Big Data Analytics menjadi pemicu semua yang kita lakukan secara online dan di setiap industri.
Ambil contoh platform streaming musik Spotify misalnya. Perusahaan ini memiliki hampir 96 juta pengguna yang menghasilkan jumlah data yang luar biasa setiap hari.
Melalui informasi ini, platform berbasis cloud secara otomatis menghasilkan lagu yang direkomendasikan melalui mesin rekomendasi yang cerdas berdasarkan suka, berbagi, riwayat pencarian, dan banyak lagi. Yang memungkinkan ini adalah teknik, alat, dan kerangka kerja yang merupakan hasil Big Data Analytics.
Jika Kamu adalah pengguna Spotify, maka kamu pasti menemukan bagian rekomendasi teratas, yang didasarkan pada suka, riwayat masa lalu, dan hal-hal lainnya.
Pemanfaatan mesin rekomendasi yang menggunakan alat pemfilteran data berfungsi untuk mengumpulkan data lalu memfilternya menggunakan algoritma, inilah yang dilakukan oleh Spotify.
Section Artikel
Apa itu Big Data Analytics ?
Big Data Analytics adalah proses yang digunakan untuk mengekstrak wawasan menjadi sesuatu yang bermakna, seperti pola tersembunyi, korelasi yang tidak diketahui, tren pasar, dan preferensi pelanggan.
Big Data Analytics banyak memberikan berbagai manfaat dan dapat digunakan untuk pengambilan keputusan yang lebih baik, mencegah aktivitas penipuan, dan lain-lain.
Kelebihan Big Data Analytics
Berikut 4 kelebihan dari Big Data Analytics yaitu :
- Manajemen Resiko
Contoh Kasus : Banco de Oro merupakan perusahaan perbankan Filipina, menggunakan Big Data Analytics untuk mengidentifikasi aktivitas penipuan dan kejahatan. Organisasi ini memanfaatkan Big Data Analytics untuk mempersempit daftar tersangka atau akar penyebab masalah.
- Pengembangan dan Inovasi Produk
Contoh Kasus : Rolls-Royce, salah satu produsen mesin jet terbesar untuk maskapai dan angkatan bersenjata di seluruh dunia, menggunakan Big Data Analytics untuk menganalisis seberapa efisien desain mesin dan jika ada kebutuhan untuk proses perbaikan.
- Pengambilan Keputusan yang Lebih Cepat dan Lebih Baik Dalam Organisasi
Contoh Kasus : Starbucks menggunakan Big Data Analytics untuk membuat keputusan strategis. Misalnya, perusahaan memanfaatkannya untuk memutuskan apakah lokasi tertentu akan cocok untuk outlet baru atau tidak. Mereka akan menganalisis beberapa faktor yang berbeda, seperti populasi, demografi, aksesibilitas lokasi, dan banyak lagi.
- Tingkatkan Pengalaman Pelanggan
Contoh Kasus : Delta Air Lines menggunakan Big Data Analytics untuk meningkatkan pengalaman pelanggan. Mereka memantau tweet untuk mengetahui pengalaman pelanggan mereka mengenai perjalanan, keterlambatan, dan sebagainya. Maskapai mengidentifikasi tweet negatif dan melakukan apa yang diperlukan untuk memperbaiki situasi. Dengan mengatasi masalah ini secara publik dan menawarkan solusi, hal ini membantu maskapai membangun hubungan pelanggan yang baik.
Lifecycle Big Data Analytics
Berikut lifecycle dari Big Data Analytics yaitu :
- Tahap 1 – Evaluasi kasus bisnis
Lifecycle Big Data Analytics dimulai dengan kasus bisnis, yang menentukan alasan dan tujuan di balik analisis.
- Tahap 2 – Identifikasi data
Di sini, berbagai sumber data diidentifikasi.
- Tahap 3 – Pemfilteran data
Semua data yang diidentifikasi dari tahap sebelumnya difilter di sini untuk menghapus data yang tidak digunakan.
- Tahap 4 – Ekstraksi data
Data yang tidak kompatibel dengan alat diekstraksi lalu diubah menjadi form yang kompatibel.
- Tahap 5 – Agregasi data
Dalam tahap ini, data dengan bidang yang sama di berbagai set data diintegrasikan.
- Tahap 6 – Analisis data
Data dievaluasi menggunakan tools analisa dan statistik untuk menemukan informasi yang berguna.
- Tahap 7 – Visualisasi data
Dengan tools seperti Tableau, Power BI, dan QlikView, Analis Big Data dapat menghasilkan hasil analisis dalam bentuk visualisasi grafis.
- Tahap 8 – Hasil Akhir Analisa
Ini adalah langkah terakhir dari lifecycle Big Data Analytics, di mana hasil akhir analisa direkomendasikan untuk pemangku kepentingan bisnis yang akan mengambil tindakan.
Tipe Big Data Analytics
Berikut 4 tipe dari Big Data Analytics yaitu :
- Descriptive Analytics
Tipe ini meringkas data sebelumnya ke dalam formulir yang dapat dibaca orang dengan mudah. Tipe ini membantu dalam membuat laporan, seperti pendapatan perusahaan, laba, penjualan, dan sebagainya. Juga, membantu dalam tabulasi metrik media sosial.
Contoh Kasus : Dow Chemical Company menganalisis data masa lalunya untuk meningkatkan pemanfaatan fasilitas di seluruh ruang kantor dan laboratorium perusahaan. Dengan menggunakan descriptive analytics, Dow dapat mengidentifikasi ruangana yang kurang digunakan. Haisl konsolidasi ruangan ini membantu perusahaan menghemat hampir US $ 4 juta per tahun.
- Diagnostic Analytics
Tipe ini digunakan untuk memahami apa yang menyebabkan terjadinya masalah sejak awal. Teknik seperti penelusuran, data mining, dan data recovery adalah semua contohnya. Organisasi menggunakan diagnostic analytics karena memberikan wawasan mendalam tentang masalah tertentu.
Contoh Kasus : Laporan perusahaan e-commerce menunjukkan bahwa penjualan mereka telah turun, meskipun pelanggan menambahkan produk ke keranjang mereka. Hal ini bisa disebabkan oleh berbagai alasan seperti formulir tidak memuat dengan benar, biaya pengiriman terlalu tinggi, atau tidak ada cukup opsi pembayaran yang tersedia. Di sinilah Kita dapat menggunakan diagnostic analytics untuk menemukan alasannya.
- Predictive Analytics
Jenis Analisa ini digunakan untuk melihat ke dalam data historis dan sekarang untuk membuat prediksi di masa depan. Predictive analytics menggunakan data mining, AI, dan machine learning untuk menganalisis data saat ini dan membuat prediksi tentang di masa depan. Tipe ini bekerja untuk memprediksi tren pelanggan, tren pasar, dan sebagainya.
Contoh Kasus : PayPal melakukan tindakan pencegahan apa yang harus mereka ambil untuk melindungi klien mereka dari transaksi penipuan. Dengan menggunakan predictive analytics, perusahaan menggunakan semua data pembayaran historis dan data perilaku pengguna untuk membangun algoritma yang mampu memprediksi aktivitas penipuan.
- Prescriptive Analytics
Jenis analisa ini memperspektifkan solusi untuk masalah tertentu. Prescriptive analytics bekerja dengan analisa deskriptif dan prediktif. Sebagian besar tergantung pada AI dan machine learning
Contoh Kasus : Prescriptive analytics dapat digunakan untuk memaksimalkan keuntungan maskapai. Jenis analisa ini digunakan untuk membangun algoritma yang secara otomatis akan menyesuaikan tarif penerbangan berdasarkan berbagai faktor, termasuk permintaan pelanggan, cuaca, tujuan, musim liburan, dan harga minyak.
Tools Big Data Analytics
Berikut beberapa tools yang digunakan dalam Big Data Analytics yaitu :
- Hadoop – membantu dalam menyimpan dan menganalisis data
- MongoDB – digunakan pada set data yang sering berubah
- Talend – digunakan untuk integrasi dan manajemen data
- Cassandra – database terdistribusi yang digunakan untuk menangani potongan-potongan data
- Spark – digunakan untuk pemrosesan secara real-time dan menganalisis sejumlah besar data
- STORM – sistem komputasi yang real-time dan bersifat open-source
- Kafka – platform streaming terdistribusi yang digunakan untuk penyimpanan toleransi terhadap kesalahan
Pengaplikasian Big Data Analytics
Berikut beberapa pengaplikasian Big Data Analytics di berbagai sector yaitu :
- E-commerce – Memprediksi tren pelanggan dan mengoptimalkan harga adalah beberapa cara e-commerce menggunakan Big Data Analytics
- Pemasaran – Big Data Analytics membantu mendorong kampanye pemasaran ROI yang tinggi, dan menghasilkan peningkatan penjualan
- Pendidikan – Digunakan untuk mengembangkan kursus baru dan meningkatkan kursus yang ada berdasarkan persyaratan market saat ini
- Kesehatan – Dengan bantuan riwayat medis pasien, Big Data Analytics digunakan untuk memprediksi seberapa besar kemungkinan seseorang memiliki masalah kesehatan
- Media dan hiburan – Digunakan untuk memahami permintaan acara, film, lagu, dan banyak lagi untuk memberikan daftar rekomendasi yang dipersonalisasi kepada penggunanya
- Perbankan – Pola pendapatan dan pengeluaran nasabah membantu memprediksi kemungkinan memilih berbagai penawaran perbankan, seperti pinjaman dan kartu kredit
- Telekomunikasi – Digunakan untuk memperkirakan kapasitas jaringan dan meningkatkan pengalaman pelanggan
- Pemerintahan – Big Data Analytics membantu pemerintah dalam penegakan hukum, dan lain-lain
