Analisis Bisnis dan Data Perusahaan: Menggali Potensi dengan Business Intelligence dan Data Warehouse

Topic outline

• IDENTITAS MATA KULIAH
  

  IDENTITAS MATA KULIAH

  
  

  Identitas Mata Kuliah :
  

  Enterprise Business and Data Analytics merupakan mata kuliah yang membahas tentang integrasi data pada perusahaan untuk pembuatan data warehouse dan pembuatan business intelligence. Konsep tersebut perlu diterapkan pada perusahaan untuk membantu pengambilan keputusan dengan berbagai tinjauan. Selain itu business intelligence juga mempermudah pihak pembuat keputusan dalam melakukan analisis terhadap suatu kejadian penting pada performa bisnis perusahaan.

  Profil dan Sejarah Mata Kuliah :
  

  Mata Kuliah yang menjadi salah satu mata kuliah wajib prodi dan juga mata kuliah prasyarat bagi mahasiswa yang ingin mengambil konsentrasi Digital Business dalam Magister Sistem Informasi. Mata Kuliah ini merupakan hasil dari pemetaan profil lulusan yang hendak dicapai oleh prodi magister berdasarkan standar internasional ABET dan IABEE dengan memfokuskan kepada kompetensi pada Database dan Security Specialist.

  
  

  Relevansi (Urgensi) Mata Kuliah :
  

  1. Matakuliah wajib prodi untuk mengembangkan softskill dan hardskill pada profesi spesialis database dan keamanan Sistem Informasi.
  2. Mata kuliah prasyarat yang menjadi pertimbangan secara informal/formal pada pemilihan konsentrasi Digital Business (DG) yang dapat diambil semester pertama atau kedua.
  3. Mata kuliah yang menentukan konsep dan teori dasar terkait arah penelitian akhir pada Thesis Magister di semester akhir pembelajaran secara proporsional.
  4.  Mata kuliah yang harus lulus dengan grade minimal C untuk lulus program studi Magister Sistem Informasi Telkom University.

  
  

  Kaitan dengan Mata Kuliah lainnya :
  

  Sebagai Mata Kuliah pembuka pada semester pertama dalam prodi magister Sistem Informasi di bidang Digital Business, mata kuliah Tata Kelola Data dan Teknologi Informasi sebagai mata kuliah wajib prodi dan prasyarat untuk pertimbangan pemilihan konsentrasi wajib peminatan dan bebas.

  
  

  Peta Capaian Pembelajaran :
  Keterangan: LO = Learning Outcome; CLO = Course Learning Outcome; SO = Student Outcome; PLO = Program Learning Outcome
  
  

  PLO2 Kemampuan mendesain komponen, sistem dan/atau proses untuk memenuhi kebutuhan yang diharapkan didalam batasan-batasan realistis, misalnya hukum, ekonomi, lingkungan, sosial, politik, kesehatan dan keselamatan, keberlanjutan serta untuk mengenali dan/atau memanfaatkan potensi sumber daya lokal dan nasional dengan wawasan global.

  CLO1 Mahasiswa mampu menjelaskan konsep dan struktur dan peran data warehouse dalam perusahaan serta mampu melakukan proses ekstraksi, transformasi dan loading (ETL) pada skema data warehouse

  CLO2 Mahasiswa mampu melakukan Online Analytical Processing (OLAP) dan dapat mengidentifikasi Key Performance Indicator dan balanced scorecard pada sebuah metrik strategi perusahaan

  PLO3 Kemampuan mendesain dan melaksanakan eksperimen laboratorium dan/atau lapangan serta menganalisis dan mengartikan data untuk memperkuat penilaian teknik.

  CLO3 Mahasiswa mampu melakukan analisis strategi alokasi sumber daya menggunakan Balanced Scorecard.

  PLO5 Kemampuan menerapkan metode, keterampilan dan piranti teknik yang modern yang diperlukan untuk praktek keteknikan.

  CLO5 Mahasiswa mampu mengoptimalkan SQL Server Reporting Services (SSRS)

  PLO6 Kemampuan berkomunikasi secara efektif baik lisan maupun tulisan.

  CLO4 Mahasiswa mampu membuat desain dashboard dan melakukan analisa pengambilan keputusan berdasarkan pengukuran kinerja menggunakan dashboard.

  Pokok Bahasan :

  Mata Kuliah ini merupakan pembelajaran terpadu yang memfokuskan kepada studi kasus dan diskusi dari konsep dasar yang telah dipelajari sebelumnya pada program sarjana dengan beberapa Pokok Bahasan dalam 10 minggu :
  

  1. Minggu ke-1 : Busines Intelligence
  2. Minggu ke-2 : Modelling in Business Intelligence
     
  3. Minggu ke-3 : Konsep Data Warehouse
     
  4. Minggu ke-4 : ETL
     
  5. Minggu ke-5 : KPI
     
  6. Minggu ke-6 : Balance Scorecard
     
  7. Minggu ke-7 : Data Analitik 1
     
  8. Minggu ke-8 : Data Analitik 2
     
  9. Minggu ke-9 : Visualization 1
     
  10. Minggu ke-10 : Visualization 2

  
  Best Practice (Tips) Mengikuti Kuliah ini :
  Berdasarkan pengalaman sejak tahun 2017, cara belajar terbaik adalah dengan mengerjakan tugas yang diberikan (homework-based learning). Untuk pemahaman konsep, cara terbaik belajar adalah membuat mind mapping atau brainstorming konsep dengan membawa beberapa jurnal dan artikel paper yang disarankan kemudian didiskusikan di kelas dan dijadikan sebagai bahan rujukan dalam oral presentation.
  

  
  

  Dosen Pengampu Mata Kuliah :

  Mata kuliah ini diampu oleh dosen-dosen yang bergerak dalam Laboratorium Riset Enterprise Data Engineering (EDE) dibawah Kelompok Keahlian Cybernetics pada Fakultas Rekayasa Industri :
  

  Dr. Oktariani Nurul Pratiwi Deden Witarsyah Jacob, Ph.D

  
  

  Referensi  Mata Kuliah :

  1. Wilfried Grossmann dan Stefanie Rinderle-Ma. Fundamentals of Business Intelligence, Springer, 2015
  2. Vincent Rainardi. Building a Data Warehouse with Examples in SQL Server, APress, 2008
  3. Kasim Wirama, Hendrik Sudianto dan Yudhi Hermawan. The Essential Business Intelligence in Microsoft SQL Server 2008, 
  4. Adam Aspin. Business Intelligence with SQL Server Reporting Services, APress, 2015
  5. Wayne W. Eckerson, Performance Dashboards: Measuring, Monitoring, and Managing Your Business, Wiley, 2006

  
  

  • Pengumuman Forum
• Topic 1 : Business Intelligence
  

  Topic 1 : Business Intelligence

  Balanced scorecard adalah kerangka perencanaan strategis yang digunakan perusahaan untuk menetapkan prioritas pada produk, proyek, dan layanan mereka; berkomunikasi tentang target atau tujuan mereka; dan merencanakan kegiatan rutin mereka. Kartu skor memungkinkan perusahaan untuk memantau dan mengukur keberhasilan strategi mereka untuk menentukan seberapa baik kinerja mereka. Sementara itu, pentingnya BIg Data tidak hanya berkisar pada berapa banyak data yang Anda miliki. Nilainya terletak pada bagaimana Anda menggunakannya. Dengan mengambil data dari sumber mana pun dan menganalisisnya, Anda dapat menemukan jawaban bahwa 1) menyederhanakan pengelolaan sumber daya, 2) meningkatkan efisiensi operasional, 3) mengoptimalkan pengembangan produk, 4) mendorong pendapatan baru dan peluang pertumbuhan, dan 5) memungkinkan pengambilan keputusan yang cerdas.
  

  • Article Review Paper 4 - The Impact of Big Data and Business Analytics on SCM File
  • Article Review Paper 5 - Opportunities and Challenges of Implementing Predictive Analytics for CA File
  • Article Review Paper 6 - Concept Philosophy of Big Data File
  • Article Review paper 7 - Big Data Literature Review File
  • Article Review Paper 8 - Analytics 3.0 File
  • Article Review Paper 9 - Big Data Analytics in E-Commerce File
  • Materi Pertemuan 1 File
  • Materi Pertemuan 2 File
  • MATERI PEMBELAJARAN
    

  • Module 1 (Week 1) - Balance Scorecard and Dashboard File
  • Module 2 (Week 1) - Introduction to Big Data Implication File
  • ARTIKEL JURNAL

  • Article Review 1 - Big Data Literature Review File
  • Article Review 2 - Big Data Analytics in E-Commerce File
  • Article Review 3 - Concept Philosophy of Big Data File
  • Article Review 4 - The Impact of Big Data and Business Analytics on SCM File
  • VIDEO RECORDING

  • Balance Scorecard and Dashboard 1of3 Interactive Content
  • Balance Scorecard and Dashboard 2of3 Interactive Content
  • Balance Scorecard and Dashboard 3of3 Interactive Content
  • Big Data Implication 1of3 Interactive Content
  • Big Data Implication 2of3 Interactive Content
  • Big Data Implication 3of3 Interactive Content
  • STUDI KASUS
  • Big Data: Potential, Challenges, and Statistical Implications File
• Topic 2 : Data Warehouse
  

  Topic 2 : Data Warehouse

  Secara tradisional, data warehouse berada dengan on premise yang sering kali dalam komputer mainframe dengan fungsi yang difokuskan pada mengekstraksi data dari sumber lain, membersihkan dan menyiapkan data, serta memuat dan memelihara data dalam database relasional. Baru-baru ini, data warehouse mungkin di-host di alat khusus atau di cloud, dan sebagian besar gudang data telah menambahkan kemampuan analitik dan visualisasi data serta alat presentasi. Sedangkan, visualisasi adalah teknik sederhana yang dapat kita gunakan untuk menciptakan citra mental yang kuat tentang peristiwa masa depan. Dengan penggunaan visualisasi yang baik, dimana dapat berlatih terlebih dahulu, sehingga kita dapat mempersiapkannya dengan baik. Dan dengan memvisualisasikan kesuksesan, kita juga dapat membangun kepercayaan diri yang dibutuhkan terutama dalam pengambilan keputusan perusahaan.
  

  • Article Review : IMPLEMENTASI DATA WAREHOUSE DAN DATA MINING: STUDI KASUS ANALISIS PEMINATAN STUDI SISWA File
  • Article Review 2: Pembuatan Data Warehouse Penjualan Produk dan Penerapan Dalam Studi Kasus Divisi Greenscope Energy PT. Tustika Nagata Surabaya File
  • Article Review 3: PERANCANGAN DATA WAREHOUSE PADA RUMAH SAKIT (STUDI KASUS: BLUD RSU KOTA BANJAR) File
  • Materi 3: Data Warehouse File
  • Materi 4 : Data Warehouse Development File
  • MATERI PEMBELAJARAN
    

  • Module 3 (Week 2) - Enterprise Data Warehouse Development File
  • Module 4 (Week 2) - Business Performance Management Visualization File
  • ARTIKEL JURNAL

  • Article Review - Data Visualization in Business Intelligence File
  • Article Review - A Comparison of Data Warehouse Development Methodologies File
  • VIDEO RECORDING

  • Enterprise Data Warehouse Development 1of2 Interactive Content
  • Enterprise Data Warehouse Development 2of2 Interactive Content
  • Business Performance Management Visualization 1of2 Interactive Content
  • Business Performance Management Visualization 2of2 Interactive Content
  • STUDI KASUS
  • Perancangan Data Warehouse pada Rumah Sakit (BLUD RSU Kota Banjar) File
  • Pembuatan Data Warehouse Penjualan Produk dan Penerapan Dalam Studi Kasus Divisi Greenscope Energy PT. Tustika Nagata Surabaya File