DQLab Super Giveaway! Belajar Data Science 6 Bulan hanya Rp.99.000! DAFTAR

Pakai Kode: KUPON99K. Berakhir 0 Days 21 Jam : 38 Menit : 2 Detik

Macam-Macam Big Data di Era Digital Transformation

Belajar Data Science di Rumah 29-Januari-2021
https://dqlab.id/files/dqlab/cache/e1cccb52eb97a504d29ed562b2161f47_x_Thumbnail800.jpg

Di era digital transformation seperti sekarang ini, tentunya setiap perusahaan atau start up tentu memiliki data baik dalam skala kecil maupun besar. Seperti yang kita ketahui, Big Data memiliki karakteristik yang membedakannya dengan database yang lainnya. Karakteristik ini disebut dengan dimensi data. Dimensi data pada Big Data, disimbolkan dengan huruf V. Ada yang mengatakan bahwa dimensi data itu terdiri dari 3V, 5V, bahkan hingga 8V.

Jika kamu adalah pemula di dunia Data Science, tenang saja karena setiap orang memiliki kesempatan yang sama untuk mempelajarinya. Karena pada dasarnya ilmu Data Science tidak hanya terbatas di background pendidikan tertentu, mengingat pada era digital transformation saat ini, ilmu ini dapat digunakan di semua lini bisnis. Pada artikel kali ini, DQLab akan menjabarkan tiga dimensi data awal yang paling sering dibahas dan menggambarkan definisi Big Data. Apa saja dimensi tersebut dan bagaimana penjelasannya? Yuk, kita simak bersama!

1. Volume

Big data memiliki ukuran dan skala yang sangat besar, hingga mencapai petabytes () data. Volume tersebut terus meningkat sesuai kebutuhan instansi tersebut. Contohnya seperti data facebook yang terus bertambah. Setiap hari user facebook menambah postingan mereka yang akan menambah volume dari data facebook itu sendiri.

Baca juga : Pahami Proses Integrasi Data untuk Hasilkan Proses Pengolahan Data yang Valid

2. Variety

Saat ini data yang dihasilkan memiliki jenis yang sangat bervariasi karena ada banyak perangkat seperti sensor, smart device, dan sebagainya. Jenis data yang akan dikelola termasuk structured, semi-structured, maupun unstructured data. Contohnya seperti data text, image, video, audio, data sensor, click stream, log file, dan masih banyak lagi. Data-data tersebut sangat sulit untuk disimpan dan diolah dalam database relasional.

3. Velocity

Data yang ada di sebagian besar perusahaan dihasilkan dengan sangat cepat sehingga sulit untuk dianalisis dengan sistem tradisional sedangkan data tersebut harus dianalisis secara real-time. Velocity disini lebih berfokus kepada kecepatan pengumpulan dan analisis terhadap data yang terus mengalir di saat yang hampir bersamaan dengan datangnya data tersebut. Contohnya penggunaan big data pada sistem smart city yang mampu memantau kondisi terkini dari lalu lintas secara real-time sehingga mampu mengurangi kemacetan dengan mengetahui kondisi kepadatan lalu lintas tersebut.

Baca juga : Belajar Data Science: Simak 3 Manfaat Penerapan Big Data di Berbagai Industri

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!

Penulis : Salsabila Miftah Rezkia

Editor : Annissa Widya Davita


Share

Postingan Terkait

Mulai Bangun Karirmu Bersama DQLab!