Peranan Big Data dalam Dunia Kesehatan

Jika membahas mengenai teknologi maka tak pernah luput untuk membahas di sektor apa saja teknologi tersebut bisa dimanfaatkan. Teknologi yang sedang banyak dibahas dan digandrungi salah satunya big data. Kemampuan mengumpulkan dan menganalisis data menjadi peluang tersendiri untuk berbagai sektor, salah satunya kesehatan. Dampak yang paling diharapkan dari penerapan teknologi di big data adalah meminimalkan malapraktek.

Jika di sektor bisnis big data dimanfaatkan untuk keperluan personalisasi layanan demi meningkatkan pengalaman pengguna, di sektor kesehatan big data memegang peran lebih sentral. Fungsinya untuk membantu tenaga medis, seperti dokter atau perawat untuk mendapatkan data lebih mendalam dari pasien. Seperti rekam medis, daftar obat yang dikonsumsi, hingga daftar obat yang tidak boleh dikonsumsi. Data-data tersebut menjadi penting untuk meminimalkan malapraktek dan mendapatkan data pribadi pasien.

Selain itu big data bisa menjadi tulang punggung untuk teknologi kecerdasan buatan. Kombinasi keduanya bisa menghasilkan analisis yang akurat. Belum lagi jika dikombinasikan dengan teknologi cloud yang memungkinkan data bisa dibagi dengan mudah antar jaringan rumah sakit, sehingga di mana pun pasien berobat atau ditangani data rekam medis pasien sama.

Salah satu jenis malapraktek yang bisa ditekan adalah kesalahan pemberian obat. Para petugas medis bisa memanfaatkan data-data pasien untuk menentukan obat dan dosis yang tepat kepada pasien. Termasuk apakah pasien benar-benar perlu obat atau bahkan hanya perlu istirahat. Ini termasuk juga mengurangi ketergantungan terhadap obat.

Selain disiapkan untuk membantu pasien, big data juga bisa digunakan untuk mengembangkan diagnosa. Dengan dilengkapi teknologi-teknologi pendukung lainnya big data bisa menjadi penunjang utama untuk dunia kesehatan menciptakan sebuah alat diagnosis yang merekam banyak gejala dan jenis penyakit tiap tahunnya. Data ini bisa digunakan untuk mengantisipasi atau mencegah lebih dini sebelum sebuah penyakit mewabah.

Yang perlu menjadi perhatian adalah penerapan teknologi di kesehatan tidak bisa disamakan dengan sektor lain. Harus ada desain dan keamanan lebih. Mengingat ini berkaitan dengan data personal dan menyangkut kesehatan. Bisa menjadi hal berbahaya jika sampai bocor.

—

Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

Sisi Gelap Gelap Big Data dan Analisis Prediktif

Ada garis tipis nyata yang membatasi antara sisi terang dan gelap penggunaan big data. Di sisi terang, big data dan analisisnya menjadi senjata ampuh bagi bisnis maupun pemerintah untuk mendapatkan prediksi yang akurat mengenai banyak hal. Tergantung data yang didapat dan diolah. Di sisi lainnya, big data bisa menjadi sesuatu yang berbahaya. Tidak hanya berkenaan dengan privasi, tetapi juga masalah diskriminasi dan penyalahgunaan lainnya.

Sama seperti teknologi lainnya, big data juga bisa sangat baik jika berada di tangan yang tepat. Namun berlaku sebaliknya. Selama ini kita selalu membaca dan mendengar bahwa personalisasi adalah bentuk dari peningkatan pengalaman pengguna level selanjutnya. Data-data personal ini didapatkan dari bagaimana sistem menganalisis bagaimana kebiasaan pengguna. Kemudian sistem bisa memberikan rekomendasi apa yang cocok dan apa yang mungkin relevan dengan kebiasaan mereka saat ini.

Ini menjadi mengkhawatirkan jika analisis prediktif ini dimanfaatkan untuk hal-hal yang tidak baik. Misalnya analisis prediktif mengenai kegemaran, pola bepergian, penggunaan kartu kredit, transaksi, dan banyak hal dimiliki oleh orang-orang yang tidak bertanggung jawab. Bukan untuk menghakimi bahwa teknologi berbahaya, hanya mengingatkan ada sisi lain dari teknologi yang ternyata memang membahayakan.

Gedung Putih Mei silam mengeluarkan sebuah dokumen bertajuk “Big Data: A Report on Algorithmic Systems, Opportunity, and Civil Rights”. Dalam dokumen sebanyak 29 halam tersebut dijelaskan banyak hal mengenai peluang dan tantangan yang dihadapi big data. Salah satu tantangan yang menjadi sorotan adalah kemungkinan big data disalahgunakan sebagai alat untuk diskriminasi.

Beberapa contoh kasus yang diambil adalah diskriminasi yang bisa didapatkan masyarakat untuk mendapatkan akses kredit, lowongan pekerjaan, pendidikan dan kejahatan kriminal. Jika big data dan analisis bisa mendapatkan analisis prediktif dari data yang ada menyebutkan orang-orang yang dinyatakan “tidak masuk kualifikasi” maka orang-orang tersebut benar-benar dipinggirkan. Bisa saja seseorang akan ditolak di mana pun karena data riwayatnya ternyata menghasilkan analisis prediktif yang buruk. Padahal belum tentu sumber data akurat, belum lagi analisis dilakukan dengan baik dan benar.

Big data dan analisisnya sama halnya mengkhawatirkan dengan peralatan yang dikendalikan dari jauh bila sama-sama di pegang oleh orang yang tidak bertanggung jawab. Dalam kasus big data risikonya bisa lebih ditekan dengan memastikan keakuratan data dan menjaga agar informasi personal lebih dulu mendapatkan izin dari pengguna. Selain itu diharapkan juga kebijakan yang lebih baik dari lembaga yang menggunakan analisis prediktif untuk menghindari diskriminasi.

—

Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

Peran Serta Big Data dalam Menumbuhkan Traksi Bisnis Perhotelan

Industri perhotelan sekarang sedang digoyang lahan bisnisnya oleh startup-startup yang menawarkan tempat menginap seperti AirBnB dan layanan sejenis. Industri hotel mulai berbenah dengan menerapkan teknologi di sistem mereka, salah satunya untuk pemasaran dan pemesanan. Bahkan tak jarang mereka menggandeng mitra-mitra startup untuk membantu memasarkan ruang-ruang kosong milik mereka. Untuk masalah perhotelan ini sebenarnya big data menawarkan sesuatu yang baru. Sebuah analisis big data sebenarnya mampu memberikan dampak positif untuk pemasukan bisnis perhotelan.

Skenario utamanya adalah mempelajari setiap detil pemesanan yang dilakukan oleh pelanggan. Mulai dari keperluan mereka menginap, siapa yang membayarnya, dan kapan dan berapa lama terakhir menginap di hotel tersebut. Ini memberikan gambaran sehingga pihak hotel bisa mengatur tinggi rendahnya tarif untuk memberikan kesan lebih murah atau lebih terjangkau meski dengan pelayanan yang sama.

Detil data-data pelanggan yang dimaksud bisa bercabang dan memuat banyak variabel. Seperti dari mana mereka tahu hotel tersebut, bagaimana tanggapan mereka terhadap pelayanan hotel sebelumnya dan setelah mereka tinggal di hotel, dan dengan siapa saja mereka menginap di hotel, apakah keluarga atau dengan rekan-rekan bisnis mereka.

Data-data lainnya juga bisa bernilai, sebut saja seperti transportasi apa yang mereka pakai, maskapai apa, apakah tiket ekonomi atau bisnis, dan berapa uang yang mereka habiskan selama liburan atau tinggal di hotel tersebut di periode lampau dan data-data sejenis lainnya.

Data-data tersebut nantinya bisa diolah dan akan menghasilkan sebuah keputusan, dan sekarang bisa juga digunakan untuk menetapkan harga kamar, atau mungkin jumlah potongan harga yang didapat.

Penetapan harga atau potongan harga dari hasil analisis tersebut akan membuat kesan bahwa harga kamar bisa lebih terjangkau, ini yang dimaksud dengan mengoptimalkan RevPAR (Revenue Per Available Room) dengan memanfaatkan analisis big data.

Tak hanya itu data-data tersebut seharusnya juga berguna untuk bagaimana hotel menjalin kerja sama dengan industri-industri terkait lainnya. Seperti transportasi, bank, perusahaan dan lainnya.

—

Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

GDILab Luncurkan GDIAnalytics untuk UKM dan Startup

GDILab, perusahaan teknologi yang berbasis di Jakarta dan bergerak di bidang social media analytics, hari ini meluncurkan produk analitik terbaru GDIAnalytics. Dengan memanfaatkan tiga media sosial paling favorit di Indonesia yaitu Twitter, Facebook, dan Instagram, GDIAnalytics ingin menyasar kalangan UKM dan bertujuan untuk memberikan layanan terpadu yang mampu memantau dan menganalisis performa ketiga media sosial tersebut untuk membantu perusahaan, UKM, dan startup menentukan strategi pemasaran yang tepat sasaran.

Platform yang ditawarkan oleh GDIAnalytics adalah Twitter, Facebook dan Instagram dilatar belakangi fakta bahwa ketiganya memiliki unstructured data yang berpotensi menjadi digital market insight.

“GDIAnalytics mencoba untuk menganalisis data agar brand dan perusahaan bisa mencapai target dan goal yang ada. Tujuan GDIAnalytics untuk membantu UKM dengan menawarkan layanan digital analytics,” kata Co-Founder GDILab Billy Boen.

GDIAnalytics merupakan perpaduan dua produk yang diciptakan sebelumnya yaitu Polaris dan Iris. Dengan produk tersebut, GDILab mengklaim sebagai perusahaan Indonesia pertama yang menyediakan perangkat lunak alat analitik terbuka sebagai bagian dari layanan atau Software as a Service (SaaS).

“Kita memang bukan company analytic pertama di Indonesia namun kita merupakan perusahaan pertama di Indonesia yang cukup percaya diri bersaing dengan perusahaan global lainnya dengan menawarkan harga yang terjangkau,” kata Billy.

Bermitra dengan Twitter dan IBM

GDILab didukung oleh Twitter Indonesia sebagai bagian dari ekosistem Twitter. Kerja sama yang dibangun ini berupaya memberikan dampak terbaik bagi masing-masing pihak, membantu lebih banyak UKM, dan memahami potensi yang dimiliki.

”Kerja sama bukan hanya sekedar pengembangan data tapi bagaimana data tersebut bisa digunakan untuk klien Twitter dan GDILab dengan menggunakan tools yg ada. Twitter sebagai media sosial yang paling banyak memberikan open data, fungsi dari Twitter lebih kepada memahami interest dari orang-orang,” kata Country Business Head Twitter Indonesia Roy Mangunsong.

Selama ini Twitter telah menjadi platform bagi masyarakat untuk membicarakan topik yang berkaitan dengan brand atau produk, meng-update diri dengan berita terkini. Dengan menggunakan tagar, Twitter juga kerap digunakan untuk berkampanye dan bisa direspon langsung oleh follower dengan mudah.

Dikembangkan dalam bentuk dashboard, fitur-fitur GDIAnalytics membuat pengguna dapat mengetahui apa yang dibicarakan orang mengenai produk atau brand terkait, mengukur performa buzzer, siapa saja yang ikut mempromosikan kampanye berikut lokasinya, serta mengukur popularitas sebuah kampanye yang telah dijalankan.

“Kami ingin menyasar semua kalangan UKM yang mau mengembangkan usaha dan tentunya telah melek teknologi dan bersedia membayar Rp 500 ribu setiap bulannya,” kata Billy.

Untuk mengedukasi lebih banyak UKM memanfaatkan media sosial sebagai sarana promosi, GDILab melakukan rangkaian kegiatan offline, seperti pelatihan, didukung sepenuhnya oleh Kementerian Koperasi dan UKM. Diharapkan mereka bisa memperkenalkan lebih banyak manfaat media sosial untuk mendukung kemajuan usaha UKM di Indonesia.

“Saya melihat saat ini perusahaan global yang menawarkan fitur dan layanan yang sama belum sepenuhnya peduli kepada UKM di Indonesia, dengan GDIAnalytics kami akan membantu semua UKM dengan memanfaatkan fitur-fitur yang dibutuhkan dan tentunya dengan harga yang terjangkau,” kata Billy.

Selain bermitra dengan Twitter, GDILab juga didukung IBM untuk hal infrastruktur. GDILab juga telah bermitra dengan perusahaan analitik Thailand Digital Associates Co.Ltd. (DA) yang telah berjalan selama hampir satu tahun.

“Analitik memungkinkan untuk menerka dan menentukan seperti apa minat serta interest dari konsumen. Diharapkan GDIAnalytics juga bisa berguna untuk UKM dan startup yang ada di Indonesia,” tuntas Billy.

Seberapa Sering Anda Memakai Emoji di Twitter? Cari Tahu dengan Emoji Life

Seberapa sering Anda menggunakan emoji? Pertanyaan ini memang tergolong tidak penting, tapi paling tidak kita bisa mendapat gambaran tentang seberapa besar peran ‘bahasa’ baru ini dalam komunikasi kita sehari-hari.

Kalau Anda penasaran dengan jawabannya, Anda bisa memanfaatkan tool analytics bernama Emoji Life. Emoji Life pada dasarnya mirip seperti tool analytics resmi dari Twitter, namun ia secara khusus akan membeberkan keterlibatan emoji dalam aktivitas Anda di Twitter.

Usai membuka situsnya dan login menggunakan akun Twitter, Anda akan diminta untuk melakukan otorisasi terlebih dahulu. Sesudahnya, Emoji Life akan menampilkan gambaran umum terkait penggunaan emoji selama Anda berkicau di Twitter.

Saya sendiri tergolong jarang memakai emoji, tapi istri saya ternyata cukup sering. 17,7 persen dari total tweet-nya mengandung emoji, dan mayoritas adalah emoji nyengir. Emoji Life memberi istri saya pangkat “Emoji Novice”, sedangkan saya cuma “Emoji Newb”.

Lebih lanjut, Emoji Life juga akan menjabarkan detail lain seperti berapa jumlah tweet yang mengandung emoji yang di-like atau di-retweet oleh pengguna lain. Anda juga bisa melihat berapa kali masing-masing emoji sudah Anda gunakan, serta kategori apa yang paling populer.

Sekali lagi, tool ini memang terkesan tidak penting. Namun di saat yang sama ia bisa menunjukkan peran emoji yang setiap harinya kian terlibat dalam percakapan di Twitter.

Sumber: TheNextWeb.

Google Mulai Perkenalkan Versi Baru dari Layanan Google Analytics

Salah satu hal yang rutin saya kunjungi sebagai penulis sebuah blog adalah fasilitas analytics, yang memungkinkan saya untuk melihat berbagai data statistik tentang kunjungan serta data lain yang berhubungan dengan pembaca, kebetulan saya menggunakan Google Analytics, salah satu layanan analisis data traffic untuk situs yang cukup lengkap, gratis dan terintegrasi dengan berbagai akun Google.

DailySocial juga pernah menuliskan tentang salah satu fitur dari Google Analytics yang sampai saat ini masih dalam taraf beta yaitu in-page analytics yang mempermudah para pengguna Google Analytics untuk melihat tampilan visual yang berhubungan dengan data statistik dari interaksi pengguna atas halaman situs tertentu.

Continue reading Google Mulai Perkenalkan Versi Baru dari Layanan Google Analytics

Yang Baru dari Facebook Analytics

Facebook mengumumkan perkembangan atas salah satu fasilitas analytics mereka yaitu Insights Dashboard yang yang berguna bagi para pemilik aplikasi Facebook, websites yang terintegrasi dengan Facebook, atau bagi mereka yang memiliki pages di Facebook.

Melalui developer blog mereka, Facebook menyebutkan bahwa fasilitas Insights Dashboard yang baru merupakan sumber utama atau satu tempat khusus dimana pengguna bisa mendapatkan semua informasi data yang terintegrasi dengan Facebook, termasuk websites yang menggunakan social graph dari Facebook, aplikasi termasuk canvas, mobile, device serta aplikasi desktop, kemudian Facebook Pages, termasuk pages yang dibuat di Facebook.com atau pages yang menggunakan Open Graph.

Continue reading Yang Baru dari Facebook Analytics