IMPLEMENTASI DATA MINING PADA MANAJEMEN STRATEGI
Data mining adalah proses menemukan anomali, pola, maupun korelasi dalam data set yang besar untuk memprediksi hasil. Dasar dari data mining sendiri berkaitan dengan disiplin ilmu seperti statistik, AI, machine learning, dan teknologi database. Data mining juga dikenal dengan sebutan lain seperti data/pattern analysis, knowledge discovery, knowledge extraction, dan information harvesting.
Pada dasarnya keberadaan data mining dibutuhkan mengingat semakin banyaknya informasi di era teknologi seperti data transaksi bisnis, data ilmiah, gambar, video dan data-data lainnya. Dengan banyaknya data tersebut dibutuhkan sistem yang mampu mengekstraksi esensi dari semua informasi yang tersedia dan membuat ringkasan untuk membantu pengambilan keputusan yang lebih baik.
Proses data mining terdiri dari beberapa langkah yaitu:
1. Pemahaman bisnis
Langkah pertama dalam proses data mining adalah menetapkan tujuan proyek dan mengetahui cara bagaimana data mining dapat membantumu mencapai tujuan tersebut. Dalam tahapan ini rencana harus dikembangkan seperti menentukan jadwal, action, dan pembagian peran.
2. Pemahaman data
Berikutnya dilakukan pengumpulan data dari semua sumber data yang ada. Pada tahap ini tools visualisasi data mulai digunakan untuk mengeksplorasi sifat-sifat dalam data.
3. Persiapan data
Dalam tahapan ini data yang sudah dikumpulkan akan melewati data cleaning dan data transformasi. Pembersihan data atau data cleaning dilakukan pada data yang tidak konsisten atau yang tidak lengkap. Sementara transformasi data dilakukan dengan mengubah data untuk menjadikannya berguna dalam data mining.
Dalam transformasi data dapat dilakukan beberapa hal seperti smoothing (menghilangkan noise dari data), agregasi data, generalisasi, normalisasi, dan konstruksi atribut. Proses persiapan data biasanya dapat memakan waktu paling banyak dari keseluruhan proses. Itu sebabnya pada tahapan persiapan data biasanya DBMS atau database management system akan digunakan untuk meningkatkan kecepatan proses data mining.
4. Data modeling
Pada tahapan ini model matematika digunakan untuk menemukan pola dalam data. Teknik pemodelan akan disesuaikan dengan tujuan bisnis di awal. Selain itu akan dibuat skenario untuk menguji kualitas dan validitas baru kemudian menjalankannya pada dataset yang telah disiapkan. Hasilnya harus dinilai untuk memastikan apakah model tersebut dapat memenuhi tujuan data mining.
5. Evaluasi
Temuan data kemudian akan dievaluasi dan dibandingkan dengan tujuan bisnis untuk menentukan apakah dapat digunakan di seluruh organisasi.
6. Deployment
Pada tahapan akhir ini temuan data mining akan dibagikan ke berbagai platform operasi bisnis dalam perusahaan.
Dengan melakukan data mining, perusahaan dapat mendapatkan banyak manfaat. Beberapa manfaat dari data mining adalah:
- Memudahkan pengambilan keputusan. Perusahaan dapat terus menganalisa dan mengotomatisasi keputusan rutin tanpa adanya penundaan karena penilaian manusia.
- Membuat prediksi akurat untuk perencanaan. Data mining membantu tahapan perencanaan dan memberikan informasi tepat untuk membuat prediksi berdasarkan tren masa lalu dan kondisi saat ini.
- Pengurangan biaya. Data mining memungkinkan perusahaan menggunakan alokasi dana lebih efisien karena otomatisasi pengambilan keputusan dapat mengurangi biaya.
- Mendapat wawasan tentang pelanggan. Perusahaan dapat mengetahui karakteristik antara pelanggan sehingga dapat merancang strategi yang dapat meningkatkan pengalaman pelanggan dengan tepat.