Tren Inovasi Masa Kini : Big Data

Halo reader, kali ini saya akan mengulas tentang tren inovasi masa kini (Tahun 2016) yaitu Big Data Teknologi ini sudah ada pada tahun 2015, namun di tahun 2016 akan menjadi tren karena adanya peningkatan fitur. Memang ada banyak teknologi yang sedang berkembang, dan tak bisa di bendung, namun kesempatan ini saya akan mendetail seputar Big Data.

Kenapa harus data? Selain minyak mentah, benda apa yang saat ini hampir tidak ternilai harganya? Jawabannya adalah data! Tren pemakaian data dalam kapasitas besar atau Big Data diperkirakan akan semakin kuat pengaruhnya di tahun 2016. Perusahaan-perusahaan teknologi besar seperti Intel dan IBM sudah siap merubah data menjadi salah satu aspek penting dalam mengambil keputusan. IBM misalnya, sudah membuat sebuah superkomputer yang siap merubah data dari Twitter menjadi sumber daya berharga bagi banyak pihak. Data-data tersebut juga termasuk penanganan berbagai macam penyakit mematikan seperti kanker.

Lalu, Big data itu apa sih?

Kita semua tahu, bahwa data adalah hasil dari proses pergerakan suatu peristiwa yang kemudian dapat dijadikan informasi yang sesuai dengan kebutuhan. Big Data adalah data dengan ciri berukuran sangat besar, sangat variatif, sangat cepat pertumbuhannya dan mungkin tidak terstruktur yang perlu diolah khusus dengan teknologi inovatif sehingga mendapatkan informasi yang mendalam dan dapat membantu pengambilan keputusan yang lebih baik. Big data yang diperoleh bisa bersumber dari berbagai peristiwa seperti transaksi, devices, dan website yang menghasilkan data (bukan data dalam pengertian bandwith). Seperti data cuaca, finansial, pergerakan politik, ATM, pangan, jumlah pengunjung, jenis kelamin, kesukaan, hobi, dan sebagainya

Apa yang membuat big data berbeda dengan data biasa? Bisa dikatakan dari definisi yang kita punya, ciri dari big data itu:

- Berukuran sangat besar (Volume)

- Sangat Variatif (Variety)

- Cepat Pertumbuhannya (Velocity)

- Tidak Terstruktur

Teknologi Big Data adalah teknologi yang memungkinkan proses pengolahan data dengan empat ciri di atas. Sebelum munculnya teknologi ini, pengolahan data hampir selalu dilakukan oleh programmer, jadi terbayang kegiatan proses pengolahan data sangat memakan waktu. Dengan adanya big data ini, bertujuan agar setiap bisnis, organisasi ataupun individu yang mampu mengolah data tersebut bisa mendapatkan informasi lebih mendalam (insights) yang akan memicu pengambilan keputusan (decision making) dan tindakan (action) bisnis yang mengandalkan insights tersebut, bukan berdasarkan insting semata.

Permintaan Data Analyst/Scientist

Pengolahan big data tentunya memerlukan sumber daya manusia andal yang memiliki kemampuan untuk mentransformasikan data menjadi informasi/wisdom yang berguna bagi organisasi maupun perusahaan. Demand dari data analys/scientist sendiri mulai mengalami ledakan pada akhir-akhir ini. Gartner Research memperkirakan, 4,4 juta lowongan kerja di seluruh dunia akan tercipta untuk pengolahan big data. Tidak heran jika Harvard Business Review menyebut data scientist sebagai “The Sexiest Job of 21st Century”. Juga menurut McKinsey Global Institute, 140.000-190.000 orang tidak memiliki kemampuan analisa yang baik dan sebanyak 1,5 juta manajer tidak memiliki kemampuan menggunakan big data. Maka dari itu, itu adalah sebuah potensi besar bagi yang sedang memperdalam ilmu analisa dan statistik. Pertanyaannya, apakah pustakawan termasuk ke dalam kategori tersebut? Dalam kemampuan dasarnya, seorang pustakawan dapat melakukan collect, organize, store, curate, manage, analyze, report, visualize, and securing pada koleksi informasi di pusat informasi (perpustakaan, riset, dsb). Hanya beberapa skill yang perlu ditingkatkan, yaitu mendalami ilmu statistik dan beberapa sentuhan pengetahuan teknologi informasi terkini (cloud computing, smart computing, dsb), maka pustakawan bisa dikatakan termasuk kategori data analyst.

Salary dan Potensi Daya Saing

Menjadi data analyst memang tidak mudah. Namun ketika demand meninggi sementara supply terbatas, akhirnya adalah salary yang tinggi. Data yang dirilis dari KDnuggets Annual Salary Poll, rata-rata pendapatan tahunan seorang data analyst/scientist di Asia adalah sekitar US$ 59,8 ribu (sekitar Rp. 50 juta/bulan). CIO Universitas Indonesia, Riri Fitri Sari, menyebutkan “Yang sangat diperlukan data analyst adalah kemampuan logika yang dalam dan kegigihan untuk terus belajar dan menguasai bisnis proses yang ada”. Beberapa job yang ditawarkan mulai Juni 2011 yang berhubungan dengan lingkup data analyst pustakawan antara lain:

• Data Management Consultant
• Data Mining Consultant
• Data Research Scientist
• Data Services Librarian
• Design Data Librarian
• Digital Archivist
• Digital Collections
• Strategist and Architecture Librarian
• Digital Humanities Design Consultant
• Digital Records Archivist Manager
• Data Management Services
• Research Data Librarian
• Research Data Management Coordinator
• Scientific Data Curation
• Specialist / Metadata Librarian
• Scientific Data Curator
• Social Science Data Consultant

Dalam kemampuan teknis IT fundamental, pustakawan mungkin akan kalah saing dengan mereka yang berasal dari ilmu komputer dan sejenisnya. Namun, pustakawan saat ini dapat memanfaatkan potensi big data dari segi non-teknis termasuk menggunakan tools yang sudah ada, melakukan data riset lokal, hingga menggunakan data untuk mengadvokasi diri sendiri dan komunitas sekitar. Penanganan konten atau informasi merupakan ruang lingkup ilmu perpustakaan. Beberapa contoh potensi data yang dapat diambil oleh pustakawan adalah:

• Data transaksi
• Keluar-masuk pintu tiket
• Kehadiran orang dalam event
• Website data
• Survey data
• Data koleksi
• Bahasa yang digunakan (analisa lanjutan)
• Aktivitas terbaru dari media sosial
• Penghitungan sirkulasi
• Pengaksesan jurnal
• Manajemen database

Setelah data-data tersebut didapatkan oleh pustakawan, pengelolaan dan pemanfaatan data tersebut dapat diterapkan untuk perantara penuturan cerita terhadap bisnis, visualisasi menggunakan pola, determine influences, mengimprovisasi rencana layanan, drive data-based decisions, membuat konten lebih mudah diakses, assess current services, maupun discern the correct questions. Konsep ini bukan hanya dapat diterapkan dalam perpustakaan untuk meningkatkan inovasi pelayanan, namun pustakawan juga dapat menerapkannya dalam dunia bisnis. Proses tersebut dapat diawali melalui tahap perencanaan, implementasi, analisa, kemudian menggunakan hasilnya (use). Perlu diketahui, negara yang memiliki ilmu perpustakaan yang maju, kini telah menangani banyak masalah penataan konten untuk bagian metadata (RDA/Dublin Core), teknologi penemuan koleksi/informasi dengan cepat (search engine), database programming, semantic web, information architecture, infografis, dan responsive digital content.

Contoh Penerapan Big Data

Analisa Perilaku Belanja Konsumen

Tahukah Anda, bahwa data struk belanja yang dimiliki oleh perusahaan ritel dapat digunakan untuk meneliti perilaku konsumennya?

Jadi, data dari tiap struk transaksi tentunya berisi kombinasi produk-produk yang Anda beli, jumlah dan harganya. Seluruh data transaksi tersebut kemudian dicari pola belanja untuk menjawab pertanyaan: kombinasi dua atau tiga produk apa saja yang paling sering dibeli oleh konsumen.

Dari hasil informasi tersebut ada beberapa tindakan menarik yang dapat dilakukan, diantaranya: menyusun rak belanja agar dua atau tiga produk tersebut berdekatan sehingga mudah dijangkau oleh konsumen dan dapat diputuskan untuk dibeli dengan cepat. Kemudian bisa membuat paket promosi dimana kombinasi produk-produk tersebut dijual lebih murah.

Tindakan ini terbukti dapat meningkatkan penjualan secara signifikan dan mengurangi masalah inventori / stok.

Awalnya, permasalahan ini kelihatan mudah dan bisa dipecahkan dengan program spreadsheet seperti Excel. Namun, tahukah Anda jika Anda memiliki 1000 item SKU (produk) dari seluruh struk transaksi maka Anda sudah memiliki 999,000 kombinasi dua produk yang perlu dicek kembali ke data-data transaksi.

Berapa lama waktu yang Anda perlukan dengan menggunakan spreadsheet? Dua minggu? Sebulan? Namun, jika digabungkan dengan penggunaan teknologi data mining mungkin hanya memerlukan waktu beberapa detik atau mungkin paling lama 1 jam.

Adapun contoh lain maanfaat big data yaitu sebagai berikut:

1. Perusahaan ritel dapat menggunakan informasi dari social media seperti Facebook, Twitter, Google+ untuk menganalisis bagaimana perilaku, persepsi pelanggan terhadap suatu produk atau brand dari perusahan.
2. Perusahan manufaktur dapat memantau kondisi peralatan setiap saat (real-time), sehingga dapat memperkirakan waktu terbaik untuk mengganti peralatan. Karena mengganti terlalu cepat akan merugikan/buang-buang uang atau kalau terlambat akan menyebabkan produksi terganggu karena kerusakan peralatan.
3. Perusahaan manufaktur juga bisa memantau produk yang baru launching melalui social sedia untuk mengetahui apakah ada isu after-sales sehingga dapat mencegah kegagalan garansi yang menyebabkan publikasi besar yang dapat merusak citra produk dan perusahaan.
4. Perusahaan periklanan dapat menggunakan informasi dari social media untuk mengetahui tanggapan terhadap promosi/iklan yang baru diluncurkan.
5. Rumah sakit dapat merekam catatan medis pasien sehingga big data tersebut bisa digunakan untuk menganalisis kecenderungan sakit pasien
6. Pemerintahan dapat menggunakan informasi dari social media untuk mengetahui tingkat kepuasan masyarakat terhadap pemerintah
7. Jasa Keuangan dapat menggunakan analisis big data untuk melihat aplikasi asuransi yang dapat segera diproses, dan mana yang perlu divalidasi dengan dilakukan kunjungan oleh agen asuransi
8. Jasa Perbankan dapat menggunakan rekaman transaksi nasabah untuk mengetahui kemungkinan adanya kegiatan kejahatan seperti pencucian uang, atau juga untuk merekam catatan kebiasaan karyawan dalam rangka mendeteksi kemungkinan fraud.
9.  Tim olahraga dapat menggunakan big data untuk tracking penjualan tiket, mengetahui kondisi pemain dan probabilitas akan mengalami cedera dan bahkan strategi bermain dari tim.

Alat dan Penerapan

Alat apa yang dapat digunakan saat ini untuk mengorganisasi dan merapihkan sekian banyak set-data? Salah satunya adalah Open Refine Projects. Open Refine (dahulu proyek Google Refine) mampu membersihkan, memilah dan memilih data yang diinginkan dari kumpulan set-data/table. Kemudian contoh lainnya adalah Data Management Plan (DMP) dari California Digital Library, Gephi untuk visualisasi data, dan  Gapminder sebagai kumpulan visualisasi data sosial-ekonomi. Penulis rasa contoh tools-tools tersebut sudah familiar penggunaannya apabila digunakan oleh pustakawan untuk riset data yang akan dilakukannya. Dengan memiliki kemampuan dasar yang telah disebutkan sebelumnya, pustakawan juga bisa berkontribusi dalam Open Government Indonesia (OGI) dari UKP4 dalam membantu proses transparansi informasi layanan publik, hukum, dan pemerintahan di Indonesia dalam mengumpulkan data yang dibutuhkan untuk kemudian disajikan untuk berbagai kebutuhan. Bergabung proyek Open Knowledge Foundation Network (OKFN) atau bisa juga membuat portal data mandiri menggunakan CKAN sebagai platform data research portal.

Pendekatan big data oleh pustakawan merupakan sebuah hal yang baru berkembang di dunia. Potensi ini masih perlu diperhatikan lebih lanjut oleh semua kalangan, terutama di Indonesia. Termasuk akademisi sebagai pihak pengembang ilmu/teorinya dan pemerintah sebagai pengambil kebijakan kesejahteraan profesi, mengingat manfaat yang besar jika dapat mengelolanya. Pustakawan, yang telah mempelajari ilmu perpustakaan, dapat mempertimbangkan pendekatan ini agar ilmu yang dipelajari dapat selaras dengan kebutuhan permintaan industri dan inovasi.

  

Sumber:

http://suforman.blogspot.co.id/2015/09/7-teknologi-yang-akan-muncul-di-tahun.html

http://www.apaitubigdata.com/p/apa-itu-big-data.html

http://noviardisyamsuir.blogspot.co.id/2016/03/contoh-big-data-di-berbagai-bidang.html

http://aitinesia.com/relevansi-big-data-dan-ilmu-perpustakaan-sebuah-pendekatan-baru/