Tentang Peran Talenta Ilmuwan Data dalam Teknologi Big Data

Kemarin, 7-8 Desember 2016, idBigData kembali menggelar Konferensi Big Data Indonesia untuk ketiga kalinya dengan tema “Leveraging National Capacities and Capabilities”. Ajang yang digelar selama dua hari di Auditorium BPPT, Jakarta ini menghadirkan banyak pembicara berpengalaman dengan topik menarik untuk disimak. Salah satunya adalah topik “The Evolving Roles of Chief Data Scientist” yang dibawakan Deputy Research and Big Data Telkom Komang Aryasa di hari pertama yang juga menyoroti masih kurangnya talenta data scientist (ilmuwan data) di Indonesia.

Teknologi big data telah menjadi hype di industri teknologi digital dalam beberapa tahun belakangan ini. Pengapliaksikan yang luas dan manfaat yang dirasakan dalam membantu mengambil keputusan bisnis telah menjadi dorongan kuat untuk mengimplementasikan teknologi ini dalam perusahaan, termasuk perusahaan rintisan yang kini menjamur di Indonesia. Bersamaan dengan hype-nya tersebut, peran baru dalam tim pun muncul, yakni peran ilmuwan data yang bisa mengolah hingga menceritakan data.

Komang menjelaskan “Saat ini pertumbuhaan data itu sudah luar biasa, terutama dengan banyak hadirnya layanan-layanan online. […] Sekarang ini kita banyak dihadapkan kepada data-data unstructured [dan ditutut] untuk mencari sesuatu dalam data itu, mencari insight. Objectifnya sama dengan small data yang lebih terstuktur, tetapi datanya jadi lebih kompleks.”

Prediksi Volume data hingga 2020 / DailySocial

“Volume data akan terus meningkat dan sekarang ini kita sedang bekerja dengan 80% data unstructured. Diperkirakan, hingga 2020 nanti kita akan sangat banyak bekerja dengan data untuk mencari ‘sesuatu’ di sana. Dengan demikian, talenta-talenta untuk mengolah data itu ke depannya akan semakin banyak dibutuhkan,” lanjut Komang.

Talenta yang dimaksud oleh Komang adalah data scientist (ilmuwan data) yang mampu mengolah, menganalisa data, dan pada akhirnya memberikan value pada data tersebut untuk bisa diceritakan. Di awal persentasinya, Komang sendiri menakankan bahwa Value adalah nilai terpenting dalam data karena pada akhirnya itu yang akan ditanya oleh jajaran direksi.

Komang mengatakan, “Dalam big data, ada tiga V umum yaitu Variety, Velocity, dan Volume, tetapi beberapa peneliti menambahkan V lain seperti Veracity, Visualization, Variability, dan Value. […] Namun, saya menganggap yang paling penting itu adalah Value […] karena at the end of the day, BoD [Board of Director] akan menanyakan, apa value-nya?”

Peran Ilmuwan data dalam teknologi big data

Pada dasarnya, ilmuwan data memiliki peran penting dalam memberikan value dari data-data yang diolahnya. Untuk melakukan hal tersebut, menurut Komang, ada empat kompetensi yang pelu dipenuhi yaitu Technical Skill, Data Analyst, Business Acumen, dan Story Telling.

Technical Skill mencakup kemampuan Computer Science, Programming, dan Database. Data Analyst mencakup kemampuan Mathematic, Statistic, dan Modeling. Business Acumen mencakup Communication, Technology Alignment, dan Strategic & Performance. Terakhir adalah Story Telling yang mencakup Creativity, Story Telling, dan Visual Design.

“Story Telling ini sangat penting karena dari sini data yang tidak benar bisa menjadi benar kalau ceritanya bagus. Kalau ceritanya tidak bagus, data benar juga bisa menjadi salah. […] Bagaimana kita meyakinkan top level management kita, itu adalah dengan story telling yang bagus,” jelas Komang.

Namun, Komang juga menyadari bahwa untuk mencari orang yang memiliki kompetensi sekomples itu bukan perkara yang mudah. Solusinya, menurut dia, adalah dengan membentuk tim yang terdiri dari beberapa grup yang memiliki kompetensi-kompetensi dari seorang ilmuwan data. Grup atau tim inilah yang kemudian akan dipimpin oleh Chief of Data Scientist.

Peran Chief of data Scientist sendiri telah mengalami pergeseran. Komang menjelaskan bahwa peran Chief of Data Scientist telah berevolusi dari technology executive embedded in business menjadi business executive responsible for new technology and revenue generation. Sementara tugasnya dalam memimpin tim bisa dilihat dari sisi bisnis dan teknologi.

Evolusi tugas Chief of Data Scientist / DailySocial

Di sisi bisnis, seorang Chief of Data Scientist harus bisa creating business and product vision hingga menjadi owner of P & L [Product & License] yang dibuatnya. Sedangkan dari sisi teknologi, dia harus bisa creatingscience & technology vision, hiring top scientist and technologist, hingga mengambil keputusan untuk memaksimalkan gross margin.

Namun, ada satu tantangan yang akan dihadapi. Komang menyampaikan bahwa berdasarkan data yang diperolehnya dari McKinsey, diperkirakan akan terjadi kekurangan talenta ilmuwan data ke depannya. Hal ini diantisipasi oleh kampus-kampus di luar negeri dengan mulai menghadirkan jurusan baru, Business Analytics. Pertanyaan yang masih terseisa adalah, bagaimana dengan Indonesia? Apakah sudah melakukan hal yang sama atau belum?

Ini harus segara di antisipasi karena ke depannya kehadiran talenta-talenta yang bisa menyerap dan melakukan pengolahan data yang kompleks (big data) akan memegang peranan yang penting dalam pengambilan keputusan bisnis.

–
Disclosure: DailySocial adalah media partner Konferensi Big Data Indonesia 2016

Bagaimana Kesiapan Indonesia Mengadopsi Teknologi Big Data?

Konferensi Big Data Indonesia 2016 (KBI2016) akan kembali digelar. Acara tahunan yang memiliki misi meningkatkan awareness pemanfaatan data digital sebagai insight bisnis ini diselenggarakan atas inisiatif komunitas idBigData bekerja sama dengan Kemenristekdikti dan Universitas Al Azhar Indonesia. Konferensi tahun ini merupakan yang ketiga kalinya. Sebelumnya KBI telah terselenggara di Yogyakarta dan di Bandung.

Masyarakat Indonesia saat ini secara cepat bergerak menjadi bagian dari masyarakat digital dunia, dan menjadi penghasil dan pengguna data yang masif. Teknologi menyusup sampai ke sudut-sudut kehidupan masyarakat. Mulai dari kegiatan ekonomi, gaya hidup, sampai riuh rendahnya situasi sosial politik dan arah kebijakan pemerintah tidak lagi dapat lepas dari teknologi dan data.

Pemanfaatan data menjadi sebuah keharusan untuk memperoleh keunggulan kompetitif. Jumlah penduduk yang besar, wilayah yang luas dan berbagai potensi menjadi sumber data yang sekaligus memerlukan data untuk mengolahnya.

idBigData sebagai komunitas big data Indonesia adalah wadah bagi para profesional, akademisi, maupun peminat big data dari seluruh penjuru Indonesia, yang bertujuan untuk memasyarakatkan dan mendorong penguasaan teknologi big data dan pemanfaatannya untuk kemajuan bangsa Indonesia. Akhir tahun ini idBigdata kembali menggelar Konferensi Big Data Indonesia yang merupakan pagelaran big data terbesar di Indonesia. KBI2016 akan diselenggarakan pada tanggal 7-8 Desember 2016 bertempat di Auditorium BPPT, Jl M. H. Thamrin, Jakarta.

Dalam KBI2016 ini peserta akan memperoleh gambaran mengenai kesiapan Indonesia dalam teknologi big data, peluang dan kebutuhan baik dalam kerangka bisnis maupun penelitian, serta arah kebijakan dan perkembangan big data di Indonesia. Topik yang diangkat mencakup infrastruktur big data, framework pengolahan data, eksplorasi data, visualisasi, data mining, machine learning, serta implementasinya di berbagai sektor.

KBI2016 kali ini mengundang Menristekdikti Muhammad Nasir dan Menkominfo Rudiantara sebagai keynote speakers dan juga menghadirkan puluhan pakar sebagai pembicara dan narasumber yang mewakili berbagai bidang. Selain kegiatan presentasi dan diskusi, pada konferensi ini juga akan digelar pameran yang menampilkan teknologi dan inovasi terbaru dari penyedia solusi big data, dan riset-riset terkini dari berbagai universitas.

Untuk informasi lebih lanjut dapat mengunjungi laman http://kbi2016.idbigdata.com/

—

Disclosure: DailySocial merupakan media partner Konferensi Big Data Indonesia 2016.

Big data untuk E-Commerce, Keperluan Bisnis dan Rekomendasi untuk Pengguna

Dalam beberapa tahun belakangan ini big data banyak disebut-sebut sebagai teknologi yang bisa melengkapi bisnis. Big data memungkinkan bisnis mengelola banyak data dari banyak sumber untuk kemudian bisa dimanfaatkan untuk keperluan analisis laporan dan prediktif. Big data menyimpan potensi yang besar untuk mengubah dan melengkapi bisnis, salah satu yang termasuk adalah bisnis e-commerce.

Big data dan analisisnya termasuk salah satu teknologi kunci dalam hal personalisasi. Dengan data-data yang dikumpulkan bisnis kemudian bisa merumuskan bentuk kesukaan atau minat pengguna mereka yang lazim disebut dengan personalisasi. Big data tidak hanya mengolah data-data terstruktur tetapi data-data yang tidak terstruktur.

Data-data formal seperti nama, alamat email, alamat rumah, nomor telepon termasuk data-data terstruktur sedangkan data-data seperti minat terhadap sebuah barang yang ditunjukkan dengan keyword atau data publik lainnya yang tertinggal di Internet. Konsep ini bisa dilihat dari seringnya pengguna yang sebelumnya mencari-cari barang atau keyword tertentu kemudian akan “dihantui” barang atau keyword tersebut di media sosial, seperti Twitter, Facebook atau Instagram.

Data tidak terstruktur ini merupakan aliran data baru yang sebelumnya belum dimanfaatkan oleh bisnis. Big data dengan teknologinya memungkinkan data-data semacam itu disimpan dan diolah untuk menghasilkan wawasan-wawasan baru mengenai bisnis atau penggunanya.

Selain personalisasi, big data juga bisa dimanfaatkan untuk mengefektifkan transaksi yang ada. Misalnya dengan menghubungkannya dengan teknologi IoT yang terdapat pada armada-armada logistik, dengan demikian pengguna bisa memantau secara real time kondisi barang mereka. Hal tersebut memang tidak mudah namun big data memiliki kemampuan untuk menampung data real time tersebut.

Kemampuan memproses data secara real time big data juga memungkinkan bisnis untuk dengan mudah memantau atau memonitor data mereka secara langsung. Jika dilengkapi dengan analisis dan juga business Intelligence maka big data bisa menyuguhkan laporan langsung mengenai data-data yang ada.

Penerapan big data tidak murah. Perlu investasi cukup besar untuk membangun sebuah infrastruktur untuk menempatkan teknologi big data yang bisa berkolaborasi dan terintegrasi dengan sistem-sistem yang lain.

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

Penggunaan Big Data di Sektor Bisnis Travel Bisa Menguntungkan Pengguna

Bisnis banyak mendapatkan manfaat dari banyaknya aliran data di era digital seperti sekarang. Dengan bantuan perangkat lunak big data dan analisis, data diubah menjadi sebuah hal yang menguntungkan. Hampir di semua sektor bisnis big data selalu dikaitkan dengan personalisasi pengguna. Di titik ini tidak hanya bisnis yang diuntungkan, tetapi juga pengguna. Khusus sektor bisnis travel, pengguna bisa diuntungkan baik dari segi efisiensi waktu maupun efisiensi biaya.

Jika zaman dahulu para pelancong atau traveler bergantung pada biro jasa perjalanan atau loket-loket tempat wisata yang ada, kini para traveler dengan mudah bisa menemukan apa pun melalui smartphone mereka. Marketplace tiket sudah banyak bermunculan. Menawarkan berbagai macam jenis tiket yang di antaranya sudah disesuaikan dengan kebutuhan dan keinginan pengguna. Disesuaikan, dipersonalisasi oleh bisnis yang menerapkan biaya. Penghematan pertama, hemat waktu.

Penghematan selanjutnya adalah dana atau biaya yang harus dikeluarkan untuk proses mencari dan harga tiket itu sendiri. Dari konsep personalisasi banyak jenis kategori yang disesuaikan. Mulai dari minat terhadap sebuah maskapai, hotel, hingga biaya yang sering dikeluarkan oleh traveler selama masa perjalanannya.

Penghematan dari segi uang ini memiliki peranan penting. Selain marketplace yang menawarkan harga bersaing traveler juga bisa memanfaatkan layanan pembanding harga yang mulai banyak bermunculan. Dengan demikian traveler bisa menemukan harga terbaik.

Penghematan selanjutnya adalah biaya transportasi dan penginapan. Untuk yang satu ini traveler harus berterima kasih pada startup dengan konsep on demand atau juga sering disebut dengan sharing economy, Uber dan AirBnB. Kedua bisnis tersebut merupakan solusi bagi traveler-traveler yang memiliki budget terbatas selama bepergian. Dengan harga yang relatif lebih murah dibanding moda transportasi dan penginapan konvensional dan mungkin layanan khusus seperti UberTrip yang baru meluncur di Bali atau UberPool pengguna bisa berhemat lebih banyak.

Belum lagi promosi yang gila-gilaan, mengingat layanan seperti Uber dan AirBnb tidak sendirian di ekosistem bisnis mereka. Lagi-lagi pengguna dalam hal ini traveler yang diuntungkan.

—

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

Analisis Prediktif untuk Jadwal Perawatan

Prediksi merupakan bagian dari strategi untuk menerka apa yang terjadi selanjutnya, meraba apa yang dibutuhkan pengguna berdasarkan data. Prediksi didukung dengan data-data sebelumnya dikumpulkan dan diolah sedemikian rupa untuk menghasilkan pola yang bisa dijadikan sebagai bahan analisis prediktif. Dalam penggunaannya dalam sektor bisnis, analisis prediktif banyak digunakan dalam berbagai urusan salah satunya adalah prediksi perawatan, baik sistem maupun infrastruktur.

Prediktif perawatan ini sendiri merupakan sebuah teknik untuk melakukan prediksi terhadap rencana perawatan sesuatu. Bisa sebuah sistem bisa juga sebuah infrastruktur dalam hal ini lebih condong ke perangkat keras.

Hampir serupa dengan analisis prediktif pada umumnya, analisis prediktif untuk perawatan ini memanfaatkan data-data dari perangkat atau mesin untuk menyusun jadwal perawatan yang pas sehingga mengurangi kecenderungan kesalahan atau kerusakan terjadi sebelum masa perawatan. Di dalam proses analisisnya juga bisa dilengkapi dengan diagnosis kesalahan, rekomendasi, dan klasifikasi kesalahan yang pernah muncul.

Ada banyak keuntungan yang bisa didapat dari analisis prediktif untuk perawatan ini, beberapa di antaranya adalah menekan biaya perawatan karena waktunya sudah disesuaikan dan diprediksi, termasuk juga mengurangi waktu yang terbuang karena perawatan yang mendadak. Selain itu analisis prediktif juga mampu mengetahui akar permasalahan yang muncul sehingga bisa dengan cepat menentukan apa yang harus dilakukan dengan sebuah alat, apakah diperbaiki atau diganti dengan yang baru.

Analisis sendiri mengharuskan adanya data-data yang akurat. Dalam kasus analisis perawatan ini data-data yang dikelola meliputi data riwayat penggunaan, riwayat perawatan, riwayat error atau kesalahan, dan data-data pelengkap lain seputar alat atau sistem tersebut.

Yang paling penting dari semua keuntungan yang disebutkan di atas adalah penghematan. Penerapan analisis prediktif tidak bisa dibilang murah, baik orang yang bertanggung jawab atau alat yang digunakan harus berkualitas. Setidaknya investasi yang dikeluarkan sebanding apa yang dihasilkan, dalam hal ini efisiensi waktu dan biaya yang dipangkas. Diharapkan bisa tetap menjaga bisnis bekerja optimal karena proses perawatan semua sudah terjadwal dan diprediksi.

—

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

Mendiskusikan Pentingnya Implementasi Big Data dalam Jurnalistik

Era digital membawa penetrasi pengguna internet semakin tinggi, sehingga berdampak pada datangnya informasi dan data yang melimpah. Hal tersebut memberikan kesempatan dan tantangan baru bagi berbagai industri. Salah satunya adalah industri media yang kerap mengalami terpaan arus informasi secara berlebih atau information overload.

Big data menjadi salah satu pendekatan teknologi yang paling sering disinggung. Pemanfaatan big data jadi krusial, sebab kumpulan data yang muncul dengan jumlah sangat besar sejatinya dapat diolah untuk dianalisis di berbagai keperluan seperti melakukan prediksi, membuat keputusan, membaca sebuah tren, melihat tingkah laku konsumen dan lain sebagainya.

Di industri media, penulisan jurnalistik akan lebih rinci, menarik, dan kredibel bila disertai penggunaan dan analisis data yang kuat. Pun demikian, perlu ketelitian dalam memilah data saat akan digunakan sebagai sumber acuan, baik untuk penelitian maupun penulisan berita.

Terkait hal tersebut, Wahyu Dhyatmika, perwakilan dari Aliansi Jurnalis Independen (AJI), menerangkan jurnalisme data sangat ampuh untuk menajamkan angle seorang jurnalis sebelum menayangkan berita. Cara kerja jurnalisme data pada umumnya sama seperti pada umumnya, yakni merumuskan pertanyaan, menemukan data, mendapatkan data, memilah data, menganalisis, dan mempresentasikan data.

Ia mencontohkan untuk sebuah laporan investigatif penggunaan big data sangat berguna bagi jurnalis saat menjawab hipotesis dari pertanyaan yang ingin dipecahkan. Apabila dari hasil data ditemukan hipotesis terbantahkan, berarti jurnalis tersebut bisa langsung mengubah arah tulisan mereka.

“Jurnalisme data itu butuh cara kerja yang berbeda dari yang biasa dilakukan, narasinya pun tidak tunggal, malah pembaca sendiri yang diharuskan mengambil kesimpulan. Proses pengerjaan berita di newsroom pun, bila dari big data hipotesis sudah terbantahkan, jurnalis jadi tahu kapan harus mengubah pertanyaannya. Proses pengerjaan jadi lebih efisien,” terang Wahyu, Senin (14/11).

Wahyu mengakui, masih banyak sumber data (berupa situs website) di tanah air yang belum real-time pengumpulan datanya. Sehingga saat melakukan jurnalisme data, sang jurnalis butuh waktu yang banyak untuk mengumpulkan data yang diperlukan satu per satu. Beberapa situs data yang sering diandalkan disediakan oleh pemerintah untuk diakses oleh publik, misalnya Badan Meteorologi, Klimatologi, dan Geofisika (BMKG), Badan Pusat Statistik (BPS), dan Pemerintah Provinsi DKI Jakarta.

Wahyu kembali mencontohkan, salah satu pemanfaatan big data yang tepat dengan mengawinkan data yang tersedia untuk publik dengan teknologi tercermin dari apa yang dilakukan oleh India Spend, Connected China, Medicare Unmasked yang disediakan oleh Wall Street Journal, dan perjalanan karier Kobe Bryant dalam grafik foto dihadirkan oleh LA Times.

Keseluruhan situs tersebut, disajikan dalam satu halaman saja dengan data yang ditumpahkan seluruhnya oleh pemilik media. Publik bisa menarik sendiri narasi sesuai dengan apa yang mereka inginkan.

Tony Seno Hartono, National Technology Officer Microsoft Indonesia, menambahkan dalam data yang disajikan APJII 2016 tingkat penetrasi internet yang sudah mencapai angka 132,7 juta pengguna mengakibatkan timbulnya data yang melimpah. Kondisi ini telah menjadi tantangan baru bagi industri media untuk menyaring data yang masuk agar tidak berlebihan dan tetap relevan.

Tony mencontohkan, salah satu aplikasi yang dapat dimanfaatkan oleh jurnalis ataupun orang-orang dari industri lainnya untuk mengolah data mentah jadi data matang, yakni dengan memanfaatkan Power BI (sebuah perangkat visualisasi data dari Microsoft).

“Kekuatan data sangat diperlukan oleh seluruh industri, termasuk media. Agar industri dapat menghadapi tantangan, maka data yang disajikan harus kredibel,” ujar Tony.

Analisis Prediktif Bisa Bantu Bisnis Optimalkan Banyak Hal

Pernah ada sebuah ungkapan bahwa orang yang tidak mempelajari sejarah akan mengulanginya, hal ini tentu menjadi salah satu ungkapan paling relevan dengan apa yang disebut dengan analisis prediktif. Sebuah analisis yang didasarkan dari data-data yang terkumpul untuk kemudian dianalisis dan menjadi salah satu bahan pendukung keputusan yang diambil untuk masa depan.

Tren analisis prediktif tentu satu paket dengan big data. Bagi dunia bisnis big data dan analisis prediktif bisa sangat berarti. Selain menghindari lubang kegagalan yang sama juga sebagai salah satu cara untuk mengetahui inovasi apa yang cocok untuk masa depan.

Big data dan analisis prediktif tidak hanya berperan pada mengetahui keinginan pengguna, lebih dari itu big data juga berperan memperbaiki bisnis mulai dari mengoptimalkan sesuatu yang tidak efisien. Seperti yang banyak diketahui big data dan analisis prediktif menjadi satu kesatuan yang menampung dan mempelajari data-data untuk dijadikan sebuah laporan yang bisa digunakan untuk menunjang keputusan atau inovasi selanjutnya. Untuk bisnis ini juga bisa berarti big data dan analisis prediktif mengurangi hal-hal yang tidak begitu diperlukan.

Big data dan analisis prediktif bisa menunjukkan hal-hal apa yang krusial dan sebaiknya dilakukan oleh bisnis sehingga bisnis tidak perlu meraba-raba apa yang akan dilakukan selanjutnya, seperti merencanakan sebuah fitur atau produk baru. Semua yang diinginkan, semua peluang, sudah tertuang dalam hasil dari analisis prediktif.

Hal lain yang bisa dilakukan analisis prediktif adalah memberikan gambaran mengenai kampanye yang efektif. Yang satu ini berkaitan langsung dengan konversi. Hasil konversi dan hasil apa pun di kampanye sebelumnya bisa dimanfaatkan sebagai perimbangan, koreksi dan evaluasi untuk kampanye berikutnya. Di sini big data dan analisis prediktif membantu bisnis memberikan wawasan mengenai hasil dari kampanye sebelumnya dan mungkin juga apa yang harus dilakukan dan dihindari dalam kampanye selanjutnya.

Misalnya channel pemasaran paling potensial, buzzer paling efektif, waktu paling tepat, dan beberapa hal lainnya. Big data dan analisis prediktif bisa menjadi teknologi paling krusial dalam beberapa tahun ke depan jika diimplementasikan dan didukung dengan data yang berkualitas.

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

Revolusi Strategi Pemasaran dengan Big Data

Dewasa ini big data bisa memiliki banyak peran dalam memajukan bisnis. Salah satunya adalah dengan mengubah bagaimana cara bisnis mengkonversi pelanggannya. Seperti banyak ditulis sebelumnya big data adalah inti dari teknologi untuk memahami lebih jauh kebutuhan pengguna. Ini juga yang akhirnya dimanfaatkan untuk membantu meningkatkan dan mengubah cara-cara konversi pengguna.

Big data tidak hanya membantu atau mengoptimalkan sebuah bisnis untuk memahami pelanggan, big data lebih dari itu. Big data merevolusi cara-cara bisnis memandang pelanggan. Termasuk cara baru untuk memasarkan. Tentu semuanya disesuaikan untuk menjangkau lebih banyak dan lebih personal pelanggan-pelanggan dari bisnis.

Revolusi big data dalam bisnis dimulai dari bagaimana big data mengubah, tepatnya menaikkan posisi data dalam bisnis. Data sekarang banyak dipandang sebagai sebuah aset yang harus dimanfaatkan dan harus dijaga. Tentu yang paling utama dan langsung bersinggungan dengan bisnis adalah data pelanggan. Baik itu data pribadi, sejarah transaksi, hingga minat seorang pelanggan terhadap sebuah produk. Termasuk juga waktu yang tepat untuk mengirim kampanye, desain, dan lain sebagainya.

Setelah itu bisnis mulai memanfaatkan big data untuk mengetahui lebih lanjut pertimbangan-pertimbangan dalam melakukan strategi marketing. Hasil analisis dari big data bisa menghasilkan sebuah wawasan yang berguna untuk menghasilkan sebuah strategi marketing yang tepat sasaran. Misalnya dengan mempertimbangkan keterkaitan, minat, atau sejarah transaksi dari pelanggan. Semua dibaca, semua disimpan, dan disimpulkan untuk menghasilkan sebuah strategi yang lebih matang dan revolusioner untuk meningkatkan tingkat konversi pengguna.

Terdengar mudah memang, tapi dalam prakteknya banyak menemui kendala. Seperti kesesuaian dan keakuratan data hingga kevalidan data. Big data, sama seperti teknologi lainnya, membawa bisnis ke level selanjutnya.

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

Tantangan Manajemen Proyek di Era Big Data

Manajemen proyek selalu membawa segenggam tantangan dalam setiap pelaksanaannya. Beberapa tahun terakhir bisnis digital tumbuh secara signifikan, demikian duga dengan manajemen proyek. Menjadi lebih rumit. Di sisi lain perkembangan teknologi memberikan dampak positif, seperti hadirnya banyak perangkat lunak yang mampu memudahkan dalam pengelolaan proyek dan manajemen data. Salah satu pendekatan teknologi yang paling populer untuk ini adalah big data. Meski demikian proyek-proyek yang menggunakan big data tidak lepas dari permasalahan dan tantangan. Justru tantangannya semakin bervariasi.

Contoh pertama tantangan dari proyek yang menggunakan big data adalah kepastian investasi. Sebelum menjalankan sebuah proyek sudah pasti menyusun anggaran-anggaran yang diperlukan. Salah satunya adalah anggaran penerapan teknologi, big data contohnya. Penerapan teknologi big data ini tidak bisa dikatakan murah, untuk itu harus dipastikan mendapatkan lampu hijau saat di awal proyek. Bukan perkara mudah untuk berinvestasi kepada sesuatu yang belum pasti. Itulah mengapa hal ini masuk kategori tantangan.

Tantangan lainnya ada di bagian ulasan proyek. Tantangan ini sering dijumpai di perusahaan-perusahaan besar yang melakukan pengerjaan proyek serang berkelanjutan dalam rentang waktu yang berdekatan. Untuk masalah ini sebenarnya solusinya bisa diselesaikan dengan perangkat lunak manajemen proyek, tetapi sangat tergantung dengan kualitas perangkat lunak yang digunakan.

Selanjutnya tantangan yang biasa muncul ada di pembagian tugas. Ini sangat penting terutama bagi bisnis dengan anggota tim terbatas. Pembagian porsi tugas harus juga disesuaikan dengan jadwal. Di titik ini sangat dibutuhkan seorang manajer proyek yang sangat mengerti kondisi di lapangan. Termasuk memilih orang yang tepat untuk mengerjakan sebuah tugas. Ini kaitannya dengan kemampuan dan efisiensi waktu pengerjaan proyek.

Ketiga tantangan sebelumnya mungkin terlihat menjadi tantangan secara umum bagi sebuah proyek, tetapi di proyek-proyek yang menggunakan big data tantangan tersebut sering kali muncul. Salah satu yang mungkin muncul dari proyek manajemen big data adalah pengelolaan dokumentasi dan manual.

Dengan big data sejatinya permasalahan-permasalahan ini bisa dengan mudah diatasi, namun tantangannya ada di poin distribusi dan menghubungkan sumber yang tepat kepada orang-orang yang terlibat dengan tugas-tugas tertentu.

—

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

Karakteristik Big Data dalam Mendukung Bisnis

Teknologi big data mengumpulkan banyak data set tiap harinya untuk bisa diolah demi menghasilkan sebuah wawasan yang lebih baik. Set data tersebut bisa saja beraturan, bisa saja tidak. Big data bisa menghasilkan sebuah analisis untuk menunjukkan tren, hubungan atau pola dari kebiasaan-kebiasaan yang dipelajari dari data-data yang ada. Hal ini lah yang kemudian coba dioptimalkan oleh bisnis untuk bisa lebih jauh memahami pasar, pelanggan dan berbagai peluang.

Big data pada dasarnya memiliki beberapa karakteristik seperti halnya kemampuan menampung data set dengan ukuran yang besar. Kemampuan menampung jumlah data set dalam jumlah besar ini cukup berguna untuk menampung data dari berbagai channel, seperti transaksi, media sosial, dan sumber-sumber lain.

Pengumpulan data ini juga didukung oleh karakteristik big data lainnya yakni kecepatan yang tinggi. Karakteristik yang satu ini sangat menunjang karakteristik lainnya. Dengan aliran data yang cepat big data bisa lebih banyak lagi menampung data lebih banyak lagi. Karakteristik ini sangat membantu. Terlebih untuk data-data yang bersifat real time.

Karakteristik lainnya dari big data adalah mampu menampung kompleksitas. Karakteristik ini mampu mengakomodir data yang berasal dari banyak sumber yang kemungkinan memiliki hubungan satu sama lain.

Salah satu perangkat lunak database yang sering dihubungkan dengan big data adalah NoSQL. NoSQL disebutkan mendukung pengelolaan database dengan skema yang dinamis. NoSQL juga dikenal sebagai perangkat lunak database yang fleksibel, terukur, dan bisa dengan mudah disesuaikan sesuai dengan kebutuhan.

NoSQL juga disebut-sebut sebagai salah satu perangkat lunak database yang bisa mengoptimalkan sistem real time. Hal ini disebabkan oleh NoSQL yang memang dirancang untuk mampu mengakomodir pekerjaan atau sistem dengan kebutuhan akses data yang cepat.

Penggunaan teknologi big data secara umum sedikit banyak telah memberikan dampak dalam dunia bisnis. Big data juga telah mengubah perilaku bisnis dalam mengkonsumsi data, memanfaatkan banyak sumber data, dan mengolahnya lebih baik lagi untuk mendapatkan wawasan yang nyata.

Big data adalah sebuah peluang. Bisnis yang sudah melihat bagaimana memberikan dampak harusnya tidak ragu untuk menempatkan investasi di sektor big data, terlebih untuk perangkat lunak dan infrastrukturnya.

—

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