Analitik Bigdata (Bigdata Analytics)
Dalam lingkungan bisnis ketika ini yang berisiko tinggi, perusahaan terkemuka — perusahaan yang “berbeda”, mengungguli, dan menyesuaikan diri dengan kebutuhan pelanggan lebih cepat daripada pesaing — bergantung pada analitik BigData. Mereka melihat bagaimana eksploitasi sistematis BigData, ditambah dengan analitik, mengungkap peluang untuk hasil bisnis yang lebih baik.
Untuk organisasi yang matang, analitik BigData — bersama dengan kecerdasan buatan (AI) dan / atau pembelajaran mesin (Learning machine) — membantu menuntaskan tantangan bisnis yang lebih kompleks.
Big data sering ditandai dengan 3V (the extreme Volume of data, the wide Variety of data types and the Velocity at which the data) : volume data ekstrim, aneka macam jenis data dan kecepatan di mana data harus diproses. Meskipun BigData tidak sama dengan volume data spesifik apa pun, istilah ini sering dipakai untuk menggambarkan terabyte, petabyte dan bahkan exabytes data yang diambil dari waktu ke waktu.
Memecahkan 3V BigData
Data banyak menyerupai itu sanggup berasal dari aneka macam sumber yang berbeda, menyerupai catatan penjualan bisnis, hasil eksperimen ilmiah yang dikumpulkan atau sensor real-time yang dipakai di internet. Data sanggup mentah atau di-preprocess memakai alat perangkat lunak terpisah sebelum analitik diterapkan.
Data juga mungkin ada dalam aneka macam jenis file, termasuk data terstruktur, menyerupai penyimpanan basis data SQL; data tidak terstruktur, menyerupai file dokumen; atau streaming data dari sensor. Lebih lanjut, BigData mungkin melibatkan beberapa sumber data simultan, yang mungkin tidak sanggup diintegrasikan. Misalnya, proyek analitik BigData mungkin berupaya mengukur kesuksesan produk dan penjualan di masa mendatang dengan menghubungkan data penjualan masa lalu, data kembalian, dan data ulasan pembeli online untuk produk tersebut.
Akhirnya, kecepatan mengacu pada kecepatan di mana BigData harus dianalisis. Setiap proyek analisis BigData akan menyerap, menghubungkan, dan menganalisis sumber data, dan kemudian menciptakan tanggapan atau hasil menurut ajakan yang menyeluruh. Ini berarti analis insan harus mempunyai pemahaman rinci perihal data yang tersedia dan mempunyai beberapa pengertian perihal tanggapan yang mereka cari.
...... lanjut ke bab 2 ......
