Salma Rosyada

Apa itu Big Data Analytics? Mengapa Penting?

Edukasi | 2023-06-01 11:36:54

Apa itu Big Data Analytics dan Mengapa Penting?

Untuk saat ini Big Data merupakan topik yang sering dibicarakan. Dengan jumlah data yang dihasilkan setiap menit oleh konsumen dan bisnis di seluruh dunia, terdapat nilai signifikan yang dapat ditemukan dalam analitik Big Data.

Apa itu Analisis Big Data?

Analitik Big Data adalah proses yang digunakan untuk mengekstrak wawasan yang bermakna, seperti pola tersembunyi, korelasi yang diketahui, tren pasar, dan preferensi pelanggan. Analitik Big Data dapat memberikan berbagai keuntungan diantaranya yaitu dapat digunakan untuk pengambilan keputusan yang lebih baik, mencegah aktivitas penipuan, dll.

Mengapa Big Data Analytics penting?

Di dunia sekarang ini, analitik Big Data mendorong semua kegiatan dilakukan secara online-di setiap industri.

Contohnya platform streaming musik spotify. Perusahaan ini memiliki hampir 96 juta penguna yang menghasilkan sejumlah besar data setiap hari, Melalui informasi ini, platform berbasis cloud secara otomatis menghasilkan lagu yang disarankan, melalui smart recommendation engine, berdasarkan pada jumlah likes, share, riwayat pencarian, dan lainnya. Hal tersebut merupakan teknik, alat dan kerangka kerja yang merupakan hasil dari analitik Big Data.

Jika anda adalah pengguna spotify, anda pasti pernah menemukan bagian rekomendasi teratas, yang didasarkan pada kesukaan anda, riwayat pencarian anda, dan hal lainnya. Memanfaatkan mesin rekomendasi dengan menggunakan data filtering tools untuk mengumpulkan data dan kemudian memfilternya menggunakan algoritma. Itulah cara kerja spotify dalam memberikan sistem rekomendasi.

Apa itu Big Data?

Big data adalah sekumpulan data yang memiliki volume atau ukuran yang sangat besar yang terdiri dari data yang terstruktur (structured), semi-terstruktur (semi structured), dan tidak terstruktur (unstructured) yang dapat berkembang seiring dengan berjalannya waktu.

Saat ini, ada jutaan sumber data yang menghasilkan data dengan sangat cepat. Sumber data ini ada di seluruh dunia. Beberapa sumber data terbesar adalah platform dan jaringan media sosial. Aplikasi Facebook contohnya, dapat menghasilkan lebih dari 500 terabyte data setiap hari. Data tersebut mencakup gambar, video, pesan, dan lainnya.

Data juga ada dalam berbagai format, seperti data terstruktur, data semi terstruktur, dan data tidak terstruktur. Misalnya, dalam data excel, data diklasifikasikan sebagai data terstruktur, dengan format yang pasti. Sebaliknya, email termasuk dalam kategori semi terstruktur, dan gambar serta video termasuk dalam data tidak terstruktur. Semua data digabungkan menjadi Big Data.

Penggunaan dan Contoh Big Data Analytics

Ada banyak cara analitik Big Data dapat digunakan untuk meningkatkan bisnis dan organisasi. Berikut beberapa contohnya:

• Menggunakan analitik untuk memahami perilaku pelanggan guna mengoptimalkan pengalaman pelanggan

• Meprediksi tren masa depan untuk membuat keputusan bisnis yang lebih baik

• Meningkatkan marketing pemasaran dengan memahami apa yang berhasil dan tidak berhasil

• Meningkatkan efisiensi operasional dengan memahami dimana letak hambatan dan cara memperbaikinya

• Mendeteksi penipuan dan bentuk penyalahgunaan lainnya dengan lebih cepat

Manfaat dan Keunggulan Big Data Analytics

1. Manajemen Risiko

Kasus penggunaan: Banco de Oro, sebuah perusahaan perbankan Filipina, menggunakan analitik Big Data untuk mengidentifikasi aktivitas penipuan dan ketidaksesuaian. Organisasi memanfaatkannya untuk mempersempit daftar tersangka atau akar penyebab permasalahan.

2. Pengembangan dan inovasi produk

Kasus penggunaan: Rolls-Royce, salah satu produsen mesin jet terbesar untuk maskapai penerbangan dan angkatan bersenjata di seluruh dunia , menggunakan Big Data Analytics untuk menganalisis seberapa efisien desain mesin dan apakah perlu dilakukan perbaikan.

3. Pengambilan keputusan lebih cepat dan lebih baik dalam organisasi

Kasus Penggunaan: Starbucks menggunakan analitik Big Data untuk membuat keputusan strategis. Misalnya, perusahaan memanfaatkannya untuk memutuskan apakah lokasi tertentu cocok untuk outlet atau tidak. Mereka akan menganalisis beberapa faktor berbeda, seperti populasi, demografi, aksesbilitas lokasi, dan lainnya.

4. Meningkatkan pengalaman pelanggan

Kasus penggunaan: Delta Airlines menggunakan analisis Big Data untuk meningkatkan pengalaman pelanggan. Mereka memantau tweet untuk mengetahui pengalaman pelanggan mereka terkait perjalanan, penundaan, dan sebagainya. Maskapai mengidentifikasi tweet negatif dan melakukan apa yang diperlukan untuk memperbaiki situasi. Dengan menangani masalah ini secara publik menawarkan solusi, hal tersebut dilakukan dalam membantu maskapai membangun hubungan yang baik dengan pelanggan.

Fase Lifecycle dari Big Data Analytics

Sekarang, mari kita tinjau cara kerja analitik Big Data:

• Tahap 1 - Evaluasi kasus bisnis, siklus analitik Big Data dimulai dengan kasus bisnis, yang menentukan alasan dan tujuan dibalik analisis

• Tahap 2 - Identifikasi data, mengidentifikasi berbagai macam sumber data

• Tahap 3 - Pemfilteran data, semua data yang teridentifikasi dari tahap sebelumnya difilter untuk menghapus data yang tidak diperlukan

• Tahap 4 - Ekstraksi data, data yang tidak kompetibel kemudian diekstraksi dan kemudian diubah menjadi bentuk yang kompatibel

• Tahap 5 - Agregasi data, pada tahap ini, data dengan bidang yang sama dikumpulkan, dan data yang berbeda diintegrasikan.

• Tahap 6 - Analisis data, data dievaluasi menggunakan alat analisis dan statistik untuk menemukan informasi yang berguna

• Tahap 7 - Visualisasi data, dengan tools seperti Tableau, Power BI, dan QlikView, analisis Big Data dapat menghasilkan visualisasi grafis dari analisis tersebut.

• Tahap 8 - Hasil analisis akhir, ini adalah langkah terakhir dari lifecycle analitik Big Data, dimana hasil akhir analisis tersedia bagi stakeholder bisnis yang akan mengambil keputusan.

Berbagai Jenis Analisis Big Data

Berikut adalah empat jenis analitik Big Data:

1. Analisis Deskriptif

Analisis ini digunakan untuk meringkas data masa lalu ke dalam bentuk yang mudah dibaca orang. Hal ini membantu dalam membuat laporan, seperti pendapatan perusahaan, laba, penjualan, dan sebagainya. Dan juga membantu dalam tabulasi metrik media sosial.

Contoh penggunaan : Dow Chemical Company menganalisis data sebelumnya untuk meningkatkan penggunaan fasilitas di seluruh kantor dan ruang labnya. Dengan menggunakan analitis deskriptif, Dow dapat mengidentifikasi ruang yang kurang dimanfaatkan. Konsolidasi ruang ini dapat membantu perusahaan menghemat hampir US $4 juta per tahun.

2. Analisis Diagnostik

Analisis ini dilakukan untuk memahami apa yang menyebabkan permasalahan pada awalnya. Teknik seperti penelusuran, data mining, dan data recovery adalah contohnya. Organisasi menggunakan analisis diagnostik karena memberikan wawasan mendalam tentang masalah tertentu.

Kasus penggunaan: Laporan perusahaan e-commerce menunjukkan bahwa penjualan mereka turun, meskipun pelanggan menambahkan produk ke keranjang mereka. Hal ini dapat terjadi karena berbagai alasan seperti biaya pengiriman terlalu tinggi, atau opsi pembayaran yang tersedia tidak cukup. Disinilah anda dapat menggunakan analisis diagnostik untuk menemukan alasannya.

3. Analisis Prediktif

Jenis analitik ini melihat data historis untuk membuat prediksi masa depan. Analitik prediktik menggunakan data mining, AI (Artifical Intelligence), dan machine learning untuk menganalisis data saat ini dan membuat prediksi tentang masa depan. Hal ini berfungsi untuk memprediksi tren pelanggan, tren pasar, dan sebagainya.

Kasus penggunaan: PayPal menentukan tindakan pencegahan, seperti langkah apa yang harus mereka ambil untuk melindungi klien mereka dari transaksi penipuan. Dengan analisis prediktif, perusahaan menggunakan semua historis data pembayaran dan data perilaku pengguna dan membangun algoritma yang memprediksi aktivitas penipuan.

4. Analisis Preskriptif

Jenis analitik ini menentukan solusi untuk masalah tertentu. Analitik perspektif bekerja dengan analitik deskriptif dan prediktif. Sebagian besar waktu, itu bergantung pada AI (Artificial Intelligence) dan machine learning.

Kasus penggunaan: Analitik preskriptif dapat digunakan untuk memaksimalkan keuntungan maskapai penerbangan. Jenis analitik ini digunakan untuk membuat algoritma yang secara otomatis menyesuaikan tarif penerbangan berdasarkan berbagai faktor, termasuk permintaan pelanggan, cuaca, tujuan, musim liburan, dan harga bahan bakar.

Big Data Analytics Tools

- Hadoop : membantu dalam menyimpan dan menganalisis data

- Talend : digunakan untuk integrasi dan manajemen data

- Spark : digunakan untuk pemrosesan real time dan analisis data dalam jumlah besar

- MongoDB : digunakan pada kumpulan data yang sering berubah

- STORM : sistem komputasi real time dan open source

- Kafka : platform streaming terdistribusi yang digunakan untuk penyimpanan yang toleran terhadap kesalahan.

Aplikasi Industri Big Data

Berikut adalah beberapa sektor dimana Big Data digunakan secara aktif:

• E-commerce: memprediksi tren pelanggan dan mengoptimalkan harga adalah beberapa cara e-commerce menggunakan Big Data Analytics

• Pendidikan: digunakan untuk mengembangkan kursus baru dan meningkatkan sistem yang ada berdasarkan kebutuhan pasar

• Perawatan Kesehatan: dengan bantuan riwayat medis pasien, analitik Big Data digunakan untuk memprediksi seberapa besar kemungkinan mereka memiliki masalah kesehatan.

• Media dan hiburan: digunakan untuk memahami permintaan acara, film, lagu, dan lainnya untuk mengirimkan daftar rekomendasi hasil personalisasi kepada penggunanya.

• Perbankan: Pola pendapatan dan pengeluaran pelanggan dapat membantu memprediksi kemungkinan memilih berbagai penawaran perbankan, seperti pinjaman dan kartu kredit.

• Telekomunikasi: digunakan untuk memperkirakan kapasitas jaringan dan meningkatkan pengalaman pelanggan

• Pemerintah: analitik Big Data antara lain dapat membantu pemerintah dalam penegakan hukum.

Thank You :)