Today, a top concern of well-established corporations, global financial institutions, born-

on-the-Web retailers, and government agencies is how to design their digital business
models in order to: • deliver an incredible customer experience; • turn a profit; • increase
market share; and • engage their employees. In the digital (online) space, the customer
experience (CX) must measure up to the very best the Web has to offer. Stakes are high
for those who get it right—or get it wrong. Forrester research repeatedly confirms there is
a strong relationship between the quality of a firm’s CX and loyalty, which in turn
increases revenue (Schmidt-Subramanian et al., 2013). This section introduces the most
disruptive and valuable digital technologies, which you will continue to read about
throughout this book.
OF THE 2010S—IN THE CLOUD, HANDHELD, AND WEARABLE
Consumers expect to interact with businesses anytime anywhere via mobile apps or social
channels using technology they carry in their pockets. Mobile apps have changed how,
when, and where work is done. Employees can be more productive when they work and
collaborate effortlessly from their handheld or wearable devices.
Enterprises can acquire the latest apps and digital services as they are needed and without
large upfront investments by switching from owning IT resources to cloud computing
(Figure 1.6). Cloud computing ranges from storing your files in Dropbox to advanced
cloud services. In short, with the cloud, resources no longer depend on buying that
resource. For example, Amazon Elastic Compute Cloud, known as EC2, eliminates the
need to invest in hardware up front, so companies can develop and deploy applications
faster. EC2 enables companies to quickly add storage capacity as their computing
requirements change. EC2 reduces the time it takes to acquire server space from weeks to
minutes.
Machine-to-Machine Technology Sensors can be embedded in most products. Objects
that connect themselves to the Internet include cars, heart monitors, stoplights, and
appliances. Sensors are designed to detect and react, such as Ford’s rain-sensing front
wipers that use an advanced optical sensor to detect the intensity of rain or snowfall and
adjust wiper speed accordingly. Machine-to-machine (M2M) technology enables
sensorembedded products to share reliable real time data via radio signals. M2M and the
Internet of Things (IoT) are widely used to automate business processes in industries
ranging from transportation to health care. By adding sensors to trucks, turbines,
roadways, utility meters, heart monitors, vending machines, and other equipment they
sell, companies can track and manage their products remotely.
TECH NOTE 1.1 The Internet of Thing
The phrase Internet of Things was coined by Kevin Ashton in 1999 while he was
employed at Procter & Gamble. It refers to objects (e.g., cars, refrigerators, roadways)
that can sense aspects of the physical world, such as movement, temperature, lighting, or
the presence or absence of people or objects, and then either act on it or report it. Instead
of most data (text, audio, video) on the Internet being produced and used by people, more
data are generated and used by machines communicating with other machines—or M2M,
as you read at the start of this chapter. Smart devices use IP addresses and Internet
technologies like Wi-Fi to communicate with each other or directly with the cloud.
Recent advances in storage and computing power available via cloud computing are
facilitating adoption of the IoT. The IoT opens new frontiers for improving processes in
retail, health care, manufacturing, energy, and oil and gas exploration. For instance,
manufacturing processes with embedded sensors can be controlled more precisely or
monitored for hazards and then take corrective action, which reduces injuries, damage,
and costs. IoT combined with big data analytics can help manufacturers improve the effi
ciency of their machinery and minimize energy consumption, which often is the
manufacturing industry’s second-biggest expense. The health sector is another area where
IoT can help signifi cantly. For example, a person with a wearable device that carries all
records of his health could be monitored constantly. This connectivity enables health
services to take necessary measures for maintaining the wellbeing of the person.
Big Data
There is no question that the increasing volume of data can be valuable, but only if they
are processed and available when and where they are needed. The problem is that the
amount, variety, structure, and speed of data being generated or collected by enterprises
differ significantly from traditional data. Big data are what highvolume, mostly text data
are called. Big data stream in from multiple channels and sources, including: • mobile
devices and M2M sensors embedded in everything from airport runways to casino chips.
Later in this chapter, you will read more about the Internet of Things. • social content
from texts, tweets, posts, blogs. • clickstream data from the Web and Internet searches. •
video data and photos from retail and user-generated content. • financial, medical,
research, customer, and B2B transactions. Big data are 80 to 90 per cent unstructured.
Unstructured data do not have a predictable format like a credit card application form.
Huge volumes of unstructured data flooding into an enterprise are too much for
traditional technology to process and analyze quickly. Big data tend to be more time-
sensitive than traditional (or small) data. The exploding field of big data and analytics is
called data science. Data science involves managing and analyzing massive sets of data
for purposes such as target marketing, trend analysis, and the creation of individually
tailored products and services. Enterprises that want to take advantage of big data use real
time data from tweets, sensors, and their big data sources to gain insights into their
customers’ interests and preference, to create new products and services, and to respond
to changes in usage patterns as they occur. Big data analytics has increased the demand
for data scientists, as described in Career Insight 1.1.
CAREER INSIGHT 1.1 HOT CAREER
Data Scientist
Big data, analytics tools, powerful networks, and greater processing power have
contributed to growth of the field of data science. Enterprises need people who are
capable of analyzing and finding insights in data captured from sensors, M2M apps,
social media, wearable
technology, medical testing, and so on. Demand for data scientists is outpacing the supply
of talent. It is projected that the data scientist career option will grow 19 per cent by 2020
—surpassed only by video game designers. Talent scarcity has driven up salaries.
According to Glassdoor data (glassdoor.com, 2014), the median salary for data scientists
in the United States is $117,500. By contrast, a business analyst earns an average of
$61,000.
Profiles of Data Scientists at Facebook, LinkedIn, and Bitly • Facebook’s Jeff
Hammerbacher. Jeff helped Facebook make sense out of huge volumes of user data when
he joined the company in 2006. Facebook’s data science team analyzes the self-reported
data on each user’s Facebook page in order to target ads based on things the user actually
likes. • LinkedIn’s DJ Patil. DJ worked at LinkedIn as chief data scientist. Many of the
cool products on LinkedIn were built using data from self-reporting and machine
learning. • Bitly’s Hilary Mason. Hilary was chief scientist at Bitly, which offers URL
shortening and redirection services with real time link tracking. Bitly sees behavior from
billions of people a month by analyzing tens of millions of links shared per day, which
are clicked hundreds of millions times. The clickstreams generate an enormous amount of
real time data. Using data analytics, Hillary and her team detected and solved business
problems that were not evident.
Data Science Is Both an Art and a Science In their 2012 Harvard Business Review article
titled “Data Scientist: The Sexiest Job of the 21st Century,” authors Thomas Davenport
and D. J. Patil define a data scientist as a “high-ranking professional with the training and
curiosity to make discoveries in the world of big data” (Davenport & Patil, 2012). They
described how data scientist Jonathan Goldman transformed LinkedIn
after joining the company in 2006. At that time, LinkedIn had less than 8 million
members. Goldman noticed that existing members were inviting their friends and
colleagues to join, but they were not making connections with other members at the rate
executives had expected. A LinkedIn manager said, “It was like arriving at a conference
reception and realizing you don’t know anyone. So you just stand in the corner sipping
your drink—and you probably leave early.” Goldman began analyzing the data from user
profiles and looked for patterns that to predict whose networks a given profile would land
in. While most LinkedIn managers saw no value in Goldman’s work, Reid Hoffman,
LinkedIn’s cofounder and CEO at the time, understood the power of analytics because of
his experiences at PayPal. With Hoffman’s approval, Goldman applied data analytics to
test what would happen if member were presented with names of other members they had
not yet connected with, but seemed likely to know. He displayed the three best new
matches for each member based on his or her LinkedIn profile. Within days, the click-
through rate on those matches skyrocketed and things really took off. Thanks to this one
feature, LinkedIn’s growth increased dramatically. The LinkedIn example shows that
good data scientists do much more than simply try to solve obvious business problems.
Creative and critical thinking are part of their job—that is, part analyst and part artist.
They dig through incoming data with the goal of discovering previously hidden insights
that could lead to a competitive advantage or detect a business crisis in enough time to
prevent it. Data scientists often need to evaluate and select those opportunities and threats
that would be of greatest value to the enterprise or brand.
Sources: Kelly (2013), Lockhard & Wolf (2012), Davenport & Patil (2012), U.S.
Department of Labor, Bureau of Labor Statistics (2014).
SOCIAL-MOBILE-CLOUD MODEL
The relationship among social, mobile, and cloud technologies is shown in Figure 1.7.
The cloud consists of huge data centers accessible via the Internet and forms the core by
providing 24/7 access to storage, apps, and services. Handhelds and wearables, such as
Google Glass, Pebble, and Sony Smartwatch (Figure 1.8), and their users form the edge.
Social channels connect the core and edge. The SoMoClo integration creates the
technical and services infrastructure needed for digital business. This infrastructure
makes it possible to meet the expectations of employees, customers, and business
partners given that almost everyone is connected (social), everywhere they go (mobile),
and has 24/7 access to data, apps, and other services (cloud).
Here are three examples of their influence:
1. Powerful social infl uences impact advertising and marketing: Connections and
feedback via social networks have changed the balance of infl uence. Consumers are
more likely to trust tweets from ordinary people than recommendations made by celebrity
endorsements. And, negative sentiments posted or tweeted can damage brands.
2. Consumer devices go digital and offer new services. The Nike Fuelband wristband
helps customers track their exercise activities and calories burned. The device links to a
mobile app that lets users post their progress on Facebook.
3. eBay’s move to cloud technology improves sellers’ and buyers’ experiences. The
world’s largest online marketplace, eBay, moved its IT infrastructure to the cloud. With
cloud computing, eBay is able to introduce new types of landing pages and customer
experiences without the delay associated with having to buy additional computing
resources.
The balance of power has shifted as business is increasingly driven by individuals for
whom mobiles are an extension of their body and mind. They expect to use location-
aware services, apps, alerts, social networks, and the latest digital capabilities at work and
outside work. To a growing extent, customer loyalty and revenue growth depend on a
business’s ability to offer unique customer experiences that wow customers more than
competitors can.
DIGITAL BUSINESS MODELS
Business models are the ways enterprises generate revenue or sustain themselves. Digital
business models define how businesses make money via digital technology. Companies
that adopt digital business models are better positioned to take advantage of business
opportunities and survive, according to the Accenture Technology Vision 2013 report
(Accenture, 2013). Figure 1.9 contains examples of new technologies that destroyed old
business models and created new ones.

Twitter dominates the reporting of news and events as they are still happening.

Facebook became the most powerful sharing network in the world.

Location-aware technologies track items through production and delivery to reduce

wasted time and inefficiency in supply chains and other business-tobusiness (B2B)
transactions.

smartphones,tables, other touch devices, and their apps reshaped how organizations
interact with customers—and how customers want businesses to interact with them.
The ways in which market leaders are transitioning to digital business models include the
following:
• Amazon gains a competitive edge with high-tech tech support. Amazon is well known
for radically changing online shopping and e-book reading experiences. Amazon’s CEO
Jeffrey Bezos set a new standard for tech support with MayDay (Figure 1.10). Within 15
seconds of touching the MayDay button on their Kindle Fire HDX tablet, customers get
free, 24/7/365 tech support via video chat. MayDay works by integrating all customer
data and instantly displaying the results to a tech agent when a customer presses the
MayDay button. Plus, tech agents can control and write on a customer’s Fire screen. By
circling and underlining various buttons on the display, it is dead simple for new Fire
owners to become expert with their devices. Amazon’s objective is to educate the
consumer rather than just fix the problem. In the highly competitive tablet wars, Amazon
has successfully differentiated its tablet from those of big players like Apple, Samsung,
and Asus (manufacturer of Google’s Nexus 7) with the MayDay button.
• NBA talent scouts rely on sports analytics and advanced scouting systems. NBA talent
scouts used to crunch players’ stats, watch live player performances, and review hours of
tapes to create player profiles (Figure 1.11). Now software that tracks player performance
has changed how basketball and soccer players are evaluated. For example, STATS’
SportVU technology is revolutionizing the way sports contests are viewed, understood,
played, and enjoyed. SportVU uses six palm-sized digital cameras that track the
movement of every player on the court, record ball movement 25 times per second, and
convert movements into statistics. SportVU produces real time and highly complex
statistics to complement the traditional play-by-play. Predictive sport analytics can
provide a 360-degree view of a player’s performance and help teams make trading
decisions. Sports analytics bring about small competitive advantages that can shift games
and even playoff series.
• Dashboards keep casino floor staff informed of player demand. Competition in the
gaming industry is fierce, particularly during bad economic conditions. The use of
manual spreadsheets and gut-feeling decisions did not lead to optimal results. Casino
operators facing pressure to increase their bottom line have invested in analytic tools,
such as Tangam’s Yield Management solution (TYM). TYM is used to increase the yield
(profitability) of blackjack, craps, and other table games played in the pit (Figure 1.12).
The analysis and insights from real time apps are used to improve the gaming experience
and comfort of players.

THE RECENT PAST AND NEAR FUTURE—2010S DECADE

We have seen great advances in digital technology since the start of this decade. Figure
1.13 shows releases by tech leaders that are shaping business and everyday life. Compare
the role of your mobiles, apps, social media, and so on in your personal life and work in
2010 to how you use them today. You can expect greater changes going forward to the
end of this decade with the expansion of no-touch interfaces, mobility, wearable
technology, and the IoT. Companies are looking for ways to take advantage of new
opportunities in mobile, big data, social, and cloud services to optimize their business
processes. The role of the IT function within the enterprise has changed significantly—
and will evolve rapidly over the next five years. As you will read throughout this book,
the IT function has taken on key strategic and operational roles that determine the
enterprise’s success or failure.

• Google launched Android mobile OS to compete with iPhones By 2014,

became the first billion-user mobile OS • App Store opened on July 10, 2008 via
an update to iTunes By mid-2011, over 15 billion apps downloaded from App Store

• Apple launched iPad 100 million iPads sold in 2 years

2011–2012 • No tough interfaces to communicate by simply gesturing or talking
Microsoft’s Kinect for Windows Apple’s Siri Google’s Glass

2014• iWatch released integrates with iOS devices

Saat ini, perhatian utama dari perusahaan-perusahaan mapan, lembaga keuangan global,
pengecer lahir-on-the-Web, dan lembaga pemerintah adalah bagaimana merancang model
bisnis digital mereka untuk: • memberikan pengalaman pelanggan yang luar biasa; •
menghasilkan laba; • meningkatkan pangsa pasar; dan • melibatkan karyawan mereka.
Dalam ruang digital (online), pengalaman pelanggan (CX) harus mengukur hingga yang
terbaik yang ditawarkan Web. Taruhannya tinggi bagi mereka yang melakukannya
dengan benar — atau salah. Penelitian Forrester berulang kali menegaskan ada hubungan
yang kuat antara kualitas CX perusahaan dan loyalitas, yang pada gilirannya
meningkatkan pendapatan (Schmidt-Subramanian et al., 2013). Bagian ini
memperkenalkan teknologi digital yang paling mengganggu dan berharga, yang akan
terus Anda baca di seluruh buku ini.
DARI 2010-DI — DALAM CLOUD, TANGAN, DAN DAPAT DIGUNAKAN
Konsumen berharap dapat berinteraksi dengan bisnis kapan saja di mana saja melalui
aplikasi seluler atau saluran sosial menggunakan teknologi yang mereka bawa di saku
mereka. Aplikasi seluler telah mengubah cara, kapan, dan di mana pekerjaan dilakukan.
Karyawan dapat lebih produktif ketika mereka bekerja dan berkolaborasi dengan mudah
dari perangkat genggam atau perangkat yang dapat dipakai.
Perusahaan dapat memperoleh aplikasi dan layanan digital terbaru sesuai kebutuhan dan
tanpa investasi besar di muka dengan beralih dari memiliki sumber daya TI ke komputasi
awan (Gambar 1.6). Komputasi awan berkisar dari menyimpan file Anda di Dropbox
hingga layanan cloud lanjutan. Singkatnya, dengan cloud, sumber daya tidak lagi
bergantung pada pembelian sumber daya itu. Sebagai contoh, Amazon Elastic Compute
Cloud, yang dikenal sebagai EC2, menghilangkan kebutuhan untuk berinvestasi di
perangkat keras di muka, sehingga perusahaan dapat mengembangkan dan menyebarkan
aplikasi lebih cepat. EC2 memungkinkan perusahaan untuk dengan cepat menambah
kapasitas penyimpanan seiring perubahan kebutuhan komputasi mereka. EC2
mengurangi waktu yang diperlukan untuk mendapatkan ruang server dari minggu ke
menit.
Sensor Teknologi Mesin-ke-Mesin Sensor dapat disematkan di sebagian besar produk.
Objek yang menghubungkan diri mereka ke Internet termasuk mobil, monitor jantung,
lampu lalu lintas, dan peralatan. Sensor dirancang untuk mendeteksi dan bereaksi, seperti
wiper depan sensor hujan Ford yang menggunakan sensor optik canggih untuk
mendeteksi intensitas hujan atau salju dan menyesuaikan kecepatan penghapus yang
sesuai. Teknologi mesin-ke-mesin (M2M) memungkinkan produk tertanam sensor untuk
berbagi data real time yang andal melalui sinyal radio. M2M dan Internet of Things (IoT)
banyak digunakan untuk mengotomatisasi proses bisnis dalam industri mulai dari
transportasi hingga perawatan kesehatan. Dengan menambahkan sensor ke truk, turbin,
jalan raya, meter utilitas, monitor jantung, mesin penjual otomatis, dan peralatan lain
yang mereka jual, perusahaan dapat melacak dan mengelola produk mereka dari jarak
jauh
TECH CATATAN 1.1 Internet of Thing
Ungkapan Internet of Things diciptakan oleh Kevin Ashton pada tahun 1999 ketika ia
bekerja di Procter & Gamble. Ini merujuk pada objek (mis., Mobil, lemari es, jalan raya)
yang dapat merasakan aspek dunia fisik, seperti pergerakan, suhu, pencahayaan, atau ada
atau tidak adanya orang atau objek, dan kemudian bertindak atau melaporkannya. Alih-
alih sebagian besar data (teks, audio, video) di Internet diproduksi dan digunakan oleh
orang-orang, lebih banyak data dihasilkan dan digunakan oleh mesin yang berkomunikasi
dengan mesin lain — atau M2M, seperti yang Anda baca di awal bab ini. Perangkat
pintar menggunakan alamat IP dan teknologi Internet seperti Wi-Fi untuk berkomunikasi
satu sama lain atau langsung dengan cloud. Kemajuan terbaru dalam penyimpanan dan
daya komputasi yang tersedia melalui cloud computing memfasilitasi adopsi IoT. IoT
membuka batas baru untuk meningkatkan proses dalam ritel, perawatan kesehatan,
manufaktur, energi, dan eksplorasi minyak dan gas. Misalnya, proses pembuatan dengan
sensor tertanam dapat dikontrol lebih tepat atau dipantau untuk bahaya dan kemudian
mengambil tindakan korektif, yang mengurangi cedera, kerusakan, dan biaya. IoT yang
dikombinasikan dengan analitik data besar dapat membantu produsen meningkatkan
efisiensi mesin mereka dan meminimalkan konsumsi energi, yang seringkali merupakan
pengeluaran terbesar kedua industri manufaktur. Sektor kesehatan adalah bidang lain di
mana IoT dapat membantu secara signifikan. Sebagai contoh, seseorang dengan
perangkat yang dapat dipakai yang membawa semua catatan kesehatannya dapat
dimonitor secara terus-menerus. Konektivitas ini memungkinkan layanan kesehatan
untuk mengambil tindakan yang diperlukan untuk menjaga kesejahteraan orang tersebut.
Data besar
Tidak ada pertanyaan bahwa peningkatan volume data dapat bernilai, tetapi hanya jika
data diproses dan tersedia kapan dan di mana dibutuhkan. Masalahnya adalah bahwa
jumlah, variasi, struktur, dan kecepatan data yang dihasilkan atau dikumpulkan oleh
perusahaan berbeda secara signifikan dari data tradisional. Data besar adalah apa yang
bervolume tinggi, sebagian besar data teks disebut. Data besar mengalir dari berbagai
saluran dan sumber, termasuk: • perangkat seluler dan sensor M2M yang tertanam di
segala hal mulai dari landasan pacu bandara hingga chip kasino. Nanti dalam bab ini,
Anda akan membaca lebih lanjut tentang Internet of Things. • konten sosial dari teks,
tweet, posting, blog. • klik aliran data dari pencarian Web dan Internet. • data video dan
foto dari konten ritel dan yang dibuat pengguna. • transaksi keuangan, medis, penelitian,
pelanggan, dan B2B. Data besar adalah 80 hingga 90 persen tidak terstruktur. Data yang
tidak terstruktur tidak memiliki format yang dapat diprediksi seperti formulir aplikasi
kartu kredit. Volume besar data yang tidak terstruktur yang membanjiri perusahaan
terlalu banyak untuk diproses dan dianalisis secara tradisional. Data besar cenderung
lebih sensitif terhadap waktu daripada data tradisional (atau kecil). Bidang meledak big
data dan analytics disebut ilmu data. Ilmu data melibatkan pengelolaan dan analisis
sejumlah besar data untuk tujuan seperti pemasaran target, analisis tren, dan penciptaan
produk dan layanan yang dirancang secara individual. Perusahaan yang ingin
memanfaatkan data besar menggunakan data waktu nyata dari tweet, sensor, dan sumber
data besar mereka untuk mendapatkan wawasan tentang minat dan preferensi pelanggan
mereka, untuk menciptakan produk dan layanan baru, dan untuk menanggapi perubahan
dalam pola penggunaan sebagai itu terjadi. Analitik data besar telah meningkatkan
permintaan akan ilmuwan data, seperti yang dijelaskan dalam Career Insight 1.1.
WAWASAN KARIR 1.1 KARIR PANAS
Ilmuwan Data
Data besar, alat analisis, jaringan yang kuat, dan kekuatan pemrosesan yang lebih besar
telah berkontribusi pada pertumbuhan bidang ilmu data. Perusahaan membutuhkan orang
yang mampu menganalisis dan menemukan wawasan dalam data yang diambil dari
sensor, aplikasi M2M, media sosial, yang dapat dikenakan
teknologi, pengujian medis, dan sebagainya. Permintaan akan data ilmuwan melebihi
pasokan bakat. Diproyeksikan bahwa pilihan karier ilmuwan data akan tumbuh 19 persen
pada tahun 2020 — hanya dilampaui oleh perancang video game. Kelangkaan talenta
telah mendorong gaji. Menurut data Glassdoor (glassdoor.com, 2014), gaji rata-rata untuk
para ilmuwan data di Amerika Serikat adalah $ 117.500. Sebaliknya, seorang analis
bisnis menghasilkan rata-rata $ 61.000.
Profil Ilmuwan Data di Facebook, LinkedIn, dan Bitly • Jeff Hammerbacher Facebook.
Jeff membantu Facebook memahami volume besar data pengguna ketika ia bergabung
dengan perusahaan pada tahun 2006. Tim ilmu data Facebook menganalisis data yang
dilaporkan sendiri pada setiap halaman Facebook pengguna untuk menargetkan iklan
berdasarkan pada hal-hal yang sebenarnya disukai pengguna. • DJ Patil LinkedIn. DJ
bekerja di LinkedIn sebagai ilmuwan data utama. Banyak produk keren di LinkedIn
dibuat menggunakan data dari pelaporan sendiri dan pembelajaran mesin. • Bitary's
Hilary Mason. Hilary adalah kepala ilmuwan di Bitly, yang menawarkan layanan
pemendek dan pengalihan URL dengan pelacakan tautan waktu nyata. Sedikit melihat
perilaku dari miliaran orang sebulan dengan menganalisis puluhan juta tautan yang
dibagikan per hari, yang diklik ratusan juta kali. Aliran klik menghasilkan sejumlah besar
data waktu nyata. Menggunakan analisis data, Hillary dan timnya mendeteksi dan
memecahkan masalah bisnis yang tidak terbukti.
Ilmu Data Adalah Seni dan Ilmu Dalam artikel Harvard Business Review 2012 mereka
berjudul "Data Scientist: Pekerjaan Terseksi Abad ke-21," penulis Thomas Davenport
dan DJ Patil mendefinisikan ilmuwan data sebagai "profesional berpangkat tinggi dengan
pelatihan dan keingintahuan untuk membuat penemuan di dunia big data ”(Davenport &
Patil, 2012). Mereka menggambarkan bagaimana ilmuwan data Jonathan Goldman
mengubah LinkedIn
setelah bergabung dengan perusahaan pada tahun 2006. Saat itu, LinkedIn memiliki
kurang dari 8 juta anggota. Goldman memperhatikan bahwa anggota yang ada
mengundang teman dan kolega mereka untuk bergabung, tetapi mereka tidak membuat
koneksi dengan anggota lain sesuai yang diharapkan eksekutif. Seorang manajer
LinkedIn berkata, “Rasanya seperti tiba di resepsi konferensi dan menyadari bahwa Anda
tidak mengenal siapa pun. Jadi Anda hanya berdiri di sudut sambil menyeruput minuman
Anda — dan Anda mungkin pergi lebih awal. ”Goldman mulai menganalisis data dari
profil pengguna dan mencari pola yang memprediksi jaringan mana profil tertentu akan
masuk. Sementara sebagian besar manajer LinkedIn tidak melihat nilai dalam Karya
Goldman, Reid Hoffman, salah satu pendiri dan CEO LinkedIn pada saat itu, memahami
kekuatan analitik karena pengalamannya di PayPal. Dengan persetujuan Hoffman,
Goldman menerapkan analisis data untuk menguji apa yang akan terjadi jika anggota
diberi nama anggota lain yang belum terhubung, tetapi sepertinya tahu. Dia menampilkan
tiga pertandingan baru terbaik untuk setiap anggota berdasarkan profil LinkedIn-nya.
Dalam beberapa hari, rasio klik-tayang pada pertandingan itu meroket dan segalanya
benar-benar meningkat. Berkat fitur yang satu ini, pertumbuhan LinkedIn meningkat
secara dramatis. Contoh LinkedIn menunjukkan bahwa ilmuwan data yang baik
melakukan lebih dari sekadar mencoba memecahkan masalah bisnis yang jelas. Berpikir
kreatif dan kritis adalah bagian dari pekerjaan mereka - yaitu, sebagian analis dan artis
bagian. Mereka menggali melalui data yang masuk dengan tujuan menemukan wawasan
yang sebelumnya tersembunyi yang dapat mengarah pada keunggulan kompetitif atau
mendeteksi krisis bisnis dalam waktu yang cukup untuk mencegahnya. Para ilmuwan
data seringkali perlu mengevaluasi dan memilih peluang dan ancaman yang akan menjadi
nilai terbesar bagi perusahaan atau merek.
Sumber: Kelly (2013), Lockhard & Wolf (2012), Davenport & Patil (2012), Departemen
Tenaga Kerja AS, Biro Statistik Tenaga Kerja (2014).

MODEL SOSIAL-MOBILE-CLOUD
Hubungan antara teknologi sosial, mobile, dan cloud ditunjukkan pada Gambar 1.7.
Cloud terdiri dari pusat data besar yang dapat diakses melalui Internet dan membentuk
inti dengan menyediakan akses 24/7 ke penyimpanan, aplikasi, dan layanan. Handheld
dan perangkat yang dapat dikenakan, seperti Google Glass, Pebble, dan Sony Smartwatch
(Gambar 1.8), dan penggunanya membentuk keunggulan. Saluran sosial menghubungkan
inti dan ujung. Integrasi SoMoClo menciptakan infrastruktur teknis dan layanan yang
diperlukan untuk bisnis digital. Infrastruktur ini memungkinkan untuk memenuhi harapan
karyawan, pelanggan, dan mitra bisnis mengingat hampir semua orang terhubung
(sosial), ke mana pun mereka pergi (seluler), dan memiliki akses 24/7 ke data, aplikasi,
dan layanan lainnya (cloud) ).
Berikut adalah tiga contoh pengaruhnya:
1. Pengaruh sosial yang kuat memengaruhi iklan dan pemasaran: Koneksi dan umpan
balik melalui jejaring sosial telah mengubah keseimbangan pengaruh. Konsumen lebih
cenderung mempercayai tweet dari orang biasa daripada rekomendasi yang dibuat oleh
dukungan selebriti. Dan, sentimen negatif yang diposting atau tweeted dapat merusak
merek.
2. Perangkat konsumen menjadi digital dan menawarkan layanan baru. Gelang Nike
Fuelband membantu pelanggan melacak aktivitas olahraga dan kalori yang terbakar.
Perangkat menautkan ke aplikasi seluler yang memungkinkan pengguna memposting
kemajuan mereka di Facebook.
3. Pindah ke teknologi cloud eBay meningkatkan pengalaman penjual dan pembeli. Pasar
online terbesar di dunia, eBay, memindahkan infrastruktur IT-nya ke cloud. Dengan
komputasi awan, eBay dapat memperkenalkan tipe baru halaman arahan dan pengalaman
pelanggan tanpa penundaan terkait dengan harus membeli sumber daya komputasi
tambahan.
Keseimbangan kekuatan telah bergeser karena bisnis semakin didorong oleh individu
yang ponsel adalah perpanjangan dari tubuh dan pikiran mereka. Mereka berharap dapat
menggunakan layanan yang sadar lokasi, aplikasi, peringatan, jejaring sosial, dan
kemampuan digital terbaru di tempat kerja dan di luar pekerjaan. Untuk tingkat yang
berkembang, loyalitas pelanggan dan pertumbuhan pendapatan bergantung pada
kemampuan bisnis untuk menawarkan pengalaman pelanggan yang unik yang membuat
pelanggan lebih kagum daripada pesaing.
MODEL BISNIS DIGITAL
Model bisnis adalah cara perusahaan menghasilkan pendapatan atau mempertahankan
diri. Model bisnis digital menentukan bagaimana bisnis menghasilkan uang melalui
teknologi digital. Perusahaan yang mengadopsi model bisnis digital diposisikan lebih
baik untuk mengambil keuntungan dari peluang bisnis dan bertahan, menurut laporan
Accenture Technology Vision 2013 (Accenture, 2013). Gambar 1.9 berisi contoh
teknologi baru yang menghancurkan model bisnis lama dan menciptakan yang baru.

Twitter mendominasi pelaporan berita dan acara saat masih terjadi.

Facebook menjadi jaringan berbagi yang paling kuat di dunia.

Teknologi yang sadar lokasi melacak item melalui produksi dan pengiriman untuk
mengurangi waktu yang terbuang dan ketidakefisienan dalam rantai pasokan dan
transaksi bisnis-bisnis (B2B) lainnya.

telepon pintar, meja, perangkat sentuh lainnya, dan aplikasi mereka membentuk kembali
bagaimana organisasi berinteraksi dengan pelanggan — dan bagaimana pelanggan ingin
bisnis berinteraksi dengan mereka.

Cara-cara di mana para pemimpin pasar beralih ke model bisnis digital meliputi yang
berikut:
• Amazon mendapatkan keunggulan kompetitif dengan dukungan teknologi tinggi.
Amazon terkenal dengan pengalaman belanja online dan membaca e-book yang berubah
secara radikal. CEO Amazon Jeffrey Bezos menetapkan standar baru untuk dukungan
teknis dengan MayDay (Gambar 1.10). Dalam 15 detik setelah menyentuh tombol
MayDay pada tablet Kindle Fire HDX mereka, pelanggan mendapatkan dukungan teknis
24/7/365 melalui obrolan video. MayDay bekerja dengan mengintegrasikan semua data
pelanggan dan langsung menampilkan hasilnya ke agen teknologi ketika pelanggan
menekan tombol MayDay. Plus, agen teknologi dapat mengontrol dan menulis di layar
Api pelanggan. Dengan melingkari dan menggarisbawahi berbagai tombol pada tampilan,
sangat mudah bagi pemilik Api baru untuk menjadi ahli dengan perangkat mereka.
Tujuan Amazon adalah untuk mendidik konsumen daripada hanya memperbaiki masalah.
Dalam perang tablet yang sangat kompetitif, Amazon telah berhasil membedakan
tabletnya dari para pemain besar seperti Apple, Samsung, dan Asus (produsen Google
Nexus 7) dengan tombol MayDay.
• NBA pencari bakat mengandalkan analisis olahraga dan sistem kepanduan yang
canggih. Scout bakat NBA digunakan untuk mengolah statistik pemain, menonton
pertunjukan pemain langsung, dan meninjau jam rekaman untuk membuat profil pemain
(Gambar 1.11). Sekarang perangkat lunak yang melacak kinerja pemain telah mengubah
cara pemain bola basket dan sepak bola dievaluasi. Misalnya, teknologi STATS 'SportVU
merevolusi cara kontes olahraga dilihat, dipahami, dimainkan, dan dinikmati. SportVU
menggunakan enam kamera digital seukuran telapak tangan yang melacak pergerakan
setiap pemain di lapangan, merekam gerakan bola 25 kali per detik, dan mengubah
gerakan menjadi statistik. SportVU menghasilkan statistik waktu nyata dan sangat
kompleks untuk melengkapi permainan tradisional. Analitik olahraga prediktif dapat
memberikan pandangan 360 derajat dari kinerja pemain dan membantu tim membuat
keputusan perdagangan. Analisis olahraga menghasilkan keunggulan kompetitif kecil
yang dapat mengubah game dan bahkan seri playoff.

• Dasbor memberi informasi kepada staf lantai kasino tentang permintaan pemain.
Persaingan di industri game sangat sengit, terutama dalam kondisi ekonomi yang buruk.
Penggunaan spreadsheet manual dan keputusan firasat tidak mengarah pada hasil yang
optimal. Operator kasino yang menghadapi tekanan untuk meningkatkan laba mereka
telah berinvestasi dalam alat analitik, seperti solusi Manajemen Hasil Tangam (TYM)
Tangam. TYM digunakan untuk meningkatkan hasil (profitabilitas) blackjack, craps, dan
permainan meja lainnya yang dimainkan di pit (Gambar 1.12). Analisis dan wawasan dari
aplikasi waktu nyata digunakan untuk meningkatkan pengalaman bermain game dan
kenyamanan pemain

MASA LALU TERAKHIR DAN DEKAT DI DEPAN — DEKADE 2010S

Kami telah melihat kemajuan besar dalam teknologi digital sejak awal dekade ini.
Gambar 1.13 menunjukkan rilis oleh para pemimpin teknologi yang membentuk bisnis
dan kehidupan sehari-hari. Bandingkan peran ponsel, aplikasi, media sosial, dan
sebagainya dalam kehidupan pribadi Anda dan bekerja pada 2010 dengan cara Anda
menggunakannya hari ini. Anda dapat mengharapkan perubahan yang lebih besar di akhir
dekade ini dengan perluasan antarmuka tanpa sentuhan, mobilitas, teknologi yang dapat
dipakai, dan IoT. Perusahaan mencari cara untuk memanfaatkan peluang baru dalam
layanan seluler, data besar, sosial, dan cloud untuk mengoptimalkan proses bisnis
mereka. Peran fungsi TI dalam perusahaan telah berubah secara signifikan — dan akan
berkembang pesat selama lima tahun ke depan. Seperti yang akan Anda baca di seluruh
buku ini, fungsi TI telah mengambil peran strategis dan operasional utama yang
menentukan keberhasilan atau kegagalan perusahaan.

• Google meluncurkan Android OS mobile untuk bersaing dengan iPhone Pada 2014,
menjadi OS mobile miliar pengguna pertama • App Store dibuka pada 10 Juli 2008
melalui pembaruan ke iTunes Pada pertengahan 2011, lebih dari 15 miliar aplikasi
diunduh dari App Store

• Apple meluncurkan iPad 100 juta iPads yang terjual dalam 2 tahun

 2011–2012 • Tidak ada antarmuka yang sulit untuk berkomunikasi dengan hanya
menunjuk atau berbicara Microsoft's Kinect untuk Windows Apple's Siri Google's Glass

2014 • iWatch dirilis terintegrasi dengan perangkat iOS