MapReduce - Teknologi dalam Big Data

Ada banyak teknologi untuk memproses dan menganalisa Big Data, tetapi sebagian besar memiliki karakteristik yang sama. Yaitu memanfaatkan keunggulan komoditas hardware yang mampu untuk melakukan teknik scale-out dan parallel-processing, menerapkan kemampuan storage data yang non-relational untuk memproses data yang tak-terstruktur dan semi-terstruktur; dan menerapkan analytics canggih dan teknologi visualisasi data ke Big Data untuk menyalurkan insight ke end-users. Ada banyak teknologi Big Data yang unggul, yang sebagian besar dipercaya akan mentransformasi analisa bisnis dan pasar manajemen data, yaitu: MapReduce, Hadoop, dan NoSQL.

MapReduce

Beberapa Contoh Problem Bisnis Yang Menjadi Perhatian Dalam Big Data Analytics

Problem-problem bisnis utama yang menjadi perhatian dalam Big Data secara keseluruhan adalah efisiensi proses dan pengurangan biaya dan juga bagaimana meningkatkan pengalaman pelanggan, namun beberapa prioritas yang lain akan muncul ketika dilihat dari sisi industri. Efisiensi proses dan pengurangan biaya adalah problem bisnis yang umum dialami ketika menganalisa Big Data. 

Proses efisiensi dan pengurangan biaya barangkali ada diantara daftar problem utama yang menjadi perhatian dalam Big Data Analytics di industri manufaktur, pemerintahan, energi dan utilitas, komunikasi dan media, transport, dan sektor-sektor kesehatan. Pengalaman pelanggan yang selalu harus ditingkatkan mungkin akan menjadi salah satu problem utama di industri asuransi dan retail. Sedangkan manajemen risiko biasanya ada menjadi problem utama di industri perbankan dan pendidikan. Berikut di bawah ini adalah daftar problem bisnis yang menjadi perhatian dalam Big Data Analytics:

Faktor Kunci Dalam Keberhasilan Investasi Big Data Analytics

Seperti halnya investasi IT yang besar lainnya, faktor keberhasilan investasi dalam implementasi Big Data Analytics bergantung pada sejumlah faktor. Gambar berikut di bawah ini menunjukkan faktor keberhasilan yang paling menentukan.

Faktor kunci keberhasilan Big Data Analytics

1. Kebutuhan bisnis yang jelas (selaras dengan visi dan strategi). 

Investasi bisnis harus dibuat demi kebaikan bisnis, bukan melulu demi perkembangan teknologi. Karena itu pendorong utama dalam Big Data Analytics seharusnya adalah kebutuhan bisnis di semua tingkatan baik di tingkat strategis, taktis, maupun operasional.

Prediksi Para Ahli Tentang Ketrampilan IT Yang Paling Dibutuhkan Perusahaan di Tahun 2017

Menurut survei terbaru dari Robert Half Technology menunjukkan bahwa mayoritas CIO akan mengembangkan tim IT dan juga berfokus pada mengisi peran yang kosong, sedangkan 2017 prediksi IT dari TEKsystems menunjukkan bahwa tingkat konfidensi pada IT akan tinggi dan anggaran IT akan rebound. Secara keseluruhan, itu adalah prospek yang sangat cerah untuk para profesional IT di tahun ini, terutama bagi mereka yang memmiliki keahlian tertentu. Berikut dibawah ini adalah prediksi para ahli tentang keterampilan IT yang akan paling dibutuhkan pada tahun 2017.

1. Full-stack software developers

Para pengembang perangkat lunak tidak lagi cukup memiliki keahlian dalam satu bahasa atau platform, kata Gene Richardson, COO dari Expert Exchange. "Mereka juga harus memahami dan memiliki pengalaman berperan sebagai DevOps, desain, QA, DBA, analisis. Memiliki full-stack developers akan meningkatkan 'time-to-market', meminimalkan biaya dan menyediakan tim dengan pemahaman yang lebih baik dari masalah bisnis dan bagaimana menyelesaikannya, "kata Richardson.

Big Data Analytics: Perlu atau Tidak Perusahaan Menerapkannya?

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

6 Ukuran Data Baru Yang Mungkin Belum Anda Ketahui di Era Big Data

Ukuran besarnya data di dunia saat ini adalah sesuatu yang sulit untuk diikuti dan disebut karena perlu nama atau istilah baru. Kita semua sudah akrab dengan istilah kilobyte (KB atau 1.000 byte), megabyte (MB atau 1.000.000 bytes), gigabyte (GB atau 1.000.000.000 byte) dan terabyte (TB atau 1.000.000.000.000). Untuk yang lebih dari itu, nama atau istilah yang diberikan masih relatif baru dan asing bagi kita pada umumnya. Berikut adalah tabel yang menunjukkan nama atau istilah yang muncul setelah terabyte dan selebihnya:

Tabel Ukuran Data di Era "Big Data"

Pengertian Big Data

Definisi Big Data

Memanfaatkan data untuk memahami pelanggan atau klien dan sistem operasi bisnis untuk mempertahankan maupun meningkatkan pertumbuhan dan profit adalah hal yang selalu menantang bagi perusahaan-perusahaan saat ini. Karena data semakin lama semakin tersaji dalam berbagai macam bentuk dan cara, maka pemrosesan data yang cepat dan tepat waktu menggunakan cara-cara tradisional menjadi tidak praktis. Fenomena ini disebut dengan "Big Data", yang mendapatkan penerimaan dari dunia media massa dan menarik perhatian dari kalangan pebisnis dan profesional TI (Teknologi Informasi). Hasilnya adalah bahwa "Big Data' menjadi 'terlalu' sensasional dan menjadi semacam jargon marketing yang terlalu berlebihan.