Portal Berita Ekonomi Senin, 21 Januari 2019

Perspektif Baru Bisnis & Ekonomi

  • icon facebook kecil
  • icon twitter kecil
  • icon feed kecil
  • icon youtube kecil
  • icon email kecil
Executive Brief
  • 09:20 WIB. Bakti - Bakti Kemenkominfo tahun ini incar pendapatan Rp3,1 triliun.
  • 09:19 WIB. Xiaomi - Xiaomi mau gempur pasar Afrika tahun ini.
  • 09:19 WIB. Samsung - Samsung Galaxy S10+ punya RAM dan memori super besar.
  • 09:17 WIB. NASA - NASA umumkan kerja sama dengan China untuk eksplorasi bulan.
  • 09:17 WIB. Netflix - Netflix terus rogoh triliunan buat produksi serial orisinal.
  • 09:15 WIB. Google - Google Maps punya fitur baru bisa cegah terkena tilang.
  • 09:01 WIB. IHSG - IHSG dibuka menguat 0,01% ke level 6.448,54 di awal pekan ini.
  • 08:31 WIB. Fortnite - Fortnite raih pendapatan Rp34 triliun di 2018, lebih tinggi dari PUBG.
  • 08:30 WIB. WhatsApp - Pasang stiker di WhatsApp bakal bisa lewat keyboard Google.
  • 07:19 WIB. Facebook - Facebook luncurkan fitur petisi online.
  • 07:17 WIB. Youtube - Youtube larang video challenge dan prank yang berbahaya.
  • 07:16 WIB. AS - Parlemen AS rancang RUU larangan penjualan komponen ke ZTE dan Huawei.
  • 07:13 WIB. Apple - Perselisihan Apple dan Qualcomm ternyata gara-gara software.
  • 06:30 WIB. WeChat - WeChat kabarnya segera ekspos pengutang di China.
  • 06:19 WIB. Netflix - Pelanggan Netflix tembus 139 juta.

5 Ciri Utama Bisnis yang Sukses Terapkan Machine Learning

Foto Berita 5 Ciri Utama Bisnis yang Sukses Terapkan Machine Learning
Warta Ekonomi.co.id, Jakarta -

Sebanyak 48% dari perusahaan yang mengaku telah diuntungkan dari penggunaan machine learning menyebut bahwa peningkatan profabilitas adalah keuntungan paling besar yang mereka rasakan, menurut sebuah studi terbaru dari SAP SE.

"Para eksekutif perlu menganggap machine learning sebagai sebuah bagian integral dari strategi yang lebih besar yang akan memberikan keuntungan besar untuk bisnis. Untuk itu, mereka harus melihat jauh ke depan melewati investasi awal dan berfokus kepada potensi untuk nilai bisnis jangka panjang," kata Senior Vice President SAP Leonardo and Analytics, Mike Flannagan, dalam pernyataan persnya di Jakarta, Selasa (24/4/2018).

Penelitian tersebut juga menunjukkan bahwa perusahaan-perusahaan yang telah meraup keuntungan dari machine learning juga mengharapkan kenaikan pertumbuhan pendapatan sebanyak lebih dari 6% dalam periode dua tahun ke depan (2018-2019).

Fast learner memegang lima ciri utama, yakni membuat machine learning sebagai prioritas strategis C-level, mendorong diferensiasi dan inovasi kompetitif, mengenali potensi pendapatan dan profitabilitas baru, menyimpan proses-proses kunci di tempat yang mudah dijangkau, serta menerapkan strategi dengan skala perusahaan.

Tag: SAP Leonardo and Analytics, Mike Flannagan, machine learning

Penulis: Dina Kusumaningrum

Editor: Fauziah Nurul Hidayah

Foto: SAP

Kurs Rupiah

Mata Uang Simbol Nilai Jual Beli
Arab Saudi Riyal SAR 1.00 3,909.74 3,869.89
British Pound GBP 1.00 18,754.69 18,562.19
China Yuan CNY 1.00 2,114.10 2,093.06
Dolar Amerika Serikat USD 1.00 14,667.00 14,521.00
Dolar Australia AUD 1.00 10,673.18 10,561.12
Dolar Hong Kong HKD 1.00 1,872.96 1,854.27
Dolar Singapura SGD 1.00 10,659.93 10,553.05
EURO Spot Rate EUR 1.00 16,630.91 16,462.46
Ringgit Malaysia MYR 1.00 3,501.31 3,462.33
Yen Jepang JPY 100.00 12,933.86 12,801.73

Ringkasan BEI

No Name Today Change Stock
1 Composite Index 6448.156 24.376 627
2 Agriculture 1583.292 -1.764 21
3 Mining 1880.920 11.361 47
4 Basic Industry and Chemicals 889.696 -3.628 71
5 Miscellanous Industry 1443.379 27.257 46
6 Consumer Goods 2607.292 -13.145 51
7 Cons., Property & Real Estate 471.624 -0.108 74
8 Infrastruc., Utility & Trans. 1149.241 6.910 71
9 Finance 1234.248 10.015 91
10 Trade & Service 797.089 4.778 155
No Code Prev Close Change %
1 CLAY 180 306 126 70.00
2 NATO 103 175 72 69.90
3 SQMI 306 382 76 24.84
4 KMTR 268 334 66 24.63
5 JIHD 476 590 114 23.95
6 INRU 640 785 145 22.66
7 TNCA 206 250 44 21.36
8 INCF 296 358 62 20.95
9 DUTI 3,630 4,390 760 20.94
10 PADI 920 1,090 170 18.48
No Code Prev Close Change %
1 TFCO 735 620 -115 -15.65
2 OCAP 266 226 -40 -15.04
3 YPAS 660 575 -85 -12.88
4 CTTH 126 110 -16 -12.70
5 MFMI 725 635 -90 -12.41
6 BUKK 2,000 1,800 -200 -10.00
7 PYFA 180 163 -17 -9.44
8 TIRA 270 250 -20 -7.41
9 STTP 3,750 3,490 -260 -6.93
10 ASJT 300 280 -20 -6.67
No Code Prev Close Change %
1 INPC 79 80 1 1.27
2 UNTR 26,850 26,925 75 0.28
3 INDY 2,090 2,180 90 4.31
4 ASII 8,275 8,475 200 2.42
5 TLKM 3,990 4,020 30 0.75
6 BUMI 164 174 10 6.10
7 BBRI 3,810 3,820 10 0.26
8 KPAS 210 208 -2 -0.95
9 ERAA 2,310 2,310 0 0.00
10 TSPC 1,600 1,575 -25 -1.56