Data Mining Dalam Bisnis

Sebagai contoh dampak yang ditimbulkan dari Data Mining pada sebuah bisnis dengan menggunakan permasalahan pada sebuah perusahaan telepon seluler. 

Seorang pelanggan dari telepon seluler tersebut pada suatu saat berhenti dan berpindah kepada perusahaan telepon seluler pesaing, hal ini dikarenakan adanya tawaran yang lebih menggiurkan dan berbagai fasilitas yang mungkin tidak bisa didapat dari perusaahan telepon seluler sebelurnnya. 

Hilangnya seorang pelanggan berarti hilangnya salah satu sumber keuntungan potensial, dan jika saja pihak perusahaan telepon seluler sebelurnnya dapat mengetahui pelanggan mana saja yang beresiko keluar dari perusahaan tersebut. 

Jika saja menggunakan Data Mining pada catatan transaksi pelanggan, dapat dibangun sebuah predictive model, bukan model yang retrospektif, yang kemudian berarti dapat mengetahui pelanggan mana saja yang kiranya berpotensi untuk berhenti berlangganan dengan pihak perusahaan (Berson, eta!., 2000, p94). 

Mempertahankan pelanggan merupakan salah satu kunci di dalam CRM, dan  hal ini dapat dilakukan dengan menerapkan Data Mining sebagai tools untuk membantu  dan mendukung strategi direct marketing, yang pada akhimya dapat mengoptimasikan keuntungan dengan memaksimalkan pendapatan dan meminimalkan pengeluaran. Kunci dari keberhasilan perusahaan besar adalah kemampuannya untuk mempertahankan pelanggannya dengan pengeluaran yang minimum. 

Data Mining sebagai tools menggunakan catatan transaksi pelanggan yang sudah ada dan data demografis, untuk membuat predictive model, sehingga bisa melakukan persiapan dan menerapkan strategi yang tepat untuk mengantisipasi hal-hal yang tidak diinginkan dalam berbisnisnya (Berson, eta!., 2000, p95). 

Kunci utama dari kemampuan analitikalnya yaitu kemampuan untuk mencari dan menemukan di dalam tempat penyimpanan data yang sangat besar. Data Mining dalam CRM memberikan sebuah jalan untuk menemukan pelanggan baru yang dapat menguntungkan, memahami kebutuhan mereka dan tingkah lakunya, dan juga menyediakan kepada mereka dengan beberapa produk dan pelayanan yang ditargetkan secara individual, yang kemudian menghasilkan akuisisi pelanggan dan retention yang lebih baik (Berson, et a!., 2000, p17). 

Data Mining pada aplikasinya dalam sudut pandang CRM dapat menyertakan tetapi tidak terbatas pada hal-hal berikut ini (Berson, eta!., 2000, pp34-pp35): 

1. Customer Retention, program customer retention yang rumit ini dimulai dengan memodelkan pelanggan-pelanggan yang sudah keluar untuk mengenali pola-pola yang dapat memberi petunjuk dari keluarnya mereka, sehingga dapat dilakukan tindakan-tindakan untuk mencegah pada pelanggan yang menunjukkan tanda-tanda ini. 

2. Sales and Customer Service, dengan informasi yang dimiliki tentang pelanggan dari  service. Tindak lanjut ini dapat berupa otomatisasi proses dari perangkat lunak dengan berbasiskan aturan tertentu, untuk merekomendasikan produk-produk yang sesuai dengan karakteristik pelanggarmya. 

3. Marketing, pemasaran sangat bergantung pada informasi yang akurat untuk menjalankan promosinya dalam mempertahankan pelanggarmya, analisis lifttime value, trending, pemasaran terarab. 

4. Risk Assessment and Fraud Detection, merupakan sebuab basis pelanggan yang bisa diakses secara signifikan sehingga bisa mengurangi resiko dari teljadinya resiko yang seharusnya tidak perlu teljadi. 

Data Mining itu sendiri bukanlab keajaiban, tetapi bekeljanya sama seperti manusia. Data Mining menggunakan informasi yang bersifat historis (pengalaman) untuk belajar dari masa lalu. 

Bagaimanapun, agar teknologi Data Mining bisa menemukan "emas" di dalam basis datanya, pertama-tama harus diberitabukan dulu seperti apa itu emasnya (masalab bisnis apa yang ingin dipecabkan). Kemudian menggunakan deskripsi yang diberikan tentang "emas" tersebut untuk mencarinya di dalam basis data, dan menggunakan potongan informasi dari masa lalu untuk mengembangkan sebuab predictive model dari apa yang akan teljadi di masa depan (Berson, et a!., 2000, pp95-pp96). 

Sarna seperti manusia, Data Mining dirancang untuk belajar dari keberhasilan  dan kegagalan dimasa Ialu, dan kemudian mampu untuk memprediksikan yang akan teljadi di masa depan. 

Perbedaanya antara Data Mining tool dengan manusia adalab, Data Mining tool  bisa secara otomatis mencari ke dalam dari keseluruhan basis data dan menemukan pola 

Selain itu juga, Data Mining tool memeriksakan pola statistik yang penting dan melaporkan kembali kepada pengguna (Berson, eta!., 2000, p96). 

Keberadaan Data Mining bagi organisasi dapat menyediakan keuntungan kompetitif yang dapat terus dipertahankan secara berkali-kali. 

Perkembangan Data Mining ini sendiri dapat dibandingkan dengan  perkembangan spreadsheet yang memberi kekuasaan lebih kepada pengguna bisnis dua dekade yang lalu, dengan terbuktinya spreadsheet yang mampu untuk menjadi sebuah kekuatan baru dalam membuat sebuah tool yang fungsional kepada pengguna akhir bisnis. 

Kesempatan yang sama ditawarkan oleh Data Mining, dengan kemampuan kepada pemakai di bidang bisnis untuk dapat berkomunikasi dengan basis data mengenai masalah bisnis yang berhubungan. 

Bagaimanapun untuk mencapai Data Mining tool yang menjanjikan, Data Mining harus dijalankan sebagai teknologi yang bisa disertakan di dalam Data Mart, karena jika bisa diterapkan maka akan teljadi perkembangan dalam akurasi, kecepatan, dan pengeluaran di dalam proses bisnis (Berson, eta!., 2000, pp97-pp98). 

Data Mining sendiri seringkali disertakan bersaina dengan tools lainnya, sehingga memudahkan untuk menerapkan teknik analisis data, dan kemudian mengerti hasilnya. Berbeda dengan statistika itu sendiri, Data Mining lebih ditujukan kepada pengguna akhir bisnis, bukan kepada ahli statistika. Hal ini dikarenakan efesiensi waktu dan sumber daya dari perusahaan, yang dapat dibandingkan dengan kondisi sebelumnya. 

Hasil akhir tersebut dapat dipaharni dengan mudah oleh pengguna akhir bisnis,  maka mereka dapat mengakses sebanyak-banyaknya dari analisis data yang bersifat prediktif dan deskripti:f, maka Data Mining menjadi salah satu teknologi yang harus terus diperhatikan (Berson, eta!., 2000, p97).

Comments