Penerapan-penerapan Data Mining - Seri Data Mining for Business Intelligence (4)

Penerapan-penerapan Data Mining

Data mining (DM) sudah menjadi suatu piranti yang sangat populer  dalam  menangani banyak isu bisnis yang kompleks. DM sudah terbukti sangat sukses dan bermanfaat di berbagai area, diantaranya adalah seperti yang ditunjukkan dengan berbagai contoh yang disajikan berikut. Tujuan dari berbagai penerapan DM dalam bisnis adalah untuk menyelesaikan suatu masalah yang sangat memberi ‘pressure’ atau untuk mencari peluang bisnis yang bisa dimunculkan untuk membuat keunggulan kompetitif yang berkelanjutan.

• Customer relationship management (CRM). CRM adalah perluasan dari marketing tradisional yang baru dan sedang muncul. Tujuan CRM adalah menciptakan hubungan ‘one-on-one’ dengan pelanggan dengan mengembangkan pemahaman yang intim terhadap kebutuhan dan keinginan mereka. Karena perusahaan membangun relasi dengan pelanggannya sepanjang waktu  melalui berbagai transaksi (misalnya ‘product inquiries’, ‘sales’, ‘service requests’, ‘warranty calls’), jadi mereka mengumpulkan banyak sekali data. Ketika dikombinasikan dengan atribut-atribut demografi dan sosioekonomi, data yang kaya informasi ini bisa digunakan untuk (1) mengetahui pembeli/pelanggan yang paling berminat pada produk atau layanan baru (misalnya, ‘customer profiling’); (2) mengetahui akar penyebab berkurangnya pelanggan sehingga bisa memperbaiki retensi pelanggan (misalnya, ‘churn analysis’); (3) menemukan asosiasi varian waktu antara produk dan layanan untuk memaksimalkan penjualan dan ‘customer value’; dan (4) mengetahui pelanggan yang paling ‘profitable’ dan kebutuhan utama mereka untuk memperkuat hubungan dan memaksimalkan penjualan.


• Banking. DM bisa membantu bank dengan cara berikut: (1) meng-otomatisasi proses aplikasi pinjaman/utang dengan memprediksi secara akurat mengenai para ‘pemangkir’ (pengemplang utang) yang paling potensial; (2) mendeteksi penipuan pada kartu kredit dan transaksi online perbankan ; (3) mengetahui cara-cara dalam memaksimalkan ‘customer value’ dengan menjual ke mereka produk-produk dan layanan yang paling cenderung mereka beli; dan (4) meng-optimasi ‘cash return’ dengan memprediksi secara akurat ‘cash flow’ pada entitas-entitas perbankan (misalnya, mesin-mesin ATM, cabang-cabang kantor bank).
• Retailing and logistics. Dalam industry retail, DM bisa digunakan untuk (1) memprediksi volume penjualan pada lokasi retail tertentu sehingga bisa menentukan level inventory yang tepat; (2)  mengetahui hubungan penjualan antara berbagai produk yang berbeda (dengan menggunakan market-basket analysis) untuk memperbaiki tata letak ‘store’ dan meng-optimasi promosi penjualan; (3) memprediksi tingkat konsumsi berbagai jenis produk (berdasarkan kondisi musim dan environment) untuk mengoptimasi logistic dan akhirnya memaksimalkan penjualan; dan (4) menemukan pola-pola yang menarik pada pergerakan berbagai produk (terutama pada produk-produk yang memiliki umur simpan yang pendek karena rentan terhadap kadaluwarsa, busuk, dan kontaminasi) dalam ‘supply chain’ dengan menganalisa data-data dari RFID dan sensor.
• Manufacturing and production.  Pabrik-pabrik bisa menggunakan DM untuk (1) memprediksi kegagalan mesin sebelum terjadi dengan cara penggunaan data dari sensor (memungkinkan apa yang disebut ‘condition-based maintenance’); (2) mengetahui berbagai anomali dan kesamaan di berbagai sistem produksi untuk mengoptimasi kapasitas produksi; dan (3) menemukan pola-pola baru untuk mengetahui dan meningkatkan kualitas produk.
• Brokerage and securities trading. Para ‘broker’ dan ‘trader’ menggunakan DM untuk (1) memprediksi kapan dan berapa harga obligasi tertentu akan berubah; (2)  memprediksi  bentangan dan arah fluktuasi saham; (3) menaksir efek isu-isu dan peristiwa-peristiwa tertentu pada pergerakan pasar secara keseluruhan; dan (4) mengetahui dan mencegah berbagai aktivitas penipuan dalam trading sekuritas.
• Insurance. Industry asuransi menggunakan teknik-teknik DM untuk memprediksi jumlah klaim  untuk biaya cover properti dan medis untuk membuat perencanaan bisnis yang lebih baik; (2) menentukan angka rate optimal berdasarkan analisa klaim dan data pelangga; (3) memprediksi pelanggan mana yang cenderung membeli kebijakan baru dengan fitur khusus; dan (4) mengetauhi dan mencegah pembayaran klaim yang salah dan aktivitas penipuan.
• Computer hardware and software. DM bisa digunakan untuk memprediksi kegagalan disk drive sebelum benar-benar terjadi; (2) mengetahui dan menyaring isi web dan pesan-pesan email yang tak dinginkan; (3) mendeteksi dan mencegah lintasan keamanan jaringan computer; dan (4) mengetahui produk-produk software yang berpotensi tidak aman.
• Government and defense. DM juga mempunyai sejumlah penerapan di bidang militer. DM bisa digunakan untuk (1) memprediksi biaya peralatan dan personel militer yang aktif bergerak; (2) memprediksi pergerakan musuh dan karena itu mengembangkan strategi yang lebih baik bagi keterlibatan militer; (3) memprediksi konsumsi sumber daya untuk perencanaan dan anggaran yang lebih baik; dan (4) mengetahui berbagai klas (kategori) dari pengalaman-pengalaman yang unik, strategi, dan pelajaran yang diambil dari operasi militer yang digunakan untuk berbagai pengetahuan yang lebih baik melalui organisasi.
• Travel industry (airlines, hotels/resorts, rental car companies). DM memiliki berbagai penerapan dalam industry ‘travel’. DM digunakan untuk (1)  memprediksi penjualan berbagai layanan yang berbeda (jenis seat di pesawat, jenis kamar hotel/resort, jenis mobil di perusahaan rental mobil) yang bertujuan untuk memberikan layanan harga yang optimal untuk memaksimalkan revenue sebagai fungsi dari transaksi yang memiliki variasi yang bergantung waktu (biasanya disebut dengan ‘yield management’); (2) memprediksi ‘demand’ pada berbagai lokasi yang berbeda untuk mengalokasikan sumber daya perusahaan yang terbatas dengan lebih baik; (3) mengetahui mengetauhi pelanggan yang paling ‘profutable’ dan memberikan mereka layanan yang ‘personalized’ untuk menjaga hubungan bisnis dengan mereka; dan (4) mempertahankan karyawan-karyawan yang memiliki ‘value’ yang tinggi.
• Health care. DM memiliki sejumlah penerapan di bidang perawatan kesehatan. DM bisa digunakan untuk (1) mengetahui orang-orang yang tidak memiliki asuransi kesehatan dan factor-faktor apa saja yang menyebabkan hal itu; (2) mengetahui hubungan ‘cost-benefit’ yang baru antara berbagai ‘treatment’ yang berbeda-beda yang bisa dugunakan untuk mengembangkan stratehi yang lebih efektif; (3) memprediksi waktu dan tingkat kebutuhan di berbagai lokasi layanan yang berbeda-beda untuk mengalokasikan sumberdaya perusahaan secara optimal; dan (4) memahami alasan-alasan yang mendasari mengapa pelanggan dan karyawan berkurang (pindah).
• Medicine. Penggunaan DM dalam bidang pengobatan harus dilihat sebagai suatu komplemen yang tak ternilai bagi penelitian di bidang pengobatan tradisional, yang pada dasarnya adalah bersifat klinis dan biologis. Berbagai analisa DM bisa (1) mengetahui pola-pola baru untuk meningkatkan kemungkinan pasien pengidap kanker untuk tetap hidup; (2) memprediksi angka keberhasilan para pasien transplantasi organ untuk mengembangkan kebijakan-kebijakan yang lebih sesuai dengan ‘donor-organ’; (3) mengetahui fungsi-fungsi gen yang berbeda-beda dalam kromosom manusia (dikenal dengan genomics/genomik); dan (4) menemukan hubungan antara berbagai gejala dan penyakit (dan juga hubungan antara berbagai penyakit dan perawatan yang berhasil) untuk membantu para profesinal medis membuat keputusan-keputusan yang benar dan terinformasi secara tepat waktu.
• Entainment industry. DM berhasil diterapkan oleh industri hiburan untuk (1) menganalisa data penonton untuk memutuskan program-program apa saja untuk ditampilkan pada ‘prime time’ dan bagaimana memaksimalkan ‘return’ dengan mengetahui dimana menempatkan iklan; (2) memprediksi keberhasilan film dari sisi financial sebelum film diproduksi yang digunakan untuk membuat keputusan investasi dan mengoptimasi ‘return’; (3) memprediksi ‘demand’ pada berbagai lokasi yang berbeda-beda dan waktu yang berbeda-beda untuk membuat jadwal entertainment yang lebih tepat dan mengalokasikan sumberdaya secara optimal; dan (4) mengembangkan kebijakan mengenai harga yang optimal untuk memaksimalkan ‘revenue’.
• Homeland security and law enforcement. DM memiliki sejumlah penerapan dalam hal ‘homeland security and law enforcement’. DM sering digunakan untuk (1) mengetahui pola-pola perilaku teroris (misalnya, untuk melacak pendanaan terhadap aktivitas teroris); (2) menemukan pola-pola kejahatan (misalnya, lokasi, pemilihan waktu, perilaku penjahat, dan cirri-ciri terkait lainnya) untuk membantu kasus-kasus criminal secara tepat waktu; (3) memprediksi dan mengeliminasi serangan biologis dan kimia yang potensial ke infrastruktur  vital negara dengan menganalisa data sensor yang dibuat  dengan tujuan khusus; dan (4) mengetahui dan menghentikan serangan jahat ke infrastruktur-infrastruktur informasi yang vital (sering disebut sebagai ‘informastion warfare’).
• Sports. DM digunakan untuk meningkatkan performa tim-tim NBA (National Basketball Association di US. NBA mengembangkan ‘Advanced Scout’, aplikasi DM berbasis PC yang digunakan oleh staff coaching untuk menemukan pola-pola yang menarik pada data pertandingan basketball. Intertretasi pola tersebut dibantu dengan membolehkan pengguna untuk menghubungkan pola-pola untuk direkam.

Daftar link terkait seri data mining for business intelligence:

1. Pendahuluan
2. Definisi, karakteristik, dan manfaat
3. Bagaimana cara kerja data mining
4. Penerapan-penerapan Data Mining
5. Proses dalam Data Mining
6. Metode-metode dalam Data Mining
7. Berbagai Tool Software Data Mining
8. Beberapa mitos dan blunder dalam data mining