kontan.co.id
banner langganan top
| : WIB | INDIKATOR |
KOLOM / siasatbisnis

Peran predictive analytics bagi bisnis Anda

oleh Jennie M. Xue - Kolumnis internasional serial entrepreneur dan pengajar, bisnis, berbasis di California


Selasa, 24 April 2018 / 13:45 WIB
Peran predictive analytics bagi bisnis Anda

Reporter: Jennie M. Xue | Editor: mesti.sinaga

Setiap kali keputusan bisnis diambil, pasti ada risiko kegagalan dan kerugian. Dengan predictive analytics, kedua risiko ini dapat diminimalkan. Predictive analytics mengkuantifikasi prediksi, sehingga respons yang diterima dapat dioptimalkan.

Dengan kata lain, penggunaan predictive analytics dalam proses pengambilan keputusan memberikan fondasi kuat untuk sukses dibandingkan tidak menggunakannya.

Sebenarnya apa predictive analytics itu? Bagaimana penerapan predictive analytics dalam bisnis? Di mana Anda dapat menggunakan teknologi predictive analytics?

Predictive analytics adalah bagian ilmu analitik yang berbentuk algoritma ekstraksi informasi dari berbagai data set untuk menemukan pola-pola dan memprediksi tren dan hasil di masa depan.

Namun, predictive analytics tidak mempunyai kemampuan untuk memberi kepastian mengenai apa yang akan terjadi di masa depan, karena data sets yang digunakan berasal dari pengalaman masa lalu.

Jika Anda adalah investor dan trader, pasti kenal istilah past performance isn't a guarantee of future performance.

Dengan kata lain, apa yang terjadi di masa lalu (dalam bentuk data sets yang dianalisa), bukanlah jaminan mengenai apa yang akan terjadi di masa depan.

Lantas, apa keuntungan penggunaan predictive analytics ? Karena data sets memungkinkan kita membaca pola-pola dan tren, yang sangat dibutuhkan dalam proses pertimbangan dan pengambilan keputusan.

Sebagai contoh, Amazon dan Facebook sangat mengandalkan predictive analytics dalam berbisnis. Terutama dalam menyuguhkan produk-produk dan rekomendasi-rekomendasi.

Mereka tahu persis kebiasaan dan kesukaan kita, sehingga ketika disuguhkan sesuatu, kemungkinan besar kita mengklik, mengomentari, menyukai, bahkan membelinya.

Dalam bisnis, predictive analytics dapat digunakan hampir dalam segala segi. Yang paling menonjol mungkin penggunaan analitik dalam pemasaran.

Marketing analytics, misalnya memberi jawaban akan pertanyaan: bagaimana performance di masa lalu (descriptive analytics), prediksi kemungkinan kejadian di masa depan (predictive analytics) dan apa yang sebaiknya dilakukan agar gol tercapai (prescriptive analytics).

Predictive analytics dalam pemasaran (predictive marketing analytics) biasanya dimulai dengan menganalisa performance via media sosial, pelanggan email, blog dan situs.

Metrik yang digunakan adalah clicks, page views dan conversions. Untuk metrik offline, jumlah sales leads dan efek langsung bagi pertumbuhan pendapatan dan ROI.

Teknologi predictive analytics dapat Anda pakai melalui berbagai SaaS (software as a service) yang memberi input mengenai performance. Jika Anda mempunyai skill programming, gunakan Python for Data Science dan R.

Dalam pemasaran, predictive analytics ini sangat berguna dalam mencari sales leads. Misalnya, Anda dapat memasukkan kategori dan metrik yang diinginkan dalam calon customer.

Setelah ditemukan, pitching dapat segera dilakukan dan integrasi dengan CRM yang juga SaaS biasanya disediakan.

Predictive analytics juga memungkinkan pemasar untuk memasang iklan berbasis kecerdasan buatan (AI) seperti Google Adwords, Facebook ads dan Instagram sponsored posts persuasif, tapi tidak pushy.

Ini dimungkinkan mengingat machine learning mempelajari perilaku konsumen (behavior) dan kemungkinan bentuk respons.

Sebelum Anda menggunakan predictive analytics dalam proses pengambilan keputusan, kenali beberapa hal penting.

Satu, data prediktif tidak menjamin kepastian di masa depan. Anda perlu siap mental ketika suatu prediksi ternyata tidak terwujud, mengingat bergeraknya ceteris paribus dan status quo.

Dua, jumlah data memberi keseimbangan dan validitas. Semakin besar jumlah data, semakin baik. Namun perlu beberapa jenis data berdasarkan medium, dimensi, dan kategori beragam. Juga data yang dipakai adalah data bersih (cleaned data), bukan langsung memakai unstructured raw data.

Tiga, satu jenis data yang berlebihan dapat menghasilkan prediksi ngawur. Sering menjumpai pool suratkabar yang "ngawur"? Kemungkinan besar karena satu jenis data yang sangat besar jumlah "membutakan" diri dari jenis-jenis data lain yang tidak kalah pentingnya dalam pengambilan keputusan.

Empat, dengarkan pendapat para pakar data analitik yang mempunyai credential baik. Ketersediaan data masif akibat penggunaan Internet bukan berarti data mentah dan tidak berstruktur merupakan indikator sesuatu. Analisis yang tepat merupakan kunci prediksi tepat.

Akhir kata, gunakan ketersediaan data masif era internet ini seoptimal mungkin untuk pemasaran dan operasional bisnis.

Kuncinya, mengenali instrumen untuk meraup data, membersihkan data, men-struktur data dan menganalisa data. Dengan menguasai data, diprediksi bisnis Anda sukses.



TERBARU

×