Portal Berita Ekonomi Selasa, 19 Maret 2019

Perspektif Baru Bisnis & Ekonomi

  • icon facebook kecil
  • icon twitter kecil
  • icon feed kecil
  • icon youtube kecil
  • icon email kecil
Executive Brief
  • 22:35 WIB. Pelindo II - Pelindo II menyiapkan belanja modal sebesar Rp 11 triliun tahun ini.
  • 22:34 WIB. Pelindo II - Pelindo II mengincar alih muatan peti kemas 1,8 juta TEUs di Pelabuhan Tanjung Priok.
  • 22:33 WIB. Smart City - Pemkot Malang melirik Bank BNI dan Telkom untuk mengembangkan Smart City.
  • 20:33 WIB. Pelindo I - Menteri Rini menargetkan tahun ini Pelindo I dapat mencapai laba bersih di atas Rp1 triliun.
  • 20:20 WIB. AP I - AP I bekerja sama dengan WWF dalam program pelestarian lingkungan di 13 bandara.
  • 20:19 WIB. BNI - Sampai dengan Februari, TapCash BNI telah menjual 4,88 juta keping kartu.
  • 20:07 WIB. BNI - BNI menargetkan penyaluran KPR milik perseroan sebesar Rp13,7 triliun pada 2019.
  • 20:05 WIB. BNI - Pada 2019, BNI bakal menggencarkan strategi pemasaran pada payroll BNI.
  • 19:59 WIB. Pelindo II - Pelindo II mencatat laba bersih Rp 2,43 triliun pada 2018.
  • 19:59 WIB. Pelindo II - Pelindo II mencatatkan throughput peti kemas sebesar 7,64 juta TEUs.
  • 19:58 WIB. Pelindo II - Pelindo II ingin menciptakan sebuah sistem pelayanan terintegrasi melalui digitalisasi.
  • 19:46 WIB. PLN - KESDM dan PLN optimistis megaproyek 35.000 MW rampung antara tahun 2023 atau 2024.
  • 19:43 WIB. Pelindo II - Pelindo II mendukung deklarasi iPengemudi Truk Pelopor Keselamatan.
  • 19:40 WIB. Mandiri - Mandiri dan MTF bersinergi meluncurkan program Mandiri Kredit Motor.
  • 15:43 WIB. Beras - Sleman optimistis 2019 mampu surplus produksi beras.

5 Keuntungan Terapkan Machine Learning dalam Perusahaan

5 Keuntungan Terapkan Machine Learning dalam Perusahaan - Warta Ekonomi
WE Online, Jakarta -

Apabila Anda mengikuti perkembangan teknologi , tentu sudah tak asing lagi dengan istilah Artificial Intelligence (AI) dan Machine Learning (ML). Sudah ada beberapa perusahaan raksasa teknologi yang juga menerapkannya.

Baca Juga: Sederet Raksasa Teknologi yang Implementasikan Machine Learning

Jika Anda juga tertarik untuk menerapkan ML dalam perusahaan, Anda bisa memanfaatkannya untuk beberapa hal, di antaranya:

Segmen Pasar

Ketika Anda memasuki pasar dengan ide besar berikutnya, Anda ingin memahami dan memprediksi bagaimana pasar akan bereaksi terhadapnya. Anda selalu dapat menerapkan AI dan membuat prediksi yang logis.

Namun, tergantung pada ide atau bisnis yang ingin Anda masuki, akan ada banyak parameter yang menentukan hasilnya. Ini akan menjadi tugas yang sangat besar untuk mempertimbangkan semua fitur yang berlaku dari sekumpulan besar data historis. Tetapi, dengan menerapkan ML yang tepat untuk membuat model, Anda dapat memprediksi apakah respons dari segmen pasar potensial akan baik atau buruk atau netral. Anda juga dapat memprediksi ukuran (rentang) menggunakan algoritma kontinu/regresi.

Demografi Target

Penting untuk memahami dan mengantisipasi siapa, di mana, dan apa yang diinginkan oleh persona target Anda (audiens). Memprediksi rentang usia yang tepat, jenis kelamin, suka dan tidak suka, preferensi, lokasi geografis, dll. Akan memainkan peran dalam keberhasilan atau kegagalan adaptasi ide besar Anda berikutnya.

Baca Juga: Apa Itu Machine Learning?

Dan ya, sementara orang dapat menerapkan akal sehat untuk memprediksi, tetapi pendekatan ilmiah yang diterapkan dengan menggunakan ML akan memungkinkan Anda untuk melihat lebih banyak hasil potensial dan akan mempertimbangkan data historis sepenuhnya.

Hasil Kampanye Pemasaran

Pemasaran penawaran layanan atau produk Anda sangat penting. Dan Anda dapat menghabiskan banyak uang untuk berbagai kampanye pemasaran online atau offline. Tetapi Anda dapat merasakan manfaatnya atau mengembalikan hanya pengeluaran melebihi waktu posting atau selama kampanye.

Tapi bukankah lebih masuk akal jika Anda bisa memprediksi hasil kampanye? Anda dapat melakukannya dengan menerapkan model berbasis algoritma klasifikasi untuk merasakan jika jangkauan atau respons akan tinggi atau rendah. Anda dapat menggunakan model berbasis regresi untuk memprediksi rentang respons (atau apakah konversi prospek).

Baca Juga: Gratis Tis Tis Tis... Terapkan Strategi Pemasaran Ini, Gratis dan Efektif Euy

Kemudian Anda dapat menyesuaikan parameter kampanye dan memprediksi di muka apakah respons atau kemungkinan konversi timbal meningkat atau tidak.

Layanan Pelanggan

Proaktif lebih dibutuhkan daripada reaktif ketika datang untuk melayani pelanggan. Dan jika Anda ingin proaktif, memprediksi respons atau reaksi mereka adalah kuncinya. Anda dapat menggunakan ML untuk memahami berdasarkan data historis bagaimana biasanya pelanggan akan bereaksi.

Meskipun setiap pelanggan berbeda, tetapi ada banyak aspek umum di mana harapan atau reaksi mereka serupa. Oleh karena itu, berdasarkan pada berbagai harapan dan faktor layanan, seseorang dapat memprediksi reaksi pelanggan. Tepi ini memberi Anda opsi untuk menjadi proaktif daripada reaktif.

Baca Juga: Apa Itu Artificial Intelligence?

Pengungkit Bisnis Inti

Kita masing-masing akan memiliki ide dan pasar yang berbeda. Tergantung pada bisnis Anda, memprediksi hasil fungsional dapat juga dilakukan dengan menggunakan ML. Ide-ide ini adalah bisnis atau masalah kasus sentris. Masalah inti yang Anda coba selesaikan akan menjadi inti bagi model ML.

Salah satu masalah umum yang akan Anda hadapi adalah seputar ketersediaan data berkualitas. Anda tidak hanya membutuhkan data (kuantitas) yang cukup untuk melatih model Anda, tetapi penyebaran nilai fitur dan label harus baik. Jika tidak, model dapat berubah menjadi bias atas satu hasil daripada yang lain.

Tag: Machine Learning, strategi bisnis, Teknologi

Penulis/Editor: Clara Aprilia Sukandar

Foto: Unsplash/Rawpixel

Kurs Rupiah

Mata Uang Simbol Nilai Jual Beli
Arab Saudi Riyal SAR 1.00 3,816.90 3,778.13
British Pound GBP 1.00 19,020.55 18,830.42
China Yuan CNY 1.00 2,133.47 2,112.30
Dolar Amerika Serikat USD 1.00 14,313.00 14,171.00
Dolar Australia AUD 1.00 10,150.78 10,042.99
Dolar Hong Kong HKD 1.00 1,823.43 1,805.31
Dolar Singapura SGD 1.00 10,579.50 10,472.99
EURO Spot Rate EUR 1.00 16,215.20 16,047.24
Ringgit Malaysia MYR 1.00 3,500.37 3,462.25
Yen Jepang JPY 100.00 12,826.42 12,695.75

Ringkasan BEI

No Name Today Change Stock
1 Composite Index 6509.447 48.264 628
2 Agriculture 1510.397 -3.951 21
3 Mining 1869.283 -10.413 47
4 Basic Industry and Chemicals 903.455 9.107 71
5 Miscellanous Industry 1303.633 23.743 46
6 Consumer Goods 2689.007 5.911 51
7 Cons., Property & Real Estate 460.164 4.459 74
8 Infrastruc., Utility & Trans. 1185.850 22.162 72
9 Finance 1245.077 9.833 91
10 Trade & Service 826.820 2.781 155
No Code Prev Close Change %
1 BCAP 147 189 42 28.57
2 MLPT 910 1,135 225 24.73
3 PNSE 610 760 150 24.59
4 GLOB 358 446 88 24.58
5 KDSI 975 1,175 200 20.51
6 OCAP 1,775 2,100 325 18.31
7 INCI 550 645 95 17.27
8 DILD 324 372 48 14.81
9 KBLV 456 520 64 14.04
10 DART 272 306 34 12.50
No Code Prev Close Change %
1 PGLI 294 262 -32 -10.88
2 SHID 4,200 3,770 -430 -10.24
3 ALKA 430 388 -42 -9.77
4 IDPR 840 760 -80 -9.52
5 GAMA 55 50 -5 -9.09
6 STAR 92 84 -8 -8.70
7 BALI 1,330 1,220 -110 -8.27
8 GSMF 119 110 -9 -7.56
9 RELI 230 214 -16 -6.96
10 JAYA 288 268 -20 -6.94
No Code Prev Close Change %
1 SIMA 398 394 -4 -1.01
2 MYRX 106 105 -1 -0.94
3 LPPF 3,840 4,100 260 6.77
4 BBRI 3,980 4,040 60 1.51
5 JAYA 288 268 -20 -6.94
6 TLKM 3,740 3,830 90 2.41
7 BKSL 110 111 1 0.91
8 ANTM 975 955 -20 -2.05
9 FREN 332 348 16 4.82
10 CSIS 151 164 13 8.61