Oleh : Albert Verasius Dian Sano, S.T., M.Kom.

 

Big Data (tanpa menghiraukan ukuran data, jenis data, atau kecepatan pemrosesannya) adalah sesuatu yang tak berharga kecuali bila penggunanya bisa melakukan sesuatu yang mampu menghasilkan value/manfaat bagi organisasi. Meskipun perusahaan/organisasi selalu menjalankan berbagai macam reports dan dashboards yang berasal dari datawarehouese, namun kebanyakan dari mereka tidak mengekplorasi secara mendalam isi data tersebut. Hal ini sebagian disebabkan karena tool-tool analytics tersebut terlalu kompleks bagi kebanyakan pengguna pada umumnya dan sebagian sebab lain adalah bahwa repository (tempat penyimpanan data) data tidak berisi semua data yang diperlukan oleh para user pengambil keputusan. Tetapi hal ini akan segera berubah (dan sedang berubah sebagian) dalam cara yang cepat, karena munculnya paradigma Big Data analytics.

Prinsip Dasar Bagi Perusahaan Untuk Menerapkan Big Data Analytics

Dengan adanya ‘value proposition’, Big Data juga membawa suatu tantangan yang besar bagi perusahaan. Cara-cara tradisional dalam mengambil, menyimpan, dan menganalisa data tidak lagi mampu mengatasi masalah data yang besar secara efektif dan efisien. Karena itu, pengembangan teknologi baru perlu terus dikembangkan (atau dibeli/disewa/di-outsource) untuk mengatasi tantangan datangnya data yang besar. Sebelum melakukan investasi seperti ini, perusahaan perlu menganalisa untuk membuat beberapa justifikasi. Berikut adalah beberapa pernyataan yang bisa membantu untuk menyoroti situasi tersebut. Bila ada salah satu pernyataan berikut yang benar dengan situasi anda, maka Anda perlu untuk mempertimbangkan secara serius untuk memulai perjalanan menuju Big Data analytics.

  • Anda tidak lagi bisa memproses jumlah data yang Anda inginkan karena berbagai keterbatasan yang disebabkan oleh platform atau lingkungan yang saat ini digunakan.
  • Anda ingin melibatkan sumber-sumber data baru (misalnya, media sosial, RFID, sensor-sensor, Web, GPS, data teks, dsb) ke dalam platform analytics anda, tetapi Anda tidak bisa melakukannya karena tidak cocok dengan schema penyimpanan data yang didefinisikan berdasarkan kolom dan baris.
  • Anda perlu (atau ingin) mengintegrasikan data secepat mungkin ke dalam analisa Anda saat ini.
  • Anda ingin bekerja dengan paradigma penyimpanan data ‘schema-on-demand’ (sebagai kebalikan dari schema yang digunakan dalam RDBMS) karena sifat dasar data yang baru mungkin tidak diketahui, atau mungkin tidak punya cukup waktu untuk menentukan dan mengembangkan schema seperti itu.
  • Data yang masuk ke perusahaan anda sangatlah cepat sehingga platform analytics tradisional tidak bisa lagi menganganinya.