Big Data
Apa itu dan mengapa hal itu penting
Big data adalah istilah yang menggambarkan volume besar data – baik terstruktur maupun tidak terstruktur – yang membanjiri bisnis sehari-hari. Namun bukan jumlah data yang penting. Apa yang dilakukan organisasi dengan data itulah yang penting. Big data dapat dianalisis demi pemahaman yang mengarah kepada keputusan dan gerakan bisnis strategis yang lebih baik.
Sejarah Big Data
Istilah "big data" mengacu pada data yang sangat besar, cepat atau kompleks sehingga sulit atau tidak mungkin untuk diproses menggunakan metode tradisional. Tindakan mengakses dan menyimpan sejumlah besar informasi untuk analitik sudah ada sejak lama. Tetapi konsep big data mendapatkan momentum di awal 2000-an ketika analis industri Doug Laney mengartikulasikan definisi big data yang sekarang-mainstream sebagai tiga V:
Volume : Organisasi mengumpulkan data dari berbagai sumber, termasuk transaksi bisnis, perangkat pintar (IoT), peralatan industri, video, media sosial dan banyak lagi. Di masa lalu, menyimpannya akan menjadi masalah - tetapi penyimpanan yang lebih murah pada platform seperti danau data dan Hadoop telah meringankan beban.
Velocity : Dengan pertumbuhan Internet of Things, data mengalir ke bisnis dengan kecepatan yang belum pernah terjadi sebelumnya dan harus ditangani tepat waktu. Tag RFID, sensor, dan smart meter mendorong kebutuhan untuk menangani torrent data ini dalam waktu yang hampir bersamaan.
Varietas : Data hadir dalam semua jenis format - dari terstruktur, data numerik dalam database tradisional hingga dokumen teks, email, video, audio, data ticker saham, dan transaksi keuangan yang tidak terstruktur.
Di SAS, kami mempertimbangkan dua dimensi tambahan dalam hal big data:
Variabilitas:
Selain kecepatan dan varietas data yang meningkat, aliran data tidak dapat diprediksi - sering berubah dan sangat bervariasi. Ini menantang, tetapi bisnis perlu tahu kapan sesuatu sedang tren di media sosial, dan bagaimana mengelola beban puncak data harian, musiman, dan yang dipicu oleh peristiwa.
Kebenaran:
Veracity mengacu pada kualitas data. Karena data berasal dari begitu banyak sumber berbeda, sulit untuk menautkan, mencocokkan, membersihkan, dan mengubah data di seluruh sistem. Bisnis perlu menghubungkan dan mengorelasikan hubungan, hierarki, dan berbagai hubungan data. Jika tidak, data mereka dapat dengan cepat lepas kendali.
Optimalkan produksi dengan analitik big data
Di USG Corporation, menggunakan big data dengan analitik prediktif adalah kunci untuk memahami sepenuhnya bagaimana produk dibuat dan cara kerjanya. Dan di pasar dengan rentetan persaingan global, produsen seperti USG tahu pentingnya menghasilkan produk berkualitas tinggi dengan harga terjangkau. Menggunakan SAS Viya, USG telah menghapus perkiraan dan mengoptimalkan investasi produksinya. Hasilnya: peningkatan kualitas produk dan waktu ke pasar.
Mengapa Big Data Penting?
Pentingnya big data tidak berkisar pada seberapa banyak data yang Anda miliki, tetapi apa yang Anda lakukan dengan data tersebut. Anda dapat mengambil data dari sumber apa pun dan menganalisisnya untuk menemukan jawaban yang memungkinkan 1) pengurangan biaya, 2) pengurangan waktu, 3) pengembangan produk baru, dan penawaran yang dioptimalkan, serta 4) pengambilan keputusan yang cerdas. Saat Anda menggabungkan big data dengan analitik berkekuatan tinggi, Anda dapat menyelesaikan tugas-tugas yang terkait dengan bisnis seperti:
- Menentukan akar penyebab kegagalan, masalah, dan kegagalan hampir secara real time.
- Menghasilkan kupon di titik penjualan berdasarkan kebiasaan membeli pelanggan.
- Menghitung ulang seluruh portofolio risiko dalam hitungan menit.
- Mendeteksi perilaku curang sebelum memengaruhi organisasi Anda.
Big Data di Dunia Hari Ini
Big data - dan cara organisasi mengelola dan memperoleh wawasan darinya - mengubah cara dunia menggunakan informasi bisnis. Pelajari lebih lanjut tentang dampak big data.
Data Integration Deja Vu: Big Data Menghidupkan Kembali DI
Agar tetap relevan, integrasi data perlu bekerja dengan berbagai jenis dan sumber data, sambil beroperasi pada latensi yang berbeda - dari waktu nyata hingga streaming. Pelajari bagaimana DI telah berkembang untuk memenuhi persyaratan modern.
Membangun data dan strategi analitik Anda
Ingin tahu bagaimana membangun organisasi analitik kelas dunia? Pastikan informasi dapat diandalkan. Berdayakan keputusan berbasis data di seluruh lini bisnis. Dorong strateginya. Dan tahu bagaimana memeras setiap bit nilai terakhir dari data besar.
Data lake dan data warehouse - tahu bedanya
Apakah "data lake" hanyalah jargon pemasaran? Atau nama baru untuk data warehouse? Phil Simon membuat catatan langsung tentang apa itu data lake, bagaimana cara kerjanya, dan kapan Anda mungkin membutuhkannya.
Ekosistem Analisis Baru
Cloud, kontainer, dan daya komputasi berdasarkan permintaan - survei SAS lebih dari 1.000 organisasi mengeksplorasi adopsi teknologi dan menggambarkan bagaimana merangkul pendekatan spesifik menempatkan Anda untuk berhasil mengembangkan ekosistem analitik Anda.
Pembelajaran mendalam sangat membutuhkan big data karena big data diperlukan untuk mengisolasi pola tersembunyi dan untuk menemukan jawaban tanpa pemasangan data yang berlebihan. Dengan pembelajaran yang mendalam, semakin banyak data berkualitas yang Anda miliki, semakin baik hasilnya. Wayne Thompson SAS Product Manager
Inovasi berbasis data
Exabyte data besar saat ini membuka peluang yang tak terhitung jumlahnya untuk menangkap wawasan yang mendorong inovasi. Dari perkiraan yang lebih akurat hingga peningkatan efisiensi operasional dan pengalaman pelanggan yang lebih baik, penggunaan data besar dan analitik yang canggih mendorong kemajuan yang dapat mengubah dunia kita - meningkatkan kehidupan, menyembuhkan penyakit, melindungi yang rentan, dan melestarikan sumber daya.
Cara Kerja Big Data
Sebelum bisnis dapat menempatkan data besar untuk mereka, mereka harus mempertimbangkan bagaimana itu mengalir di antara banyak lokasi, sumber, sistem, pemilik dan pengguna. Ada lima langkah utama untuk mengambil alih “struktur data” besar ini yang mencakup data tradisional dan terstruktur bersama dengan data tidak terstruktur dan terstruktur:
- Tetapkan strategi big data.
- Identifikasi sumber big data.
- Akses, kelola, dan simpan data.
- Analisis data.
- Buat keputusan berdasarkan data.
1) Tetapkan strategi big data
Pada level tinggi, strategi big data adalah rencana yang dirancang untuk membantu Anda mengawasi dan meningkatkan cara Anda memperoleh, menyimpan, mengelola, berbagi, dan menggunakan data di dalam dan di luar organisasi Anda. Strategi big data mengatur panggung untuk kesuksesan bisnis di tengah banyaknya data. Ketika mengembangkan strategi, penting untuk mempertimbangkan tujuan dan inisiatif bisnis dan teknologi yang ada - dan di masa depan. Ini panggilan untuk memperlakukan big data seperti aset bisnis berharga lainnya daripada hanya produk sampingan aplikasi.
Klik pada Infographic untuk mempelajari lebih lanjut tentang data besar.
2) Ketahui sumber big data
- Streaming data berasal dari Internet of Things (IoT) dan perangkat terhubung lainnya yang mengalir ke sistem TI dari perangkat yang dapat dipakai, mobil pintar, perangkat medis, peralatan industri, dan banyak lagi. Anda dapat menganalisis data besar ini saat tiba, memutuskan data mana yang akan disimpan atau tidak, dan mana yang perlu analisis lebih lanjut.
- Media sosial data berasal dari interaksi di Facebook, YouTube, Instagram, dll. Ini termasuk sejumlah besar data besar dalam bentuk gambar, video, suara, teks dan suara - berguna untuk fungsi pemasaran, penjualan, dan dukungan. Data ini sering dalam bentuk tidak terstruktur atau semi-terstruktur, sehingga menimbulkan tantangan unik untuk konsumsi dan analisis.
- Data yang tersedia untuk umum berasal dari sejumlah besar sumber data terbuka seperti data pemerintah AS. Gov, CIA World Factbook, atau Portal Data Terbuka Uni Eropa.
- Data besar lainnya dapat berasal dari danau data, sumber data cloud, pemasok dan pelanggan.
3) Akses, kelola, dan simpan big data
Sistem komputasi modern memberikan kecepatan, daya, dan fleksibilitas yang dibutuhkan untuk dengan cepat mengakses sejumlah besar dan tipe data besar. Seiring dengan akses yang andal, perusahaan juga membutuhkan metode untuk mengintegrasikan data, memastikan kualitas data, menyediakan tata kelola dan penyimpanan data, dan menyiapkan data untuk analitik. Beberapa data dapat disimpan di tempat di gudang data tradisional - tetapi ada juga opsi yang fleksibel dan murah untuk menyimpan dan menangani data besar melalui solusi cloud, data lake dan Hadoop.
4) Menganalisis big data
Dengan teknologi kinerja tinggi seperti komputasi grid atau analytics di memori, organisasi dapat memilih untuk menggunakan semua data besar mereka untuk analisis. Pendekatan lain adalah untuk menentukan dimuka data mana yang relevan sebelum menganalisisnya. Dengan kedua cara tersebut, analitik big data adalah bagaimana perusahaan mendapatkan nilai dan wawasan dari data. Semakin besar, big data mengakselerasi analitik canggih saat ini seperti kecerdasan buatan.
5) Membuat keputusan yang cerdas dan digerakkan oleh data
Dikelola dengan baik, data tepercaya mengarah ke analitik tepercaya dan keputusan tepercaya. Agar tetap kompetitif, bisnis perlu merebut nilai penuh dari data besar dan beroperasi dengan cara yang didorong oleh data - membuat keputusan berdasarkan bukti yang disajikan oleh data besar daripada insting. Manfaat menjadi data-driven jelas. Organisasi yang digerakkan oleh data berkinerja lebih baik, secara operasional lebih mudah diprediksi, dan lebih menguntungkan.
SAS Data Preparation
Untuk menyiapkan big data yang bergerak cepat dan selalu berubah untuk analisis, Anda harus terlebih dahulu mengakses, profil, membersihkan, dan mengubahnya. Dengan berbagai sumber data besar, ukuran dan kecepatan, persiapan data dapat menghabiskan banyak waktu. SAS Data Preparation menyederhanakan tugas - sehingga Anda dapat menyiapkan data tanpa pengkodean, keahlian khusus, atau ketergantungan pada TI.
Bacaan yang direkomendasikan
-
Article
Modern manufacturing's triple play: Digital twins, analytics & IoT IoT-powered digital twins revolutionize manufacturing with real-time data analysis, predictive maintenance and optimized production. Discover their transformational impact.
-
Article
Three tips for innovating with big dataLearn what you need to move past the pilot phase with your big data projects and actually achieve wide scale results with big data.
-
Article
Twelve questions to ask your data visualization software vendorIdentify which data visualization vendor’s applications, support models, deployment options and technology platforms align with the goals of your project.
