Latest / M365.FM – Podcast Microsoft 365, Copilot & AI Bahasa Indonesia / Fabric Data Activator: Otomatisasi Real-Time, Bukan Sekadar Memantau Dashboard (Sulih Suara AI)

Transcript

Fabric Data Activator: Otomatisasi Real-Time, Bukan Sekadar Memantau Dashboard (Sulih Suara AI) · M365.FM – Podcast Microsoft 365, Copilot & AI Bahasa Indonesia

0:00
Siap untuk 10 hari pembahasan Microsoft 365, Copilot, i, iJure, dan para tokoh pembentuk.
0:05
Masa depan kerja.
0:07
Januari ini, M365-Chan kembali hadir dan kami tampil.
0:11
Lebih besar.
0:12
Bergabunglah dengan kami untuk sesi langsung demo dunia nyata dan pengetahuan praktis dari MVP serta pakar industri dunia.
0:18
Anpa slide generik, tanpa istilah teknis yang tak ada.
0:21
Kami menangani tantangan yang sebut.
0:23
Copilot Studio, agen AI Fabric, keamanan, tata kelola, dan otomatisasi.
0:28
Baik Anda seorang profesional TI, pengembang, atau pemimpin bisnis, ada sesi yang dirancang untuk Anda.
0:35
Selama 10 hari penuh, Anda dapat menjelajahi berbagai teknologi dan terhubung dengan komunitas global.
0:40
Tonton secara langsung, dan bawa wawasan praktis kembali ke organisasi Anda.
0:45
Januari 2027, 10 hari, satu komunitas Microsoft.
0:49
Pendaftaran telah dibuka sekarang.
0:51
Amankan tempat Anda hari ini.
0:52
Kunjungi m365con.net
0:57
Daftar sekarang di m365mucon.net dan sampai jumpa secara langsung di bulan Januari.
1:05
Pernahkah Anda bertanya-tanya apakah data Anda bisa mengambil tindakan tanpa Anda risiko?
1:08
Bayangkan mengetahui penurunan inventaris secara waktu nyata.
1:11
Dan alih-alih menirim email atau meriksa dashboard sistem Anda secara otomatis memesankan stok untuk Anda.
1:15
Itu bukan sekadar hipotesis.
1:17
Itulah Fabric Data Activator yang sedang bekerja.
1:20
Hari ini, kita akan menghubungkan titik-titik antara data mentah, peringatan instan, dan respons otomatis,
1:25
serta menunjukkan cara kerjanya dengan Power BI, Synapse, dan Microsoft Fabric lainnya
1:29
untuk mengubah wawasan menjadi tindakan tanpa penundaan.
1:34
Tautan yang hilang dalam siklus data.
1:35
Kebanyakan tim akan mengatakan mereka beroperasi secara waktu nyata,
1:38
namun saat Anda melihat lebih dalam, segalanya terasa seperti operasi hari berikutnya.
1:42
Dashboard diperbarui setiap 15 menit, 30 menit, terkadang hanya sekali per jam.
1:48
Saat itu terjadi, pola yang perlu Anda tangkap sudah berubah,
1:50
dan laporan yang Anda lihat lebih merupai analisis pasca pertandingan daripada siaran langsung
1:55
Anda sedang menonton tayangan ulang setelah skor akhir diumumkan.
1:59
Masalahnya bukan karena alat BI tidak menunjukkan apa yang sedang terjadi.
2:02
Mereka biasanya sangat baik dalam hal itu.
2:04
Bagian yang hilang adalah apa yang terjadi setelah Anda melihatnya.
2:06
Saat ini, sebagian besar alur kerja bergantung pada manusia untuk menyadari perubahan,
2:10
memutuskan tindakan apa yang harus diambil, lalu mengeksekusinya.
2:14
Hal itu menciptakan ambat.
2:16
Bahkan hal mendasar seperti mengirim email ke pelandaan saat metrik tertentu menurun,
2:20
akhirnya menjadi pekerjaan manual karena sistem tidak diatur untuk menghubungkan wawasan langsung ke tindakan.
2:26
Penundaan inilah yang membuat begitu banyak peluang menjadi sia-sia.
2:29
Promosi yang diluncurkan 3 jam terlambat setelah penurunan penjualan kehilangan urgensinya.
2:34
Lonjakan kesalahan situs web yang dibiarkan tidak tertangani,
2:36
hingga rapatin jalan berikutnya akhirnya merugikan konversi yang tidak akan pernah kembali.
2:41
Celah antara mengetahui dan bertindak adalah tempat Fabric Data Activator berada,
2:44
dan ia dirancang untuk memangkas celah itu hingga hitungan detik.
2:48
Karena berada secara natif di dalam Microsoft Fabric,
2:50
Data Activator tidak mengharuskan Anda untuk terus-menerus mengekspor,
2:53
menghubungkan, atau mengatur sumber data.
2:56
Ia membaca aliran peristiwa saat terjadi dan bereaksi seketika-ketika kondisi yang Anda tentukan terpenuhi.
3:01
Perbedaannya adalah alih-alih berhenti pada peringatan ia dapat memicu reaksi berantai ke seluruh sistem Anda lainnya.
3:06
Iya.
3:07
Bayangkan ini, umpan penjualan langsung memantau kinerja di berbagai wilayah.
3:12
Biasanya, Anda akan melihat penurunan mendadak di satu wilayah pada dasbur Anda,
3:16
menyelidiki, menyusun penawaran yang ditargetkan,
3:18
mendapatkan persetujuan, dan meluncurkan promosi.
3:20
Itu mungkin mau akal satu jam.
3:21
Dengan data Activator, penurunan yang sama dapat memicu panggilan API yang telah disetujui sebelumnya ke sistem otomatisasi pemasaran Anda,
3:29
meluncurkan penawaran yang ditargetkan dalam hitungan menit sebelum pesaing melihat kelemahan.
3:34
Tidak perlu menunggu orang yang tepat menyadarinya.
3:36
Tidak ada penundaan untuk pertimbangan langkah yang sudah jelas.
3:39
Itulah perubahan yang sesungguhnya.
3:40
Alat BI tradisional melacak, data Activator mendengarkan dan merespons.
3:43
Dengan irama pembaruan power BI yang umum, misalnya setiap 30 menit,
3:48
deteksi saja mungkin sudah tertinggal dari saat perubahan dimulai.
3:53
Pemicu Data Activator dapat bertindak pada aliran peristiwa secara hampir waktu nyata.
3:58
Dalam hitungan detik tergantung pada sumbernya,
3:59
membuat momen yang dapat ditindak lanjuti selaras lebih dekat dengan peristiwa pemicunya sendiri.
4:04
Dan karena terjalin ke dalam fabrik, ia tidak terbatas pada satu dashboard atau kumpulan data.
4:09
Ia dapat terhubung ke bagian manapun dari ekosistem yang masuk akal.
4:12
Umpan streaming tersebut bisa menjadi bagian dari pipeline data,
4:16
Synapse, yang kemudian memberi makan berbagai model hilir dan AI.
4:22
Jika sesuatu yang penting terjadi,
4:23
data Activator tidak hanya berbisik ke dashboard Anda.
4:26
Ia mengirimkan sinyal ke sistem yang mampu memperbaiki atau memanfaatkan peluang tersebut seketika.
4:32
Ini adalah jembatan antara pengamatan eksekusi.
4:34
Alih-alih memenuhi obrolan tim Anda dengan pesan FVI yang akan dilihat staff Anda setelah makan siang,
4:39
ia mengeksekusi langkah berikutnya saat itu juga.
4:42
Ia mengubah setiap peristiwa yang memenuhi syarat menjadi keputusan yang sudah dibuat,
4:45
menjadi tindakan yang sudah dilakukan.
4:47
Saat Anda membandingkannya dengan alur kerja BI standar, keuntungannya terlihat jelas.
4:51
Pemantauan saja hanya menceritakan kisahnya kepada Anda.
4:54
Pemantauan ditambah respons mengubah hasilnya.
4:56
Dan dalam landscape di mana jendela peluang tertutup dengan cepat,
4:59
perbedaan itu lebih dari sekadar kenyamanan itu adalah daya saing.
5:02
Selanjutnya, mari kita lihat bagaimana ini pas secara alami dengan alat yang sudah Anda gunakan tanpa menambah
5:08
lapisan kompleksitas lain untuk dikelola.
5:11
Lebih dari sekadar peringatan jaringan fabrik.
5:13
Mengirim Anda ping tim selagi bukanlah otomatisasi itu hanya lebih banyak kebisingan.
5:17
Anda tahu jenisnya seperti apa?
5:19
Banjir pop-up muncul di setiap layar masing-masing menuntut Anda memperhatikan sesuatu yang mungkin penting atau tidak.
5:23
Awalnya ada rasa kendali, tetapi tak lama kemudian tim Anda mulai mengabaikannya karena hal penting terkubur dalam kekacauan.
5:32
Ironisnya sistem yang seharusnya memberi Anda informasi justru seringkali membuat Anda semakin tidak tahu apa-apa.
5:38
Kita semua pernah duduk di rapat hari Senin saat seseorang menyebutkan mereka melewatkan masalah pelangan besar
5:42
hanya karena peringatannya terlihat seperti yang lain.
5:45
Akar masalahnya bukan kurangnya deteksi, melainkan kurangnya kecerdasan tentang apa yang harus dilakukan.
5:49
Selanjutnya,
5:50
Pemicu yang terlalu sensitif menganggap setiap fluktuasi kecil sebagai krisis
5:54
dan itu menciptakan budaya di mana semua orang terbiasa mengabaikannya.
5:58
Disinilah peran Microsoft Fabric Data Activator bersama sisa Microsoft Fabric mulai terasa penting.
6:04
Ini bukan sekadar tambahan, tetapi beroperasi tepat di samping Power BI, Synapse, dan pergudangan data Fabric.
6:10
Artinya, ia bekerja di arena yang sama dengan alat yang sudah menjalankan analitik dan alur kerja Anda.
6:15
Alih-alih mengirim peringatan setiap kali ada metrik yang goya,
6:17
ia bisa memutuskan apakah goyangan itulah yang untuk menghentikan operasional.
6:20
Bayangkan seperti operator papan sambung jadul,
6:22
tapi jenis yang benar-benar memahami urgensi dibalik setiap panggilan.
6:26
Saat sesuatu terjadi, misalnya umpan data mengirim sinyal bahwa format penambahan produk Anda rusak di tengah proses pembuatan.
6:32
Data Activator tahu kabar mana yang terhubung ke sistem yang tepat.
6:35
Ia tidak mengirimkan pemberitahuan kepada tim pemasaran yang baru agama mereka baca besok.
6:38
Ia mengarahkan masalah langsung ke sistem yang dapat membukukan pembuatan yang cacat sebelum merusak laporan di hilir.
6:45
Dikut adalah contoh praktis.
6:46
Sebuah alur kerja sinaps menarik data transaksi keuangan setiap beberapa detik.
6:51
Salah satu sistem hulu mulai mengirimkan data duplikat karena gangguan di sisi vendor.
6:56
Jika Anda hanya menggunakan peringatan, Anda akan melihat pesan Teams atau email yang mengatakan,
6:59
Hi, jumlah duplikat terdeteksi.
7:01
Jadi sekarang itu masuk ke daftar tugas seseorang.
7:03
Dengan data Activator, sistem dapat mencedak alur kerja saat duplikat terdeteksi,
7:07
memberi ruang bagi insinyur data Anda untuk memperbaiki sumbernya sebelum data buruk masuk ke gudang data.
7:14
Perbaikan terjadi di tingkat sistem bukan karena seseorang kebetulan sedang meriksa dashboard.
7:18
Itu adalah perbedaannya, Sam.
7:19
Data Activator tidak terikat pada satu kumpulan data atau satu aliran sempit saja.
7:23
Ia bekerja di berbagai jenis input.
7:25
Tabel gudang terstruktur, aliran acara, dan sumber data lain yang terhubung ke fabrik
7:29
menerapkan aturan logis yang sama tanpa Anda harus mengawasinya.
7:33
Cakupan intas layanan ini berarti ia tidak hanya tahu saat ada sesuatu yang tidak beres.
7:37
Sistem ini tahu persis kapan harus mengarmah atau tancap gas.
7:40
Dan karena berada dalam ekosistem yang sama dengan logika transformasi dan penyimpanan Anda,
7:44
sistem ini tidak menghampat aliran data.
7:47
Sistem ini tertanam di dalam.
7:49
Itulah sebabnya Anda bisa membuat rangkaian di mana penyerapan,
7:51
transformasi, validasi, dan resolusi terjadi dalam satu alur
7:54
tanpa perlu saling mengejar untuk serah terima.
7:56
Ini adalah perbedaan antara sekadar bereaksi terhadap data dan membuat sistem Anda
8:00
beradaptasi di tengah proses untuk menjaga kualitas dan ketepatan waktu.
8:05
Namun, manfaat sebenarnya mulai muncul saat Anda tidak melihat ini sebagai alat peringatan,
8:08
melainkan sebagai lapisan pengambilan keputusan operasional.
8:10
Sistem ini merespons berdasarkan konteks,
8:13
yang secara drastis mengurangi kebisingan sekaligus meningkatkan
8:16
persentase peringatan yang memicu tindakan bermakna.
8:21
Anda tidak lagi kewalahan.
8:22
Anda mendapatkan sinyal yang jelas dengan usaha manusia yang lebih minim.
8:27
Dan karena keputusan tersebut, dapat memicu perubahan nyata,
8:29
seperti menjadat tugas, memperbarui catatan, atau memulai pemulihan.
8:32
Ini bukan sekadar memperkecil jadat antara tahu dan bertindak.
8:36
Ini menghampus kesenyalan tersebut sebelumnya.
8:38
Sekarang, mari masuk ke bagian yang menarik perhatian,
8:40
yaitu memanggil API dan berinteraksi dengan dunia yang di luar Microsoft.
8:43
Saat bagian dalam memanggil dunia luar,
8:45
data Anda dapat melakukan panggilan telepon bahkan sebelum Anda menyadari adanya panggilan.
8:49
Itu bukan kiasan kita berbicara tentang menggunakan aliran peristiwa
8:52
yang sama yang sudah Anda lacak untuk memicu sesuatu di luar ekosistem Microsoft Fabric secara real-time.
8:58
Alin-alin, menunggu Anda membaca dashboard atau mengeklik peringatan Teams sistem ini sendiri
9:03
yang akan menghubungi secara metaforis atau harfiah untuk memulai.
9:07
Tindakan di aplikasi atau layanan lain begitu kondisi terpenuhi.
9:12
Sebagian besar pengaturan di Inga Galis ini.
9:14
Mereka sangat hebat dalam menyajikan wawasan.
9:16
Terkadang dengan visual menarik dan komentar bantuan AI,
9:18
tetapi mereka menyerahkan bola kepada Anda dan mengharapkan Anda untuk mengeksekusinya.
9:21
Anda masih harus membuka CRM, mengirim pesanan, memperbarui ERP, atau memulai proses secara manual.
9:28
Kesenjangan itulah tempat hambatan manusia kembali muncul.
9:31
Anda mungkin mendeteksi masalah dalam hitungan menit,
9:34
tetapi eksekusi terjadi berjam-jam kemudian karena menunggu seseorang yang bisa bertindak.
9:38
Dengan data Activator, langkah itu tidak hanya dipersingkat, tetapi hilang sama sekali.
9:42
Bayangkan tingkat inventaris turun.
9:44
Dibawah ambang batas pengisian ulang Anda di tengah hari.
9:47
Dalam pengaturan normal, seseorang di bagian operasional melihat ini di Power BI,
9:50
mengirim catatan ke pengadaan dan menunggu konfirmasi.
9:53
Sementara itu, Anda masih terus menjual produk dan semakin mendekati kabisan stok.
9:58
Sebaliknya, data Activator dapat mengirim panggilan API langsung ke sistem pemesanan pemasok Anda
10:02
begitu data melewati batas tersebut.
10:05
Pesanan pembelian masuk, pengiriman diantrekan,
10:07
bahkan belum ada tim Anda yang membaca peringatan tersebut dan perbaikan sudah mulai berjalan.
10:11
Itulah nilai dari melakukan panggilan eksternal langsung dari dalam fabrik.
10:15
Anda tidak terbatas pada alat Microsoft,
10:17
entah itu CRM Saas, RP Lama, Titik Akhir Res Custom,
10:20
atau bahkan AP Mitra, Anda bisa menghubungkan pemicu waktu nyata tersebut
10:23
untuk menjembatani deteksi dan resolusi.
10:28
Outputnya bisa sesederhana memposting data ke webhub atau terstruktur,
10:31
seperti mengirim pilot berformat yang memicu alur kerja multilangkah
10:35
di platform yang sepenuhnya berbeda.
10:37
Inilah saat fabrik berhenti menjadi sekadar seperangkat alat analitik
10:43
dan mulai berperilaku layaknya sistem saraf pusat lingkungan operasional Anda.
10:48
Saat suatu peristiwa terjadi, saraf tidak hanya mengirim sinyal ke mata Anda,
10:51
tetapi juga mendorong instruksi ke anggota tubuh yang bisa bertindak segera.
10:55
Begitulah cara Anda,
10:56
beralih dari sekadar mata operasional menjadi operasional yang sebagian besar mengatur dunia sendiri.
11:00
Anda bisa melihat ini di industri dengan jejak IoT yang kuat.
11:03
Bayangkan sebuah fabrik manufaktur dengan sensor getaran yang dipasang pada mesin-mesin vital.
11:07
Sensor-sensor ini mengalirkan data ke fabrik secara waktunya.
11:11
Saat pembacaan menyimpang kerentang peringatan kegagalan,
11:14
data activator dapat membuat dan menetapkan perintah kerja di Dynamics 365
11:17
menjadwalkan teknisi sebelum mesin tersebelum mesin tersebut mendekati kerusakan.
11:22
Tidak ada penyelia yang menghentikan harinya untuk melakukan panggilan sistem
11:25
mengatur pekerjaan secara otomatis, lengkap dengan konteks yang dibutuhkan teknisi.
11:30
Pekerjaan perbaikan dimulai bahkan sebelum waktu henti menjadi bahan pembicaraan.
11:33
Perpaduan antara pemantauan otomatis dan api keluar adalah tempat di mana otonomi yang sebenarnya dimulai.
11:38
Anda tidak hanya memfilter peringatan agar relevan Anda menghubungkan pemicu yang telah difilter tersebut
11:43
dengan tindakan nyata yang terjadi segera.
11:44
Itu adalah lompatan dari berbasis data menjadi teraktivasi data,
11:47
di mana kemampuan sistem untuk merespon secepat kemampuannya dalam mendeteksi.
11:52
Jika Anda mengaturnya dengan benar,
11:53
proses Anda tidak hanya melewati mikromanajemen manusia,
11:56
tetapi secara aktif meningkat karena siklus antara deteksi dan tindakan menjadi erat, konsisten, dan selalu aktif.
12:02
Anda bisa fokus merancang aturan dan logika yang lebih baik daripada khawatir apakah seseorang sudah melihat peringatan itu.
12:08
Namun, bahkan sistem saraf yang paling responsif sekalipun memiliki ambang batas yang tidak bisa Anda abaikan.
12:12
Dan jika Anda tidak mengetahuinya sebelum memulai hasilnya, bisa menjadi kacau dengan cepat.
12:17
Mengetahui batasan sebelum membangun,
12:19
setiap pahlawan otomatisasi memiliki kisah asal dan daftar,
12:22
jebakan yang mereka harap sudah diantisipasi sebelumnya.
12:24
Dengan data aktifator, kenyataannya adalah meskipun ide deteksi plus reaksi terdengar tak terbatas,
12:30
terdapat kerangka kerja yang sangat praktis di bawahnya.
12:33
Ini bukan sihir, sistem ini tetap berjalan di atas arsitektur fabrik,
12:36
terikat oleh model kapasitas, batas layanan, dan asumsi desain yang sama yang berlaku untuk semua hal lain dalam ekosistem tersebut.
12:44
Abaikan batasan tersebut dan Anda akan segera mengetahui apa yang terjadi ketika otomatisasi yang berniat baik justru terhenti.
12:49
Bagian yang sulit adalah titik kegagalan biasanya tidak muncul selama bukti konsep Anda.
12:54
Dalam pengujian kecil, semuanya terasa instan.
12:57
Kondisi terpicu, tindakan berjalan, dan Anda melihat hasilnya hampir seketika.
13:00
Begitu Anda melakukan ekspansi, menghubungkan beberapa sistem eksternal,
13:04
meningkatkan volume pemicu, dan menambahkan logika kompleks,
13:06
barulah kendala tersebut terlihat, barulah kendala tersebut terlihat.
13:08
Latensi meningkat, penggunaan kapasitas melonjak.
13:11
Tiba-tiba, mesin pengambil keputusan real-time itu menjadi terbatas atau mengantre.
13:15
Pikirkan apa yang terjadi ketika pemicu bergantung pada sumber yang terhubung secara teknis,
13:21
tetapi tidak berjalan di dalam layanan asli fabrik.
13:24
Mungkin Anda memiliki aliran data dari pusat acara eksternal yang masuk ke laporan Anda.
13:29
Jika data aktifator mengandalkan umpan tersebut untuk menjalankan proses kritis,
13:33
namun interval pemrosesan di sisi sumber lebih lambat dari waktu reaksi target fabrik,
13:37
Anda tidak akan pernah mendapatkan respons yang diharapkan.
13:40
Saya pernah melihat peluncuran terhenti karena kondisi dibangun di atas data semistatis
13:45
yang tidak mampu mengimbangi logika pemicu.
13:47
Otomatisasi tidak gagal, hanya saja sudah terlambat untuk memberikan Anda.
13:50
Ada juga godaan untuk memantau semuanya.
13:52
Sekarang hal itu masuk akal pada awal.
13:54
Semakin banyak kondisi pemantauan seharusnya berarti semakin banyak peluang untuk bereaksi,
13:58
namun setiap pemicu yang Anda tentukan berkontribusi pada beban kerja
14:00
yang berjalan terhadap kapasitas fabrik Anda,
14:03
itu berarti Anda menghabiskan kapasitas yang sama
14:05
yang mendukung penyegaran BI, aliran data, dan query gudang data Anda.
14:09
Jika dipaksakan, Anda akan melihat efek domino di mana beban kerja lain melambat
14:13
karena pemicu Anda menghabiskan sumber daya komputasi.
14:17
Perencanaan kapasitas di sini bukanlah pilihan
14:18
karena itulah disiplin yang mencedel otomatisasi berubah menjadi waktu henti
14:21
yang disebabkan oleh diri sendiri.
14:22
Target latensi juga penting.
14:24
Data activator dapat bereaksi dalam hitungan detik,
14:26
tetapi hanya jika sistem hulu dan hilir dapat menangani kecepatan tersebut.
14:30
Jika panggilan API yang dipicu mengarah ke integrasi ERP
14:32
yang diproses secara batch setiap 15 menit,
14:34
Anda secara efektif menciptakan penundaan bawaan.
14:37
Pemicu berjalan, namun hasil akhirnya tetap menunggu hingga batch berikutnya.
14:42
Perbedaan ritme layanan tersebut perlu dipetakan sebelum Anda mulai menghubungkan sistem.
14:47
Jalur yang lebih aman adalah memulai dengan kondisi bernilai tinggi dan berfrekuensi rendah.
14:51
Itu berarti memilih skenario di mana meskipun Anda hanya memicu beberapa kali sehari,
14:54
masing-masing-masing, memiliki dampak jelas yang layak di otomatisasi.
14:57
Ini tentang membuktikan efektivitas tanpa membanjiri kapasitas Anda
15:01
atau membuat kewalahan layanan hilir.
15:04
Anda menyempurnakan logika pemicu,
15:05
memahami profil pemrosesan dan baru kemudian mulai berekspansi.
15:09
Perlu diingat juga bahwa harga dan kapasitas,
15:11
bukan hanya tentang penyimpanan atau penyegaran.
15:15
Evaluasi pemicu dan eksekusi tindakan mengonsumsi sumber daya dari kumpulan yang sama.
15:18
Panggilan API keluar itu adalah komputasi,
15:20
transformasi yang Anda jalankan sebelum meriksa kondisi juga ikut terhitung.
15:25
Jika Anda meningkatkan kondisi dan koneksi tanpa memperhitungkan kumpulan pada unit fabrik Anda,
15:29
Anda akan mencapai batas lebih cepat dari yang diperkirakan.
15:32
Kabar baiknya adalah setelah Anda mengetahui di mana batasannya Anda dapat merancang dengan menyiasatinya,
15:36
Anda membangun proses yang secara mendirik.