Tentang Sesi Ini
Ringkasan & metadata
Sesi ini membahas cara menyatukan data dari SAP (sistem ERP) dengan sumber data non-SAP di AWS agar organisasi memperoleh gambaran bisnis yang utuh untuk analitik dan pengambilan keputusan. Di banyak perusahaan, data operasional inti — keuangan, persediaan, produksi — tersimpan rapi di dalam SAP, sementara data pelanggan, sensor lapangan, spreadsheet, dan aplikasi lain hidup di sistem yang terpisah. Akibatnya, tak ada satu pun tempat yang bisa menjawab pertanyaan sederhana seperti "berapa margin per produk, per wilayah, minggu ini?" tanpa kerja manual yang melelahkan.
Yang membedakan sesi ini adalah sudut pandang praktisi: PT Perkebunan Nusantara III (PTPN) — perusahaan perkebunan/agribisnis milik negara — berbagi pengalaman nyata menyatukan data lintas kebun, pabrik, dan sistem korporat. Pesannya: integrasi data bukan proyek TI belaka, melainkan fondasi keunggulan bisnis — dari perencanaan panen sampai efisiensi rantai pasok.
Kenapa penting untuk Anda? Jika organisasi Anda memakai SAP tetapi laporan penting masih dirakit manual dari banyak ekspor Excel, sesi ini menunjukkan pola arsitektur untuk mengubahnya menjadi satu dasbor tepercaya yang selalu segar.
PT Perkebunan Nusantara III (Persero) adalah induk (holding) BUMN perkebunan Indonesia dengan komoditas utama kelapa sawit — crude palm oil (CPO), inti sawit, dan turunannya — serta karet, plus teh, kopi, dan tebu di anak-anak usahanya. Pada 1 Desember 2023 grup ini menjalani restrukturisasi besar: 13 perusahaan digabung menjadi dua sub-holding, PalmCo (bertumpu pada PTPN IV sebagai entitas penerima gabungan, ditargetkan menjadi salah satu produsen sawit terbesar dunia) dan SupportingCo (bertumpu pada PTPN I, fokus pengelolaan aset perkebunan). Skala dan sebaran kebun–pabrik inilah yang membuat integrasi data lintas sistem menjadi kebutuhan nyata, bukan sekadar teori.
Di sisi sistem inti, PTPN III mengadopsi ERP SAP S/4HANA (implementasi digarap Telkom dengan SISI/Sinergi Informatika Semen Indonesia sebagai konsultan), mencakup modul-modul seperti Financial, Controlling, Material Management, Production Planning, Plant Maintenance, Sales & Distribution, hingga modul khusus agriculture. ERP ini dilengkapi teknologi lapangan seperti GIS dan IoT di sisi on-farm, SCADA di sisi off-farm (pabrik), serta War Room sebagai pusat pemantauan — persis lanskap "SAP + banyak sumber non-SAP" yang menjadi tema sesi ini.
Sumber: profil & Annual Report PTPN III (ptpn.id); pemberitaan restrukturisasi PalmCo/SupportingCo (Detik Finance, CNBC Indonesia, ANTARA, 2023); paparan transformasi ERP SAP PTPN III (SISI, sisi.id). Detail penggunaan AWS spesifik oleh PTPN tidak dipublikasikan secara terbuka; arsitektur AWS pada sesi ini bersifat ilustratif kecuali disebutkan.
Masalah Silo & Pola Integrasinya
Masalah silo data
Silo data adalah kondisi ketika informasi terkurung di dalam satu sistem dan sulit dipadukan dengan yang lain. SAP sangat kuat sebagai "sumber kebenaran" untuk transaksi bisnis, tetapi ia dirancang untuk menjalankan proses, bukan untuk analitik lintas sumber dalam skala besar. Sementara itu, data berharga lain — CRM, IoT sensor, log aplikasi, file — tersebar di tempat berbeda. Menariknya keluar dan menggabungkannya secara manual menimbulkan tiga masalah klasik: lambat (laporan basi sebelum jadi), rawan salah (salin-tempel manual), dan mahal (waktu analis habis untuk merapikan data, bukan menganalisis).
Solusinya: memindahkan (mengekstrak) data dari SAP dan sumber non-SAP ke sebuah data lake terpusat di AWS, membersihkan dan menyelaraskannya, lalu menyajikannya untuk analitik. Beberapa pola integrasi yang dibahas: menjalankan SAP on AWS atau RISE with SAP agar SAP dan data lake berdekatan, memakai konektor data khusus SAP untuk ekstraksi yang aman ke Amazon S3, lalu transformasi dan analitik dengan layanan AWS.
Layanan pada pola integrasi
Berikut layanan inti yang berperan di sepanjang perjalanan data, dengan fungsi ringkasnya:
Layanan-layanan ini bekerja berurutan bagai lini produksi: konektor mengekstrak data SAP dan non-SAP ke S3, Glue membersihkan dan menyatukan formatnya, lalu Athena atau Redshift menjalankan analitik, dan QuickSight menampilkannya sebagai dasbor — semuanya dibungkus lapisan tata kelola & keamanan agar data hanya dilihat pihak yang berhak.
Analogi yang Mudah Dicerna
Buku catatan yang tercecer & satu dasbor
Ibaratnya, setiap departemen di perusahaan punya buku catatan sendiri. Bagian keuangan mencatat di buku SAP yang tebal dan rapi; bagian lapangan mencatat hasil panen di buku terpisah; tim pemasaran menyimpan daftar pelanggan di buku lain lagi. Selama buku-buku itu tercecer di laci masing-masing, pimpinan harus keliling meminta setiap orang membacakan catatannya — melelahkan, lambat, dan sering tak sinkron.
Integrasi data adalah proses menyalin isi semua buku itu ke satu ruang arsip bersama, merapikannya dengan format seragam, lalu memasang satu papan dasbor besar yang bisa langsung dibaca pimpinan.
- Buku-buku departemen = sumber data (SAP ERP, CRM, sensor IoT, file) — masing-masing dengan "gaya penulisan" berbeda.
- Ruang arsip bersama = data lake di Amazon S3 — satu tempat menampung semua salinan.
- Petugas perapi = AWS Glue — menyeragamkan istilah dan format agar bisa dibandingkan.
- Papan dasbor = QuickSight — pandangan tunggal, selalu segar, untuk pimpinan.
- Kunci & daftar hadir arsip = tata kelola & keamanan — siapa boleh membaca bagian mana.
High-Level Architecture & Alur
High-Level Architecture (HLA)
Secara garis besar, arsitektur integrasi terlihat seperti ini: sumber SAP (idealnya SAP on AWS) dan sumber non-SAP diekstrak lewat konektor ke data lake Amazon S3; AWS Glue membersihkan dan menyelaraskannya; lalu Athena dan Amazon Redshift melakukan analitik, disajikan sebagai dasbor oleh QuickSight — dengan lapisan tata kelola, keamanan, dan observability membungkus keseluruhannya.
Alur perjalanan satu angka
Ketika pimpinan bertanya "berapa produktivitas panen kebun A minggu ini dibanding target?", inilah yang terjadi di balik layar:
- Ekstraksi. Konektor menarik data produksi dari SAP dan data timbangan/sensor dari sistem non-SAP.
- Tampung. Semua salinan mentah mendarat di data lake Amazon S3.
- Rapikan. AWS Glue menyeragamkan satuan, tanggal, dan kode kebun agar bisa dibandingkan.
- Analitik. Athena/Redshift menghitung produktivitas aktual vs target.
- Sajikan. QuickSight menampilkannya sebagai grafik yang mudah dibaca.
- Amankan & audit. Tata kelola memastikan hanya pihak berwenang melihat data, dan setiap akses tercatat.
Dari Konsep ke Bisnis Nyata
Contoh nyata (konteks Indonesia)
Agar tidak berhenti di teori, berikut tiga skenario penerapan lintas industri yang khas di Indonesia.
Produksi & rantai pasok terpadu (kasus PTPN)
Perusahaan perkebunan seperti PT Perkebunan Nusantara III mengelola banyak kebun dan pabrik dengan data yang tersebar. Data biaya, persediaan, dan penjualan ada di SAP; data hasil panen, curah hujan, dan timbangan pabrik ada di sistem lapangan non-SAP. Dengan menyatukannya ke data lake S3 lalu merapikannya via Glue, pimpinan bisa melihat satu dasbor QuickSight yang membandingkan produktivitas antar kebun, memantau rantai pasok dari kebun ke pabrik ke penjualan, dan mendeteksi anomali biaya lebih cepat.
Menggabungkan ERP dengan data IoT pabrik
Sebuah pabrik menjalankan produksi dan persediaan di SAP, sementara mesin-mesinnya mengirim data sensor (suhu, getaran, output per jam) sebagai IoT non-SAP. Dengan mengalirkan keduanya ke S3 dan menyatukannya lewat Glue, tim bisa menghubungkan biaya bahan dari ERP dengan kinerja mesin real-time — memungkinkan analitik overall equipment effectiveness (OEE) dan perawatan prediktif yang sebelumnya mustahil karena data terpisah.
Satu sumber kebenaran untuk laporan eksekutif
Sebuah grup usaha memakai SAP untuk keuangan tetapi punya CRM, sistem HR, dan e-commerce yang terpisah. Alih-alih merakit laporan bulanan dari belasan ekspor Excel, mereka mengintegrasikan semua sumber ke satu data lake, menyelaraskan definisi metrik dengan Glue, lalu menyajikan dasbor eksekutif via QuickSight/Redshift. Hasilnya: laporan yang biasanya butuh berhari-hari kini tersedia hampir seketika, dengan tata kelola akses per divisi.
Ringkasan Visual (Geser)
Ringkasan visual
Enam kartu berikut merangkum inti sesi. Gunakan tombol atau tombol panah keyboard (← →) untuk berpindah.
Poin yang Bisa Dibawa Pulang
Poin yang bisa dibawa pulang
- Silo data itu mahal. Selama SAP dan sistem lain terpisah, keputusan bergantung pada laporan manual yang lambat dan rawan salah.
- Pola integrasinya jelas. Ekstrak ke data lake S3, rapikan dengan Glue, analitik dengan Athena/Redshift, sajikan dengan QuickSight.
- Dekatkan sumbernya. SAP on AWS / RISE with SAP membuat ekstraksi dan integrasi lebih mulus dan aman.
- Tata kelola sejak awal. Keamanan dan katalog data membuat satu sumber kebenaran ini bisa dipercaya lintas divisi.
- Ini soal bisnis, bukan hanya TI. Pengalaman PTPN menunjukkan integrasi data langsung berbuah pada produktivitas dan efisiensi rantai pasok.