Paulus bhs data Science : data besar di cari polanya baru bisa di akses utk di olah , harus pakai phyton biar cepat.
bisnis inteligent : metodelogi suatu sistem orgsasi menjadi informasi yg beguna, akan ada bisnis analitik , bgmn mengolahh data masa lampau
big data : kumpulan data yg begitu besar dimana bisa terdiri dari bermacam sumber, jenis dan berfariasi, belm bisa di preses karena komplek, data proses yg sekarag data harus sama, proses nyahnaya terbatasm,
data maining , digunakan meneliti pola data yg komplek dan sangat besar,
bisa memproes itu semua kr merupakan gabungan beberapa metode yg lain,
semakin byk informasi dr perusahaan , itu sangat krikital, bgmn membuat bisnis model kalo kita tdk py byk informasi .
1. akurasi , artinya seimbang , dari segi memperolehnya supportnya seimbang dan dipertimbankan atas waktu.
akurat , artinya mendekati nilai yg ......./ apa yg didiskusikan sesuai , pengambilan data hrs tay yg mau diambil tipe apa , seimbang , benar pada waktunya( uptudate)
data harus saling berhubungan satu sama lain.
mis menentukan hrg obat yg terpat, tau jenis penyakitnya, siapa yg menggunakan,
ketahanan data nya. konsisten terhadap waktu .
bisa diambil terus menerus dari waktu ke waktu . tetap datanya .
sa;lah asatu permsalahan dalm bisnis intligent adalah kekosongan informasi. yg tdk bisa dipenuhi mis data wharehose . datanya kurang . karena ternyata datawhere istitus , untuk mengumpulkan data informasi lebh lama dari pada menganalisa nya.
bikin program mis mungin 1 hari tp mengumpulkan bahan 2bisa lebih lama. pengumpuan data , pemilahan data suatu yg paling krusial dalam bisnis inteligent.
bgmn mengaratasiinformsi gap. dipakai data maining
ini interdisiplinary , bisa dimiliki semua bidang yg lain tdk hy elektro
def proses komputasi dimana kita bisa menentukan suatu ola dari data yg sangat besar mesin ai dan
goalnya adalaha menciptakan informasi baru dari data2 , komputasi Ai nya , data mainig diharapakana bisa menentukan feature , membantu bisa membantu bisnis proses data, bisa diluar bisnis proses yg kita miliki. mis persh aan perbankan bisa mendapatkan kearah securitas tdk hanya perbankan
bI : tools merubah data menjadi informasi yg berguna, knowlage , seperti apa ? bukan data menah , bisa menjadi suatu refernsi utk bisnis integn.
knowege menjadi informasi utk dapat mengambil suatu keputusan .
ini intelogent proses , informasi di perloleh bermacam data.
masing cluste itu muncul informsi baru di kumpulkan , menjadi suatu knowlwge.
BI dipakai dimana saja / mamasimalkan informasi kostiumer kita
menyediakan suatu data krywan di hard.
Business Productivity Analytics. ini rmaalalan bisnis kita utk
Sales Channel Analytics, melihat peluang kita dimana, hrg sdh pas apa belm , siapa saja.
Supply Chain Analytics: apakah brg sdh tiba dgn tepat.
Behavior Analytics: meliahta hal lain, terend skrg seprti apa, contoh netflik, facebook , melihat prilaku dari kondidi , suatu kebiasanaan.
Collecting and refining information from many sources (internal and external) , memperbaiki juga
Analyzing and presenting the information in useful ways (dashboards, visualizations), bisa membuat keputusan yg tepat meniombulkan kompetitive.
So that people can make better decisions ( tujuan akhir ) spy perusahaan bisa ambil kptusan
dasboard informasi managemn tools, bgmn penjualan, kurtmer siapa saja , memprofide data yg banyak dan informasi apa saja yg menunjukan apa saja.
AM adalah aplikasi reiset management .
dasboard aplikasi ini hasil dari Bisnis inteligent ? atau big data ?
perkembanagan bisisni inteligent dari waktu ke waktu , data semakin banyak jd harus berubah. semakin kompleksnya informasi , semakin berkembanganya teknlogi , hardware semakin berkembang.
EVOLUTION BISNIS INTELIGENT
clean data: tidak semua data dipakai, apa saja data yg diperluakan , spy data simple
stdrt report : data2 saja yg stadard diperlukan itu saja yg bisa mengakomodir perbankan ,
ad hac repor online analituc procesing : OLAP. kr akan dibuat online ada lagi yg kurang, keterbatasan network ( LAn ,router) kalu di buat online apa yg kurang. mengolah apa yg hari ini
Predisctive modeling: data lamapau seperti apa , data sekarang seprti apa jadi bisa analaisa kedepan seprti apaa
data warehousing : sebbenarnya adalah data base , kumci untama BI . datanya dari mana saja ? marketing ,ERP,HR ,sales. dikumpulkan dari berbagai macam sumber .
> di kumpulkan > data cleaning >
data mining ada 5 proses
- clasifikasikan , data utk apa sales,
-estimasi , bagaimana data utk merespond kondisi sekarang , utk menentukan target.goal tahun depan sepreti apa
-presiksi : utk meningkatkan daya beli dari customer kr bisa berkembang dr staf bisa menjadi direktur akibantnya bisa membeli lebh mahal, spy kita bisa menjual sesuatu
-affinity grouping : prsamaan presepsi , barang apa kira2 bisa dibeli mis lagi trend hp apa , kalau diciptakan trend pasti banyak yg beli jadi keuntungan.
-descripsi :meliat pola 2 dari tingkah laku costomer kita , yg brehubungan dgn penjualan kita, utk melengkapi data mining .
Market Basket Analysis
Cluster Analysis
Decision Trees and Rule Induction,
Neural Networks
utk membuat optimasi utk tau kedepan seperti apa.
( org beli mobile high end biasanya high internet/ beli baju akan beli kalung juga)
That help build and retain competitive advantage.
cluster analys:
bisnis model yg menggunakan statistik , ini salah satu metedelogi data maining.
observasi suatu itim , di jabarkan
neural network : setiap brand ada bobotannya . ini plg cocok utk data maining. kita bisa melakuakan trend.
membaca pola tertentu dari data yg besar.
membuat data maining seprti apa. future . bab 13. libur :23-4 januari. UAS tugas frature trend.
Comments
Post a Comment