Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sebagai sebuah lembaga negara Lembaga Penjamin Simpanan (LPS) memiliki kebutuhan akan data dan informasi dengan kualitas yang baik untuk dijadikan sebagai dasar pengambilan keputusan dan pembuatan kebijakan. Kualitas data yang baik dapat diperoleh apabila pengelolaan data dilakukan dengan baik, termasuk melalui pengukuran kualitas data dan perancangan manajemen kualitas data sebagai bagian dari upaya strategi peningkatannya. Penelitian ini dilakukan untuk memberikan rekomendasi manajemen kualitas data untuk diterapkan di LPS sebagai upaya untuk meningkatkan kualitas data yang dikelola oleh LPS dengan menggunakan Data Quality Framework dari David Loshin dan Data Management Body of Knowledge (DMBOK) dari DAMA Institute. Sebelum dilakukan penyusunan rekomendasi manajemen kualitas data, komponen-komponen manajemen kualitas data dari Data Quality Framework yang terdiri dari harapan pengguna, dimensi kualitas data, kebijakan, prosedur, tata kelola, standar, teknologi, dan pengukuran kinerja digunakan sebagai dasar pengukuran tingkat maturitas kualitas data di LPS. Berdasarkan hasil analisis kesenjangan antara tingkat maturitas manajemen kualitas data LPS saat ini dengan tingkat maturitas manajemen kualitas data LPS yang diharapkan di masa yang akan datang telah disusun rekomendasi aktivitas manajemen kualitas data LPS yang perlu dilakukan. Dari 12 aktivitas Manajemen Kualitas Data dalam DAMA-DMBOK, terdapat 10 aktivitas yang direkomendasikan dalam inisiatif manajemen kualitas data LPS.As a government institution, the Indonesian Deposit Insurance Corporation (IDIC) has the need for good quality data and information to be used as a basis for decision making and policy making. Good data quality can be obtained if the data management is done well, including through measurement of data quality and preparation of data quality management as part of efforts to improve strategy. This research is conducted to provide recommendations for data quality management to be applied at IDIC as an effort to improve the quality of data by using Data Quality Framework from David Loshin and Data Management Body of Knowledge (DMBOK) from DAMA Institute. Prior to the preparation of data quality management recommendations, data quality management components of the Data Quality Framework consisting of user expectations, dimensions of data quality, policies, procedures, governance, standards, technology, and performance measurements are used as a basis for measuring data quality maturity levels on IDIC. Based on the results of the gap analysis between the current maturity level of IDIC’s data quality management and the expected level IDIC’s data quality management, recommendations for IDIC’s data quality management activities have been made. Of the 12 Data Quality Management activities in DAMA-DMBOK, there are 10 recommended activities to be carried out in the data quality management initiatives in IDIC."

"ABSTRAK

Di era sekarang ini, informasi telah menjadi kebutuhan yang sangat penting bagi organisasi. Untuk memperoleh informasi yang bermanfaat, data sebagai sumber informasi harus memiliki kualitas yang baik. Salah satu organisasi yang saat ini bergantung pada kualitas informasi adalah PT. Bank Negara Indonesia, Tbk (BNI). BNI dalam usahanya melakukan transformasi bisnis menjadi bank yang berorientasi pada pelanggan melalui BNI Reformasi, sangat bergantung pada kualitas data nasabah yang baik. Kualitas data yang baik didapatkan dari pengelolaan data yang baik, termasuk diantaranya adalah pengukuran dan peningkatan kualitas data.

Penelitian ini dilakukan untuk mengukur tingkat kematangan dari pengelolaan kualitas data dan memberikan rekomendasi peningkatan kualitas data berdasarkan Data Quality Framework dari David Loshin dan Data Management Body of Knowledge (DMBOK) dari DAMA Institute.

Kerangka kerja yang lengkap dimiliki oleh Data Quality Framework sehingga dapat dihasilkan tingkat kematangan kualitas data yang dimiliki BNI untuk domain harapan, dimensi kualitas data, kebijakan, prosedur, tata kelola, standar, teknologi, dan pengukuran kinerja. Berdasarkan tingkat kematangan dan harapanharapan dari BNI, penulis menentukan kesenjangan yang digunakan untuk meningkatkan kematangan kualitas data di BNI. Berdasarkan best practice dan kerangka kerja yang ada di DMBOK, berhasil didapatkan rekomendasi peningkatan kualitas data, yaitu: perbaikan terhadap data quality requirements, menetapkan dan mengevaluasi data quality service levels, memantau prosedur operasional dan kinerja data quality management, serta melakukan pembersihan dan perbaikan data.

---

ABSTRAK

In this era, information has become critical for organization. To gain a maximum benefit from information, data as a source for information must have a good quality. PT. Bank Negara Indonesia (BNI) is one of organization that depends on good information quality. BNI is on their way to transforming from product centric to customer centric, they called this transformation as BNI Reformed. This transformation success is depends on their good customer data quality. Good data quality obtained from well data management, including the measurement and improvement of data quality.

This research was conducted to measure the maturity level of data quality management and provide recommendations on data quality improvement based Data Quality Framework from David Loshin and Data Management Body of Knowledge (DMBOK) of DAMA Institute.

Data Quality Framework has complete framework so that the maturity level of data quality in BNI can be measured for each domain: expectations, the data quality dimensions, policies, procedures, governance, standards, technology, and

performance measurement. Based on the level of maturity and expectations of BNI, the authors determine the gaps that are used to improve data quality maturity in BNI. Based on best practices and frameworks that exist in DMBOK, we can get data quality improvement recommendations, namely: improvements to data quality requirements, define and evaluate the data quality service levels,operational procedures and monitoring the performance of data quality management, as well as cleaning and repair data.

"

"ABSTRAKDalam dunia organisasi dewasa ini, pengelolaan data dan informasi sudah menjadi kegiatan yang sangat penting dalam mendukung tercapainya tujuan organisasi. Sebagai Kementerian baru pada Pemerintahan Republik Indonesia, Kementerian Riset, Teknologi dan Pendidikan Tinggi Kemristekdikti merupakan organisasi yang juga memerlukan pengelolan data dan informasi yang baik. Pengelolaan data Ilmu Pengetahuan dan Teknologi Iptek , serta pengelolaan data Pendidikan Tinggi Dikti adalah tanggung jawab Kementerian ini. Sejauh ini, kebijakan tentang pengelolaan data tersebut masih dalam proses pembahasan, padahalpermasalahan-permasalahan terkait dengan data sudah seringkali bermunculan dan mengganggu kinerja organisasi. Kondisi ini mengharuskan Kemristekdikti untuk segera menerapkan kebijakan pengelolaan datadan informasi yang baik.Permasalahan data seringkali terjadi karena organisasi belum menerapkan data management yang efektif. Berdasarkan panduan Data Management Body of Knowledge DMBOK , fungsi data management terbagi ke dalam sepuluh komponen, satu komponen yang memegang peranan sangat penting bagi pelaksanaan komponen lainnya adalah data governance. Penelitian ini bertujuan untuk mengetahui rancangan struktur data governance berdasarkan panduan DMBOK sebagai referensi utama. Rancangan struktur yang disusun mengacu kepada penelitian tentang data governance sebelumnya yang terdiri atas tiga unsur, yaitu role, decision areadan responsibility. Selanjutnya hasil rancangan yang diperoleh disesuaikan dengan kondisi Kemristekdikti sehingga menjadi titik awal dalam pelaksanaan data governance di lingkungan Kemristekdikti.Hasil dari penelitian ini menunjukan bahwa panduan DMBOK bisa dipadukan dengan struktur data governance penelitian sebelumnya. Aktivitas data governance pada DMBOK dapat digunakan sebagai solusi awal dari permasalahan data yang terjadi. Harapannya, struktur data governance yang dirancang dapat diaplikasikan sehingga pelaksanaan data governance di Kemristekdikti dapat berjalan secara berkesinambungan.

---

ABSTRACTCurrently, in organizational world, data and information management is very important activity to support organizational goal achievement. As new ministry of Indonesia Republic, Ministry of Research, Technology and Higher Education Kemristekdikti also requires good data and information management. Data management of science, technology and higher education is this ministry responsibility. In so far, policy of such data management is in discussion process indeed, frequently, so many problems related with data had arisen and disturbed organizational performance. Such condition resulted in the Ministry of Research, Technology and Higher Education should apply good data and information management. Frequently, data issues had occurred because organization had not applied effective data management. Based on data guidance of Data Management Body of Knowledge DMBOK , function of data management is divided into ten components which of very importantone and playing role is data governance.This research is aimed at knowing structural designing of data governance based on DMBOK guidance as principal reference.Structural designing having been set refer to research on previous data governance comprising three elements, those are role, decision area and responsibility. Subsequently, designing result having been obtained to be adjusted with condition of Ministry of Research, Technology and Higher Education and as starting point to implement data governance atMinistry of Research, Technology and Higher Education.This research result had indicated that DMBOK guidance may be combined with previous research on structure of data governance. Activity of data governance at DMBOK may be used as early solution from occurring data problem.Wishfully, the designed data governance structure may be applied, hence, implementation of data governance at Ministry of Research, Technology and Higher Education may be realized sustainably."

"ABSTRAKKualitas data bawah tanah adalah hal yang sangat penting untuk menunjang kegiatan eksplorasi dan eksploitasi perusahaan hulu migas. Dari hasil assesment pihak eksternal mengenai manajemen data di PT XYZ, salah satu hal krusial yang harus dibenahi adalah kualitas data bawah tanah yang masih rendah. Untuk itu diperlukan suatu kebijakan mengenai manajemen kualitas data sehingga dapat membantu meningkatkan kualitas data bawah tanah di PT. XYZ. Pada penelitian ini data bawah tanah yang akan dijadikan objek penelitian adalah data sumur pengeboran migas. Dalam menyusun kebijakan manajemen kualitas data, penelitian ini menggunakan kerangka kerja Data Quality Management DMBOK pada grup Planning dan Development yang relevan dengan pembuatan kebijakan. Aktivitas-aktivitas ini adalah mendefinisikan data quality requirement, membuat data quality business rule dan membuat data quality metrics. Penelitian berhasil merumuskan rancangan kebijakan manajemen kualitas data sumur pengeboran migas berupa 116 data quality requirement, 119 data quality business rule, dan data quality metrics yang tersusun berdasarkan persentase keberhasilan data memenuhi data quality business rule.

---

ABSTRACTThe quality of subsurface data is very important to support the exploration and exploitation activities of upstream oil and gas companies. From the external assessment of data management in PT XYZ, one of the crucial things that must be addressed is the low quality of subsurface data. For that we need a policy on data quality management so that it can help improve the quality of subsurface data at PT. XYZ. In this research, subsurface data that will be used as research object is oil and gas well drilling data. In preparing data quality management policies, this study uses the DMBOK Data Quality Management framework in the Planning and Development group relevant to policy making. These activities are defining data quality requirements, creating quality business rule data and creating data quality metrics. The research succeeded in formulating the draft of quality management policy of oil and gas well drilling data in the form of 116 data quality requirement, 119 data quality business rule, and data quality metrics compiled based on percentage of data success to meet the data quality business rules."

"Data pelanggan merupakan salah satu data yang paling penting digunakan dalam OVO untuk menjalankan strategi dan mencapai visi perusahaan. Untuk itu dibutukan strategi yang baik dalam melakukan pengelolaan data pelanggan tersebut untuk mendapatkan kualitas data yang lebih baik. Penelitian ini dilakukan untuk mengukur tingkat kematangan pengelolaan kualitas data yang saat ini dilakukan dan memberikan strategi manajemen kualitas data berdasarkan kerangka kerja Loshin (2011) dan DAMA-DMBOK. Dari hasil pengukuran tingkat kematangan didapatkan bahwa secara umum pengelolaan data kualitas di OVO sudah berada di level 3 (defined) dengan beberapa dimensi masih berada pada level 2 (repeatable). Selanjutnya dilakukan analisis kesenjangan terhadap harapan yang kemudian menjadi input untuk menyusun strategi manajemen untuk meningkatkan kualitas data di OVO. Adapun rekomendasi strategi manajemen yang disarankan yaitu penggunaan dimensi kualitas data yang diselaraskan dengan hasil review business rules, implementasi single source of truth, membentuk dan menentukan data stewards, membentuk dewan pengawas kualitas data, melakukan sertifikasi sumber data yang terpercaya, memberikan partisipasi terhadap business partner dalam aktifitas DQM, membangun metrik kualitas data yang selaras dengan bisnis, menetapkan SLA, melakukan pemantauan aturan kualitas data, melakukan analisis dampak data, menyusun prosedur terkait DQM, melakukan pelaporan data quality scorecard secara rutin, menggunakan tools dalam pengecekan, menambahkan detail prosedur dalam pengawasan dengan metode otomatis, membangun aturan data yang selaras dengan bisnis, dan melakukan validasi data menggunakan aturan yang sudah didefenisikan.

---

Customer data is one of the most critical data in OVO to carry out strategies and achieve the company's vision. Therefore, the company requires a good strategy in managing customer data to get better data quality. This research was conducted to measure the current maturity level of data quality management, and provide data quality management strategies based on the Loshin data quality maturity framework and DAMA-DMBOK framework. From the assessment of data quality maturity level, found that in general the quality data management in OVO was already at the third level (Defined), although some dimensions are still at the second level (Repeatable). Furthermore, an analysis of the gap against expectations is conducted which it’s results later become an input for formulating data management strategies to improve data quality in OVO. The results of data management strategy recommendations are use the data quality dimensions that are aligned with the results of reviewing business rules, implementation of a single source of truth, develop data stewards, develop data quality oversight board, certifying reliable data sources, giving participation to business partners in DQM activities, building data quality metrics that are aligned with the business, setting SLAs, monitoring data quality rules, conducting data impact analysis, compiling procedures related to DQM, reporting on data quality scorecards regularly, using tools in checking, adding detailed procedures for data monitoring with automated methods, develop data rules that comply with business, and perform data validation using predefined."

"Data merupakan faktor penting yang mempengaruhi dan menunjang keberhasilan di dalam organisasi atau perusahaan. Data merupakan aset dan menjadi faktor pendukung maupun penunjang dalam pengambilan keputusan baik di level manajemen puncak ataupun di bawahnya. PT JAS merupakan salah satu perusahaan penjaminan syariah yang mengelola risiko, melakukan proses pengajuan penjaminan dan pembayaran klaim berdasarkan dukungan data, sehingga dalam menjalankan bisnisnya PT JAS memiliki ekspektasi terhadap data yang berkualitas. Namun berdasarkan realitas, masih ditemukan data tidak lengkap, tidak benar dan tidak akurat di dalam database aplikasi yang menjadi core bisnis penjaminan. Berdasarkan gap antara ekspektasi dan realitas di PT JAS maka, dapat disimpulkan bahwa terjadi masalah yaitu “Kualitas data tidak mencapai target”. Dari hasil analisis yang dilakukan terkait permasalahan-permasalahan kualitas data penulis menentukan satu akar permasalahan untuk dibahas dan diselesaikan di dalam penelitian ini yaitu perusahaan “belum menerapkan tata kelola data “. Hal ini yang menjadi dasar diperlukannya optimalisasi kualitas data perusahaan dengan penerapan sebuah data management yang baik dengan perancangan data governance. Berdasarkan panduan DMBOK, di dalam menyusun fungsi data management pada suatu organisasi data governance merupakan fungsi utama yang harus dipersiapkan terlebih dahulu di dalam penyusunan tersebut. Penelitian ini merupakan penelitian kualitatif dengan paradigma interpretative yang bertujuan untuk mendapatkan sebuah rancangan struktur data governance yang sesuai dan memberikan rekomendasi penyelesaian permasalahan data di PT JAS. Proses pengumpulan data dilakukan melalui wawancara, studi literatur dan observasi dokumen. Hasil dari penelitian ini adalah pemetaan peran dan penyusunan data governance sesuai dengan kondisi organisasi yang dikelompokkan ke dalam peran organisasi dan individu terhadap aktivitas-aktivitas di area perencanaan maupun operasional, selanjutnya dari pemetaan peran diusulkan sebuah rancangan struktur data governance operating model yang membagi jalur eskalasi menjadi taktis dan operasional serta strategis. Selain itu, dari hasil analisis assessment tingkat kematangan data governance, diperoleh 11 usulan inisiatif yang dapat dilakukan untuk menunjang aktivitas data governance dan tercapainya integritas data.

---

Data is an important factor that influences and supports success in an organization or company. Data is an asset and is a supporting and supporting factor in decision making both at the top management level and below. PT JAS is one of the sharia guarantees companies that manages risk, processes submissions of guarantees and claims payments based on data support, so that in conducting its business PT JAS has expectations of quality data. However, based on reality, it is still found incomplete, incorrect and inaccurate data in the application database which is the core of the guarantee business. Based on the gap between expectations and reality at PT JAS, it can be concluded that a problem occurred namely "Data quality did not reach the target". From the results of the analysis conducted related to data quality problems, the author determines one root problem to be discussed and resolved in this study, namely the company "has not implemented data governance". This is the basis for the need for optimizing the quality of company data by implementing a good data management by designing data governance. Based on DMBOK guidelines, in compiling data management functions in a data governance organization is the main function that must be prepared in advance in the preparation. This study is a qualitative research with an interpretative paradigm that aims to get an appropriate data structure governance design and provide recommendations for solving data problems at PT JAS. The process of collecting data is done through interviews, literature studies and document observations. The results of this research are role mapping and governance data compilation in accordance with organizational conditions which are grouped into organizational and individual roles for activities in the planning and operational areas, then from the role mapping it is proposed that a governance operating model data structure design that divides the escalation path into tactical and operational as well as strategic. In addition to this from the results of the assessment analysis of the maturity level of governance data, 11 proposed initiatives that can be carried out to support data governance activities and data integrity are achieved."

"ABSTRAKBisnis digital merupakan salah satu bisnis yang menjanjikan pada era informasi saat ini. Informasi penting dapat diperoleh dari mewawas data yang berkualitas, sehingga dapat dimanfaatkan untuk kepentingan organisasi. Data pelanggan yang dimiliki oleh PT XYZ menjadi bahan inti dalam strategi pengembangan program digital. Data yang terkumpul dari beberapa unit bisnis memiliki kualitas data yang rendah. Tantangan tersebut menjadi perhatian manajemen, sehingga butuh pengelolaan kualitas data yang baik untuk meningkatkan kualitas data pelanggan.Penelitian ini menggunakan metode kualitatif, pengumpulan data dilakukan dengan melakukan wawancara terhadap empat narasumber dan studi dokumen perusahaan. Penilaian kualitas data dilakukan dengan menggunakan Big Data Quality Assessment dari lsquo;Cai and Zhu rsquo; dan tingkat kematangan kualitas data menggunakan Data Quality Framework dari Loshin untuk mengetahui karakteristik yang kurang dalam pengelolaan kualitas data. Hasil tersebut dipetakan berdasarkan praktik manajemen kualitas data Data Management Body of Knowledge DMBOK dari DAMA institute untuk menyusun rekomendasi strategi pengelolaan kualitas data.Pengukuran tingkat kematangan kualitas data pelanggan PT XYZ berada pada level 2 repeatbele . Rekomendasi yang dihasilkan yaitu: menentukan proses dan prosedur untuk menetapkan tanggung jawab dan akuntabilitas untuk semua aspek manajemen data, penerapan pengelolaan metadata, melakukan proses analisis data pelanggan, melakukan penambahan proses validasi data terhadap setiap elemen kualitas data, merumuskan Service Level Agreements SLA , merumuskan data profiling untuk data pelanggan, menyusun Standard Operating Procedure SOP , menerapkan manajemen pelacakan insiden, dan melakukan evaluasi pengelolaan data secara berkala.

---

ABSTRACTDigital business is one of the promising businesses in this information age. Important information can be obtained from data which has quality, so it can be utilized for the benefit of the organization. Customer data owned by PT XYZ becomes the core ingredient in digital program development strategy. The data collected from several business units has low data quality. The challenge become a concern of management, so it takes the management of good data quality to improve the quality of customer data.This research use qualitative method, data retrieval is done by interviewing four resource person and company rsquo;s document. Data quality assessment is performed using Big Data Quality Assessment from 39;Cai and Zhu 39; and data maturity level using Data Quality Framework from Loshin to know the quality of data. The results are mapped based on data management quality management practices of DMBOK from DAMA institutions to develop recomendation of data quality management strategy.Measurement of PT XYZ customer data quality maturity level is at level 2 repeatbele . Recommendations of the strategies are: determine the processes and procedures for assigning responsibilities and accountability for all aspects of data management, implementation of metadata management, conducting customer data analysis process, adding data validation process to each element of data quality, formulating Service Level Agreements SLA , formulate profiling data for customer data, develop Standard Operating Procedures SOP , implement incident tracking management, and conduct periodic data management evaluations."

"Data master merupakan data penting yang merepresentasikan objek bisnis utama dari suatu perusahaan, salah satunya pelanggan. Manajemen data master berperan dalam pengelolaan data master yang meliputi kepemilikan, kualitas, arsitektur, penyimpanan, dan distribusi data. PT Telekomunikasi Indonesia Tbk. (Telkom) merupakan perusahaan telekomunikasi terbesar di Indonesia dengan salah satu portofolio utama yaitu Indihome. Dalam rangka menyukseskan program utama Telkom 2020, data master pelanggan Indihome yang berkualitas merupakan data yang vital dibutuhkan. Analisis dan profiling data pelanggan dilakukan lebih akurat untuk meningkatkan customer experience dan kualitas produk Indihome. Berdasarkan hasil wawancara diketahui bahwa belum ada data master pelanggan. Hasil observasi juga menunjukkan data pelanggan Indihome yang ada pada aplikasi operasional tidak lengkap, tidak akurat, dan tidak valid. Penelitian ini menggunakan metode kualitatif dengan desain studi kasus yang bertujuan untuk melakukan perencanaan manajemen data master untuk data pelanggan Indihome di Telkom menggunakan kerangka kerja Data Management Body of Knowledge (DMBOK) dan model arsitektur dari Boris Otto, serta dengan mempertimbangkan hasil pengukuran tingkat kematangan manajemen data master dengan model Master Data Management Maturity Model (MD3M). Hasil pengukuran menunjukkan tingkat kematangan manajemen data master pelanggan Indihome berada pada level satu. Untuk mencapai tingkat kematangan yang diharapkan sebagaimana dalam strategi dan program utama Telkom, maka penelitian ini menghasilkan rancangan manajemen data master pelanggan Indihome, berupa rancangan tata kelola, arsitektur, serta peta jalan implementasi. Penelitian ini dapat menjadi acuan dalam implementasi manajemen data master pelanggan Indihome di Telkom, serta memberikan penambahan pengetahuan mengenai perencanaan manajemen data master pelanggan pada perusahaan telekomunikasi.

---

Master data is important data that represents the main business objects of a company. Customer is one of the main business objects of a company. Master data management plays a role in managing master data which includes ownership, quality, architecture, storage, and distribution of data. PT Telekomunikasi Indonesia Tbk. (Telkom) is the largest telecommunications company in Indonesia with one of the main portfolios, namely Indihome. To succeed in the main program of Telkom 2020, Indihome customer master data that has a good quality is vital. Analysis and profiling of customer data are carried out more accurately to improve the customer experience and quality of Indihome products. Based on the interview results it is known that there is no customer master data because it is still fragmented in several operational applications. The observation also shows that Indihome customer data that is in the operational application is incomplete, inaccurate, and invalid. This research uses a qualitative method with a case study design that aims to plan master data management for Indihome customer data at Telkom using the Data Management Body of Knowledge (DMBOK) framework and architectural models from Boris Otto, and by considering the measurement results of master data management maturity level with the Master Data Management Maturity Model (MD3M) model. The measurement results show that the maturity level of Indihome customer master data management is at level one. To achieve the expected level of maturity as in Telkom's main strategy and program, this study produces a master data management plan for Indihome customers, in the form of governance, architecture and implementation road maps. This research can be used as a reference in implementing Indihome customer master data management at Telkom, as well as providing additional knowledge about customer master data management planning at telecommunication companies."

"Pemanfaatan data untuk menghasilkan informasi yang dapat mendukung pengambilan keputusan bisnis semakin banyak diaplikasikan oleh berbagai perusahaan. Salah satu data yang dimanfaatkan dalam pengambilan keputusan tersebut adalah data pelanggan mengingat perannya dalam mengetahui perilaku pelanggan. Salah satu perusahaan yang memanfaatkan data pelanggan dalam pengambilan keputusan bisnis adalah English First (EF). Dalam membantu menetapkan strategi bisnis untuk meningkatkan perfoma penjualan, perusahaan menghadapi kendala penurunan performa penjualan perusahaan yang disebabkan oleh buruknya kualitas data pelanggan, sehingga strategi bisnis yang dihasilkan kurang tepat. Perusahaan berfokus kepada beberapa dimensi kualitas data pelanggan di perusahaan yaitu completeness, accuracy, dan consistency. Strategi untuk manajemen peningkatan kualitas data pada perusahaan perlu disusun guna penyusunan strategi bisnis yang tepat dan dapat meningkatkan performa penjualan. Penyusunan strategi manajemen peningkatan kualitas data dilakukan dengan melakukan penilaian terhadap dimensi-dimensi kualitas data untuk mengidentifikasi kondisi kualitas data saat ini di perusahaan EF. Selain itu, identifikasi kondisi manajemen dan praktek kualitas data di perusahaan saat ini juga dilakukan untuk dapat mengetahui kesenjangan antara kondisi perusahaan saat ini dengan kondisi yang diharapkan oleh perusahaan. Strategi peningkatan kualitas data yang dihasilkan dari analisis kesenjangan kondisi kualitas data dan manajemen & praktek kualitas data terdiri dari 8 (delapan) domain manajemen kualitas data. Delapan domain tersebut yaitu harapan dari kualitas data, penggunaan dimensi dari kualitas data, kebijakan data, prosedur, tata kelola data, standarisasi data, teknologi, dan pengelolaan kerja. Hasil dari strategi tersebut disusun menjadi rekomendasi solusi dan diurutkan berdasarkan prioritas dengan balance scorecard. Strategi yang memperoleh prioritas tinggi yaitu standardiasi aktifitas dan isu kualitas data serta mengidentifikasi ekspektasi dari kualitas data pada setiap dimensi kualitas data.

---

Data utilization to generate insights to support business decision making has been implemented in many companies. One of the most utilized data is customer data as it could provide information regarding customer’s behavior. One of the companies that utilize customer data is English First (EF). EF is a company in education sector and have more than 20 years of experience in Indonesia. EF utilize customer data in Customer Relationship Management system to produce a business strategy to boost company performance. However, since data in Customer Relationship Management system is stored by human, it has a low quality and resulted in a mismatch business strategy. Strategy to improve data quality management in the company needs to be produced in order to generate a precise business strategy and could boost company sales performance. Data quality assessment towards data quality dimensions needs to be done to produce a improve data quality management strategy. The assessment is needed to identify current data quality condition in EF. Other than that, identification of data quality management and practices in the company are needed to identify as-is management & practices in the company, company’s data quality expectation, and identify the gap between best practice & current condition. The result of data quality improvement strategy consists of 8 (eight) data quality management domains. Those domains are data quality expectation, data quality management, data quality, data policy, data procedure, data governance, data standardization, technology, and work management. The end result is a solution recommendation to improve data quality in EF and sorted by priority with the help of balance scorecard. The strategies that have high priority are company needs to standardized data quality activities and issues in the company as well as identify business expectation of each data quality dimension."

"Pemanfaatan teknologi digital telah membuat hampir seluruh sektor industri melakukan transformasi digital. Transformasi ini memberikan tantangan baru untuk dunia bisnis baik secara internal dan eskternal. Dengan kemajuan teknologi setiap organisasi mengalami peningkatan volume data dan variasi data serta kebutuhan untuk selalu melakukan ekplorasi terhadap data untuk kebutuhan komptetitif organisasi. PT. XYZ merupakan sebuah perusahaan publik yang didirikan tahun 1975 dan bergerak di bidang teknologi informasi yang berfokus pada ruang lingkup bisnis Digital Services dan Document solution. Berdasarkan hasil wawancara, tinjauan dokumen dan observasi, ditemukan permasalahan manajemen pengelolaan data perusahaan di PT XYZ. Salah satu akar penyebab permasalahan adalah belum adanya manajemen tata kelola data yang diterapkan. Untuk itu, penelitian ini dilakukan untuk merancang tata kelola data yang sesuai dengan kondisi organisasi. Pada penelitian ini dilakukan data governance maturity assessment untuk mengukur tingkat kematangan tata kelola data dengan hasil pengukuran ada pada level 1 (Performed). Dari hasil wawancara, observasi, studi dokumen dan pengukuran tingkat kematangan, selanjutnya dilakukan pemetaan peran dan aktivitas, struktur data governance, strategi data governance, kebijakan data governance, data governance roadmap dan strategi implementasi data governance. Dari hasil analisis yang dilakukan, terdapat depalan usulan inisiatif strategi data governance yang dapat diterapkan organisasi. Rancangan data governance dapat menjadi solusi untuk mempersiapkan penerapan data governance guna mengatasi permasalahan data organisasi.

---

The use of digital technology has enabled almost all industrial sectors to undergo digital transformation. This transformation provides new challenges for the business world both internally and externally. With advances in technology, every organization experiences an increase in data volume and data variety as well as the need to always explore data for the organization's competitive needs. PT. XYZ is a public company founded in 1975 and operates in the information technology sector which focuses on the Digital Services and Document Solution business scope. Based on the results of interviews, document reviews and observations, management problems were found in managing company data at PT XYZ. One of the root causes of the problem is that there is no data governance management in place. For this reason, this research was conducted to design data governance that is appropriate to organizational conditions. In this research, a data governance maturity assessment was carried out to measure the level of data governance maturity with the measurement results at level 1 (Performed). From the results of interviews, observations, document studies and maturity level measurements, then mapping of roles and activities, data governance structure, data governance strategy, data governance policy, data governance roadmap and data governance implementation strategy is carried out. From the results of the analysis carried out, there are eight proposed data governance strategy initiatives that organizations can implement. Data governance design can be a solution for preparing the implementation of data governance to overcome organizational data problems."