Syahnan Phalipi

Ketua Fokus UKM Indonesia

TREN PERILAKU KONSUMEN

Bagaimana analisis data pelanggan akan membantu Perusahaan dalammeningkatkan pendapatan, meningkatkan produk, dan mengurangi risiko?

Untuk menghadapi perubahan ekonomi dan tekanan berbagai Undang-undang serta peraturan, Perusahaan pada umumnya yermasuk bisinis ritel sedangmencari cara untuk menggantikan pendapatan yang hilang melalui penetrasi produk, profitabilitas, dan loyalitas pelanggan.Analisis data memberikan pesan kudu harus ditindaklanjuti, tepat waktu-dan bahkan prediksi-intelijen tentang perilaku pelanggan untuk meningkatkan produk, pertumbuhan penjualan, dan mengurangi risiko.Perusahaan dapat meraup keuntungan dengan memulai seperti aksi penggunaan yang jelas dirancang untuk memberikan nilai bisnis secara langsung kemudian membangun kesuksesan.

Pengertian Perilaku Konsumen

Menrut Kotler sang pakar pemasaran dunia yang sangat terkenal ini berpendapat bahwa, Perilaku konsumen adalah bagaimana konsumen memberikan jawaban atau membuat keputusan terhadap berbagai rangsanganpemasaran yang dapat diatur oleh perusahaan.

Sedangkan Mowen berpendapat, Perilaku konsumen itu adalah kajian tentang satuan pembeli dan proses pertukaran yang terlibat dalam mencari, memakai dan menghentikan pemakaian barang, jasa dan pengalaman dan ide.

Lain lagi pendapat Winardi sang pakar Indonesia tersebut menyatakan, Perilaku konsumen adalah sebuah proses yang diatur, dimana individu-individu berinteraksi dengan lingkungannya untuk tujuan pengambilan keputusan melalui suatu proses yang terdiri dari tahap pengenalan masalah, mencari masalah, mencari informasi, keputusan pembelian dan evaluasi setelah membeli.

Bagaimana analisis data pelanggan membantu meningkatkan pendapatan, meningkatkan produk, dan mengurangi risiko

TIGA FAKTOR YANG MEMPENGARUHI PILIHAN KONSUMEN

Pada Konsumen Individu Pilihan merek dipengaruhi oleh ;

Kebutuhan konsumen,

Persepsi atas karakteristik merek, dan

Sikap kearah pilihan. Sebagai tambahan, pilihan merek dipengaruhi olehdemografi konsumen, gaya hidup, dan karakteristik personalia.

Pengaruh Lingkungan

Lingkungan pembelian konsumen ditunjukkan oleh Budaya (Norma kemasyarakatan, pengaruh kedaerahan atau kesukuan), Kelas sosial (keluasan grup sosial ekonomi atas harta milik konsumen), Grup (teman,anggota keluarga, dan grup referensi) dan Faktor menentukan yang situasional ( situasi dimana produk dibeli seperti keluarga yang menggunakan mobil dan kalangan usaha).

Strategi Pemasaran

Merupakan variabel dimana pemasar mengendalikan usahanya dalam memberitahu dan mempengaruhi konsumen. Variabel-variabelnya adalah Barang, Harga, Periklanan dan Distribusi yang mendorong konsumen dalamproses pengambilan keputusan. Pemasar harus mengumpulkan informasi dari konsumen untuk evaluasi kesempatan utama pemasaran dalam pengembangan pemasaran. Kebutuhan ini digambarkan dengan garis panah dua arah antara strategi pemasaran dan keputusan konsumen dalam gambarpenelitian pemasaran memberikan informasi kepada organisasi pemasaran mengenai kebutuhan konsumen, persepsi tentang karakteristik merek, dansikap terhadap pilihan merek. Strategi pemasaran kemudian dikembangkandan diarahkan kepada konsumen.

Tipologi pengambilan keputusan konsumen

Keluasan pengambilan keputusan ( the extent of decision making)

Menggambarkan proses yang berkesinambungan dari pengambilan keputusan menuju kebiasan. Keputusan dibuat berdasrkan proses kognitip dari penyelidikan informasi dan evaluasi pilihan merek. Disisi lain, sangatsedikit atau tidak ada keputusan yang mungkin terjadi bila konsumen dipuaskan dengan merek khusus dan pembelian secara menetap.

Dimensi atau proses yang tidak terputus dari keterlibatan kepentingan pembelian yang tinggi ke yang rendah.

Keterlibatan kepentingan pembelian yang tinggi adalah penting bagi konsumen. Pembelian berhubungan secara erat dengan kepentingan dan image konsumen itu sendiri. Beberapa resiko yang dihadapi konsumen adalah resiko keuangan , sosial, psikologi. Dalam beberapa kasus, untuk mempertimbangkan pilihan produk secara hati-hati diperlukan waktu dan energi khusus dari konsumen.

Keterlibatan kepentingan pembelian yang rendah dimana tidak begitu penting bagi konsumen, resiko finansial, sosial, dan psikologi tidak begitu besar. Dalam hal ini mungkin tidak bernilai waktu bagi konsumen, usaha untuk pencarian informasi tentang merek dan untuk mempertimbangkan pilihan yang luas. Dengan demikian, keterlibatan kepentingan pembelian yang rendah umumnya memerlukan proses keputusan yang terbatas.

Empat Tipe Perilaku Konsumen

Berdasarkan pada tingkat keterlibatan dan pengambilan keputusan ada empat tipe perilaku konsumen :

Proses keterlibatan tinggi :

Pengambilan keputusan yang kompleks

Kesetiaan merek

Proses keterlibatan rendah :

pengambilan keputusan terbatas, dan

Inertia (Kelembaman)

Empat Tipe Perilaku Konsumen

Simpulan & Saran

Pilihan konsumen dipengaruhi oleh dorongan yang merupakan reaksi

terhadap informasi yang diterima konsumen. Proses informasi terjadi ketika

konsumen mengevaluasi informasi dari periklanan, teman, atau pengalaman

sendiri terhadap suatu produk.

Variabel pemikiran konsumen adalah faktor kognitip yang mempengaruhi pengambilan keputusan. Tiga tipe variabel pemikiran berperan secara esensial dalam pengambilan keputusan :

Persepsi karakteristik merek Sikap lanjutan terhadap merek Manfaat keinginan konsumen.

Karakteristik konsumen adalah variabel seperti demografis, gaya hidup, dan karakteristik personalia yang digunakan untuk menggambarkankonsumen. Manajer pemasaran pertama menetukan apakah karakteristik tersebut berhubungan atau tidak terhadap perilaku kemudian menggunakanpengetahuan itu untuk mempengaruhi perilaku. Seperti: bila pengguna nutrisi dewasa cenderung menjadi muda, berpenghasilan tinggi, berpendidikan, maka pesan iklan dirancang untuk menyesuaikan terhadap grup tersebut.

Respon konsumen adalah hasil akhir proses keputusan konsumen dan merupakan pertimbangan integral. Respon konsumen umumnya berkenaan terhadap pilihan merek, namun bisa juga berkenaan terhadap pilihan kategori produk, pilihan toko, pilihan media komunikasi (mencari informasi dari tv ,radio atau membaca majalah).

EMPAT TIPE PROSES PEMBELIAN KONSUMEN :

Proses “ Complex Decision Making “, terjadi bila keterlibatan kepentingan tinggi pada pengambilan keputusan yang terjadi. Contoh pengambilan untuk membeli sistem fotografi elektronik seperti Mavica

atau keputusan untuk membeli mobil. Dalam kasus seperti ini, konsumen secara aktif mencari informasi untuk mengevaluasi dan mempertimbangkan pilihan beberapa merek dengan menetapkan kriteria tertentu seperti kemudahan dibawa dan resolusiuntuk sistem kamera elektronik, dan untuk mobil adalah hemat, daya tahan tinggi, dan peralatan. Subjek pengambilan keputusan yang komplekadalah sangat penting. Konsep perilaku kunci seperti persepsi, sikap, dan pencarian informasi yang relevan untuk pengembangan stratergi pemasaran.

Proses “ Brand Loyalty “. Ketika pilihan berulang, konsumen belajar dari pengalaman masa lalu dan membeli merek yang memberikan kepuasan dengansedikit atau tidak ada proses pertimbangan dalam pengambilan keputusan. Contoh pembelian sepatu karet basket merek Nike atau serealKellogg,s Nutrific. Dalam setiap kasus disini pembelian adalah pentinguntuk konsumen, sepatu basket karena keterlibatan kepentingan dalam olah raga, makanan sereal untuk orang dewasa karena kebutuhan nutrisi.Loyalitas merek muncul dari kepuasan pembelian yang lalu. Sehingga, pencarian informasi dan evaluasi merek terbatas atau tidak penting keberadaannya dalam konsumen memutuskan membeli merek yang sama.

Dua tipe yang lain dari proses pembelian konsumen dimana konsumen tidak terlibat atau keterlibatan kepentingan yang rendah dengan barangnya adalah tipe pengambilan keputusan terbatas dan proses inertia.

Proses “ Limited Decision Making “. Konsumen kadang-kadang mengambil keputusanwalaupun mereka tidak memiliki keterlibatan kepentingan yang tinggi, mereka hanya memiliki sedikit pengalaman masa lalu dari produk tersebut. Konsumen membeli barang mencoba-coba untuk membandingkan terhadap makanan snack yang biasanya dikonsumsi. Pencarian informasi dan evaluasi terhadap pilihan merek lebih terbatas dibanding pada proses pengambilan keputusan yang komplek. Pengambilan keputusan terbatas juga terjadi ketika konsumen mencari variasi. Kepitusan itu tidak direncanakan, biasanya dilakukan seketika berada dalam toko. Keterlibatan kepentingan yang rendah, konsumen cenderung akan bergantimerek apabila sudah bosan mencari variasi lain sebagai perilaku pencari variasi akan melakukan apabila resikonya minimal.

Catatan proses pengambilan keputusan adalah lebih kepada kekhasan konsumen daripada kekhasan barang. Karena itu tingkat keterlibatan kepentingan dan pengambilan keputusan tergantung lebih kepada sikap konsumen terhadap produk daripada karakteristik produk itu sendiri. Seorang konsumen mungkin terlibat kepentingan memilih produk makanan sereal dewasa karena nilai nutrisinya, konsumen lain mungkin lebih menekankan kepada kecantikan dan menggeser merek dalam mencari variasi.

Proses “ Inertia “. Tingkat kepentingan dengan barang adalah rendah dan tidak ada pengambilan keputusan. Inertia berarti konsumen membeli merek yang sama bukan karena loyal kepada merek tersebut, tetapi karena tidak ada waktu yang cukup dan ada hambatan untuk mencari alternatif, proses pencarian informasi pasif terhadap evaluasi dan pemilihan merek. Robertson berpendapat bahwa dibawah kondisi keterlibatan kepentingan yang rendah “ kesetiaan merek hanya menggambarkan convenience yang melekat dalam perilaku yang berulang daripada perjanjian untuk membelimerek tersebut” contoh pembelian sayur dan kertyas tisu.

ANALISIS PERILAKU KONSUMEN

Analisis pelanggan didasarkan pada pola-pola perilaku, bukan hanya menyeimbangkan. tiga grafik dan menggunakan distribusi waktu untuk secara dinamis menggambarkan perilaku keuangan customer selama beberapa periode, Transaksi customer dan perilaku tren serta analisis data dapat memberikan petunjuk penting untuk penguatan atau melemahnya hubungan serta menyarankan penjualan preemptive dan tindakan layanan untuk melestarikan hubungan.

Selain kaya sumber data internal perusahaan sudah tersedia untuk mereka, pertumbuhan media sosial dan data digital publik lainnya menawarkan peluang baru untuk mendapatkan wawasan menguntungkan. Dengan menghubungkan Data perusahaan internal dengan data digital pelanggan menciptakan online, perusahaan dapat lebih meningkatkan pemahaman mereka tentang kebutuhan pelanggan, keinginan, dan situasi.Contoh: perusahaan mungkin menggunakan data media sosial untuk target

pelanggan dengan menawarkan atau jasa sejalan dengan peristiwa kehidupan baru (misalnya, wisuda, pekerjaan baru, pernikahan, kelahiran, perceraian, dll). Dengan menerapkan analisis sentimen pelanggan data media sosial, perusahaan mendapatkan apresiasi yang lebih baik dari individu dan komunitas virtual, berpikir tentang produk baru, dan apa saja aspek-aspek tertentu dari lembaga atau jasa yang mereka sangat sukai atau tidak mereka sukai.Sebuah tantangan bagi banyak perusahaan adalah mencari tahu bagaimana menggunakan "non-terstruktur" data pada situs-situs sosial (sebagai lawan dari "terstruktur" data dalam database tradisional). Selain menggunakan media sosial sebagai sumber data pelanggan tambahan, perusahaan dapat menguji dan mengukur bagaimana cara terbaik untuk menggunakan media sosial sebagai saluran untuk meluncurkan kampanye produk. serta berpromosi

PEMBELAJARAN KONSUMEN (CONSUMER LEARNING)

Konsep pembelajaran dibutuhkan memahami kebiasaan, pembelajaran dapat didefenisikan sebagai perubahan perilaku yang berasal dari hasil pengalaman masa lalu. Ada dua aliran pemikir tehadap pemahaman proses pembelajaran konsumen pembelajaran perilaku. Menitiberatkan pada dorongan pada pengaruh perilaku atau perilaku itu sendiri. pembelajaran kognitip menitiberatkan pada pemecahan masalah dan menekankan pada variabel pemikiran konsumen yang mempengaruhi pembelajaran.

Dalam kelompok perilaku dikembangkan dua teori pembelajaran, perbedaanterjadi pada “ classical conditioning “ dan “ Instrumental conditioning. Pada “ classical conditioning” menerangkan perilaku berdasar pada pendirian hubungan tertutup antara dorongan primer dan dorongan sekunder. “ Instrumental conditioning “ memandang perilaku sebagai fungsi dari tindakan konsumen . Kepuasan mengarahkan pada kemungkinan melakukan pembelian.

Pembelajaran mengarahkan kepada pembelian yang berulang dan kebiasaan.Dalam model yang menggambarkan perilaku kebiasaan pembelian, pengarahan kebutuhan mengarah langsung pada perhatian membeli, pembelian selanjutnya, dan evaluasi sesudah pembelian. Proses pencarian informasi dan evaluasi merek sangat sedikit (minimal).

Kebiasaan menggambarkan dua fungsi penting, yaitu penurunan resiko untuk pembelian dengan tingkat keterlibatan yang tinggi dan penghematan waktu serta energi untuk produk dengan tingkat keterlibatan yang rendah.

Kebiasaan seringnya mengarahkan kepada kesetiaan merek yaitu pada pembelian yang berulang berdasarkan pada kesesuaian merek. Teori pembelajaran yang berbeda menjabarkan dua pandangan yang berbeda terhadap kesetiaan merek. Pendekatan instrumental conditioning menunjukkan bahwa pembelian yang konsisten terhadap suatu merek mencerminkan komitmen terhadap suatu merek. Tetapi sebagian loyalitas mencerminkan pembelian yang berulang adalah bukan karena komitmen dengan merek tetapi merupakan proses inertia. Kelompok kognitip percaya bahwa perilaku saja tidak cukup sebagai ukuran loyalitas, diperlukan komitmen sikap terhadap suatu merek.

Empat Tipe Perilaku Konsumen

Berdasarkan pada tingkat keterlibatan dan pengambilan keputusan ada empat tipe perilaku konsumen :

Proses keterlibatan tinggi : Pengambilan keputusan yang kompleks ,dan Kesetiaan merek

Proses keterlibatan rendah : pengambilan keputusan terbatas, dan Inertia.

Tiga Pengaruh Yang Mempengaruhi Konsumen

Pengaruh pertama terhadap pilihan konsumen adalah dorongan. Dorongan merupakan reaksi terhadap informasi yang diterima konsumen. Proses informasi terjadi ketika konsumen mengevaluasi informasi dari periklanan,teman, atau pengalaman sendiri terhadap suatu produk.

Pengaruh yang kedua dan pengaruh sentral atas pilihan konsumen adalah konsumen.

Karakteristik konsumen adalah seperti demografis, gaya hidup, dan karakteristik personalia yang digunakan untuk menggambarkan konsumen. Manajer pemasaran pertama menetukan apakah karakteristik tersebut berhubungan atau tidak terhadap perilaku kemudian menggunakan

pengetahuan itu untuk mempengaruhi perilaku.Contoh bila pengguna nutrisi dewasa cenderung menjadi muda, berpenghasilan tinggi, berpendidikan, maka pesan iklan dirancang untuk menyesuaikan terhadap grup tersebut.

Pengaruh ketiga atas pilihan konsumen adalah respon konsumen adalah hasil akhir proses keputusan konsumen dan merupakan pertimbangan integral seluruh buku ini. Respon konsumen umumnya berkenaan terhadap pilihan merek, namun bisa juga berkenaan terhadap pilihan kategori produk, pilihan toko, pilihan media komunikasi (mencari informasi dariTV ,radio atau membaca majalah).

JANJI DARI DATA PELANGGANBeberapa industri memiliki akses ke sumber-sumber yang kaya seperti data pelanggan seperti perPerusahaanan. ItuData bahwa Perusahaan telah memiliki tentang pelanggan mereka dapat mengungkapkan-dan bahkan memprediksi-banyak tentang perilaku individu dan kelompok. Terlebih lagi, kecerdasan ini dapat disajikan dalam bentuk yang tepat waktu dan dapat digunakan untuk pemasaran, pengembangan produk,layanan pelanggan, dan lain tim untuk membantu mereka membuat keputusan yang lebih baik-lebih cepat untuk meningkatkan pengalaman pelanggan, mengurangi resiko, dan tumbuh keuntungan.Menganalisis jumlah yang sangat besar data pelanggan secara realtime dan secara otomatismengirimkan alert ketika perubahan pola menunjukkan penipuan telah lama terbukti efektif dalam mengurangi risiko kerugian.Janji menggunakan data pelanggan untuk meningkatkan pendapatan top-line adalah sama-sama menarik. Visibilitas real-time dan analisis perilaku pelanggan dari waktu ke waktu dapat meningkatkan penjualan,memaksimalkan profitabilitas pelanggan, dan meningkatkan retensi dengan menyediakan ditindaklanjutiintelijen untuk mencapai pelanggan yang tepat, pada waktu yang tepat, melalui saluran yang tepat, dengan penawaran yang tepat.Lebih khusus lagi, karena Perusahaan menunjukkan, data pelanggan dapatdigunakan untuk:

Memberikan wawasan yang lebih besar ke dalam kebutuhan dan keinginan pelanggan-dan bagaimana mereka berevolusidari waktu ke waktu

Memprediksi kemungkinan gesekan pelanggan dan memicu intervensi proaktifambang batas yang ditentukan

Segmen dan target pelanggan baru di cara-misalnya, nilai-untuk-institusi, saluranpreferensi, media sosial menggunakan

Memberikan up-to-the-menit pelacakan dan tren analisis penggunaan produk danpreferensi saluran

Mengidentifikasi peluang negatif-ruang untuk cross-selling dan up-selling

Menilai potensi keuntungan, serta resiko, sebelum menawarkan produk ataupelayanan kepada pelanggan

Memaksimalkan profitabilitas dengan mengidentifikasi mana pelanggan harus bermigrasi keyang lebih tepat produk, saluran, dan hubungan

Identifikasi pelanggan bernilai tinggi dan personalisasi menawarkan, jasa, dan penghargaan yangsesuai dengan preferensi mereka

Memanfaatkan DATASelama bertahun-tahun, pemasaran, manajemen produk, operasi saluran, penjualan digital, layanan pelanggan, IT, dan pemangku kepentingan lainnya Perusahaan yang telah membuat cukupinvestasi dalam infrastruktur data dan proyek untuk data pelanggan

leverage.Namun demikian, banyak Perusahaan terus berjuang untuk mencapai visibilitas operasional ke dalam hubungan-termasuk pelanggan penuh rekening Perusahaan dan kegiatan kartu kredit, pinjaman dan kewajiban hipotek, dan produk dan jasa investasi. Banyak pemasarandan tim pengembangan produk terus terbatas pada penelitian generik, seperti ukuran pasar dan peluang analisis, segmentasi demografis, dan internaldan eksternal melakukan survei, sebagai satu-satunya inspirasi dan dasar bagi merekakampanye, konsep, dan pengembangan ditawarkan. 

HUBUNGAN PENGEMBANGAN & PROFITABILITY

Untuk memaksimalkan keuntungan, manajemen hubungan, dan bundling produkstrategi, Perusahaan perlu mengambil nilai institusional pelanggan ke rekening. ItuStrategi untuk high-deposito, pelanggan-biaya rendah, misalnya, harus untuk memindahkan merekauntuk investasi dan transaksi layanan yang menghasilkan biaya lebih. Over-diperpanjangpelanggan harus dikelola untuk mempertahankan pendapatan yang dihasilkan melaluimanajemen keuangan pribadi dan aliran / manajemen pembayaran tagihan tunai.

LEBIH DARI DATA ANDA

Sebaliknya, pertimbangkan wawasan yang unik potensial yang dapat diperoleh melaluianalisis tepat waktu rekening pelanggan yang sudah ada Perusahaan dan data kartu kredit.

Sebuah gambaran lengkap tentang perilaku keuangan nasabah muncul-spanning mana uangberasal dari dan bagaimana uang itu digunakan. Yang pelanggan menjaga keseimbangan tinggi merekamemeriksa akun? Yang melunasi seluruh saldo kartu kredit mereka setiapbulan?Yang memeriksa rekening jatuh ke mendekati nol antara deposito gaji? Yangpelanggan secara konsisten hanya membayar minimum pada saldo kartu kredit mereka?Menambahkan kemampuan untuk melacak dan membandingkan pola perilaku pelanggan dari waktu ke waktu, danitu mungkin untuk mengumpulkan intelijen yang dapat diterapkan dalam berbagai cara untuk meningkatkanpendapatan dan meningkatkan keuntungan. Data dapat digunakan untuk mengidentifikasi dan menargetkan tertentujenis penabung atau pemboros dengan kampanye tertentu, untuk menjual jasa kepada pelanggan dalamperubahan situasi, untuk bermigrasi nasabah perorangan dengan produk yang lebih tepat,saluran, atau hubungan, dan secara proaktif untuk mengurangi risiko-singkatnya, untuk membuat lebih baikkeputusan bisnis.

Sebagai contoh, sementara pasangan mungkin mudah memenuhi syarat untukhipotek didasarkan padamultiplier pendapatan mereka, petugas pinjaman yang juga disajikan dengan riwayatpembayaran minimum maxed-out kartu kredit akan membuat keputusan yang lebih tepat. Pelacakan real-time dan analisis pemeriksaan dan data kartu kredit juga dapat membantu Perusahaan menghindari mengejutkan oleh kenakalan hipotek.

Daripada hanya menyadari kesulitan ketika pembayaran hipotek berhenti dan beberapa pilihan perbaikan tetap, seperti yang khas dengan hipotek, perilaku berbasis pola

analisis dapat membantu mengidentifikasi risiko sebelumnya.Sebagai contoh, departemen pegadaian bisa diberitahu ketika deposito gaji tiba-tiba berhenti atau jika pengeluaran kartu kredit menunjukkandrop terjal-indikator kehilangan pekerjaan atau beberapa perubahan lain yang akhirnya bisa mempengaruhi kemampuan pelanggan untuk memenuhi kewajiban hipotek mereka.

ANALISIS PERILAKU KONSUMEN

Analisis pelanggan harus didasarkan pada pola-pola perilaku, bukan hanya menyeimbangkan. Itutiga grafik diatas menggunakan distribusi waktu untuk secara dinamis menggambarkan perilaku keuangan nasabah selama beberapa siklus pernyataan. Transaksi nasabah dan perilakutren dan analisis dapat memberikan petunjuk penting untuk penguatan atau melemahnyahubungan serta menyarankan penjualan preemptive dan tindakan layanan untuk melestarikanhubungan.

LEBIH DARI DATA SUMBER BARU

Selain kaya sumber data internal Perusahaan sudah tersedia untuk mereka, pertumbuhan media sosial dan data digital publik lainnya menawarkan peluang baru untuk mendapatkan wawasan menguntungkan. Dengan menghubungkan Data perPerusahaanan internal dengan "diri digital" bahwa pelanggan menciptakan online, Perusahaan dapat lebih meningkatkan pemahaman mereka tentang kebutuhan pelanggan, keinginan, dan situasi.Sebagai contoh, Perusahaan mungkin menggunakan data media sosial untuktarget pelanggan dengan menawarkan atau jasa sejalan dengan peristiwa kehidupan baru (misalnya, wisuda, pekerjaan baru, pernikahan, kelahiran,perceraian, dll). Dengan menerapkan analisis sentimen pelanggan data media sosial, Perusahaan dapat mendapatkan apresiasi yang lebih baik dari apa individu dan komunitas virtual berpikir

tentang produk baru, dan apa aspek-aspek tertentu dari lembaga atau jasa yang mereka sangat suka atau tidak suka.Sebuah tantangan bagi banyak Perusahaan adalah mencari tahu bagaimana menggunakan "non-terstruktur" data pada situs-situs sosial (sebagai lawan dari "terstruktur" data dalam database tradisional). Selain menggunakan media sosial sebagai sumber data pelanggan tambahan, Perusahaan akan ingin dapat menguji dan mengukur bagaimana cara terbaik untuk menggunakan media sosial sebagai saluran untuk meluncurkan kampanye dan produk.

HAMBATAN TERHADAP KECERDASAN

Sedangkan potensi sumber baru data dari situs seperti jejaring sosial baru,visi menangkap, menganalisa, dan menyajikan data pelanggan di dekat-realtime untukmenginformasikan pengambilan keputusan tidak. Meskipun dekade usaha, bagaimanapun, visi memilikiterbukti sulit untuk mencapai. Secara umum, lebih ambisius inisiatif data,lebih mungkin itu telah digagalkan oleh pertumbuhan data, kompleksitasusaha, dantingkat perubahan.Kendala umum meliputi:

Ukuran dan pertumbuhan data.

Sebagai set data menjadi semakin besar dan tumbuh-lebih cepat-mereka menjadi sulit untuk mengelola dan memakan waktu lebih lama untuk menganalisis.

Pertanyaan rumit. Alat query memerlukan analis yang terlatih khusus yang terpisahpengguna dari data dan menambah waktu penyelesaian.

snapshot statis. Teknologi, proses, dan keterampilan keterbatasan

membatasi bisnispengguna untuk analisis titik-in-time, sebagai lawan visibilitas real-time ke data dantrending.

Integrasi data terstruktur. Pengalaman terbatas dengan dan alat untuk mengelola dan menganalisa data terstruktur mencegah penggunaan data berharga sumber intelijen fana.

Kegunaan banyak jenis data wawasan memudarcepat jika Perusahaan tidak dapat memasukkannya ke dalam tindakan cukup cepat.

MENEMPATKAN DATA DALAM SATU TEMPAT TIDAK CUKUP

Perusahaan telah lama berjuang dengan masalah silo dan ketidakcocokan dibuat ketika data tentang pelanggan, produk, aktivitas, dan transaksiyang dihasilkan oleh departemen yang berbeda dan penyedia layanan, disimpan dalam sistem yang berbeda, menggunakan deskripsi data yang berbeda dan format, dan dikelola oleh organisasi yang berbeda.Untuk mengaktifkan semua data ini untuk dibagikan lebih mudah di seluruh perusahaan, Perusahaan telah berinvestasi dalam infrastruktur data warehouse dan inisiatif yang menyimpan semua pelangganData hubungan dalam satu tempat untuk mengurangi redundansi data dan menyederhanakan data yangmanajemen.Tetapi mengubah sumber data dan tanpa henti, pertumbuhan yang cepat dari volume data membawatantangan baru. Sebagai data perusahaan gudang tumbuh semakin besar, tujuan mendapatkanintelijen tepat waktu dan visibilitas ke data pelanggan dapat tampak lebihmenakutkan. Beberapa gudang data yang telah tumbuh begitu besar, misalnya, bahwa data yangmenyegarkan dapat mengambil hari. Pertanyaan juga biasanya tetap menjadi proses multi-langkah, denganHasil disampaikan hanya melalui laporan analis bisnis khusus ini. Dan ekstrak,

mengubah, dan beban (ETL) struktur yang membangun departemen untuk secara otomatismenangkap, menganalisa, dan melaporkan data tertentu yang mereka inginkan, bisa dalam dansendiri menjadi kompleks untuk mempertahankan atau memperbarui, ketikasumber data baru atau jenisanalisis yang diperlukan.

Berkolaborasi MEMBUAT DATA BESAR

Sebagai melekat "terdistribusi" sifat sumber data dan kebutuhan untuk lebihanalisis langsung dan user-disesuaikan set yang selalu lebih besar dari data yang telah menjadijelas, baru, pendekatan yang kurang monolitik untuk intelijen bisnis telah berkembang.Dengan mengaktifkan besar kolaborasi, lebih otomatis antara teknologi,orang, danproses, baru "big data" kemampuan membuat praktis hal itu layak untuk menangkap danmenganalisis jumlah yang sangat besar dari berbagai jenis data, sangatcepat. Mereka membuatnyamudah untuk memberikan visibilitas realtime dan menyajikan tepat waktu, kecerdasan ditindaklanjuti untukberbagai jenis pengguna, dengan peran yang berbeda dan tanggung jawab seluruhPerusahaan.

TEKNOLOGI SAJA TIDAK JAWABANNYA

Sementara terobosan teknologi telah membuat praktis dan ekonomis untukmenangkapdan memproses data dalam jumlah besar, apa yang sangat mencolok adalah

bahwa baruteknologi tidak dirancang untuk bekerja sendiri. Sebaliknya, mereka memanfaatkan open sourceModel dan API untuk bekerja sama untuk biaya-efektif memproses jumlah yang sangat besardata pelanggan, dari berbagai sumber, pada tingkat yang sangat rinci detail-dan hasilsemakin intelijen user-disesuaikan dalam waktu dekat-realtime. Ini melengkapiteknologi termasuk: Metadata. Alat-alat ini menyediakan data tentang data. Mereka secara otomatis mencari,menemukan, dan menggambarkan jenis data yang tersedia pada sistem internal dan sumber eksternal. Mereka membuat repositori metadata yangdapat dimanfaatkan oleh perangkat analisis, terpisah dari kompleksitasdata yang mendasarinya. Federasi query. Setelah alat metadata telah mengidentifikasi jenis data dandimana data tersebut berada, didistribusikan kerangka query, seperti terbukasumber Apache Hadoop platform perangkat lunak yang digunakan oleh seperti data-intensifaplikasi terdistribusi seperti Google dan Facebook, memungkinkan efisien, on-demand, permintaan terpadu berbagai sumber dan jenis data (terstruktur dan nonstructured). Bersama-sama, kombinasi dari metadatadan permintaan federasi menggantikan struktur ETL statis dengan kemampuan dinamis untuk beradaptasi sebagai sumber data (terutama eksternal) perubahan atau dipindahkan. mesin Analytic. Baru, relatif terjangkau, analisis-dioptimalkan secara besar-besaranpemrosesan paralel (MPP) mesin database relasional dapat menelan sangat besarjumlah data yang sangat cepat dan sangat mengeksekusi analisis sangat besarjumlah data yang sangat cepat-untuk scalable realtime akuisisi data dan

ketersediaan.

pola baseline. Dengan membangun penyebut dasar untuk perbandingan danaturan dan batasan untuk mengidentifikasi "out-of-band" peristiwa, sistem dasar dapat diatur untuk dengan cepat mengidentifikasi ketika perubahan dengan pola yang diharapkan terjadi. Dengan membandingkan pola-pola baru dengan baseline, sistem dapat permukaan out-of-Informasi Band-cepat tanpa harus memproses data yang mendasarinya. Panjangditerapkan untuk mencegah penipuan kartu kredit, pendekatan ini semakin banyak digunakan untuk informasi waktu-sensitif lainnya, seperti indikasi pelanggan segeragesekan, sehingga intervensi proaktif dapat dibuat.

PERUSAHAAN PENGGUNAANNYA ANALYTICS PREDIKTIF UNTUK DRIVE DAN PENDAPATAN MEMINIMALKAN CHURNZions Perusahaan, yang beroperasi 500 + perPerusahaanan kantor di 10 negara bagian di AS, percaya menggunakan informasi pelanggan secara efektif menyediakan kompetitifkeuntungan. Namun, Perusahaan data warehouse tidak mampu menangani peningkatan volume, variasi, dan kecepatan data dan memenuhi kebutuhananalisis. Kerja dengan EMC Global Services, Zions mi-diparut seluruh data warehouse yang infra- struktur ke Database Greenplum. The massively parallel processingDatabase menangkap data dari berbagai sumber, termasuk komersial dan pinjaman hipotek, investasi, deposito, kartu kredit, dan file demografi eksternal. Dengan pengolahan data di sebagian kecil dari waktu-misalnya, memotongenterprise-wide database yang pemuatan dipotong dari 24 jam sampai 30 menit, danmenjawab pertanyaan dalam hitungan detik, bukan jam-Greenplum membuatnyapraktis bagi Perusahaan yang dapat dilakukan di mendalam query dan analisis prediktif perilaku pelanggan yang spesifik. Hasilnya digunakan untuk mendorong pengembangan produk, pemasaran, penjualan,

dan CRM, sehingga Zions dapat merespon lebih langsung dengan kebutuhannasabah individu, sering dengan produk kustom. Seorang pengguna dibangun profitabilitas sistem re-porting berjalan pada Greenplum menghitung profitabilitas setiap pinjaman, investasi, dan deposito rekening oleh nasabah. Dengan ini, Perusahaan meningkat secara signifikan laba-bersih Kemampuan rekening nasabah individu. Berikutnya Penawaran produk terbaik merekomendasikan- mesin dation meneliti pelanggan bauran produk dan memprediksi penjualan baru peluang. Hal ini telah terbukti sangat sukses bahwa Zions sedang membangun sebuah standar proses berulang untuk cepat membuat dan menyebarkan model data-mining. The Zions Solusi Greenplum memiliki skala dari 6 sampai 11 TB data. Karena Greenplum berjalan pada server komoditas murah, Zions dapat menambah kapasitas gudang data sedikit demi sedikit atau besar.

DIPERLUKAN TIMSebagai berguna sebagai teknologi yang lebih kolaboratif telah terbukti, efisien mengekstraksi nilai bisnis berarti dari sejumlah besar data membutuhkan kerjasama antara orang-orang dengan campuran keterampilan set juga. Keahlian kritis mencakup:

pengalaman Perusahaaning. Dibutuhkan pengalaman industri untuk secaraefektif menerjemahkankebutuhan dan tujuan pengguna bisnis dalam kasus penggunaan yang jelasyang akanmemenuhi harapan-dan memberikan dasar bagi ekspansi yang sedang berjalan, perbaikan,dan operasionalisasi.

arsitektur data. Arsitek data desain arsitektur teknis dan membangunkeluar infrastruktur untuk memungkinkan teknologi untuk bekerja sama untuk menemukan, menelan,dan menganalisis data dan menyajikan hasil.

ilmu Data. Ilmuwan data menerjemahkan kasus penggunaan bisnis ke analisis yangakan berjalan pada arsitektur data tertentu.

Alat dengan fitur yang membantu orang yang berbeda di lokasi yang berbeda dengan yang berbeda• jenis keahlian untuk berkolaborasi secara lebih efektif pada proyek-proyek analisis datajuga penting.

DIPERLUKAN AKHIR-TO-AKHIR PROSES DISIPLIN

Karena jumlah sumber data, alat, dan orang-orang biak, menjaga proses end-to-end disiplin untuk data pemerintahan, keamanan, dan manajemen siklus hidupmenjadi lebih penting daripada sebelumnya. Apa yang diperlukan adalah proses yang standarisasi dan mengelola data bisnis di tingkat elemen data. Di masa lalu, ini adalah sangatsulit untuk dilakukan, tetapi alat-alat baru hari ini membantu mengotomatisasi dan mengendalikan bagaimana databerasal, di mana ia berada, bagaimana itu digunakan, yang dapat menggunakannya, bagaimana hal itu dapat berubah, dan bagaimana hal itudikelola.

MOVING MAJU

Dengan pertumbuhan data yang besar, tekanan untuk menerapkannya, dan kemungkinan hampir tak terbatas, bisa sulit bagi Perusahaan untuk melihat jalan ke depan.Apa yang membantu adalah bahwa data yang baru analitik teknologi kerjadi atas dataPerusahaan infrastruktur sudah-dan bekerja sama pembuatan praktis untuk memulai dari yang kecil, dan kemudian membangun pada hasil, sementara mewujudkan tambahan pengembalian investasi sepanjang jalan.

MEMBANGUN PADA APA YANG ANDA MEMILIKI

Teknologi baru tidak menggantikan, tetapi memanfaatkan investasi yang ada di Perusahaan datainfrastruktur. Gudang data, misalnya, menjadi sumber data lain untukalat metadata dan permintaan federasi untuk bekerja dengan dalam membuka data dan membuatnyaberguna.

MULAI DARI KECIL

Pendekatan kolaboratif baru dan lebih murah, teknologi open source membuatnya layak secara ekonomi untuk menentukan kasus bisnis yang sangat sempit atau pernyataan masalah yang spesifik dan membangun solusi dengan hasil yang terukur.Sebuah use case yang terdefinisi dengan baik memungkinkan Perusahaan untuk menerapkan teknologi dan membuktikan konsep-konsep untuk memenuhi kebutuhan bisnis, dan kemudian menggunakan temuan hasil dan tambahan pengembalian investasi yang diperoleh untuk menentukan langkah berikutnya.Perusahaan juga bisa memulai hari ini, dengan terlebih sumber keahlianeksternal yang mereka butuhkan-dan membuat transfer keterampilan dan pengetahuan untuk tim internal bagian dari proyek.