Penerapan Data Mining Dalam Bisnis

Data mining adalah sebuah teknik memilah-milah data dalam volume yang sangat besar dengan tujuan mendapatkan informasi yang relevan terhadap sebuah subjek atau tema.
Biasanya data mining dipergunakan oleh organisasi untuk melakukan kegiatan business intelligence (BI) atau analisis finansial terutama di sektor pasar modal dan valas.
Terkait dengan ERP (enterprise resource planning), data mining juga dipergunakan oleh perusahaan di berbagai industri untuk melakukan analisis baik secara logika (logical analysis) maupun statistik (statistical analysis) data transaksi, dan menemukan sebuah pola (pattern) yang dapat membantu proses pengambilan keputusan.
Misalnya, seorang analis di sebuah perusahaan telekomunikasi melakukan data mining dari sistem CRM (Customer Relationship Management) untuk menemukan pola aktivitas pelayanan pelanggan dan calon pelanggan agar dapat meningkatkan kualitas servis perusahaan tersebut.
Dengan data mining, tanpa harus menggunakan call center or mail service, hanya prospek yang mempunyai probabilitas tinggi untuk merespons terhadap sebuah penawaran saja yang di kontak ataupun dikirim brosur.
Jadi, tujuan utama dari penerapan data mining di bisnis adalah penemuan dari suatu pengetahuan (knowledge discovery) dan model prediksi (prediction model) dari data transaksi yang telah dicatat oleh berbagai aplikasi, di mana pengetahuan ataupun prediksi tersebut dapat membantu manajemen senior dalam mengidentifikasi tren bisnis (business trend) untuk pengambilan keputusan strategis.
Knowledge discovery menyajikan informasi eksplisit dalam format yang mudah dibaca dan dimengerti oleh seorang analis sedangkan prediction model menyajikan prediksi terhadap apa yang akan terjadi pada masa mendatang di mana model tersebut cukup bervariatif, ada yang mudah dimengerti ataupun yang sangat kompleks.
Untuk memudahkan penerapan data mining dalam bisnis, diperlukan sebuah metodologi standar yang dikenal dengan nama CRISP-DM (CRoss Industry Standard Process for Data Mining). CRISP-DM terdiri dari: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation dan Deployment. Keuntungan menggunakan CRIS-DM ini adalah tidak bergantung pada industri tertentu (industry neutral), perangkat lunak tertentu (tool tertentu) dan fokus pada proses data mining itu sendiri.
Sebagai cabang ilmu baru di bidang komputer, banyak penerapan yang dapat dilakukann oleh Data Mining. Apalagi ditunjang kekayaan dan keanekaragaman berbagai bidang ilmu (artificial intelligence, database, statistik, pemodelan matematika, pengolahan citra dsb.) membuat penerapan data mining menjadi makin luas. Penerapan data mining dapat dilakukan di beberapa bidang.

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.




Beberapa solusi yang bisa diselesaikan dengan data mining diantaranya:
1. Menembak target pasar
Data mining dapat melakukan pengelompokan (clustering) dari model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli sesuai dengan karakteristik yang diinginkan seperti kesukaan yang sama, tingkat penghasilan yang sama, kebiasaan membeli dan karakteristik lainnya.
2. Melihat pola beli pemakai dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli seseorang dari waktu ke waktu.
3. Cross-Market Analysis
Kita dapat memanfaatkan data mining untuk melihat hubungan antara penjualan satu produk dengan produk lainnya.
4. Profil Customer
Data mining dapat membantu untuk melihat profil customer/pembeli/ nasabah sehingga kita dapat mengetahui kelompok customer tertentu membeli produk apa saja.
5. Identifikasi Kebutuhan Customer
Mengidentifikasi produk-produk yang terbaik untuk tiap kelompok customer dan menyusun faktor-faktor yang dapat menarik customer baru untuk bergabung/membeli.
6. Menilai Loyalitas Customer
VISA International Spanyol menggunakan data mining untuk melihat kesuksesan program-program customer loyalty mereka.
7. Informasi Summary
Memanfaatkan data mining untuk membuat laporan summary yang bersifat multi-dimensi dan dilengkapi dengan informasi statistik lainnya.

Analisa Perusahaan dan Manajemen Resiko
1. Perencanaan Keuangan dan Evaluasi Aset
Data Mining dapat membantu untuk melakukan analisis dan prediksi cash flow serta melakukan contingent claim analysis untuk mengevaluasi aset. Selain itu juga dapat menggunakannya untuk analisis trend.
2. Perencanaan Sumber Daya (Resource Planning)
Dengan melihat informasi ringkas (summary) serta pola pembelanjaan dan pemasukan dari masing-masing resource, dan memanfaatkannya untuk melakukan resource planning.
3. Persaingan (Competition)
Sekarang ini banyak perusahaan yang berupaya untuk dapat melakukan competitive intelligence. Data Mining dapat membantu untuk memonitor pesaing-pesaing dan melihat market direction mereka.
4. Telekomunikasi
Sebuah perusahaan telekomunikasi menerapkan data mining untuk melihat dari jutaan transaksi yang masuk, memilih transaksi mana sajakah yang masih harus ditangani secara manual (dilayani oleh customer service). Tujuannya adalah untuk menambah layanan khusus untuk transaksi-transaksi yang masih dilayani secara manual. Dengan demikian jumlah operator penerima transaksi manual tetap bisa ditekan minimal.
5. Keuangan
Financial Crimes Enforcement Network di Amerika Serikat baru-baru ini menggunakan 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.


6. Asuransi
Australian Health Insurance Commision menggunakan data mining untuk mengidentifikasi layanan kesehatan yang sebenarnya tidak membutuhkan tetapi tetap dilakukan oleh peserta asuransi. Hasilnya mereka berhasil menghemat satu juta dollar per tahunnya. Tentu saja ini tidak hanya bisa diterapkan untuk asuransi kesehatan, tetapi juga untuk berbagai jenis asuransi lainnya.
7. Olah Raga
IBM Advanced Scout menggunakan data mining untuk menganalisis statistik permainan NBA (jumlah shots blocked, assists dan fouls).
8. Astronomi
Jet Propulsion Laboratory (JPL) di Pasadena, California dan Palomar Observatory berhasil menemukan 22 quasar dengan bantuan data mining. Hal ini merupakan salah satu kesuksesan penerapan data mining di bidang astronomi dan ilmu ruang angkasa..
9. Internet Web Surf-Aid
IBM Surf-Aid menggunakan algoritma data mining untuk mendata akses halaman Web khususnya yang berkaitan dengan pemasaran guna melihat prilaku dan minat customer serta melihat efektifitas pemasaran melalui Web.

Dengan melihat beberapa aplikasi yang telah disebutkan di atas, terlihat sekali potensi besar dari penerapan Data Mining di berbagai bidang. Bahkan beberapa pihak berani menyatakan bahwa Data Mining merupakan salah satu aktifitas di bidang perangkat lunak yang dapat memberikan ROI (return on investment) yang tinggi. Namun demikian, perlu diingat bahwa Data Mining hanya melihat keteraturan atau pola dari sejarah, tetapi tetap saja sejarah tidak sama dengan masa datang. Bagaimanapun juga data mining tetaplah hanya alat bantu yang dapat membantu manusia untuk melihat pola, menganalisis trend dan sebagainya dalam rangka mempercepat pembuatan keputusan.