Pengertian Big Data Beserta Kelebihan dan Kekurangannya

Diposting pada

Pengertian-Big-Data

Pengertian Big Data

Big data ialah data dengan ciri ciri yang berukuran sangat besar ,variatif, sangat cepat sekali pertumbuhan nya dan mungkin  tidak bisa tersetruktur  yang  harus di olah khusus dengan menggunakan teknologi yang inovatif , sehingga mudah untuk mendapatkan informasi yang sangat mendalam dan mudah dapat membantu dalam pengambilan suatu keputusan yang baik.” Empat karakteristik tersebut : berukuran yang sangat besar sekali (high-volume), atau sangat bervariasi sekali (higih-variety),atau kecepatan pertumbuhan  yang lebih tinggi, dan sama sekali tidak jelas (high veracity) sering kali disebut dengan 4V’s big data.


Sebuah teknologi big data di ciptakan untuk menangani keempat ciri  di atas. Dan jika  data anda sudah memiliki ciri-ciri atau satu saja  dan beberapa kombinasi di atas, tentunya anda dapat memanfaatkan teknologi Big Data yang sudah tersedia di pasran. Definisi diatas  ialah merupakan kompilasi definisi dari gatner-  sebuah perusahaan yang Riset dan mempunyai konsultan IT yang sangat terkenal mendunia dan mempunyai basis di US- Dan mempunyai beberapa organisasi lain yang menambahkan elemen high-veracity ke dalam sebuah definisi gatner.


Baca Juga Artikel Yang Mungkin Berhubungan : Pengertian Database dan Manfaat Penggunaan Database


Karateristik Big Data

Big Data didefinisikan sebagai sebuah masalah domain dimana teknologi tradisional seperti relasional database tidak mampu lagi untuk melayani. Dalam laporan yang dibuat oleh McKinseyGlobal Institute (MGI), Big Data adalah data yang sulit untuk dikoleksi, disimpan, dikelola maupun dianalisa dengan menggunakan sistem database biasa karena volumenya yang terus berlipat. Tidak semua data bisa diakategorikan sebagai Big Data. Big Data memiliki 3 karateristik, yaitu :

  1. Volume
    Volume data yang besar pada pada big data ini meningkat seiring dengan berkembangnya teknologi internet. Jutaan orang memproduksi data video yang ada di youtube, status di facebook, foto di instagram dll. Banyaknya data yang di produksi telah menghasilkan begitu besar volume data yang tersimpan secara format digital di internet.
  2. Velocity
    Volume data yang banyak tersebut bertambah dengan kecepatan yang begitu cepat sehingga sulit bagi kita untuk mengelola hal tersebut.
  3. Variety
    Data yang begitu banyak dan cepat tersebut memiliki jenis yang bermacam-macam. Ada teks, gambar, video, foto, animasi, dan lebih banyak lagi jenis data yang lain.

Baca Juga Artikel Yang Mungkin Berhubungan : Pengolahan Struktur Dan Penyajian Data Dalam Komputer Lengkap


Fungsi dan Peran Big Data

Big Data memiliki beberapa peranan penting bagi perusahaan, yaitu :

Meningkatkan Sales

Untuk mengetahui dan menilai produk-produk seperti apa yang perlu di ciptakan dan di produksi oleh perusahaan agar konsumen menyukai dan membeli produk yang di buat perusahaan, perusahaan memerlukan beberapa data. Biasanya data yang bisa di gunakan untuk meningkat kan sales perusahaan, di antaranya apa yang di sukai, siapa yang di sukai, bagaiaman perasaan saya, berada dimana saya, bersama siapa saya, apa yang telah saya beli, apa saja yang ingin saya beli, mimpi apa yang ingin saya miliki, dan hal-hal lainnya.


Costumer Relationship

Salah satu cara perusahaan untuk membina loyalitas para kostumer mereka terhadap brand milik perusahaan, adalah dengan memberikan memberikan ucapan selamat ulang tahun atau terkadang juga kita akan mengirimkan penawaran promo produk meskipun kita sudah lama tidak menggunakan produk mereka. Ini bagian dari proses Customer Relathionship Management (CRM). Hal ini bisa menyebabkan pembelian kembali oleh kostumer terhadap brand dari perusahaan.


Data ini biasanya di tolak ukur dari kapan kita ulang tahun, artis favorit kita, barang jenis kesukaan kita, atau hal-hal yang kita suka. Data ini dijadikan patokan oleh perusahaan untuk membina hubungan yang dekat dengan konsumen brand mereka. Sehingga konsumen bisa menjadi hero bagi brand perusahaan di antara brand-brand produk lainnya.


Employee Relation

Sumber Daya Manusia (SDM) adalah aset terbesar bagi perusahaan. Meningkatkan loyalitas dari karyawan terhadap perusahaan adalah suatu keharusan bagi perusahaan saat ini. Salah satu cara yang bisa dilakukan adalah dengan mengumpulkan data-data tingkat kepuasan dan ketidak puasan dari karyawannya. Data-data tersebut kemudian akan dianalisa menjadi sebuah nilai yang berharga bagi perusahaan, karena dengan begitu perusahaan bisa meningkatkan kinerja dari karyawannya denganprogram-pogramyang disediakan oleh perusahaan. Hal ini biasanya menjadi tugas dari Departemen SDM (Sumber Daya Manusia ) untuk melakukan percancangan program yang memberikan benefit bagi tingkat kepuasan kerja karyawan dan meningkatnnya produktivitas. Pada akhirnya peranan penting Big Data memberikan informasi bagi perusahaan untuk melakukan inovasi dalam menjalan bisnis mereka. Hanya tinggal bagaimana perusahaan untuk mengumpulkan dan mengolah Big Data.


Baca Juga Artikel Yang Mungkin Berhubungan : Klasifikasi Data Menurut Jenis, Sifat dan Sumber Data Lengkap


Teknologi Big Data

Teknologi Big Data iyalah teknologi yang sangat memungkinkan  suatu peroses pengolahan sebuah data dengan menggunakan empat ciri diatas. Sebelum di munculkan teknologi baru ini, pengolahan data selalu di lakukan oleh seorang programmer dan cukup memakan waktu yang cukup lama. Tujuan peroses ini agar setiap bisnin, suatu organisasi ataupun suatu individu yang mampu untuk mengolah data tersebut untuk mendapatkn suatu informasi lebih mendalam (insights) yang akn melakukan tindakan  (decision making ) dan sebuah tindakan (action) suatu bisnis yang mengandalkan insight tersebut dan bukan menggunakan suatu insting.


Contoh penerapan :Analisa  Perilaku Belanja Konsumen

Yang harus anda pahami adalah, bahwa sebuah data struk belanja yang dimiliki oleh sebuah perusahaaan  ritel  dapat untuk di gunakan untuk meneliti  perilaku seorang konsumen. Dari sebuah informasi tersebut ada beberapa tindakan menarik yang dapat di lakukan yang sangat menarik, di antara nya sebagai berikut ;

  1. menyusun semua rak belanja  supaya dua atau tiga perduk tersebut saling berdekatan sehingga anggar mudah di jangkau oleh konsumen yang ingin berbelanja.
  2. agar mudah untuk di putuskan di beli dengan mudah dan cepat.
  3. lebih baik membuat paket peromosi dimana  campuran peroduk  tersebut  di jual dengan discount harga termurah / paling murah.

Sebuah tindakan ini terbukti dapat meningkatkan penjualan secara signifikan ,dan dapat mencegah masalah inventori/ stock suatu barang. Pada awalnya , suatu permasalahan ini sangat terlihat mudah dan dapat di pecahkan dengan menggunakan perogram spread sheet sseperti microsoft excel. Akan tetapi, tahu kan anda jika anda sudah memiliki 1000 item SKU peroduk (produk) dari seluruh struk dalam transaski penjualan maka dengan itu anda sudah memiliki 999,000 sebuah campuran dua peroduk yang harus di cek kembali ke dalam data dalam menjalankan smua transaksi. Berapa banyak waktu yang anda perlukan/ yang anda gunakan dalam menggunakan spreadsheet? Dua  minggu? Atau satu bulan atau bisa lebh dari itu. Akan tetapi, jika anda menggabungkan dengan sebuah teknologi data mining mungkin anda hanya  memerlukanwaktu beberapa detik saja , atau mungkin paling lambat nya satu jam saja.


Baca Juga Artikel Yang Mungkin Berhubungan : Pengertian Basis Data Menurut Para Ahli Yang Harus Anda ketahui | Ayok Sinau


Kelebihan dan Kekurangan  BIG Data

Sebuah Teknologi big data iyalah adalah solusi untuk beberapa masalah  yang dapat membutuhkan suatu distribusi yang baik system yang baik. Untuk melakukan kebutuhan storage atau komputasi  karena suatu permasalahan yang terjadi  tidak akan berhasil di pecahkan dalam satu mesin. Dan kemampuan mesin sudah tidak dapat lagi di tingkatkan. Salah satu fitu utama dari aplikasi tool atau framework big data adalah sebuah partisi, yang dapat menjawab sebuah permasalahn tersebut


Namun hal tersebut bukan solusi untuk semua masalah yaang dapat terselesaikan.partisi sendiri pun memiliki bebrapa keterbatasan yang cukup mengikat sehingga tidak dapat sebuah model data atau sebuahpermasalahan komputasi dapat di selsesaikan dengan big data.

  • Struktur data tidak fleksibel
    Masalah yang sering muncul adalah struktur data yang tdiak fleksibel. Stuktur  data yang di jalankan dan di operasikan pada teknologi big data pada umum nya sangat memperlihatkan efektifitas dan efesiensi sebuah pemerosesan yang nanti nya akn kita buktikan dan mudah kita lakukan.
  • Peroses komputasi  tidak efisien
    Hal ini di khusus kan untuk teknologi  big data yang menawarkan  distributet computation  seperti hadoop m apreduce dan apachespark. Kita dapat mengasumsikan melakukan sebuah peroses dengan pendekatan yang berbeda jumlh data dengan struktur partisi yang dapat di tukara misalkan pada contoh kata di atas yang awalan katanya “/user/date/ menjadi date user.

Begitu juga dengan kebalikan nya, semakin dikit partisi, yang berarti jumlah data akan mendapataakaan semakin banyak dalm satu partisi. ,maka julah antrian job akan semakin sedikit, dalam suatu peperosesan data akan memakan sumber daya yang cukup besar dan lebih mahal lagi, hal iniakan cocok dan pas jika  node yang kita sigen  berjumlah sedikit  atau sebuah kapasitas komputasi ram dan core vdalam satu node yanglebih tinggi lagi.


Pada tahun 2012 iyalah tahun dimna big data  mulai menjadi topik utama  dan hangat di kalngan praktisi n IT , Perusahaan dan media sosial meskipun big data sudah ada sejak lama namun masih dalam kedaaan yang tabu/ belum dikenal oleh banyak orng/ kalangan luas di dalam sebuah perusahaaan. Banyak kalangn yang belum menyadari akan potesi kerja big data. Dapat di pahami oleh data-data yang jumlah nya sangat besar. Seperti akun pengguna internet  dan transaksi perbankan, transaksi penjualan ritail, citra satelit, camera,gps, recorder camera  dokumen organisasi dan gambar. Sulit di dapt kan dan di interpretasikan  namun sangat  kaya manfaat nya, pada dasar nya big data adalah data terbaru pada bab analisa di tempat kerja demikian yang di nyatakan   bill roberts membuka tulisan cover story di hr magazine edisi bulan oktober 2013. Anda dapat membayangkan bahwa bisnis yang menjajnikan di perusahaan anda.


Tujuan peroses ini agar setiap bisnis, suatu organisasi ataupun suatu individu yang mampu untuk mengolah data tersebut untuk mendapatkn suatu informasi lebih mendalam (insights) yang akn melakukan tindakan  (decision making ) dan sebuahg tindakan (action) suatu bisnis yang mengandalkan insight tersebut dan bukan menggunakan suatu insting.Kesimpulan


Sebuah pasrtisi merupaka  fitur dasar yang jutama dalam sebuah teknologi, big data yang terkait  lojkasi fisik dimna peroses data dilakukan dan disimpanndengan baik. Hal tersebut merupakan solusi dari sebuah permasalahn yang terjadi. Namun partisi juga memilik beberapa hal keterbatasan  dan sebuah ikatan yang harus perlu dipertimbangkan kembali karena setreeuktur data yang mempersentasekan sebuah pasrtisi ini sangat memperngaruhi sebuah efektifitas  dan efisiensi dari suatu operasi  pada teknologi big data baik penyimpanan ,komputasi pada sebuahpengolahan data lain. Kemungkinan dapat terjadi biaya investasi yang lebih tidak berdampak apapun pada desain strukur data kita jika tidak tepat dalam melakun/ menjalan kan  big data.


Baca Juga Artikel Yang Mungkin Berhubungan : Perngertian,Perbedaan Data dan Informasi Beserta Contohnya


Tahap Implementasi di Indonesia

Beragam bentuk informasi baru yang muncul secara akhir-akhir ini mendorong trend Business Analytic baru yang berbeda dari pendekatan Analytic tradisional, yaitu:

  1. Data Web dan Social Media seperti data log clickstream yang merekam perilaku konsumen di Internet, ataupun interaksi konsumen dalam memproduksi konten web di media sosial seperti Facebook, Twitter, LinkedIn dan blog.
  2. Data Machine-to-Machine seperti data sensor, metering, dan perangkat smart micro-devices lain yang dikenal sebagai bagian dari fenomena “Internet of Things”.
  3. Big Transaction Data seperti klaim layanan kesehatan, transaksi konsumen di Point-of-Sales, log Call Data Record (CDR) di industri telekomunikasi, log transaksi ritel layanan finansial (transaksi ATM, kartu debit/kredit).
  4. Human Generated data seperti catatan agen Call Centre, rekaman aduan pelanggan, email, dokumen bisnis, data survey hingga catatan medis elektronik.

Bentuk tipe informasi baru seperti ini membutuhkan tipe Analytic lebih lanjut berupa analisa-analisa statistik dalam Data Mining ataupun Text Mining, atau yang biasa disebut sebagai Predictive Analytic. Gabungan antara Big Data dan Predictive Analytic sering diringkas dalam istilah yang lebih popular: Big Data Analytic.


IBM meluncurkan hasil studi tentang strategi pengadopsian Big Data Analytic yang dilakukan bersama dengan University of Oxford dengan mensurvey 1061 perusahaan dari berbagai belahan dunia. Survey ini menemukan bahwa 28 persen dari perusahaan tersebut sedang melakukan aktifitas piloting ataupun implementasi big data. Studi tersebut menggaris bawahi bahwa adopsi big data terdiri atas 4 fase, sebagai berikut:

  • “Educate”. Fase ini fokus pada pengumpulan pengetahuan dan observasi market
  • “Explore”. Setelah menyelesaikan fase edukasi, perusahaan menyusun strategi dan roadmap berbasis kebutuhan dan tantangan bisnisnya
  • “Engage”. Selama fase ketiga ini, bisnis melakukan pilot inisiatif big data untuk memvalidasi value dan kebutuhan-kebutuhannya.
  • “Execute”. Perusahaan pada fase keempat ini telah menerapkan dua atau lebih inisiatif big data dan akan melanjutkan dengan inisiatif analytics

Langkah-langkah dalam merancang serta mengimplementasikan Big Data :

  1. Identifikasi Strategis  Kebutuhan Manajemen Big Data dalam Strategi Bisnis
  2. Penyusunan Strategi Teknologi Big Data Analytic: Cetak Biru Arsitektur Teknologi  (Hadoop/In-Memory Databases/Real-Time Analytic/Massive Parallel Processing Database Appliance) & Evaluasi Pemilihan Produk
  3. Penyusuan Roadmap implementasi Big Data Analytic yang selaras dengan  kebutuhan Strategi Bisnis.
  4. Permodelan Big Data Governance yang meliputi aspek data quality assurance, information lifecycle management, data privacy issue, master data integration & business process integration
  5. Permodelan Data dalam sistem Big Data
  6. Manajemen Proyek & Prosedur Pengembangan Sistem Big Data Analytic
  7. Implementasi pengembangan sistem Big Data Analytic.

Baca Juga Artikel Yang Mungkin Berhubungan : NEX Data Center Pusat data di Ibukota Indonesia


Tren Teknologi Big Data

Peningkatan jumlah data tidak akan pernah selesai. Badan riset IDC mengestimasikan bahwa jumlah data tumbuh sekurang-kurangnya 50% per tahun atau berlipatganda setiap 2 tahun. Dan yang lebih mengejutkan lagi, diestimasikan bahwa 90% dari seluruh data yang ada di bumi sekarang diciptakan pada 2 sampai 3 tahun terakhir ini. Tidak terbayangkan besarnya ledakan data yang akan terjadi di depan mata kita.


Ledakan jumlah dan jenis data yang terjadi membuat pendekatan tradisional dalam pengelolaam data bagi perusahaan tidak lagi memadai. In-memory computing (IMC) menjadi jalan keluar bagi sejumlah perusahaan agar dapat memetik manfaat dari peledakan data yang sering disebutkan sebagai  trend “Big Data”  ini.


Jika mengelola data dalam volume yang begitu besar secara tradisional, yaitu dengan diskelektronik, sejumlah masalah akan timbul. Aplikasi yang digunakan menjadi sangat lamban karena infrastruktur yang ada sudah tidak memadai lagi, dan menarik data dari lautan data yang begitu besar menjadi terlalu berat. Sebelum teknologi IMC, satu satunya cara untuk menyelesaikan masalah ini adalah dengan dengan menambahkan server dan lisensi database. Namun, langkah langkah ini bukanlah solusi yang tepat karena selain biayanya sangat mahal, pengelolaan data menjadi semakin rumit dan masalah masalah baru akan timbul.


IMC memungkinkan aplikasi menjalankan advanced queries atau transaksi yang kompleks dengan dataset yang sangat besar secara kilat – sebelumnya hal ini tidak mungkin dengan arsitektur tradisional. IMC memungkinkan data dalam volume yang begitu besar disimpan di DRAM utama komputer, dan bukan lagi di disk elektronik tanpa mengorbankan ketersediaan, konsistensi ataupun integritas data. Infrastruktur yang ada dioptimasikan dan kini aplikasi mampu menarik data dalam hitungan milidetik. Implikasinya terhadap bisnis cukup luar biasa.


IMC membuka peluang bagi perusahaan untuk memenuhi kebutuhan bisnis dalam kadar yang sebelumnya tidak terbayangkan. Pelayanan ke klien dan vendor dapat dilakukan secara real-time, korelasi atau pola untuk membantu menemukan peluang dan ancaman bisnis dapat dideteksi secara instan dan memperhitungkan jutaan kejadian. Tidak heran bahwa dalam laporan IDC dikatakan bahwa pada tahun 2013, IMC menjadi “mainstream”, dan bahwa perusahaan yang tidak memberdayakan teknologi IMC akan dikalahkan pesaing mereka.