Belajar Big Data : Memahami Sejarah, Penerapan dan Potensi Big Data Analytics
Big Data adalah istilah yang menggambarkan volume data yang besar, baik data yang terstruktur maupun data yang tidak terstruktur. Big Data telah digunakan dalam banyak bisnis. Tidak hanya besar data yang menjadi poin utama tetapi apa yang harus dilakukan organisasi dengan data tersebut. Big Data dapat dianalisis untuk wawasan yang mengarah pada pengambilan keputusan dan strategi bisnis yang lebih baik.
Meski demikian, Big Data (tanpa menghiraukan ukuran data, jenis data, atau kecepatan pemrosesannya) adalah sesuatu yang tak berharga kecuali bila penggunanya bisa melakukan sesuatu yang mampu menghasilkan value/manfaat bagi organisasi. Meskipun perusahaan/organisasi selalu menjalankan berbagai macam reports dan dashboards yang berasal dari datawarehouese, namun kebanyakan dari mereka tidak mengeksplorasi secara mendalam isi data tersebut.
Hal ini sebagian disebabkan karena tool-tool analytics tersebut terlalu kompleks bagi kebanyakan pengguna pada umumnya dan sebagian sebab lain adalah bahwa repository (tempat penyimpanan data) data tidak berisi semua data yang diperlukan oleh para user pengambil keputusan. Tetapi hal ini akan segera berubah (dan sedang berubah sebagian) dalam cara yang cepat, karena munculnya paradigma Big Data analytics. Melalui artikel ini, DQlab akan membahas sedikit mengenai sejarah dan potensi dari Big Data Serta bagaimana perusahaan dapat menerapkannya.
1. Sejarah Big Data
Istilah Big Data masih terbilang baru dan sering disebut sebagai tindakan pengumpulan dan penyimpanan informasi yang besar untuk analisis. Fenomena Big Data, dimulai pada tahun 2000-an ketika seorang analis industri Doug Laney menyampaikan konsep Big Data yang terdiri dari tiga bagian penting, diantaranya:
Volume Organisasi mengumpulkan data dari berbagai sumber, termasuk transaksi bisnis, media sosial dan informasi dari sensor atau mesin. Di masa lalu, aktivitas semacam ini menjadi masalah, namun dengan adanya teknologi baru (seperti Hadoop) bisa meredakan masalah ini.
Kecepatan Aliran data harus ditangani dengan secara cepat dan tepat bisa melalui hardware maupun software. Teknologi hardware seperti tag RFID, sensor pintar lainnya juga dibutuhkan untuk menangani data yang real-time.
Variasi Data yang dikumpulkan mempunyai format yang berbeda-beda. Mulai dari yang terstruktur, data numerik dalam database tradisional, data dokumen terstruktur teks, email, video, audio, transaksi keuangan dan lain-lain.
Selain tiga bagian penting tersebut, para peneliti Big Data juga menambah bagian yang termasuk penting lainnya seperti variabilitas dan kompleksitas.
Baca Juga : Belajar Big Data, untuk Upgrade Skill Siap Menghadapi Industri
2. Potensi Big Data
Jumlah data yang telah dibuat dan disimpan pada tingkat global hari ini hampir tak terbayangkan jumlahnya. Data tersebut terus tumbuh tanpa henti. Artinya, Big Data memiliki potensi tinggi untuk mengumpulkan wawasan kunci dari informasi bisnis. Sayangnya sampai saat ini, baru sebagian kecil data yang telah dianalisis. Big Data dalam bisnis menjadi strategi yang baik dalam mengolah informasi mentah menjadi keuntungan yang terus mengalir ke organisasi bisnis setiap hari.
Pentingnya Big Data, tidak hanya berputar pada jumlah data yang organisasi miliki, tetapi hal yang penting adalah bagaimana mengolah data internal dan eksternal. Kita dapat mengambil data dari sumber manapun dan menganalisanya untuk menemukan jawaban yang diinginkan dalam bisnis seperti: 1) pengurangan biaya; 2) pengurangan waktu; 3) pengembangan produk baru dan optimalisasi penawaran produk; dan 4) pengambilan keputusan yang cerdas.
3. Penerapan Big Data Pada Perusahaan
Dengan adanya 'value proposition', Big Data juga membawa suatu tantangan yang besar bagi perusahaan. Cara-cara tradisional dalam mengambil, menyimpan, dan menganalisa data tidak lagi mampu mengatasi masalah data yang besar secara efektif dan efisien.
Karena itu, pengembangan teknologi baru perlu terus dikembangkan (atau dibeli/disewa/di-outsource) untuk mengatasi tantangan datangnya data yang besar. Sebelum melakukan investasi seperti ini, perusahaan perlu menganalisa untuk membuat beberapa justifikasi. Berikut adalah beberapa pernyataan yang bisa membantu untuk menyoroti situasi tersebut. Bila ada salah satu pernyataan berikut yang benar dengan situasi kamu, maka kamu perlu untuk mempertimbangkan secara serius untuk memulai perjalanan menuju Big Data analytics.
kamu tidak lagi bisa memproses jumlah data yang kamu inginkan karena berbagai keterbatasan yang disebabkan oleh platform atau lingkungan yang saat ini digunakan.
kamu ingin melibatkan sumber-sumber data baru (misalnya, media sosial, RFID, sensor-sensor, Web, GPS, data teks, dsb) ke dalam platform analytics kamu, tetapi kamu tidak bisa melakukannya karena tidak cocok dengan schema penyimpanan data yang didefinisikan berdasarkan kolom dan baris.
kamu perlu (atau ingin) mengintegrasikan data secepat mungkin ke dalam analisa kamu saat ini.
kamu ingin bekerja dengan paradigma penyimpanan data 'schema-on-demand' (sebagai kebalikan dari schema yang digunakan dalam RDBMS) karena sifat dasar data yang baru mungkin tidak diketahui, atau mungkin tidak punya cukup waktu untuk menentukan dan mengembangkan schema seperti itu.
Data yang masuk ke perusahaan kamu sangatlah cepat sehingga platform analytics tradisional tidak bisa lagi menganganinya.
Baca Juga : Jenis Data Pada Big Data yang Wajib Kamu Pahami
4. Yuk Mulai Belajar Data Science Sekarang!
Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industi data yang sebenarnya! Sign up sekarang untuk #MulaiBelajarData di DQLab!
Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":
Buat Akun Gratis dengan Signup di DQLab.id/signup
Akses module Introduction to Data Science
Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab
Subscribe DQLab.id untuk Akses Semua Module Premium!