akan dilaporkan kepada para petinggi untuk pengambilan keputusan lebih lanjut .  Ketiga , performance metrics and benchmarking . Data kinerja yang ada biasanya akan dibandingkan dengan data-data yang ada sebelumnya . Hal ini untuk melihat performa kinerja terhadap goals yang ada . 

18. PELUANG INTELIJEN BISNIS (3-5) Keempat , descriptive analytics. Dalam proses yang ini , analisis data yang pertama kali didapatkan akan digunakan kembali untuk mengkaji apa saja yang terjadi .  Kelima , querying . BI biasanya menjawab pertanyaan-pertanyaan mengenai data dan informasi spesifik melalui database yang ada .  Keenam , statistical analysis. Mengidentifikasi trend-trend dengan menggunakan hasil dari analisis deskriptif dan eksplorasi data statistik . Ketujuh , data visualization . Memvisualisasikan data yang telah dianalisis menjadi bagan , grafik , dan histogram agar lebih mudah digunakan . Kedelapan , visual analysis. Menggunakan visual storytelling dalam menyampaikan data yang ada .  Terakhir , data preparation . Menggabungkan dan mengidentifikasi beberapa sumber data untuk digunakan dalam analisis data.

19. PELUANG INTELIJEN BISNIS (3-5) Peluang Kerja Business Intelligence Melihat kondisi saat ini , business intelligence terus menerus berkembang untuk memenuhi kebutuh dari perusahaan . Dengan adanya perkembangan teknologi , BI nantinya juga akan semakin dibutuhkan dan juga semakin bervariasi / beragam yang ditawarkan kepada perusahaan .   Untuk itu , seorang business intelligence analyst tentunya akan semakin dicari dan dibutuhkan oleh berbagai perusahaan . Karena menempati peran penting dalam perusahaan , seorang business intelligence analyst juga akan mendapatkan gaji yang lumayan besar . Dilansir dari indeed.com, gaji seorang business analyst bahkan dapat mencapai 120 juta .  

20. BAHAN DISKUSI (3-6) Bagaimanakah mencegah terjadinya serangan dan ancaman pada informasi dan data intelijen bisnis , karena jenis itu merupakan masalah utama yang mungkin terjadi di platform internet of things yang menimbulkan efek buruk pada kegiatan intelijen bisnis dan tentunya akan sangat merugikan perusahaan ? Jelaskan pula tindakan pemeliharaan langkah-langkah keamanan dengan memanfaatkan intelijen bisnis untuk membantu dalam mengurangi & mencegah masalah tersebut !

21. DAFTAR PUSTAKA Benjamin Graham, The Intelligent Investor, Akademika , PT. Serambi Semesta Distribusi , Jakarta, 2003. Emon Rivai Argananta , Intelijen Bisnis , PT Gramedia Pustaka Utama, Jakarta, 1998. Bernard Marr dkk , Artificial Intelliegance In Practice, PT. Alex Media Komputindo , Jakarta, 2021. Manerep Pasaribu , Sajian Akademis & Praktik , Artificial Intelligance , Perspektif Manajemen Strategis , Kepustakaan Populer Gramedia , Jakarta, 2022. Rico Rizal Budidarmo , Model Sistem Bisnis Intelijen Dalam Pengambilan Keputusan Persaingan Teknologi Informasi Perbankan , Jurnal Manajemen & Agribisnis Vol. 7, 2010. Achmad Fauzi dkk , Business Intelligence : Peran dan Fungsinya Dalam Membantu Decision Makers Membuat Keputusan, Jurnal Ilmu Manajemen Terapan , 2022. Valentinus Roby Hananto , Business Intelligance ( kecerdasan Bisnis )- Bahan Ajar, STIKOM Surabaya, 2017. Suparto Darudiato dkk , Business Intelligence : Konsep dan Metoda , Jurnal , 2010. Iman Ridwansyah , Business Intelligance , UIN Syarief Hidyatullah , Jakarta, 2014. Fajar Dwi Handoko dkk , Transformasi Data Menjadi Informasi Pada Bisnis Intelijen , Jurnal Ilmu Hukum Humaniora dan Politik , 2022. Putri Octavia Maharani dkk , Peran dan Fungsi Sumber Daya Bisnis Intelijen , Jurnal Ilmu Multidisiplin , 2022. Ridho Darman , Implementasi Business Inteligance Untuk Menentukan Trend Ekpor Perikanan Nasional Menggunakan Software IBM Waston Analytics, Jurnal Teknologi , 2018. Muhammad Handika Darmawan , Implementasi Konsep Business Intelligance Untuk Menentukan Kebutuhan Training Pada Klien , Jurnal , 2017. Chandra Eko Wahyudi Utomo , Implementasi Business Intelligance Dalam E- Tourisme Baerbasis Big Data, Journal of Tourism and Creativity, 2019. Prista Afikah dkk , Implementasi Business Intelligance Untuk Menganalisis Data Kasus Corona Di Indonesia Menggunakan Platform Tableu , Jurnal , 2022.

22. DAFTAR PUSTAKA Yasmin Chairunisa Muchtar , Persiapan Internasionalisasi UKM Melalui Intelijen Bisnis dan Inovasi Yang Dimoderasi Oleh Lingkungan Bisnis Eksternal , Padang, 2016. Novianti Indah Putri, Pentingnya Keamanan Data Dalam Intelijen Bisnis , Jurnal Sistem Informasi , 2020. Rezkiani dkk , Implementasi Konsep Business Intelligance Dalam Strategi Pemasaran Public Training Pada PT.Zigot Mediatama , Jurnal , 2017. Hendri Rudiawan , Pemanfaatan Sistem Bisnis Intelijen Dalam Pengambilan Keputusan Manajemen Perusahaan, Jurnal Ekonomi , 2021. Haryanto dkk , Model Manajemen Hubungan Pelanggan dan Sistem Bisnis Intelijen untuk Katalog Secara Online, Banten, 2018. Muhammad Ali Murtadho dkk , Penerapan Business Intelligence Pada Aplikasi Partner Relationship Management Di PT Indosat Sales Area Kota Mojokerto , naskah Jurnal . Berlin dkk , Penerapan Business Intelligence Pada CV. Tanggamas Chemical Dengan Metoda OLAP, Jurnal Algor, 2020. Tiara Retno Ariani dkk , Penerapan Business Intelligence Pada Sistem Informasi Penjualan Barang PT. WINSA, naskah Jurnal . Warsa Setiawan Surmadi dkk , Perancangan Business Intelligence sebagai Sistem Pendukung Peningkatan Kinerja Perusahaan di CV. 2nd Machine, Jurnal , 2020. Budi Susilo, Sistem Intelijen Bisnis Global Untuk Perencanaan E-Commerce, Jurnal , Pontianak, 2012. Nazirwan , Tahapan Pelaksanaan Sistem Intelijen Bisnis Dalam Perusahaan, Jurnal Lentera ICT, 2014.