Analitik BIGData (BigData Analytics)

Dalam lingkungan bisnis saat ini yang berisiko tinggi, perusahaan terkemuka — perusahaan yang “berbeda”, mengungguli, dan beradaptasi 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 menyelesaikan 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, berbagai jenis data dan kecepatan di mana data harus diproses. Meskipun BigData tidak sama dengan volume data spesifik apa pun, istilah ini sering digunakan untuk menggambarkan terabyte, petabyte dan bahkan exabytes data yang diambil dari waktu ke waktu.

Memecahkan 3V BigData

Data banyak seperti itu dapat berasal dari berbagai sumber yang berbeda, seperti catatan penjualan bisnis, hasil eksperimen ilmiah yang dikumpulkan atau sensor real-time yang digunakan di internet. Data dapat mentah atau di-preprocess menggunakan alat perangkat lunak terpisah sebelum analitik diterapkan.

Data juga mungkin ada dalam berbagai jenis file, termasuk data terstruktur, seperti penyimpanan basis data SQL; data tidak terstruktur, seperti file dokumen; atau streaming data dari sensor. Lebih lanjut, BigData mungkin melibatkan beberapa sumber data simultan, yang mungkin tidak dapat 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 membuat jawaban atau hasil berdasarkan permintaan yang menyeluruh. Ini berarti analis manusia harus memiliki pemahaman rinci tentang data yang tersedia dan memiliki beberapa pengertian tentang jawaban yang mereka cari.

...... lanjut ke bagian 2 ......