"Big data" mengacu pada kumpulan data yang ukurannya di luar kemampuan alat perangkat lunak database biasa untuk menangkap, menyimpan, mengelola, dan menganalisis. (Manyika et al. 2011)
2. Definisi Big Data
"Big data" mengacu pada kumpulan data yang ukurannya di
luar kemampuan alat perangkat lunak database biasa
untuk menangkap, menyimpan, mengelola, dan
menganalisis. (Manyika et al. 2011)
3. Dimensi Big Data
Volume:
Ini menjelaskan jumlah data masuk yang akan disimpan
dan dianalisis. Titik ketika sejumlah data benar-benar
dinyatakan sebagai data besar seperti yang dijelaskan di
atas bergantung pada sistem yang tersedia. Perusahaan
masih menghadapi tantangan untuk menyimpan dan
menganalisis jumlah data yang masuk secara efisien dan
efektif. Dalam beberapa tahun terakhir, berbagai
teknologi seperti sistem terdistribusi telah dikembangkan
untuk tujuan ini.
4. Dimensi Big Data
Kecepatan:
Ini menjelaskan dua aspek: Di satu sisi, data dihasilkan
dengan kecepatan yang sangat tinggi dan, di sisi lain,
sistem harus dapat menyimpan, memproses, dan
menganalisis jumlah data ini dengan segera. Tantangan ini
ditangani baik oleh perangkat keras dengan bantuan
teknologi dalam memori, misalnya, 1 serta oleh perangkat
lunak, dengan bantuan algoritme yang disesuaikan dan
paralelisasi masif.
5. Dimensi Big Data
Variasi:
Banyaknya variasi data dunia big data menghadapkan
sistem dengan tugas tidak lagi hanya memproses dengan
data terstruktur dari tabel tetapi juga dengan data semi-
dan tidak terstruktur dari teks, gambar, atau video yang
berkelanjutan, yang membentuk sebanyak 85% dari jumlah
data. Khususnya di bidang media sosial, banyak sekali data
tidak terstruktur terakumulasi, yang semantiknya dapat
dikumpulkan dengan bantuan teknologi AI.
6. Dimensi Big Data
Kebenaran:
Sementara tiga dimensi yang dijelaskan di sini dapat
dikuasai oleh perusahaan saat ini dengan bantuan
teknologi yang sesuai, metode dan penggunaan sarana
yang memadai, ada satu tantangan yang belum
diselesaikan pada tingkat yang sama. Veracity berarti
istilah yang dapat dipercaya, kejujuran, dan
kebermaknaan data besar.
7. Data — baik kecil, besar, atau pintar — tidak menghasilkan
nilai tambah itu sendiri. Ini adalah algoritme, apakah
mekanisme yang telah ditentukan sebelumnya atau sistem
belajar mandiri, yang dapat menciptakan nilai dari data.
Berbeda dengan big data, algoritmalah yang memiliki nilai
nyata. Algoritme dinamis menjadi pusat perhatian dalam
bisnis digital masa depan.
8. Algoritme akan menjadi semakin penting untuk
menganalisis data dalam jumlah yang semakin meningkat.
Algoritme kompleks dengan demikian sering disebut
sebagai kekuatan pendorong dunia digital. Diterapkan
dengan model bisnis yang tepat, mereka membuka
peluang baru dan meningkatkan keunggulan kompetitif.
9. Dengan perkembangan teknologi baru, saluran, dan pendekatan
konsumsi, pemahaman tentang perilaku konsumen kontemporer
menjadi lebih kompleks. Secara bersamaan, kemajuan teknologi
memungkinkan pemasar untuk menangkap data konsumsi yang
kaya dengan volume, kecepatan, dan variasi yang lebih besar.
Seringkali, sumber informasi yang kaya dan baru tersedia (Big
Data) ini memungkinkan pemasar untuk menyadari celah baru
atau area ketidaktahuan dalam pemahaman pemasar tentang
perilaku konsumen (Firestein, 2012). Dengan meningkatnya
kekayaan data, pemasar lebih mampu mengenali celah baru dan
meningkatkan pemahaman mereka tentang perilaku konsumen.
10. Refernsi
Gentsch, P. (2018). AI in marketing, sales and service:
How marketers without a data science degree can use
AI, big data and bots. Springer.
Firestein, S. (2012). Ignorance: How it drives science.
New York: Oxford University Press.
Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big Data
consumer analytics and the transformation of
marketing. Journal of business research, 69(2), 897-
904.