Ringkasan Paper “Value Oriented Big Data Strategy: Analysis & Case Study” 

Ringkasan Paper “Value Oriented Big Data Strategy: Analysis & Case Study”

Achmad Ichwan Yasir, M Deni Alhaq, Ratu Fianita Priningrum, Shihab Bani Adam

Editor: Amalia Zahra, S.Kom., Ph.D.

Big data identik dengan 3 karakteristik “The three Vs” Volume, Variety, and Velocity. Volume diliat dari kuantitas dari data, Variety dapat dilihat dari kompleksitas tipe data, Velocity yang dapat dilihat dari  kebutuhan menganalisa untuk menunjang proses decision making. Big Data juga menunjukkan potensi dalam meningkatakan bisnis hingga membuat peluang baru di dunia bisnis, kebanyakan big data digunakan untuk mengoptimalkan operasi, memberikan rekomendasi ke pelanggan, memperkenalkan produk baru, dan lain-lain. Pertumbuhan data sangat pesat hingga memiliki potensi meningkatkan value pada industri jika digunakan dengan benar. Dengan demikian, muncul pertanyaan dapatkah kita menggunkan persamaan ekonomi untuk mengevaluasi manfaat dan biaya terkait?

Pada paper “Value Oriented Big Data Strategy: Analysis & Case Study” dilakukan analisa apakah penerapan Big Data sudah memberikan dampak yang nyata dan apakah dampak ini dapat dijustifikasi menggunakan model yang sudah ada. Penelitan dilakukan dengan menganalisis laporan keuangan di perusahaan CAC40 untuk menemukan keterkaitan antara performa saham dan keterlibatan data dalam menjalankan perusahaan. Ada dua hipotesa yang diangkat dari penelitian tersebut:

1. Semakin dalam keterlibatan data, semakin baik kinerja keuangan jangka pendeknya.
2. Semakin dalam keterlibatan data, semakin baik kinerja keuangan jangka panjangnya.

Kebanyakan keputusan manajerial dibuat berdasarkan tata kelola organisasi yang baik dan data yang terstruktur dan dilakukan analisis dari memproses data atau membuat  laporan dari data yang sudah dikumpulkan. Sedangkan dengan metode lain, analisis data dilakukan dengan penemuan suatu pola yang ditemukan. Tidak seperti analisis tradisional yang menggunakan orang yang ahli dalam melakukan validasi, pada big data dilakukan proses otomatisasi dan mengurangi peran manusia dalam penentuannya.

Karena besarnya volume dan kebutuhan analisa yang lebih intens, maka beban kerja perusahaan dalam melakukan analisis sangat sering memasukkan empat unsur di antaranya, (1) Streaming analytic, (2) Analysis of data structure, (3) Analysis of data not modelled and multi structured data (seperti: Twitter untuk analisis sentimen) dan (4) Graph analysis. Akan dilakukan hipotesis dari temuan yang didapatkan terhadap CAC 40 di mana perusahaan ini terdiri dari banyak industri dan kemampuan finansial untuk melakukan investasi pada big data, sehingga kendala keuangan akan dihilangkan dari hipotesis ini. Hipotesis dilakukan dengan mengikutsertakan kedalaman data dan performa jangka pendek dan performa jangka panjang perusahaan.

Untuk mengukur dengan akurat kedalaman dari data yang diikutsertakan, secara implisit, penelitian ini mendefinisikan kedalaman data pada suatu perusahaan dengan memeriksa struktur perusahaan sebagai langkah awal. Riset ini berfokus pada faktor tata kelola perusahaan yang dibandingkan dengan variasi harga saham dengan 2 metrics pengukuran: jangka pendek yaitu variasi harga saham dalam rentang waktu 1 tahun, dan jangka menengah yaitu variasi harga saham dalam rentang waktu 3 tahun. Secara umum, studi pendahuluan kami menunjukkan bahwa komitmen big data dalam perusahaan memang menciptakan nilai yang tercermin dalam harga saham rata-rata. Berikut ini, penelitian fokus pada pendekatan yang lebih strategis untuk memahami bagaimana data besar menciptakan nilai bagi perusahaan dan mengapa beberapa perusahaan tanpa CDO tetap berkinerja baik dan beberapa perusahaan bahkan dengan CDO berkinerja lebih rendah.

Penelitian ini mengelompokkan berdasarkan kegunaan data dan kemampuan analitis pada data atau bisa disebut sebagai “big data capability” yang juga bisa rendah atau tinggi. Dengan demikian, ada empat strategi, yaitu rutin, integrasi, strategis, dan keunggulan.

Rutin adalah strategi ketika aktivitas operasional di perusahaan stabil dan kurang dinamis dan jika perusahaan ini memiliki kemampuan terbatas untuk mendapatkan akses atau menganalisis data dalam volume besar. Banyak pemasok bahan baku saat ini, misalnya, termasuk dalam kategori ini. Permintaan data berada pada level yang sangat rendah dan sebagai akibatnya, pemrosesan data menjadi rutin. Gambar 1 menunjukkan dinamika dalam jumlah keputusan operasional sebuah perusahaan data rutin, yang ditandai dengan sekelompok kecil ketidakpastian.

Gambar 1

Integrasi. Jika perusahaan memiliki kemampuan data yang terbatas sementara masih menghadapi sejumlah besar dinamika operasional dan permintaan pengambilan keputusan, strategi integrasi data tepat bagi perusahaan untuk menangani kebutuhan data. Rumah sakit umum di Perancis, misalnya, terkenal dengan banyaknya permintaan dan keterlambatan menyediakan layanan. Rumah sakit ini juga dikenal karena kurangnya sumber daya keuangan untuk menerapkan sistem TI canggih untuk membantu memperbaiki situasi operasional yang sulit. Strategi integrasi akan menyarankan mengintegrasikan kemampuan data dari pemasok, seperti produsen peralatan, laboratorium, bank darah, dan lain-lain. Integrasi data dapat meningkatkan tekanan yang berasal dari kebutuhan data dan kemampuan data yang terbatas seperti yang terlihat pada Gambar 2.

Gambar 2

Strategis. Ketika perusahaan memiliki kemampuan data besar tingkat tinggi untuk menangani sejumlah besar keputusan dinamis, data besar menjadi strategis. Misalnya, industri mode cepat masuk dalam kategorinya. Zara telah secara strategis memanfaatkan data besarnya dari semua sumber daya untuk menciptakan kampanye pemasaran yang cepat tanggap. Dengan kemampuan data besar tingkat tinggi, hampir semua proses bisnis dan keputusan terkait dapat dibuat berdasarkan bantuan analisis data. Misalnya dalam proses desain, jika perusahaan ingin menentukan warna suatu produk, mereka dapat menggunakan “pengujian A/B” untuk memprediksi warna mana yang akan memiliki dampak terbaik di pasar. Alat data lain dapat sama-sama digunakan untuk merancang bentuk produk, untuk menentukan portofolio ukuran yang tepat, dan lain-lain. Akibatnya, big data adalah elemen strategis.

Gambar 3 menunjukkan bahwa dinamika dalam keputusan operasional dapat sangat dikurangi dengan solusi big data karena meningkatnya akurasi prediksi serta analisis dan kontrol waktu nyata.

Gambar 3

Keunggulan. Untuk perusahaan dengan dinamika rantai pasokan dan pasokan yang rendah, solusi big data dapat digunakan untuk mencapai “keunggulan” dalam penyediaan layanan, manajemen kualitas, kepuasan pelanggan, dan lain-lain.

Dari perspektif transisi strategis, kita dapat menggunakan model yang menggambarkan bagaimana perusahaan dapat melakukan transit dari waktu ke waktu. Misalnya, perusahaan rutin dapat mengadopsi kemampuan data besar untuk mencapai keunggulan, dengan menggunakan keunggulan data untuk mencapai potensi bisnis dan operasional terbaik. Untuk perusahaan dengan dinamika operasional yang tinggi tetapi dengan kemampuan data yang terbatas, mereka dapat mengintegrasikan kemampuan data dari pemasok dan pembeli untuk menjadikannya strategis atau mengurangi dinamika operasional dan membuat operasi menjadi rutin. Perusahaan dengan ketidakpastian operasional yang tinggi dan dengan tingkat keterlibatan data yang tinggi dapat memilih untuk menggunakan kapasitas data untuk mengurangi dinamika dan mencapai operasi yang sangat baik. Misalnya, pabrik yang mengadopsi otomatisasi skala besar tidak perlu membuat terlalu banyak keputusan yang memerlukan campur tangan manusia.

Big Data yang merupakan fenomena yang muncul beberapa tahun terakhir memperkenalkan banyak konsep baru dan model bisnis yang didorong oleh data-data yang dihasilkan. Pada pemeriksaan laporan keuagan terhadap CAC 40 terhadap hubungan antara kinerja saham dan kedalaman data yang dilibatkan, didapatkan dua hasil. Ada perusahaan yang dengan kemampuan data yang kuat dapat berhasil di pasar saham. Ada juga perusahaan tanpa banyak data yang berkinerja baik. Selain itu, tidak ada hubungan antara perusahaan yang memiliki performa baik dengan kedalaman data yang kuat. Ditemukan juga bahwa big data berdampak pada setiap bagian dari bisnis meskipun nilai yang diciptakannya berbeda. Dengan demikian sangat penting mengetahui gambaran besar dari bisnis perusahaan serta dinamika keputusan.

Sumber: Arcondara, J., Himmi, K., Guan, P., & Zhou, W. (2017, January). Value oriented big data strategy: analysis & case study. In Proceedings of the 50th Hawaii international conference on system sciences.