More Related Content
What's hot (20)
Viewers also liked (20)
![Alfa romeo spider-manuale per le riparazioni [1989]](https://cdn.slidesharecdn.com/ss_thumbnails/alfaromeo-spider-manualeperleriparazioni1989-150923224916-lva1-app6891-thumbnail.jpg?width=560&fit=bounds)
Similar to DATABASE AND CUSTOMER DATA DEVELOPMENT (20)
DATABASE AND CUSTOMER DATA DEVELOPMENT
- 2. PENDAHULUAN Organisasi menjadi sangat mahir dalam menghasilkan data. Infusi secara masal dari generasi data ini dalam masyarakat kita telah menciptakan peluang tak terbatas untuk membangun hubungan dengan pelanggan. Internet telah mempercepat generasi data ini. Hal itu telah menantang organisasi untuk menentukan bagaimana memanfaatkan data dalam upaya untuk mempertahankan dan mengembangkan hubungan dengan pelanggan mereka. Hal itu juga telah menciptakan banyak peluang untuk mnghambat pertumbuhan sebuah hubungan dalam beberapa kasus yang menghancurkan apa yang mungkin menjadi hubungan yang baik.
- 3. DEFINISI DATA Data merupakan serangkaian angka, karakter dan piksel. Tersusun secara logis, angka, karakter, atau piksel tersebut yang mewakili informasi. Sebuah daftar nama orang itu sendiri dengan atau tanpa ada deskripsi lain yang dapat disebut kumpulan data. Data dapat dibagi menjadi beberapa kategori, yaitu: ? Primary Data ? Secondary Data ? Derived Data
- 4. PRIMARY DATA, SECONDARY DATA, DERIVED DATA ? Primary data diperoleh secara langsung dari sumber asli. Contoh: Jika seorang konsumen mengisi sebuah formulir dengan data pribadi mereka kepada seorang pengecer dan mengembalikannya kepada pengecer, maka pengecer itu telah memiliki data primer pada konsumen tersebut.
- 5. ? Secondary data diperoleh dari beberapa pihak selain pihak yang mewakili data atau sumber aslinya. Contoh: Jika sebuah perusahaan telemarketing menelpon seorang konsumen untuk meminta dan menerima informasi pribadi, data itu merupakan data primer untuk perusahaan telemarketing tersebut dan jika perusahaan telemarketing itu memberikan informasi konsumen tersebut kepada seorang pengecer, maka pengecer tersebut akan menanggapi hal itu sebagai data sekunder yang secara langsung tidak diperoleh dari sumber aslinya, karena data sudah tersedia.
- 6. ? Derived data adalah informasi yang dibuat dari data lainnya, data ini merupakan data yang diperoleh dari penarikan kesimpulan data sekunder. Data ini terkadang dapat diandalkan dan terkadang tidak dapat diandalkan. Perusahaan yang membeli derived data harus berusaha untuk melakukan pengecekan ulang terhadap data tersebut apakah valid atau tidak.
- 7. INDIVIDUALAND HOUSEHOLD DATA Individual data adalah data yang dikaitkan dengan seseorang tetentu (setiap keluarga mungkin memiliki beberapa anggota keluarga). Setiap individu dapat menghasilkan data dalam berbagai transaksi dengan berbagai organisasi.
- 8. PENDEKATAN ORGANISASI DALAM PENGUMPULAN DATA Organisasi melakukan pendekatan pengumpulan data dalam dua cara: ? Pertama, dengan mengumpulkan data sebanyak mungkin. Terkadang organisasi tidak yakin data apa yang harus mereka kumpulkan, untuk itu dengan mengumpulkan data sebanyak mungkin mereka yakin tidak ada data yang hilang. ? Kedua, pengumpulan data secara spesifik. Mereka mengumpulkan data sesuai dengan ketentuan. Salah satu pendekatan belum tentu lebih baik atau lebih buruk daripada yang lain. Metode mana yang dipilih tergantung pada pengetahuan data dan ketersediaan sumber daya.
- 9. TRANSFORMASI DATA Data sangat penting untuk proses operasional. Mengubah data menjadi informasi adalah salah satu dari dua langkah yang harus dilakukan sebelum pemasar memanfaatkan data. Setelah data ditransformasikan menjadi informasi, data kemudian dapat dianalisis atau diolah untuk menentukan apakah ada nilai yang melekat. Informasi tersebut kemudian dapat digunakan untuk mendukung upaya CRM. Hal ini mengubah informasi menjadi pengetahuan yang dapat mengarah kepada tindakan.
- 10. INFORMATION AGING Informasi apa yang harus terjaga, dalam bentuk apa informasi tersebut (agregat, ringkasan atau detail), dan untuk berapa lama informasi tersebut dibutuhkan oleh industri. Pada tingkat yang lebih rendah, posisi organisasi dalam industri itu, sumber daya (manusia, komputer, dan keuangan). Perusahaan harus terus mengupdate riwayat data transaksi dari waktu ke waktu karena dapat bersifat expired.
- 11. DATA MINING Data mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak deketahui secara manual. Yang bertujuan untuk mencari informasi tipe hubungan atau pola yang paling umum dideskripsikan terhadap data mining. Ketika data telah ditransformasikan menjadi informasi, maka data mining akan efektif.
- 12. Beberapa metodologi yang termasuk dalam pembahasan data mining, sistem-sistem ini dapat mendukung upaya CRM secara teknis meskipun mereka bukan data mining : o Decision Support System (DSS) adalah sistem perangkat lunak, bagian dari sistem informasi berbasis komputer yang digunakan untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan. o Executive Information System (EIS) adalah sistem yang berbasis komputer , dirancang untuk pengambilan keputusan dengan tingkat yang lebih tinggi yaitu membantu executive dalam mengakses data dan informasi untuk mengetahui suatu permasalahan, meneliti solusi yang akan diberikan, dan menunjukkan proses strategic planning. o Enterprise Resource Planning (ERP) adalah sistem informasi yang diperuntukkan bagi perusahaan manufaktur maupun jasa yang berperan mengintegrasikan dan mengotomatisasikan proses bisnis yang berhubungan dengan aspek operasi, produksi maupun distribusi pada sebuah perusahaan.
- 13. Lokasi dan Akses Pertimbangan Dimana untuk dapat mengakses data mining memiliki beberapa dependensi, terdapat tiga area yang substansial: ? Operational Data Store (ODS) adalah gudang data yang dinamis, biasanya dirancang dan beroperasi dengan cara mendukung fungsi bisnis yang spesifik. ? Data Warehouse (DW) adalah kumpulan data yang mempunyai sifat berorientasi obyek, bersifat tetap. Data warehouse tidak terupdate secara real time, tetapi direfresh secara reguler dalam schedule tertentu dari kumpulan data dalam mendukung proses pengambilan keputusan manajemen. ? Data Mart (DM) adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan data informasi pada suatu unit bagian atau operasi pada sebuah perusahaan. Data Mart memberikan respon yang lebih cepat dan lebih mudah dibandingkan data warehouse karena data mart mengandung informasi yang tidak sebanyak data warehouse.
- 14. Teknik Data Mining : Recency, Frequency, and Monetary (RFM) Recency yaitu pencatatan terbaru tanggal transaksi pelanggan (bersifat update). Frequency yaitu jumlah transaksi nasabah dengan organisasi/perusahaan dalam periode waktu tertentu. Monetary yaitu jumlah yang dikeluarkan pelanggan dalam waktu tertentu.
- 15. Theory Aside VICTORIA¡¯S SECRET The limited experienced rapid growth in its sales when it launched its web site in 1998 Concurrently, catalogue sales dropped precipitously. The company had to rethink its channel strategy especially because the costs of serving custoemr by printed catalogues were higher and more customers were acquired by the web. The company still believed that it needed to distribute catalogues to compliment its web channel. Consequntly, the distribution of catalogues was targeted to customers based on the RFM or recency, frequency and monetary value figures. Customerss with higher scores on RFM are more likely to receive catalogues. In addtion, the company segmented the customers for purposes of customer acquisition, retention, and extention. This helped the company to lower its distribution of catalogues from a peak of 400 million to 350 million. Decision Trees Pohon keputusan memiliki struktur seperti pohon, dimana daun mewakili klasifikasi dan cabang merupakam konjungsi fitur yang mengarah pada klasifikasi tersebut.
- 16. Cluster Analysis Proses menempatkan pelanggan atau prospek ke dalam kelompok sehingga semua orang dalam kelompok tersebut memiliki sifat yang mirip. Ada beberapa kategori dalam cluster analysis: 1. Demographics, meliputi umur, jenis kelamin, jumlah anggota keluarga, penghasilan, agama, dll. 2. Psychographics, meliputi kepribadiaan, gaya hidup, nilai, sikap, dll. 3. Behaviour, meliputi manfaat yang dicari, status pembeliaan tingkat penggunaan produk, dll. 4. Geographic, meliputi negara, daerah, kota, kode pos, iklim, dll.
- 17. MANFAAT DATA MINING Data mining dapat memungkinkan organisasi untuk memanfaatkan sumber daya mereka yang terbatas untuk mempererat hubungan dengan pelanggan dan prospek dalam upaya mereka untuk mempertahankan pertumbuhan jangka panjang yang menguntungkan.
- 18. ENABLING CRM Contoh-contoh dalam industri : - Manufacturer tools product - Apparel Cataloger - Entertainment and hotel - Hotel and Travel - Financial services - Retail Grocery - Toy manufacturers - Small Business - Infant formula manufacturer - Fraud Detection and Other Nonfavorable Behavior
- 19. Entertainment and Hotel Hotel dan fasilitas entertain seperti kasino, karaoke, bar dll masing-masing saling berdekatan satu sama lain. Meskipun mereka terdapat dalam satu bagian namun mereka memiliki suasana yang berbeda dan mereka bersaing untuk mendapatkan pelanggan. Theory Aside HARRAH¡¯S ENTERTAINMENT Casino operators routinely offer low hotel rates to motivate their guests to spend more on games. Yet not all customers spend enough on games to justify the discounts on the hotel rates. Harrah¡¯s Entertainment, with twenty-six casinos in thirteen states, used data mining to analyze spending on games in real time and custoemrs are offered incentives while they are still in the hotel. It processes sixteen terabytes of data every day emanating from the slotting machines and analyzes data on time spent on each of the games, the preferences of tourists and local visitors, gender differences in game expenditure, and a host of other variables. The share of expenditure on games has increased from 36 percent to nearly 50 percent after its started to use data mining technologies.
- 20. Theory Aside CAPITAL ONE Capital One, a financial services company, pionereed fact-based decision making, based on analysis of large data sets, in its lending operations. In the past, credit cards were issued to only those custoemrs who had a sound history of repayment, and loans were extented to borrowers who could secure their loans with collateral. Capital One changed the rules of the game by using data to determine credit worthiness. Its strategy was based on the premise that customers, without a credit history, could potentially have the potential to be good borrowers. Atypical example is a recent college graduate, with limited means and a large student debt, who could eventually succeed in business. Capital One created a huge DW, an equivalent of twenty pages for each of its 30 million custoemrs with information relevant for sub-prime lending. It uses this information to conduct experiments as many as 45,000 product and marketing tests in 2001, to find financially sound offers for its various segments Financial Services Organisasi dalam jasa keuangan biasanya mengedepankan penggunaa data mining. Sifat bisnis mereka yang telah menghasilkan transaksi yang tak terhitung jumlahnya
- 21. Theory Aside WAL-MART Retail store struggle to balance their ineventory with consumer demand and their suppliers ofen unable to dispatch the right amounts of goods to warehouses. Wal- Mart set up a massive DW in the 1980s to store information about sales and inventorie. Its Retail Link program shared information with its suppliers like Procter & Gamble which has expertise in predicting consumer demand. The availability of real-time information enabled suppliers to stock goods without waiting for orders to be placed. Furthemore, Wal-Mart is now able to respond quickly for exception circum stances such as the severe storms in Florida Based on pas experiences, Wal-Mart could predict that the demand fpr Strawberry Pop Tarts would rise for example. A streamlined supply chain has enabled Wal-Mart and Procter & Gamble to refocus their energies on category management and to use information for merchandising. Retail Grocery Toko retail menerima jumlah data transaksi setiap kali seseorang belanja dengan jumlah yang Sangat besar, dengan memberikan diskon harga melalui kartu yang disukai oleh pelanggan toko retail dapat dengan mduah mengidentifikasi kebiasaan berbelanja, hari dan jam kunjungan, dan jumlah kunjungan.
- 22. Theory Aside VISA Credit card fraud is endemic at a rate of 0,93 percent for off-line transactions and a higher 1,97 percent for online transaction. The challenge of detecting fraud is avoiding false alarms were generated for every genuine alarm. Credit card companies have to meet the conflicting demands of keeping fraud low without irrtitating custoemrs with false alarms. This is hard to achieve with statistical models, which compare the normal with abnormal behavior, with abnormal behavior because criminals are generally savvy enough to circumvent them. Visa introduced its new software, Visa, Itelligent, Scoring of Risk (VISOR) across all banks in Europe to lower the rate of fraud. Its new system analyzes abnormal behavior of not only the card holder but also for each merchant in addition, it now uses artifical intelligence software, which changes the rules of identifying fraud based on the most recent data. The rate of fraud has dropped from 1,576 to 458 cases. The false alarms have declined to 10. Fraud Detection and Other Nonfavorable Behaviour Sebuah manfaat tambahan untuk pengumpulan data dan data mining yaitu timbulnya aktifitas konsumen yang tdiak biasa, termasuk penipuan.
- 23. 1. Hambatan organisasi memperoleh data untuk transformasi. 2. Tekanan politik dan sosial mengenai privasi. 3. Ketersediaan data sekunder yang berkelanjutan. 4. Biaya dan manfaat yang juga membutuhkan kemampuan untuk mengukurnya. 5. Kemampuan untuk melakukan semua transformasi data menjadi pengetahuan secara real time. 6. Pengetahuan dan informasi dalam implementasi. 7. Interprestasi informasi dan mengubah pengetahuanke dalam tindakan. 8. Ketidakmampuan untuk menangkap transaksi nasabah. TANTANGAN DATA MINING
- 24. 1. Apa saja perbedaan jenis data? Jawab : - Primary data, data primer yang diperoleh langsung dari sumber aslinya. - Secondary data, diperoleh dari pihak lain selain phak yang memiliki data atau sumber aslinya. - Derived data, diperoleh dari penarikan kesimpulan data sekunder. QUESTIONS
- 25. 2. Apa perbedaan antara data dan informasi? Jawab : Data merupakan serangkaian angka, karakter, dan gambar, yang akan mewakili informasi. Jadi informasi adalah hasil pengolahan dari sebuah perubahan bentuk data. 3. Apa saja variabel yang dibutuhkan untuk melakukan analisis RFM? Jawab: Terdapat 3 variabel, yaitu : Recency, pencatatan terbaru tanggal transaksi pelanggan (bersifat update) Frequency, jumlah transaksi nasabah dengan organisasi perusahaan dalam periode wajtu tertentu. Monetary, jumlah yang dikeluarkan pelanggan dalam waktu tertentu.
- 26. 4. Jelaskan perbedaan jenis data ini, ODSs, DWs dan Data Mart. Jawab : ODS, gudang data yang dinamis (membutuhkan pergerakan secara cepat), biasanya dirancang dengan cara yang mendukung fungsi bisnis yang spesifik. DW (data warehouse), kumpulan data yang mempunyai sifat berorientasi dan bersifat tetap atau data warehouse tidak terupdate secara real time tetapi direfresh secara reguler dalam schedule tertentu dari kumpulan data dalam mendukung proses pengambilan keputusan manajemen. Data mart, suatu bagian dari data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit bagian atau operasi pada suatu perusahaan.