BIG DATA

 

Pengertian Big Data

Big Data adalah istilah yang menggambarkan volume data yang besar, baik data yang terstruktur maupun data yang tidak terstruktur. Big Data telah digunakan dalam banyak bisnis dan dapat membantu menentukan arah bisnis.

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.

Pentingnya Big Data

Pentingnya big data tidak berkisar pada seberapa banyak data yang dimiliki, tetapi apa yang kita lakukan dengan data tersebut. Kita 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 menggabungkan big data dengan analitik berkekuatan tinggi, kita 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 perusahaan Anda.

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:

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.

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 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.

 

 

 

Penerapan Big Data pada Industri Manufaktur

1. Manajemen resiko

Ada beberapa area berbeda yang menjadi sumber dari chain management dimana Big Data dapat menjadi penolong yang cukup signifikan. Pemasok memiliki pilihan untuk membagi data data produksi mereka dengan partner dan customer yang mana akan membuat transparansi dan komunikasi yang sangat efektif untuk kedua belah pihak. Dengan cara ini pihak manufaktur dapat melihat secara jelas apakah pemasok terlambat dengan produksi atau tepat waktu, dan dapat mengatur semua proses yang diinginkan agar terhindar dari keterlambatan.

Kualitas dari data juga dapat dibagi dengan cara yang sama, perusahaan manufaktur dapat membuat produksi dan produk yang terkait dengan kualitas metrik yang didapat dari pihak pemasok sebelom menerima barang. Dengan adanya visibilitas yang meningkat dalam kualitas para pemasok, pihak manufaktur dapat melihat secara lebih jelas dan dapat melihat portofolio dari para pemasok ketika dibutuhkan dalam negosiasi kontrak dengan para pemasok. Dengan memiliki kualitas produksi dan informasi dari pemasok juga dapat membuat semua data dan wawasan yang lebih baik untuk memanajemen resiko. Pemasok yang berkaitan akan membuat para manufaktur dapat membuat pilihan yang berdasarkan fakta ketika berkaitan dengan staratergi manjemen resiko.

2. Konfigurasi build to order

Products to order manufaktur telah menjadi tren dan tidak hanya di industri otomotif, namun juga bergerak dalam industri penerbangan, layanan komputer dan barang barang konsumer. Cara produksi build to order sangat efisien dan merupakan bisnis model yang dapat mendapat keuntungan. Namun, untuk melihat perkembangan yang diinginkan diperlukan data platform yang dapat digunakan untuk menganalisa kebiasaan pelanggan dan juga data penjualan. Pihak manufaktur membutuhkan akses untuk semua data penjualan dan harus dapat membuat prediksi analisis yang akurat untuk dapat melihat jumlah order yang dapat dibuat dan melakukan penyesuaiaan terhadap supply chain. Dan juga, para sales dan analisis data produksi dibutuhkan untuk mengidentifikasi keuntungan yang didapat dari setiap konfigurasi produk. Dengan cara ini pihak manufaktur dapat menetapkan produk portofolio yang dapat memberikan pendapatan yang paling besar dalam waktu tertentu.

3. Meningkatkan kualitas produk

Pemeliharaan kualitas produk merupakan prioritas utama dari pihak manufaktur. Kebanyakan dari mereka sudah memiliki data yang dibutuhkan untuk meningkatkan kualitas produk secara signifikan dan menurunkan ongkos yang dibutuhkan, namun hanya segelintir kecil yang dapat menyambungkan data untuk mendapatkan wawasan yang dapat dieksekusi.

Penghematan yang luar biasa dapat dibuat dengan menggunakan analisis prediksi dalam testing. Satu produk dapat membutuhkan banyak sekali kualitas tes. Jumlah dari tes yang dibutuhkan dapat dikurangi apabila pattern recognition dan analisis prediksi digunakan untuk menentukan tipe tipe tes yang betul betul dibutuhkan dibandingkan melakukan semua tes kepada semua produk.

Kualitas dari produk juga dapat ditingkatkan dengan menggunakan analisis Big Data. Analisis data sensor dapat mendeteksi produk yang akan cacat dengan waktu lebih cepat, sehingga dapat menurunkan waktu dan ongkos yang dibutuhkan untuk menyesuaikan proses produksi.

4. Pertumbuhan perusahaan berbasis data

Dengan menggunakan Big Data, semua menjadi sangat mungkin untuk membuat komparasi performa dari tempat yang berbeda dan mencari tahu hal yang menyebabkan perbedaan. Selain untuk menganalisis produksi internal dan data penjualan, kita juga dapat menganalisa seluruh pasar, membuat what-if skenario dan membuat model untuk prediksi. Mempunyai akses untuk wawasan seperti itu dapat membuat pertanyaan strategi pertumbuhan global terjawab dengan data yang faktual. Pertanyaan dapat meliputi hal hal seperti dimana tempay yang cocok untuk membuka pabrik baru, tempat kerja mana yang harus direlokasi / di tutup atau memperkenalkan produk baru.

5. Logistik

Dalam proses logistik, penggunaan big data juga dapat dilakukan. Warehousing dan transportasi merupakan bidang dimana Big Data dapat digunakan untuk mengembalikan investasi. Namun, masih sedikit perusahaan di seluruh dunia yang mengoperasikan data-driven logistic services. Pioner dalam bidang automasi dari warehousing adalah DHL, Amazon & Ocado. Mereka adalah perusahaan yang telah melakukan substitusi sebagian besar dari pekerjaan buruh manusia dengan robot pintar, yang dapat bekerja secara sistematis untuk memindahkan barang dalam gudang dan mengambil setiap item yang dikirim. Kecepatan untuk mengirimkan barang dari perusahaan ini sudah sangat berkembang, serta dapat mengurangi ongkos dari pekerjaan manusia dan menghilangkan kesalahan kesalahan yang dapat dibuat oleh manusia.

Transportasi juga termasuk bidang yang penting dalam perusahaan logistik dan manfuktur. Infrastruktur Big Data memperbolehkan mereka untuk melacak barang, cuaca serta kondisi jalan secara waktu yang sebenarnya. Dengan itu, truk truk dapat dialihkan kapan saja ketika ada jalan yang lebih efisien.