Bayesian di Bisnis Modern

Belajar umumnya dimulai dengan upaya pencarian, baik pencarian untuk mengetahui, memahami maupun mencari untuk memberikan solusi. Pencarian untuk mengetahui biasanya dilakukan dengan menyertakan beberapa penanda kunci, apakah keyword, key fragment, key data,  kemudian menjadi pengarah ketepatan pencarian. 

Pencarian untuk memahami dengan melakukan pengelompokan hasil atas informasi yang telah diketahui, dalam pendeketan ini pengelompokan ini merupakan representasi tingkat informasi yang dapat diabstraksi menjadi pengetahuan. Terakhir untuk memberikan solusi maka hasil pencarian pemahaman tadi dikelompokkan dan disusun ulang agar sesuai dengan konteks masalah yang sedang dipecahkan.  Pendekatan ini menjadi gambaran awal betapa panjang dan dalam proses belajar yang dijalani manusia.

Proses berpikir yang dilakukan melalui rangkaian jutaan simpul syaraf telah memandu manusia dalam belajar dan mengambil keputusan. Naluri manusia belajar menangkap asumsi dan menyimpannya. Basis data asumsi ini dimulai sejak bayi hingga tiada. Melalui asumsi ini, persepsi atas kehidupan di sekitar manusia terbangun. Akal kita merupakan mesin prediksi canggih.  

Saat kita bermain basket, melempar bola dengan lengkungan sudut tertentu dan tenaga yang diperlukan agar bola masuk ke keranjang, dapat kita urai dalam ruang kompleks bila disusun sebagai rangkaian parameter dan alur algoritma. Kompleksitas ini menjadi sederhana dikerjakan oleh akal kita berdasarkan pengalaman dan aksi yang dilakukan pemain.  

Saat kita tertarik dengan lawan jenis, setiap orang memiliki cara tersendiri yang berbeda untuk mendekati dan menunjukkan rasa tertarik itu. Cara pendekatan dibangun oleh akal itu sesuai dengan pengalaman interaksi sosial yang dicapture langsung atau tidak langsung, dimana pengalaman ini beragam dan senantiasa bertambah hingga akhirnya mampu menggeser cara interaksi sosial manusia. Akal kita memiliki demikian banyak filter dan framework untuk memilah, menyusun kategori maupun menilai resiko. Pendekatan ini kemudian ditiru untuk membangun kecerdasan artifisial.  Pendekatan ini juga digunakan dalam bisnis modern.

Kemampuan melakukan iterasi untuk eksplorasi dan mempelajari pengalaman bisnis agar didapat insight dan arah rencana bisnis merupakan trend bisnis modern saat ini. Kemampuan ini menggunakan analisis statistik untuk menjelaskan fenomena dan membangun prediksi. Bisnis saat ini dapat menggunakan regresi linear untuk melihat keterkaitan dampak dari berbagai fakta tercatat terhadap sebuah fenomena, atau menggunakan decision tree  membangun pengelompokan fakta dari sebuah fenomena. 

Melalui kemampuan menganalisa pengalaman, bisnis dapat menyusun perilaku terhadap pelanggan berdasarkan karakteristiknya. Dalam buku Smarter, faster, better ,charlesduhigg.com memberikan contoh demikian baik bagaimana bayesian digunakan. Kesadaran untuk menggunakan pengalaman dan fakta, membuat bisnis modern tumbuh cepat dan fenomenal.  

Analisa Bayes digunakan karena ketidakpastian biasanya dapat diperkecil bila informasi relevan dapat dikumpulkan, sehingga pengambil keputusan dapat melakukan peramalan lebih baik dengan bekal informasi yang relevan tersebut. itulah sebabnya ketika banyak yang melakukan survai pasar, ramalan penjualan, analisis investasi, dll, digunakan untuk mendapatkan informasi relevan tambahan yang akan memungkinkan orang menilai kembali probabilitas, kadar kerugian karena ketidakpastian dapat diperkecil.

Memberikan data dan laporan statistik kemudian menjadi panduan umum untuk menumbuhkan kebiasaan membuat pilihan berdasarkan data. Panduan ini justru tidak praktis dan diabaikan dalam kegiatan operasional harian, bagaimana keputusan berbasis data dikenalkan, juga diacuhkan. Seorang calon investor pemula biasanya sangat bingung ketika mencoba peruntungan di dunia saham. Begitu banyak data, laporan yang dibaca, tak juga kunjung memberikan arah pada saham apa yang untung diperdagangkan. 

Perilaku ini menunjukkan banjirnya informasi menjadikan kurang produktif. Proses iterasi mengeksplorasi keputusan walau bersifat coba-coba akhirnya akan membangun pola sebagai hasil belajar. Pada fase ini banjirnya informasi dapat produktif karena telah didapatkan pola bagaimana rekomendasi diberikan. 

Pada bisnis modern resiko kegagalan dan banyaknya iterasi coba-coba ini dapat diturunkan melalui pemanfaatan teknologi dan disiplin ilmu prediksi. Merangkum pola dan mesintesa aksi dari sebuah keputusan merupakan domain manusia dalam berpikir dan dan bertindak, di sisi lain mesin komputasi dapat membantu kita mengumpulkan informasi dan fakta, memilahnya dan menemukan pola atas informasi tersebut untuk kemudian menjadi dasar dari aksi yang kita lakukan. Mesin cerdas menjadi asisten kita dalam menyusun keputusan dan melakukan aksi-aksi produktif kita.  

Kemampuan untuk menyusun prediksi ini diketahui oleh tenenbaum sebagai bayesian inference. Sebuah cara untuk memodelkan kebiasaan manusia dalam menyusun prediksi. Temuan riset tenenbaum dalam risetnya tentang prediksi optimal dalam kognisi harian, menunjukkan pola pikir manusia secara cermat menggunakan pengalaman dan statistik ketika menyusun prediksi. 

Kemampuan untuk menggabungkan pengetahuan sebelumnya tentang dunia sekitarnya dengan statistik rasional terbaru merupakan aspek kritis kognisi manusia. Pendekatan statistik dengan distribusi bayesian juga digunakan akal kita untuk membentuk generalisasi terhadap properti sebuah obyek, maupun saat menemukan hubungan logis atau sebab-akibat. Canggihnya lagi, akal kita mampu secara efektif untuk mengkalibrasi statistik pengalaman tersebut agar sesuai dengan kejadian yang relevan terhadap kehidupan nyata dan pengalaman sehari-hari kita.

Bayesian inference menjadi salah satu alasan mengapa big data (Maha Data) begitu powerful bagi bisnis modern. Maha data yang memuat segala jenis data dari berbagai bentuk, dipetakan dan diabstraksi agar dapat digunakan untuk rasionalisasi keputusan bisnis. Mencatat dampak dan fakta atas asumsi mendorong organisasi bisnis menjadi lebih cerdik menghadapi kesempatan dan ketidakpastian resiko.  

Dalam situasi hyper competition, sekadar cerdas tidak cukup, menjadi cerdik dan tangkas telah menjadi budaya keunggulan bisnis. Tak heran bila transformasi digital dengan mendorong kemampuan analitik bisnis, bukan karena besarnya investasi, namun impact besar ke budaya organisasi untuk semakin cerdik dan tangkas dalam bersaing.  

Maha data telah menjadi topik yang mengacu kepada data set yang sangat besar dan kompleks. Karena ukurannya yang sangat besar, bentuknya sangat beragam dan kompleksitasnya tinggi, data set ini hanya dapat dianalisis dengan sistem terkomputerisasi. Melalui Maha data telah merevolusi pentingnya makna data, karena kini bisnis menggunakan lebih banyak data untuk menghasilkan lebih banyak kesimpulan.

Data-driven --- data menentukan proses pengambilan keputusan, Intinya, data-driven berarti data menentukan proses pengambilan keputusan organisasi. Data telah mengambil peranan terpenting dalam perusahaan. Para pengambil keputusan bergantung sepenuhnya kepada data. Organisasi, menggunakan pendekatan data-driven, mengimplementasikan penggunaan data di dalam organisasi. 

Analisis data dan penggunaannya kini bukan hanya tugas dari IT atau spesialis data, namun seluruh departemen dari organisasi menggunakan dan menganalisis data yang mereka dapat.

"Mereka (para perusahaan) memilih mempertanyakan --- atau bahkan mendebat --- keputusan bisnis yang dibuat, selama pertanyaan tersebut berdasarkan data dan analisis," Jim Giles .