Jakarta - Tiga pakar geofisika Institut Teknologi Sepuluh Nopember (ITS) membuat inovasi alat pendeteksi dini tsunami yang memanfaatkan prinsip refleksi gelombang. Ketiga pakar dari Departemen Teknik Geofisika ITS tersebut itu yakni Dr Ir Amien Widodo MSi, Juan Pandu Gya Nur Rochman SSi MT, dan Kharis Aulia Alam ST.

Gagasan pembuatan instrumen bernama SENOPATI tersebut bermula sebagai respons kondisi Indonesia sebagai salah satu negara dengan tingkat kerawanan tinggi terhadap bencana tsunami, seperti dikutip dari laman resmi ITS. Adapun SENOPATI merupakan akronim dari Sepuluh Nopember Pendeteksi Awal Tsunami.

Amien menuturkan, penelitian ini berlangsung sejak 2019 lalu dan terus dikembangkan hingga sekarang. Adapun tujuan perancangan instrumen ini, menurut Amien, yakni untuk membuat alat pendeteksi tsunami yang mudah diaplikasikan dan murah.

"Indonesia pada dasarnya memiliki sistem pendeteksi dini tsunami bernama Buoy. Sayangnya, kondisi instrumen tersebut saat ini hilang atau rusak karena ulah orang yang tidak bertanggung jawab," jelas Amien.

Amien menuturkan, SENOPATI bekerja dengan menggunakan prinsip refleksi gelombang. Adapun ketinggian dari muka air bisa diukur oleh sensor untuk mendeteksi datangnya tsunami.

"Karena tsunami itu menyebabkan air laut surut, jadi kita lihat kalau ada air surut di waktu tertentu itu tanda adanya peringatan dini terhadap tsunami," papar Amien, seperti dikutip dari situs resmi ITS, Jumat (11/6/2021).

Peneliti senior dari Pusat Penelitian Mitigasi Kebencanaan dan Perubahan Iklim (Puslit MKPI) ITS ini menambahkan, prinsip yang digunakan pada refleksi gelombang diaplikasikan dalam dua sensor, yaitu sensor ultrasonik dan sensor doppler. Gelombang ultrasonik sendiri mampu mendapatkan jarak pemantul gelombang dengan menggunakan prinsip Time of Light atau ToF (metode yang digunakan untuk mengukur jarak antara sensor dan objek).

Ia menambahkan, sementara itu, sensor doppler memanfaatkan gelombang ultrasonik yang ditembakkan kepada objek dengan kemudian menghitung pergeseran frekuensi yang diterima sebagai nilai kecepatan benda bergerak.

"Jadi apabila ketinggian muka airnya surut dengan cepat, alat ini akan memberi tahu bahwa akan ada tanda-tanda terjadinya tsunami," kata Amien.

Terkait cara kerja SENOPATI, Amien mengatakan, alat akan memunculkan warna merah dan buzzer menyala mengirimkan peringatan evakuasi saat mengidentifikasi adanya penurunan ketinggian air dengan cepat.

Ia menambahkan, pada penelitian tersebut, parameter kecepatan surut masih menggunakan nilai sintetis yang menyesuaikan ukuran dari model uji yang digunakan. Artinya, model uji coba belum menggunakan nilai asli dari kejadian di lapangan.

Dosen Departemen Teknik Geofisika ITS ini menuturkan, rancang bangun alat masih terbatas pada skala laboratorium. Karenanya, kendala atau kekurangan yang ada pada SENOPATI masih belum menampakkan masalah signifikan.

Ia menambahkan, evaluasi terhadap SENOPATI akan terus dilakukan seiring dengan pengembangan dan ketika alat sudah bisa diterapkan secara langsung di lapangan atau di laut lepas. Harapannya, SENOPATI dapat dimasukkan ke dalam lingkup penelitian yang lebih detail oleh ITS dan bisa mendapat pendanaan lebih lanjut.

"Kami juga ingin membuat prototipe yang lebih baik dan diuji coba dengan ukuran yang lebih besar, sehingga kita bisa tahu keandalan dari alat ini," kata Amien.

Sumber: www.detik.com

 

Orasi ilmiah Prof. Andri Dian Nugraha dengan topik “Seismologi dan Tomografi Seismik untuk Memahami Struktur Bawah Permukaan di Zona Tektonik Aktif dan Gunungapi” pada Sabtu, 11 Desember 2021, Gedung Balai Pertemuan Ilmiah (BPI) ITB.

Seismologi adalah ilmu yang mempelajari pembangkitan, propagasi dan perekaman gelombang elastik yang melewati interior bumi. Penting pengembangan ilmu seimologi bagi kehidupan manusia yaitu antara lain

(1) mempelajari fenomena gempa, gunungapi dan tsunami,

(2) juga bagi sumber daya seperti minyak dan gas, geotermal, dll,

(3) dan untuk melakukan kontrol uji coba senjata nuklir.

Lanjutnya dijelaskan mengenai gelombang seismik, dibawah permukaan bumi terjadi suatu proses sesar/gempa bumi kemudian ketika terjadi proses gempa hal tersebut meradiasikan gelombang seismik ke semua arah, gelombang tersebut berbentuk seperti bola, kemudian gelombang seismik menjalar ke permukaan bumi dari sumber ke medium lalu terekam oleh station seismograf maka akan menghasilkan rekaman seismograf.

Wilayah Indonesia dikenal sebagai wilayah yang dikelilingi oleh empat lempeng tektonik utama di dunia yaitu Indo-Australian Plate, Eurasian Plate, Pacific Plate, Philippine Plate, dari hal tersebut mengakibatkan keadaan geologi yang komplek dan tektonik yang aktif, yang menjadi implikasinya adalah tingkat seismisitas di Indonesia dengan potensi sumber gempa relatif tinggi karena terdapat zona subduksi akibat dari pergerakan empat lempeng tersebut.

Sebagai implikasi lainnya dari aktifitas tektonik yang sangat komplek adalah Indonesia banyak terdapat jajaran Gunungapi Aktif sebanyak 127 (Sumber: PVMBG), sedangkan untuk Gunungapi yang aktif tetapi masih memiliki panas di dalamnya bisa dimanfaatkan untuk potensi sumber energi geotermal untuk membangkitkan listrik.

Kontribusi seismologi juga disebut Relokasi Hiposenter yang untuk memutahirkan lokasi hiposenter yang menggunakan model kecepatan Seismik 3-D dimana pada saat ini model tersebut banyak digunakan oleh rekan seismologi serta geofisika di Indonesia untuk melakukan kajian di wilayah-wilayah di Indonesia.

Selanjutnya Tomografi Seismik adalah suatu teknik untuk mencitrakan struktur 3-D bawah permukaan dalam bentuk properti fisis yang mempengaruhi propagasi kecepatan gelombang seismik ketika melewati medium seperti elastisitas, anelastisitas, parameter anisotropi dan densitas batuan.

Hal tersebut menggunakan data gelombang seismik yang dibangkitkan oleh gempa maupun dari proses ledakan. Lalu model seismic bawah permukaan memiliki peranan yang sangat penting dalam analisi litologi bawah permukaan, rekahan, temperatur, kandungan fluida, material leburan dan struktur geologi.

Dijelaskan juga bahwa ilmu tomografi pertama berkembang dalam ilmu kedokteran untuk mengetahui sumber gelombang dan sumber penerima dimana lintasan gelombang apakah melewati medium kepala manusia. Dalam kedokteran dikenal dengan istilah Magnetic Resonance Imaging (MRI), Nuclear Magnetic Resonance (NMR), CT Scan, dan X-ray.

Kemudian para ilmu kebumian geofisika dan seismologi mengadopsi serta mengembangkan ilmu tersebut untuk melihat interior bumi. Jika sumber gelombang dilihat pada tomografi seismik seperti gempa, dinamit, palu, dan vibroseis dan penerimanya seismograf, geophone, dan accelerograf.

Beberapa hal yang dapat dipelajar dalam penentuan struktur interior bumi dari gelombang seismik yaitu (1) Waktu tempuh gelombang seismik (traveltimes), (2) Amplitudo gelombang seismik, (3) Ambient noise, (4) Waveform spectra, (5) Full waveform.

Sumber: fgb.itb.ac.id/

Pemerintah menerapkan berbagai kebijakan untuk meminimalisir kegiatan yang mengarah pada interaksi langsung dengan manusia dalam rangka mengurangi potensi penyebaran COVID-19. Salah satu bentuk kebijakan tersebut adalah penerapan kegiatan dari rumah, baik untuk bekerja maupun bersekolah. Kebijakan tersebut berimplikasi pada perubahan pola kebiasaan dan perilaku masyarakat salah satunya dalam berolahraga.

Keterbatasan akses pada ruang tertutup seperti fitness centre dan alokasi waktu yang menyebabkan maraknya kegiatan berolahraga di ruang ruang. Masyarakat juga semakin menyadari pentingnya melakukan olah raga untuk menjaga kebugaran dan meningkatkan imunitas di masa pandemi COVID-19.

Salah satu olahraga favorit sebagian besar masyarakat saat ini adalah dengan bersepeda. Sebuah harian nasional edisi 6 Februari 2021 menyebutkan terjadinya peningkatan tren bersepeda selama pandemi. Strava, sebuah aplikasi untuk mengukur aktivitas fisik dan olahraga mencatat sepanjang 2020 terjadi aktivitas bersepeda di dunia sebesar 8,1 miliar mil, meningkat dibanding tahun sebelumnya sebesar 5,6 miliar mil.

Dari sisi perdagangan, data Lembaga Pembiayaan Ekspor Indonesia (LPEI) mencatat bahwa jumlah ekspor sepeda Indonesia pada Januari sampai November 2020 mencapai 103,37 juta dollar AS, atau setara 1,4 triliun rupiah. Jumlah ini meningkat sekitar 27,52 persen dibandingkan tahun sebelumnya sebesar 81,06 juta US Dollar.

Aktifitas bersepeda belakangan semakin marak, bukan hanya untuk berolahraga, namun juga untuk mendukung aktifitas sehari-hari, seperti bekerja dan berbelanja. Semakin banyaknya masyarakat yang menggunakan moda sepeda semestinya dijadikan momentum untuk mendukung pengembangan transportasi yang ramah lingkungan dan berkelanjutan. Di sisi lain, keberadaan pesepeda di jalan raya seringkali tidak terjamin keselamatannya karena belum adanya fasilitas bersepeda yang layak, misalnya banyaknya ruas jalan yang belum memiliki lajur sepeda.

Terkait hal tersebut, Pemerintah baru-baru ini menerbitkan regulasi yang sangat mengedepankan nilai keselamatan pesepeda dalam berlalulintas. Peraturan tersebut tertuang dalam Peraturan Menteri Perhubungan (Permenhub) Nomor 59 Tahun 2020 Tentang Keselamatan Pesepeda di Jalan, yang mulai diberlakukan bulan Agustus 2020.

Peraturan tersebut sangat positif bagi inovasi kebijakan di sektor transportasi, karena belum banyak kebijakan atau peraturan yang spesifik mengatur tentang sepeda. Sebelumnya peraturan yang ada lebih banyak mengatur mengenai kendaraan bermotor (mobil, sepeda motor) dan sangat sedikit mengatur kendaraan tidak bermotor termasuk sepeda.

Dalam regulasi tersebut diatur bagaimana mengupayakan ketertiban berlalu lintas dan keselamatan dalam penggunaan sepeda di jalan raya termasuk apa saja yang diwajibkan untuk dipenuhi dalam sebuah sepeda agar menunjang keselamatan pesepeda dan juga pengguna jalan yang lain.

Peraturan ini mendefinisikan sepeda sebagai kendaraan tidak bermotor yang dilengkapi dengan stang kemudi, sadel, dan sepasang pedal yang digunakan untuk menggerakkan roda dengan tenaga pengendara secara mandiri. Artinya secara detil definisi sepeda dijelaskan dengan penegasan bagaimana bentuk dan semua bagian dalam rangkaian sepeda.

Selanjutnya keselamatan menjadi tujuan utama dari pengaturan ini sebagai upaya penegasan penggunaan komponen persyaratan keselamatan bagi sepeda yang akan beroperasi di jalan. Kemudian terdapat pula pengaturan terkait dengan kewajiban dalam menyediakan fasilitas pendukung bagi para pesepeda.

Beberapa catatan positif terkait pemberlakuan regulasi ini adalah:

1) adanya pemenuhan hak bagi pesepeda baik di jalan, simpul transportasi, maupun tempat-tempat fasilitas umum,

2) terdapat kewajiban pemerintah untuk menyediakan fasilitas pendukung bagi pesepeda yang beroperasi di jalan hingga tingkatan kelas jalan yang paling rendah sesuai dengan tingkat kewenangannya,

3) terdapat penegasan adanya kewajiban bagi penyelenggara fasilitas umum untuk menyediakan parkir khusus untuk sepeda.

Namun demikian, terdapat beberapa catatan yang dapat menjadi bahan pembahasan lebih lanjut yaitu 1) inovasi teknologi seperti keberadaan sepeda listrik perlu diatur secara eksplisit, 2) konektivitas lajur sepeda dengan angkutan umum perlu didefinisikan dengan lebih spesifik.

Saat ini, keberadaan sepeda lipat (folding bike) berkembang cukup populer seharusnya dapat mendukung terwujudnya integrasi moda antara sepeda dan moda angkutan lainnya. Harapannya, keberadaan aturan terkait pesepeda ini dapat menjaga momentum bersepeda ini tetap terjaga.

Sumber: pustral.ugm.ac.id

 

Perencanaan transportasi adalah suatu perencanaan kebutuhan prasarana transportasi seperti jalan, terminal, pelabuhan, pengaturan serta sarana untuk mendukung sistem transportasi yang efisien, aman dan lancar serta berwawasan lingkungan.

Proses perencanaan transportasi

Proses perencanaan transportasi

Diawali dengan identifikasi awal kenapa perencanaan diperlukan, dilanjutkan dengan pengumpulan informasi mengenai pola perjalanan melalui survai asal tujuan beserta pengumpulan data sekunder, modelling dan dilanjutkan dengan membuat perkiraan permintaan dimasa yang akan datang. Selanjutnya dirumuskan kebijakan untuk menghadapi masa yang akan datang dan sebagai tahapan terakhir adalah penyusunan rumusan rencana yang akan dikembangkan pada masa yang akan datang beserta jadwal waktunya.

Jangka waktu rencana

Cakrawala perencanaan dapat dikelompokkan sebagai berikut:

• Rencana jangka pendek
• Rencana jangka menengah
• Rencana jangka panjang

Sumber: id.wikipedia.org

 

Transportasi berkelanjutan mengacu pada subjek luas dari transportasi yang berkelanjutan dalam arti dampak sosial, lingkungan dan iklim. Komponen untuk mengevaluasi keberlanjutan meliputi kendaraan tertentu yang digunakan untuk transportasi jalan, air atau udara; sumber energi; dan infrastruktur yang digunakan untuk mengakomodasi transportasi (jalan, rel kereta api, jalur udara, jalur air, kanal dan terminal). Operasi transportasi dan logistik serta pengembangan berorientasi transit juga terlibat dalam evaluasi dari transportasi berkelanjutan. Keberlanjutan transportasi diukur sebagian besar oleh efektivitas dan efisiensi sistem transportasi serta dampak lingkungan dan iklim dari sistem tersebut.^[1]

Skenario yang mungkin untuk mobilitas bersih

Aktivitas jangka pendek sering mendorong peningkatan efisiensi bahan bakar dan pengendalian emisi kendaraan secara bertahap, sementara tujuan jangka panjang meliputi migrasi transportasi dari energi berbasis fosil ke alternatif lain seperti energi terbarukan dan penggunaan sumber daya alam terbarukan lainnya. Seluruh siklus hidup sistem transportasi tunduk pada pengukuran dan optimalisasi keberlanjutan.^[2]

Emisi antropogenik per kapita dari gas rumah kaca menurut negara pada tahun 2000.

Sistem transportasi berkelanjutan memberikan kontribusi positif bagi keberlanjutan lingkungan, sosial dan ekonomi masyarakat yang dilayaninya. Sistem transportasi ada untuk menyediakan koneksi sosial dan ekonomi, dan orang-orang dengan cepat mengambil peluang yang ditawarkan oleh mobilitas yang meningkat,^[3] dengan rumah tangga miskin mendapat manfaat besar dari opsi transportasi rendah karbon.^[4] Keuntungan dari peningkatan mobilitas perlu dipertimbangkan terhadap biaya lingkungan, sosial dan ekonomi yang ditimbulkan oleh sistem transportasi.

Sistem transportasi memiliki dampak signifikan terhadap lingkungan, terhitung antara 20% dan 25% dari konsumsi energi dunia dan emisi karbon dioksida.^[5] Mayoritas emisi, hampir 97%, berasal dari pembakaran langsung bahan bakar fosil.^[6] Emisi gas rumah kaca dari transportasi meningkat pada laju yang lebih cepat daripada sektor penggunaan energi lainnya.^[7] Transportasi jalan juga merupakan kontributor utama pencemaran udara dan asbut lokal.^[8]

United Nations Environment Programme (UNEP) memperkirakan bahwa setiap tahun 2,4 juta kematian dini akibat polusi udara luar ruangan dapat dihindari.^[9] Emisi yang sangat berbahaya bagi kesehatan adalah emisi karbon hitam, komponen dari materi partikulat, yang diketahui sebagai penyebab penyakit pernapasan dan karsinogenik dan merupakan kontributor signifikan terhadap perubahan iklim global.^[10] Keterkaitan antara emisi gas rumah kaca dan materi partikulat menjadikan transportasi rendah karbon menjadi investasi yang semakin berkelanjutan di tingkat lokal — baik dengan mengurangi tingkat emisi dan dengan demikian memitigasi perubahan iklim; dan dengan meningkatkan kesehatan masyarakat melalui kualitas udara yang lebih baik.^[10]

Biaya sosial transportasi termasuk kecelakaan di jalan, polusi udara, inaktivitas fisik,^[11] kehilangan waktu bersama keluarga karena menglaju dan kerentanan terhadap kenaikan harga bahan bakar. Banyak dari dampak negatif ini dialami secara tidak proporsional pada kelompok sosial yang juga paling tidak mungkin memiliki dan mengendarai mobil.^[12] Kemacetan lalu lintas membebankan biaya ekonomi dengan membuang waktu orang dan memperlambat pengiriman barang dan jasa.

Perencanaan transportasi tradisional bertujuan untuk meningkatkan mobilitas, terutama untuk kendaraan, dan dapat gagal mempertimbangkan dampak yang lebih luas. Tetapi tujuan sebenarnya dari transportasi adalah akses – untuk bekerja, pendidikan, barang dan jasa, teman dan keluarga – dan ada teknik yang terbukti untuk meningkatkan akses sekaligus mengurangi dampak lingkungan dan sosial, dan mengelola kemacetan lalu lintas.^[13] Masyarakat yang berhasil meningkatkan keberlanjutan jaringan transportasinya melakukannya sebagai bagian dari program yang lebih luas untuk menciptakan kota yang lebih berkelanjutan, bersemangat, dan layak huni.

Sumber: id.wikipedia.org

 

Inteligensi Bisnis (IB) adalah sekumpulan teknik dan alat untuk mentransformasi dari data mentah menjadi informasi yang berguna dan bermakna untuk tujuan analisis bisnis. Teknologi IB dapat menangani data yang tak terstruktur dalam jumlah yang sangat besar untuk membantu mengidentifikasi, mengembangkan, dan selain itu membuat kesempatan strategi bisnis yang baru. Tujuan dari IB yaitu untuk memudahkan interpretasi dari jumlah data yang besar tersebut. Mengidentifikasi kesempatan yang baru dan mengimplementasikan suatu strategi yang efektif berdasarkan wawasan dapat menyediakan bisnis suatu keuntungan pasar yang kompetitif dan stabilitas jangka panjang.^[1]

Teknologi IB menyediakan riwayat, pandangan sekarang dan prediksi dari operasi bisnis. Fungsi-fungsi umum dari teknologi inteligensi bisnis adalah pelaporan, pemrosesan analisis daring, analitis, penggalian data, penggalian proses, pemrosesan kejadian kompleks, manajemen performansi bisnis, pengukuran, penggalian teks, analitis prediktif dan analitis preskriptif.

IB dapat digunakan untuk mendukung sejumlah besar keputusan bisnis mulai dari operasi sampai strategis. Keputusan operasi termasuk penempatan dan harga produk. Keputusan strategis termasuk prioritas, tujuan dan arah pada tingkat yang lebih luas. Pada semua kasus, IB lebih efektif bila digabungkan dengan data yang didapat dari pasar tempat perusahaan beroperasi (data eksternal) dengan data dari sumber internal bisnis perusahaan seperti data operasi dan finansial (data internal). Bila digabungkan, data eksternal dan internal bisa menyediakan gambaran yang lebih lengkap, yang efeknya, menciptakan "inteligensi" yang tidak dapat diturunkan dari kumpulan data tunggal manapun.^[2]

Komponen

Inteligensi Bisnis dibangun dari sejumlah komponen termasuk:

• Alokasi dan agregasi multidimensi
• Denormalisasi, penandaan dan standardisasi
• Pelaporan seketika dengan peringatan analitis
• Sebuah metode antarmuka terhadap sumber data tak terstruktur
• Perkiraan konsolidasi grup, anggaran dan perpindahan (pegawai)
• Inferensi statistik dan simulasi probabilitas
• Optimisasi kunci indikasi performansi
• Pengontrolan versi dan manajemen proses
• Manajemen item terbuka

Sejarah

Istilah "Inteligensi Bisnis" awalnya ditemukan oleh Richar Millar Devens dalam "Cyclopedia of Commercial and Business Anecdotes" pada tahun 1865. Devens menggunakan istilah tersebut untuk menjelaskan bagaimana seorang bankir, Sir Henry Furnese, mendapatkan profit dengan memainkan informasi tentang lingkungannya, sebelum kompetitornya. "Sepanjang Holandia, Flanders, Prancis, dan Jerman, dia memelihara rentetan inteligensi bisnis yang komplet dan sempurna. Berita-berita dari banyak pertempuran pertama kali diterima olehnya, dan jatuhnya Namur menambah keuntungannya, berkat penerimaan paling awal dari berita." (Devens, (1865), p. 210). Kemampuan untuk mengumpulkan dan bereaksi berdasarkan informasi yang diterima, suatu kemampuan yang Furnese sangat handal, sampai sekarang masih menjadi jantung dari IB.^[3]

Dalam artikel tahun 1958, peneliti dari IBM Hans Peter Luhn menggunakan istilah inteligensi bisnis. Dia menggunakan definisi kamus Webster tentang inteligensi: "kemampuan untuk memahami hubungan mendalam dari fakta yang ada dengan suatu cara sebagai panduan aksi terhadap tujuan yang diinginkan." ^[4]

Inteligensi bisnis seperti yang dipahami sekarang dikatakan telah berkembang dari Sistem Pendukung Keputusan (SPK) yang mulai dari tahun 1960-an dan berkembang sepanjang pertengahan 1980-an. SPK berasal dari model dibantu-komputer yang dibuat untuk membantu dalam pembuatan keputusan dan perencanaan. Dari SPK, gudang data, Sistem Informasi Eksekutif, OLAP dan inteligensi bisnis muncul menjadi fokus pada akhir 80-an.

Pada tahun 1988, konsorsium Itali-Belanda-Prancis-Inggris melaksanakan pertemuan internasional tentang Analisis Data Ragamcara di Roma.^[5] Tujuan utamanya yaitu untuk mereduksi beragam dimensi menjadi satu atau dua (dengan mendeteksi pola pada data) yang dapat dipresentasikan pada pembuat-keputusan manusia.

Pada tahun 1989, Howard Dresner (kemudian sebagai analis Gartner Group) mengajukan "inteligensi bisnis" sebagai istilah umum untuk menjelaskan "konsep dan metode untuk meningkatkan pembuatan keputusan bisnis dengan menggunakan sistem bantu berdasar-fakta.^[6] Baru pada akhir 1990-an penggunaan ini menyebar luas.^[7]

Gudang Data (Data Warehouse)

Seringkali aplikasi IB menggunakan data yang dikumpulkan dari suatu gudang data (GD) atau dari pasar data, dan konsep dari IB dan GD terkadang digabungkan sebagai "IB/GD" (atau "BI/DW") ^[8][9] atau "IBGD". Suatu gudang data mengandung salinan dari data analitis yang memfalisitasi pendukungan keputusan. Namun, tidak semua layanan gudang data untuk inteligensi bisnis, tidak juga semua aplikasi inteligensi bisnis membutuhkan sebuah gudang data.

Untuk membedakan antara konsep dari inteligensi bisnis dan gudang data, Forrester Research mendefinisikan inteligensi bisnis dengan satu atau dua cara:

1. Menggunakan definisi luas: "Inteligensi Bisnis adalah suatu kumpulan metodologi, proses, arsitektur, dan teknologi yang mengubah data mentah menjadi informasi yang bermakna dan berguna digunakan untuk mendapatkan strategi yang lebih efektif dan taktis, dan wawasan operasional dan pengambilan-keputusan." ^[10] Di bawah definisi ini, inteligensi bisnis juga mengikutkan teknologi seperti integrasi data, kualitas data, penggudangan data, manajemen data-master, analitis konten dan teks, dan banyak lainnya yang terkadang pasar menyatukannya ke segmen "Manajemen Informasi"". Oleh karena itu, Forrester mengacu pada persiapan data dan penggunaan data sebagai dua bagian yang terpisah tetapi pada segmen yang berkaitan dekat dari susunan arsitektur inteligensi-bisnis.
2. Forrester mendefinisikan pasar inteligensi-bisnis yang lebih kecil sebagai, "... mengacu hanya pada lapisan paling atas dari susunan arsitektural IB seperti pelaporan, analitis dan dasbor." ^[11]

Perbandingan dengan inteligensi kompetitif

Walaupun istilah inteligensi bisnis terkadang sinonim untuk inteligensi kompetitif (karena keduanya mendukung pembuatan keputusan), IB menggunakan teknologi, proses, dan aplikasi untuk menganalisis data terstruktur dan proses bisnis yang umumnya internal; sementara inteligensi kompetitif mengumpulkan, menganalisis dan menyebarluaskan informasi dengan fokus topik pada pesaing perusahaan. Jika dipahami secara luas, inteligensi bisnis bisa mengikutkan bagian dari inteligensi kompetitif.^[12]

Jenis elemen dalam inteligensi bisnis

• Data dari lingkungan bisnis: Bisnis harus berurusan dengan data terstruktur dan tidak terstruktur dari banyak sumber, termasuk data besar. Data perlu diintegrasikan dan diorganisasikan sehingga dapat dianalisis dan digunakan oleh pembuat keputusan manusia.
• Infrastruktur intelijen bisnis: Landasan dasar yang mendasari BI adalah kuat

sistem basis data yang menangkap semua data yang relevan untuk mengoperasikan bisnis. Data dapat disimpan dalam database transaksional atau digabungkan dan diintegrasikan ke dalam gudang data perusahaan, serangkaian mart data yang saling terkait, atau platform analitik.

• Perangkat analisis bisnis: Seperangkat alat perangkat lunak digunakan untuk menganalisis data dan menghasilkan laporan, merespons pertanyaan yang diajukan manajer, dan melacak kemajuan bisnis dengan menggunakan indikator kinerja utama.
• Pengguna dan metode manajerial: perangkat keras dan lunak BI hanya sepintar manusia yang menggunakannya. Manajer memaksakan urutan pada analisis data dengan menggunakan berbagai metode manajerial yang menentukan tujuan bisnis strategis dan menentukan bagaimana kemajuan akan diukur. Ini termasuk manajemen kinerja bisnis dan pendekatan balanced scorecard yang berfokus pada indikator kinerja utama, dengan perhatian khusus kepada pesaing.
• Platform pengiriman — MIS, DSS, ESS: Hasil dari BI dan analitik disampaikan kepada manajer dan karyawan dalam berbagai cara, tergantung pada apa yang perlu mereka ketahui untuk melakukan pekerjaan mereka. MIS, sistem pendukung pengambilan keputusan (DSS), dan sistem dukungan eksekutif (ESS), memberikan informasi dan pengetahuan kepada orang dan tingkat yang berbeda di perusahaan — karyawan operasional, manajer menengah, dan eksekutif senior. Di masa lalu, sistem ini tidak dapat dengan mudah berbagi data dan dioperasikan sebagai sistem independen. Saat ini, intelijen bisnis dan alat analisis dapat mengintegrasikan semua informasi ini dan membawanya ke desktop manajer atau platform seluler.
• Interaksi antar pengguna: Pelaku bisnis sering belajar lebih cepat dari representasi visual data daripada dari laporan kering dengan kolom dan baris informasi. Suite perangkat lunak analitik bisnis saat ini dilengkapi alat visualisasi data, seperti grafik kaya, bagan, dasbor, dan peta. Mereka juga dapat mengirimkan laporan tentang ponsel dan tablet serta di portal web perusahaan. Perangkat lunak BA menambahkan kemampuan untuk memposting informasi di Twitter, Facebook, atau media sosial internal untuk mendukung pengambilan keputusan dalam pengaturan grup online daripada dalam pertemuan facetoface.

Perbandingan dengan analitis bisnis

Inteligensi bisnis dan analitis bisnis terkadang digunakan bergantian, tetapi ada definisi alternatif.^[13] Salah satu definisi membedakan keduanya, menyatakan bahwa istilah inteligensi bisnis mengacu pada mengoleksi data bisnis untuk menemukan informasi terutama lewat mengajukan pertanyaan, laporan, dan proses analitis daring. Analitis bisnis, di sisi lain, menggunakan alat statistik dan kuantitatif untuk pemodelan yang prediktif dan bisa dijelaskan.^[14]

Dalam definisi alternatif, Thomas Davenport, profesor manajemen dan teknologi informasi di Babson College berargumen bahwa inteligensi bisnis seharusnya dibagi menjadi querying, pelaporan, Pemrosesan analitis daring (Online analytical processing - OLAP), sebuah alat "peringatan", dan analitis bisnis. Dalam definisi ini, analitis bisnis adalah bagian dari IB yang berfokus pada statistik, prediksi, dan optimisasi, bukan melaporkan fungsionalitas. ^[15]

Aplikasi dalam sebuah perusahaan

Inteligensi bisnis bisa diterapkan untuk tujuan bisnis berikut, dengan tujuan untuk mendapatkan nilai bisnis.^{[butuh rujukan]}

1. Perkiraan - program yang membuat hierarki dari metrik performansi (lihat juga Model Referensi Metrik) dan pengukuran yang menginformasikan pimpinan bisnis tentang progres kearah tujuan bisnis (manajemen proses bisnis).
2. Analitis - program yang membuat proses kuantitatif supaya sebuah bisnis mencapai keputusan yang optimal dan melakukan penemuan pengetahuan bisnis. Biasanya mengikutkan: penggalian data, penggalian proses, analisis statistik, analitis prediksi, pemodelan prediksi, pemodelan proses bisnis, silsilah data, pemrosesan kejadian kompleks dan analitis preskriptif.
3. Pelaporan/pelaporan perusahaan - program yang membangun infrastruktur untuk laporan strategis untuk melayani manajemen strategis dari suatu bisnis, bukan pelaporan operasional. Seringkali mengikutkan visualisasi data, sistem informasi eksekutif dan OLAP.
4. Kolaborasi/platform kolaborasi - program yang membuat wilayah yang berbeda (baik dalam dan luar bisnis) bekerja sama lewat berbagi data dan pertukaran data elektronik.
5. Manajemen pengetahuan - program yang membuat data perusahaan diarahkan oleh strategi dan praktik untuk mengidentifikasi, membuat, merepresentasikan, menyalurkan, dan mengadopsi wawasan dan pengalaman yang benar-benar berpengetahuan bisnis. Manajemen pengetahuan mengarah ke manajemen pembelajaran dan penyesuaian peraturan.

Sebagai tambahan dari yang di atas, inteligensi bisnis bisa menyediakan pendekatan pro-aktif, seperti fungsi peringatan yang secara langsung mengingatkan pengguna jika suatu kondisi tertentu tercapai. Sebagai contohnya, jika suatu metrik bisnis melampaui batas yang telah ditentukan, metrik tersebut akan diwarnai dalam laporan standar, dan ahli analis bisnis diperingatkan lewat email atau layanan pengawasan lainnya. Proses ini membutuhkan pengaturan data, yang seharusnya ditangani oleh ahlinya.^{[butuh rujukan]}

Prioritas proyek

Akan sangat sulit untuk menyediakan kasus bisnis yang positif untuk inisiatif inteligensi bisnis, dan terkadang proyek tersebut harus diprioritaskan lewat inisiatif strategis. Proyek IB bisa mendapatkan prioritas tinggi dalam organisasi jika manajer mempertimbangkan hal-hal berikut:

• Seperti yang dijelaskan oleh Kimball ^[16] manajer IB harus menentukan keuntungan yang jelas seperti mengeliminasi biaya dari memproduksi laporan terdahulu.
• Akses data untuk seluruh organisasi harus dipaksa.^[17] Dengan cara ini bahkan keuntungan kecil, seperti hematnya waktu beberapa menit, membuat perbedaan jika dikalikan dengan jumlah pekerja dalam seluruh organisasi.
• Seperti yang dijelaskan oleh Ross, Weil dan Roberson untuk Arsitektur Perusahaan,^[18] manajer harus mempertimbangkan untuk membiarkan proyek BI diarahkan oleh inisiatif bisnis lainnya dengan kasus bisnis yang lebih bagus. Untuk mendukung pendekatan ini, organisasi harus memiliki arsitektur bisnis yang dapat menentukan proyek bisnis yang sesuai.
• Menggunakan suatu metodologi yang terstruktur dan kuantitatif untuk menciptakan prioritas yang dapat dipertahankan sejajar dengan kebutuhan sebenarnya dari organisasi, seperti matriks keputusan berbobot.^[19]

Faktor sukses dari implementasi

Menurut Kimball dkk., ada tiga wilayah kritis yang mana organisasi harus miliki sebelum mulai melakukan proyek IB:^[20]

1. Tingkat komitmen dan dukungan proyek dari senior manajemen
2. Tingkat kebutuhan bisnis untuk menciptakan sebuah implementasi IB
3. Jumlah dan kualitas dari data bisnis yang ada.

Dukungan bisnis

Komitmen dan dukungan dari senior manajemen menurut Kimball dkk., adalah kriteria yang paling penting dalam penilaian.^[21] Hal ini dikarenakan memiliki manajemen yang mendukung kuat membantu melewati permasalahan yang dihadapi dalam proyek. Namun, seperti yang Kimball dkk. katakan: "Bahkan rancangan sistem GD/IB yang paling elegan pun tidak dapat mengatasi minimnya dukungan [manajemen] bisnis".^[22]

Sangatlah penting bahwa personil yang berpartisipasi dalam proyek memiliki visi dan ide tentang keuntungan dan kerugian dari implementasi sistem IB. Dukungan bisnis yang baik harus memiliki pengaruh kuat dalam organisasi dan harus berhubungan baik dalam organisasi. Ideal bila pendukung bisnis menuntut tetapi juga harus mampu bersikap realistik dan suportif jika implementasi menghadapi keterlambatan atau kekurangan. Sokongan manajemen juga harus mampu mengasumsikan akuntabilitas dan bertanggung jawab terhadap kegagalan dan kemunduran dari proyek. Dukungan dari berbagai anggota manajemen memastikan proyek tidak gagal jika salah seorang keluar dari grup utama. Namun, banyaknya manajer yang bekerja sama dalam proyek bisa juga berarti akan adanya kepentingan berbeda yang mencoba menarik proyek ke arah yang berbeda, seperti jika suatu departemen menginginkan pengaruh penggunaan yang lebih kuat pada sisinya. Masalah ini bisa diatasi dengan analisis yang spesifik dari awal terhadap wilayah bisnis yang menguntungkan implementasi kesemuanya. Semua pemegang saham dalam proyek harus berpartisipasi dalam analisis dengan tujuan supaya mereka merasakan kepemilikan dari proyek dan untuk menemukan kesamaan.

Permasalahan manajemen yang lain yang harus dihadapi sebelum memulai implementasi yaitu jika pendukung bisnis terlalu agresif. Jika individu manajemen terbawa oleh kemungkinan-kemungkinan penggunaan IB dan mulai menginginkan implementasi GD atau IB untuk memasukan beberapa kumpulan data yang berbeda yang pada tahap perencanaan awal tidak diikutkan. Namun, karena implementasi tambahan dari data tambahan bisa menambah jumlah waktu dari rencana semula, akan lebih bijak untuk memastikan orang dari manajemen sadar dari aksi mereka.

Kebutuhan bisnis

Karena keterkaitan yang dekat dengan senior manajemen, hal penting yang harus diperhatikan sebelum proyek dimulai adalah apakah ada kebutuhan bisnis dan apakah jelas keuntungan bisnis dengan melakukan implementasi.^[23] Kebutuhan dan keuntungan dari implementasi terkadang diarahkan oleh kompetisi dan keinginan untuk mendapatkan keuntungan di pasar. Alasan lain untuk pendekatan berbasis-bisnis untuk implementasi IB adalah akuisisi organisasi lain untuk memperbesar organisasi awal terkadang menguntungkan untuk mengimplementasikan GD atau IB dengan tujuan untuk membuat pengawasan yang lebih.

Perusahaan yang mengimplementasikan IB biasanya organisasi yang besar dan multinasional dengan cabang yang beragam.^[24] Solusi IB yang dirancang baik menyediakan pandangan konsolidasi dari kunci data bisnis yang tidak ada di tempat lainnya di dalam organisasi, memberikan manajemen visibilitas dan kontrol terhadap pengukuran yang sebelumnya tidak ada.

Jumlah dan kualitas dari data yang ada[sunting | sunting sumber]

Tanpa data yang cukup, atau dengan kualitas data yang kecil, setiap implementasi IB akan gagal: tidak penting seberapa bagus dukungan manajemen atau motivasi berbasis-bisnis. Sebelum implementasi sebaiknya dilakukan pemrofilan data terlebih dahulu. Analisis ini mengidentifikasi "isi, konsistensi dan struktur [...]" ^[23] dari data. Hal ini sebaiknya dilakukan seawal mungkin dalam proses dan jika analis memperlihatkan bahwa datanya kurang, tangguhkan proyek untuk sementara sambil departemen IT memikirkan bagaimana mengumpulkan data secara benar.

Saat merencanakan untuk kebutuhan-kebutuhan data bisnis dan inteligensi bisnis, selalu disarankan untuk mempertimbangkan skenario tertentu yang berlaku untuk organisasi tertentu, dan kemudian memilih fitur-fitur inteligensi bisnis yang cocok untuk skenario tersebut.

Terkadang, skenario berkembang di sekitar proses-proses bisnis yang berbeda, tiap-tiapnya dibangun dari satu atau lebih sumber data. Sumber-sumber tersebut digunakan oleh fitur-fitur yang menggambarkan data tersebut sebagai informasi untuk pengetahuan pekerja, yang selanjutnya beraksi terhadap informasi tersebut. Kebutuhan bisnis dari organisasi untuk setiap proses bisnis yang diadopsi bergantung pada langkah-langkah penting dari inteligensi bisnis. Langkah-langkah penting dari inteligensi bisnis ini mengikutkan, tetapi tidak terbatas pada, hal-hal berikut:

1. Langsung ke sumber data untuk mengumpulkan data yang dibutuhkan
2. Mengubah data bisnis menjadi informasi dan berikan secara tepat
3. Query dan analisis data
4. Beraksi terhadap data yang terkumpulkan

Aspek kualitas dalam inteligensi bisnis harus mencakup semua proses dari sumber data sampai pelaporan akhir. Pada setiap langkah, gerbang kualitas-nya berbeda:

1. Sumber data:
   • Standardisasi data: agar data dapat dibandingkan (unit yang sama, pola yang sama, dsb.)
   • Manajemen Master Data: referensial yang unik
2. Penyimpanan data operasional:
   • Pembersihan data: mendeteksi dan mengoreksi data yang salah
   • Pemrofilan data: memeriksa nilai yang salah atau kosong
3. Gudang data:
   • Kelengkapan: memeriksa apakah semua data telah dimuat
   • Integritas referensial: unik dan referensial terhadap semua sumber
   • Konsistensi antara sumber: memeriksa data konsolidasi terhadap sumber
4. Pelaporan:
   • indikator keunikan: hanya satu kamus indikator yang dibagikan
   • Akurasi formula: formula pelaporan lokal harus dihindari atau diperiksa

Aspek pengguna[sunting | sunting sumber]

Beberapa pertimbangan harus dibuat dengan tujuan supaya sukses mengintegrasikan penggunaan dari sistem inteligensi bisnis dalam sebuah perusahaan. Pada akhirnya sistem IB harus diterima dan digunakan oleh pengguna supaya bernilai bagi perusahaan.^[25] [26] Jika usabilitas dari sistem sangat buruk, para pengguna bisa frustasi dan menghabiskan banyak waktu memahami bagaimana cara menggunakan sistem atau mungkin tidak benar-benar bisa menggunakan sistem. Jika sistem tidak memberikan nilai tambah bagi misi pengguna, mereka tidak menggunakannya.^[26]

Untuk meningkatkan penerimaan pengguna terhadap suatu sistem IB, disarankan untuk mengkonsultasikan pengguna bisnis pada tahap awal siklus GD/IB, sebagai contohnya pada fase pengumpulan kebutuhan.^[25] Hal ini bisa menyediakan wawasan terhadap proses bisnis dan apa yang pengguna butuhkan dari sistem IB. Ada beberapa metode untuk mengumpulkan informasi ini, seperti kuesioner dan sesi wawancara.

Saat mengumpulkan kebutuhan dari pengguna bisnis, departemen IT lokal juga harus diikutkan untuk menentukan sampai mana kemungkinan memenuhi kebutuhan bisnis berdasarkan data yang ada.^[25]

Menggunakan pendekatan berpusat pada pengguna selama tahap perancangan dan pengembangan bisa meningkatkan kesempatan adopsi bagi pengguna sistem IB.^[26]

Selain berfokus pada pengalaman user yang diberikan oleh aplikasi IB, juga memungkinkan memotivasi pengguna menggunakan sistem dengan menambahkan elemen kompetisi. Kimball ^[25] menyarankan mengimplementasikan suatu fungsi pada portal situs IB di mana laporan tentang penggunaan sistem bisa ditemukan. Dengan melakukan hal tersebut, manajer bisa melihat bagaimana departemennya bekerja dan membandingkan dirinya dengan yang lainnya dan hal ini bisa memacu mereka untuk mendorong staf mereka menggunakan sistem IB lebih sering.

Dalam sebuah artikel tahun 2007, H. J. Watson memberikan sebuah contoh bagaimana elemen kompetitif dapat berguna sebagai sebuah insentif.^[27] Watson menjelaskan bagaimana suatu pusat panggilan mengimplementasikan dasbor performansi untuk semua agen panggilan, dengan bonus insentif perbulan dikaitkan dengan metrik performansi. Juga, agen dapat membandingkan performansi mereka dengan anggota tim lainnya. Implementasi dari tipe pengukuran performansi ini dan kompetensi secara signifikan meningkatkan performansi agen.

Kesempatan sukses untuk IB dapat ditingkatkan dengan mengikutkan senior manajemen untuk membantu membuat IB sebagai bagian dari kultur organisasi, dan dengan menyediakan pengguna dengan alat-alat yang berguna, pelatihan, dan dukungan.^[27] Pelatihan mendorong lebih banyak orang menggunakan aplikasi IB.^[25]

Menyediakan bantuan pengguna sangat diperlukan untuk menjaga sistem IB dan menyelesaikan permasalahan pengguna.^[26] Dukungan pengguna dapat diikutkan dengan berbagai cara, sebagai contohnya dengan membuat sebuah situs. Situs tersebut harus memiliki isi yang bagus dan alat untuk mencari informasi yang diperlukan. Lebih lanjut, dukungan helpdesk bisa digunakan. Help desk bisa dijalankan oleh pengguna ahli atau tim proyek GD/IB.^[25]

Portal IB

Sebuah portal Inteligensi Bisnis (portal IB) adalah akses antarmuka utama untuk aplikasi gudang data (GD) dan Inteligensi Bisnis (IB). Portal IB adalah impresi pertama bagi pengguna dari sistem GD/IB. Biasanya berbentuk aplikasi peramban, di mana pengguna memiliki akses ke semua layanan sistem GD/IB, laporan dan fungsi analitis lainnya. Portal IB harus diimplementasikan supaya mudah digunakan bagi pengguna aplikasi GD/IB untuk melakukan panggilan terhadap fungsionalitas dari aplikasi.^[28]

Fungsi utama dari portal IB adalah untuk menyediakan sebuah sistem navigasi dari aplikasi GD/IB. Hal ini berarti portal harus diimplementasikan supaya pengguna memiliki akses terhadap semua fungsi dari aplikasi GD/IB.

Cara paling umum untuk merancang portal adalah dengan menyesuaikannya dengan proses bisnis dari organisasi di mana aplikasi GD/IB dirancang, dengan cara tersebut portal dapat disesuaikan dengan kebutuhan penggunannya.^[29]

Portal IB harus mudah digunakan dan dipahami, dan jika bisa memiliki tampilan yang sama dengan aplikasi lainnya atau isi situs dari aplikasi organisasi GD/IB yang dirancang (konsistensi).

Berikut ini adalah daftar fitur yang diperlukan bagi portal web secara umum dan portal IB secara khusus:

Terpakai

Pengguna harus dengan mudah menemukan apa yang mereka butuhkan dalam alat IB.

Kaya isi

Portal tidak hanya alat pencetakan laporan, ia harus berisi fungsi lebih seperti saran, bantuan, informasi pendukung dan dokumentasi.

Bersih

Portal harus dirancang supaya mudah dipahami dan tidak terlalu kompleks sehingga membingungkan pengguna

Terbaru

Portal harus diperbarui secara teratur.

Interaktif

Portal harus diimplementasikan supaya mudah bagi pengguna menggunakan fungsinya dan mendorong mereka menggunakan portal. Skalabilitas dan kostumisasi membuat pengguna dapat menyesuaikan portal sesuai kebutuhan mereka.

Berorientasi nilai

Sangat penting bahwa pengguna merasakan bahwa aplikasi GD/IB memiliki sumber nilai yang patut dipakai.

Pangsa pasar

Ada sejumlah vendor inteligensi bisnis, terkadang dikategorikan menjadi vendor independen "murni" dan gabungan "megavendor" yang memasuki pasar lewat tren baru ^[30] akuisisi dalam industri IB.^[31]

Beberapa perusahaan yang mengadopsi perangkat lunak IB memutuskan untuk memilih dari penawaran produk yang terpisah (tapi yang terbaik) dibandingkan membeli satu solusi yang terintegrasi secara komprehensif (layanan penuh).^[32]

Spesifik-industri

Pertimbangan khusus untuk sistem inteligensi bisnis harus dilakukan pada sektor-sektor tertentu seperti regulasi bank pemerintahan. Informasi yang dikumpulkan oleh institusi bank dan dianalisis dengan perangkat lunak IB harus dilindungi dari grup atau individu tertentu, dan tersedia penuh untuk grup atau individu lainnya. Oleh karena itu solusi IB harus sensitif terhadap kebutuhan tersebut dan cukup fleksibel untuk beradaptasi terhadap regulasi baru dan perubahan terhadap hukum yang ada.

Data semi-terstruktur dan tak terstruktur

Bisnis menciptakan sejumlah besar informasi berharga dalam bentuk surel, memo, catatan dari pusat panggilan, berita, grup pengguna, percakapan, laporan, halaman situs, presentasi, berkas gambar, berkas video, dan berita dan materi pemasaran. Menurut Merrill Lynch, lebih dari 85% dari informasi bisnis ada dalam bentuk tersebut. Tipe informasi seperti ini disebut data semi terstruktur atau tak terstruktur. Bagaimanapun juga, organisasi sering kali hanya menggunakan dokumen-dokumen itu sekali saja.^[33]

Manajemen dari data semi terstruktur dikenal sebagai masalah utama yang tak terpecahkan dalam industri teknologi informasi.^[34] Menurut proyeksi dari Gartner (2003), pegawai kantor menghabiskan 30 sampai 40 persen waktunya mencari, menemukan dan menilai data tak terstruktur. IB menggunakan data semi struktur dan tak terstruktur, tetapi yang pertama lebih mudah dicari, dan yang terakhir berisi informasi yang sangat besar dibutuhkan untuk analisis dan pembuatan keputusan.^[34][35] Karena kesulitan pada pencarian, penemuan dan penilaian yang baik dari data semi terstruktur dan tak terstruktur, organisasi mungkin tidak menggunakan informasi yang luas tersebut, yang bisa mempengaruhi keputusan tertentu, pekerjaan atau proyek. Hal ini akhirnya mengarah pada buruknya informasi pembuatan keputusan.^[33]

Oleh karena itu, saat merancang solusi GD/IB, masalah tertentu yang berhubungan dengan data semi terstruktur dan tak terstruktur haruslah ditangani sebagaimana halnya dengan data terstruktur.^[35]

Data tak terstruktur terhadap data semi-terstruktur

Data tak terstruktur dan semi terstruktur memiliki makna yang berbeda bergantung pada konteksnya. Pada konteks sistem database relasional, data tak terstruktur tidak dapat disimpan dalam susunan kolom dan baris yang terprediksi. Salah satu tipe dari data tak terstruktur biasanya disimpan dalam BLOB (binary large object), tipe data penampung-semua yang ada di hampir semua sistem manajemen database relasional. Data tak terstruktur juga bisa mengacu pada pola kolom berulang yang tidak teratur atau acak yang beragam disetiap baris dalam berkas atau dokumen.

Kebanyakan tipe data seperti itu, seperti surel, berkas teks, presentasi, berkas gambar, dan berkas video memenuhi standar yang memberikan kemungkinan adanya metadata. Metadata bisa mengikutkan informasi seperti penulis dan waktu dibuat, dan itu bisa disimpan dalam database relasional. Oleh karena itu, akan lebih akurat berbicara tentang hal ini sebagai dokumen atau data semi-terstruktur,^[34] tetapi tampaknya belum ada konsensus tertentu yang telah tercapai.

Data tak terstruktur juga bisa menjadi pengetahuan yang pengguna bisnis miliki tentang tren bisnis di masa depan. Peramalan bisnis secara alami menyesuaikan dengan sistem IB karena pengguna bisnis berpikir tentang bisnis mereka dalam makna keseluruhan. Menangkap pengetahuan bisnis yang mungkin hanya ada dalam pikiran pengguna bisnis menyediakan nilai data paling penting untuk sebuah solusi IB yang komplet.

Masalah dengan data semi-terstruktur atau tak-terstruktur

Ada beberapa tantangan dalam mengembangkan IB dengan data semi-terstruktur. Menurut Inmon dan Nesavich,^[36] beberapa diantaranya yaitu:

1. Secara fisik mengakses data tekstual tak-terstruktur - data tak terstruktur disimpan dalam berbagai format.
2. Terminologi - Di antara peneliti dan analis, ada kebutuhan untuk mengembangkan termilogi yang standar.
3. Volume data - Sebagaimana yang dinyatakan sebelumnya, sampai 85% dari semua data yang ada adalah semi-terstruktur. Gabungkan hal tersebut dengan kebutuhan untuk analisis semantik dan kata-per-kata.
4. Pencarian dari data tekstual tak-terstruktur - Pencarian sederhana pada beberapa data, misalnya apel, menghasilkan tautan yang memiliki acuan terhadap istilah yang dicari.^[36] Sebagai contoh: "suatu pencarian dilakukan untuk istilah tindak pidana. Dalam pencarian sederhana, istilah tindak pidana digunakan, dan di mana pun ada suatu acuan ke kata tindak pidana, sampai pada dokumen tak terstruktur. Tapi pencarian yang sederhana adalah kasar. Ia tidak menemukan referensi ke kriminal, aksi pembakaran, pembunuhan, penggelapan, kematian karena tabrakan, dan lainnya, walaupun jenis kejahatan ini adalah tipe dari tindak pidana."

Penggunaan metadata

Untuk menangani masalah pencarian dan penilaian dari data, sangat diperlukan untuk mengetahui tentang isinya. Hal ini bisa dilakukan dengan menambahkan konteks lewat penggunaan metadata.^[33] Banyak sistem telah menggunakan metadata (misalnya, nama berkas, penulis, ukuran, dll), tetapi yang lebih berguna tentu metadata tentang apa yang ada dalam isi—misalnya, kesimpulan, topik, orang atau perusahaan yang disebutkan. Dua teknologi dirancang untuk menghasilkan metadata tentang yaitu kategorisasi otomatis dan ekstraksi informasi.

Masa depan

Tulisan Gartner tahun 2009 memprediksikan ^[37] perkembangan berikut dalam pasar inteligensi bisnis:

• Karena kurangnya informasi, proses, dan perangkat, selama 2012, lebih dari 35 persen dari top 5000 perusahaan global secara regular gagal membuat keputusan yang berwawasan tentang perubahan signifikan dalam pasar dan bisnis mereka.
• Pada 2012, unit-unit bisnis akan mengontrol paling kurang 40 persen dari anggaran total untuk inteligensi bisnis.
• Pada 2012, sepertiga dari aplikasi analitis yang digunakan untuk proses bisnis akan diberikan dalam bentuk aplikasi butiran-kasar mashup.

Laporan khusus Information Management tahun 2009 memprediksi tren teratas dari IB: "komputasi hijau, jasa jaringan sosial, visualisasi data, IB seluler, analitis prediktif, aplikasi komposit, komputasi awan dan multi-sentuh.".^[38] Penelitian yang dilakukan tahun 2014 mengindikasikan bahwa karyawan lebih mungkin memiliki akses ke, dan lebih mungkin lagi terlibat dengan, perangkat IB berbasis-awan daripada perangkat tradisional.^[39]

Tren IB lainya termasuk hal-hal berikut:

• Produk SOA-IB pihak ketiga yang menangani masalah ETL yang besar.
• Perusahaan menerapkan pemrosesan dalam memory, pemrosesan 64-bit, dan pra-paket aplikasi IB analitis.
• Aplikasi operasional memiliki komponen IB, dengan peningkatan pada waktu respon, skala, dan konkurensi.
• Analitis IB yang tepat atau mendekati seketika adalah ekpektasi dasar.
• Perangkat lunak sumber-berbuka IB menggantikan penawaran dari vendor.

Jalur penelitian yang lain mengikutkan pengkajian gabungan dari IB dan data tak pasti.^[40][41] Dalam konteks ini, data yang digunakan tidak diasumsikan harus tepat, akurat dan komplet. Melainkan, data dianggap tidak pasti dan karenanya ketidakpastian ini disebarkan ke hasil yang dikeluarkan oleh IB.

Menurut kajian dari Aberdeen Group, ada peningkatan ketertarikan dalam IB Software-as-a-Service (SaaS - Perangkat lunak sebagai jasa) selama beberapa tahun terakhir, dengan dua kali lipat organisasi menggunakan pendekatan ini setahun lalu - 15% pada tahun 2009 dibandingkan 7% pada tahun 2008.

Sebuah artikel oleh Chris Kanaracus menunjukan pertumbuhan data yang sama dari firma penelitian IDC, yang memprediksi pasar IB SaaS akan tumbuh 22 persen setiap tahun sampai 2013 berkat meningkatnya kecanggihan produk, anggaran IT yang ketat, dan faktor lainnya.^[42]

^{Sumber: id.wikipedia.org}