1.) Perusahaan yang ingin membangun Data Warehouse :
“Operator Harus Mentransformasi Bisnis”
Sarwoto Atmosutarno, Dirut Telkomsel:
Berbicara bisnis telekomunikasi tahun depan, apakah bisa sukses dan sustain?
Itu akan tergantung pada bagaimana para pemimpinnya mentransformasi
bisnisnya. Sebab, tahun depan kami perkirakan jumlah pelanggan yang
berbasis SIM card akan menyamai, bahkan melebihi, jumlah
penduduk. Dengan kata lain, penetrasi pasarnya sudah lebih dari
100%. Akibatnya, itu akan menekan profit dan pendapatan, karena pasar
sudah dalam kondisi jenuh, saturation.
Jika pasar dalam kondisi jenuh, kami harus mencari bisnis baru (new business) lain yang bisa mengompensasi tekanan revenue, pangsa
pasar dan profitabilitas. Ada beberapa yang berhasil secara signifikan
mengatasi soal profitabilitas itu. Namun, penderitaannya terhadap
tekanan pasar ini sama. Pasalnya, di Indonesia, selain penetrasinya akan
melebihi 100%, pemain di industri ini pun sudah terlalu banyak: lebih
dari 11 perusahaan. Cina saja yang penduduknya 1 miliar, jumlah
operatornya tidak sebanyak di Indonesia. Ini menjadi tugas regulator
bagaimana mengatasinya. Jangan sampai pasar dibiarkan. Buktinya, perang
harga terjadi lagi. Di industri Internet pun sudah mulai ada perang
harga. Dari sisi industri, ini berbahaya.
Karena
itu, perusahaan telekomunikasi sudah saatnya melakukan transformasi
bisnis, yakni menuju bisnis data dan Internet. Jika pada bisnis data dan
Internet terjadi perang harga juga, industri telekomunikasi akan berat
sekali.
Ketika
industri dalam kondisi jenuh dan jumlah operator terlalu banyak, ada
tiga tahap konsolidasi yang perlu dilakukan. Pertama, konsolidasi
jaringan (infrastruktur). Contohnya, dengan tower sharing atau bandwidth sharing. Kedua, konsolidasi di bidang services, karena platform-platform value added service bisa dibuat bersama. Misalnya, ring back tone
(RBT) atau musik, cukup Telkomsel yang punya, sementara
operator-operator lain ikut saja. Dengan begitu, mereka tidak perlu
mengeluarkan capital expenditure. Ini konsolidasi juga, sehingga industri ini efisien. Tidak perlu duplikasi, dan akan menekan cost.
Ketiga, konsolidasi dalam hal entitasnya, dengan merger atau akuisisi.
Contohnya, belakangan ada wacana merger Flexi – Esia dan Smart – Mobile
8.
Maka,
sejak tahun lalu Telkomsel sudah mempersiapkan masuk ke bisnis baru,
yaitu bisnis data dan Internet. Sejauh ini, kami lihat dari sisi result,
pertumbuhan bisnis baru hampir 84% setahun. Persentase kontribusi
bisnis baru terhadap total bisnis meningkat. Tahun lalu persentasenya
7%, tahun ini sudah 13%. Ini menunjukkan Telkomsel sudah mentransformasi
bisnis dengan benar, karena telah meningkat dua kali lipat dari tahun
sebelumnya. Di negara maju seperti Jepang, kontribusi bisnis baru
terhadap total revenue ini sudah lebih dari 50%. Semua pemain
telekomunikasi akan mengarah ke sana. Tahun depan, Telkomsel menargetkan
persentase bisnis baru ini akan mendekati 20%.
Untuk masuk ke bisnis baru ini, banyak yang harus disiapkan. Dari sisi infrastruktur, kami akan menggelar broadband secara lebih luas. Broadband Telkomsel sudah siap di 25 kota. Tahun depan akan dikembangkan hingga 40 kota. Itu penting sekali. Dari sisi sistem support, Telkomsel membangun billing system dan CRM yang lebih canggih. Telkomsel juga membangun data warehouse
yang memiliki kapasitas lebih dari 2 pentabyte. Ini untuk mempersiapkan
target pelanggan kami yang akan lebih dari 100 juta pada tahun depan.
Sekarang pelanggan Telkomsel telah mencapai 95 juta.
Selain
itu, kami juga akan membangun platform yang lebih kuat. Saat ini di
Telkomsel sudah ada beberapa platform, seperti Music Platform,
Application Platform, Mobile Commerce Platform (mobile payment, contactless, T-Cash,
dan sebagainya), dan Mobile Advertising Platform. Itu
persiapan-persiapan kami untuk menjalankan bisnis baru dengan lebih
baik.
Di era new business, yang menonjol adalah kemitraan dan kolaborasi. Dalam era seperti itu, pemimpin maupun SDM harus open minded dan berpikir win-win.
Sekarang, tidak bisa lagi mau menang sendiri. Sebab, bisnis baru tidak
bisa dikerjakan sendiri. Operator harus mengundang mitra.
Agenda prioritas saya ke depan adalah, pertama, Telkomsel harus me-rebound bisnis ini. Itu harus kami kembalikan: pertumbuhan revenue, pangsa pasar dan profitabilitas. Kedua, menjadikannya sebagai high performance organization. Kami coba mengingatkan, ini lho ada bisnis baru, ada ilmu baru, yaitu IP broadband. Tahun depan, kami punya program: lebih dari 50% orang di Telkomsel harus ready broadband juga. Bukan saja kota-kotanya yang ready broadband. Karena Telkomsel sebagai planner dan controller, SDM-nya harus mengerti broadband itu apa dan karakternya seperti apa. Sebab, berbeda sekali dengan bisnis lalu yang terdiri dari calling dan SMS.
Tantangannya
sebenarnya pada regulasi soal frekuensi yang perlu ditata kembali.
Karena, frekuensi yang sekarang menyebabkan tidak semua operator siap
menuju broadband. Misalnya, frekuensi hanya 5-10 megabyte, itu
tidak mencukupi. Dari sisi itu, bisa diselesaikan dengan konsolidasi.
Mengenai soal BHP frekuensi dan interkoneksi, saya asumsikan selesai.
Tantangan
lainnya, bagaimana pemerintah menyikapi perang harga yang tak
terkendali. Pemerintah harus memberi jaminan kompetisi dan kepastian return on investment. Saat ini, dari 11 operator, kompetisinya hanya dinikmati 3-4 operator.
Jadi, meskipun saturation,
bisnis ini tidak akan mati. Selama kita berhasil mentransformasi bisnis
ke bisnis baru, tidak akan bermasalah. Saya pun masih yakin Telkomsel
akan terus nomor satu, bahkan hingga lima tahun ke depan. Pangsa pasar
kami 50% tetap terjaga. Telkomsel memiliki volume bisnis US$ 5 miliar.
Profit kami lebih besar daripada bank BUMN terbesar dan kami pembayar
pajak terbesar.
Sumber :http://swa.co.id/sajian-utama/menyiapkan-amunisi-untuk-menubruk-peluang
2.) Buat soal serta solusinya tentang segala yang berhubungan dengan data
warehouse (minimal 3) :
1.) Sebutkan hal-hal yang melatarbelakangi datamining?
- Melimpahnya data (overload data) yang dialami oleh berbagai institusi, perusahaan atau organisasi.
- Merlimpahnya data ini merupakan akumulasi data transaksi yang terekam bertahun-tahun..
- Data–data tersebut merupakan data transaksi yang umumnya diproses menggunakan aplikasi komputer yang biasa disebut dengan OLTP (On Line Transaction Processing).
2.) Berikan 4 contoh dan penjelasan implementasi datamining?
Analisa Pasar dan Manajemen
Untuk analisa pasar, banyak sekali sumber data yang dapat digunakan
seperti transaksi kartu kredit, kartu anggota club tertentu, kupon
diskon, keluhan pembeli, ditambah dengan studi tentang gaya hidup
publik.
Telekomunikasi
Sebuah perusahaan telekomunikasi menerapkan data mining untuk
melihatdari jutaan transaksi yang masuk, transaksi mana sajakah yang
masih harusditangani secara manual (dilayani oleh orang). Tujuannya
tidak lain adalahuntuk menambah layanan otomatis khusus untuk
transaksi-transaksi yangmasih dilayani secara manual. Dengan demikian
jumlah operator penerimatransaksi manual tetap bisa ditekan minimal.
Keuangan
Financial Crimes Enforcement Network di Amerika Serikat baru-baru
inimenggunakan data mining untuk me-nambang trilyunan dari berbagai
subyek seperti property, rekening bank dan transaksi keuangan lainnya
untuk mendeteksi transaksi-transaksi keuangan yang mencurigakan (seperti
money laundry). Mereka menyatakan bahwa hal tersebut akan susah
dilakukan jika menggunakan analisis standar.
(www.senate.gov/~appropriations/treasury/testimony/sloan.htm.
Mungkinsudah saatnya juga Badan Pemeriksa Keuangan Republik Indonesia
menggunakan teknologi ini untuk mendeteksi aliran dana BLBI.
Asuransi
Australian Health Insurance Commision menggunakan data mining
untukmengidentifikasi layanan kesehatan yang sebenarnya tidak perlu
tetapi tetap dilakukan oleh peserta asuransi. Hasilnya? Mereka berhasil
menghemat satu juta dollar per tahunnya. ATentu saja ini tidak hanya
bias diterapkan untuk asuransi kesehatan, tetapi juga untuk berbagai
jenis asuransi lainnya.
3.) Jelaskan perbedaan-perbedaan antara data operasional dengan data warehouse?
Data Operasional
- Dirancang berorientasi hanya pada aplikasi dan fungsi tertentu
- Fokusnya pada desain basisdata dan proses
- Berisi rincian atau detail data
- Relasi antar table berdasar aturan terkini(selalu mengikuti aturan terbaru)
Data Warehouse
- Dirancang berdasar pada subjek-subjek tertentu (utama)
- Focusnya pada pemodelan data dan desain data
- Berisi data-data history yang akan dipakai dalam proses analisis
- Banyak aturan bisnis dapat tersaji antara tabel-tabel
4.) Sebutkan dan jelaskan secara singkat tugas-tugas yang dilakukan data warehouse?
- Pembuatan laporan, Pembuatan laporan merupakan salah satu
kegunaan data warehousing yang paling umum dilakukan. Dengan menggunakan
query sederhana didapatkan laporan perhari,perbulan, pertahun atau
jangka waktu kapanpun yang diinginkan.
- On-Line Analytical Processing (OLAP), Dengan adanya data
warehouse, semua informasi baik detail maupun hasil summary yang
dibutuhkan dalam proses analisa mudah didapat. OLAP mendayagunakan
konsep data multi dimensi dan memungkinkan para pemakai menganalisa data
sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini
dimungkinkan karena pada konsep multi dimensi, maka data yang berupa
fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda.
Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up dan
drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu
informasi dan roll-up adalah kebalikannya.
- Proses informasi eksekutif, data warehousing dapat membuat
ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis,
tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data
warehousing segala laporan telah diringkas dan dapat pula mengetahui
segala rinciannya secara lengkap, sehingga mempermudah proses
pengambilan keputusan. Informasi dan data pada laporan data warehousing
menjadi target informatif bagi pengguna.
5.) Sebutkan 4 keuntungan menggunakan data warehouse!
- Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi.
- Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi.
- Aturan untuk transformasi data diterapkan untuk memvalidasi dan
mengkonsolidasi data apabila data dipindahkan dari basisdata OLTP ke data warehouse
- Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.
Paiman dkk. (2010) yang berjudul “Analisis Perbandingan Antara Model Dimensi Star Schema Dan Snowflake”, didapat kesimpulan mengenai kelebihan dan kekurangan baik dari star schema maupun snowflake schema. Penelitian ini dilakukan dengan cara mengolah database adventureworks yang merupakan database sampel yang telah disiapkan oleh Microsoft SqlServer 2005. Dari database tersebut dibuat beberapa skenario yang diterapkan menggunakan dua model skema yaitu star schema dan snowflake schema.
