Pertumbuhan eksponensial dalam volume, variasi, dan kecepatan informasi dan pengembangan alat baru yang kompleks untuk menganalisis dan menciptakan makna dari data tersebut. Terdapat Tiga area aplikasi untuk mendemonstrasikan kontribusi Big data yaitu:
1. Analisis Suara
2. Chatbots dan UI Percakapan
3. Pelayanan Prediktif
2. Pertumbuhan eksponensial dalam
volume, variasi, dan kecepatan
informasi dan pengembangan alat
baru yang kompleks untuk
menganalisis dan menciptakan makna
dari data tersebut. (Armstrong, Adam,
Denize, & Kotler, 2014).
Big Data
3. Data base dari big data
biasanya menganalisis data
tidak terstruktur seperti email,
file audio, dan video YouTube
(Armstrong, Adam, Denize, &
Kotler, 2014).
4. Dimensi Big dataMenurut (Gentsch, 2019)
Volume
Jumlah data yang
masuk yang akan
disimpan dan
dianalisis.
Kecepatan
Data dihasilkan
dengan kecepatan
yang sangat tinggi
& sistem harus
dapat menyimpan,
memproses, dan
menganalisis
jumlah data ini
dengan segera.
Variasi
Memproses
dengan data
terstruktur dari
tabel tetapi juga
dengan data semi
dan tidak
terstruktur dari
teks, gambar, atau
video
berkelanjutan,
yang jumlahnya
sebanyak itu
sebagai 85% dari
jumlah data.
Kebenaran
Bantuan teknologi
yang sesuai,
metode dan
penggunaan
sarana yang
memadai, ada satu
tantangan yang
belum
diselesaikan pada
tingkat yang sama.
5. Meskipun Partai Republik mengalahkan Demokrat selama kampanye
kepresidenan 2012, banyak yang mengaitkan terpilihnya kembali
Presiden Barack Obama dengan penggunaan Big Data yang ahli dalam
kampanyenya. Kampanye Demokrat secara sistematis menggunakan
kumpulan data yang sangat besar untuk membantunya memutuskan
dengan tepat pemilih mana yang membutuhkan "dorongan" ekstra
untuk pergi ke tempat pemungutan suara dan menarik pengungkit
untuk Obama. Dalam pemilihan berikutnya, Partai Republik
menemukan betapa pentingnya mengejar ketinggalan dan
mengadopsi strategi Big Data mereka sendiri.
Contoh yang bagaimana Big Data
memengaruhi apa yang orang lakukan:
Menurut Solomon (2018)
6. Tiga area aplikasi untuk
mendemonstrasikan kontribusi Big
data: Menurut (Gentsch, 2019)
1. Analisis Suara
2. Chatbots dan UI Percakapan
3. Pelayanan Prediktif
7. Sebagai sumber data, penggunaan bahasa manusia dalam perlakuan pelanggan
yang ditargetkan telah meningkat selama beberapa tahun terakhir. Ada dua
kemungkinan aplikasi dalam layanan pelanggan; di satu sisi, identifikasi bahasa
pelanggan. Potensi ini sangat bagus terutama dalam industri di mana
identifikasi pelanggan diperlukan sebelum interaksi untuk alasan keamanan
atau bukti identitas, karena sedikit pelanggan yang mengingat kata sandi
keamanan yang ditentukan atau ingin memberikan nomor ID pelanggan atau
tanggal lahir.
Dalam hal ini, berbagai perusahaan telah menggunakan apa yang disebut cetak
suara. Cetak suara ini adalah file yang berisi karakteristik suara tertentu, seperti
frekuensi, kenyaringan, kecepatan, dll. Namun, tidak ada konten percakapan
maupun bagiannya yang direkam. Selain itu, identifikasi dibuat berdasarkan
data yang tidak dapat diperoleh dengan maksud curang. Ini juga bisa menjadi
sarana melawan serangan manipulasi psikologis.
Analisis suara Menurut (Gentsch, 2019)
8. Istilah chatbot terdiri dari dua bagian. Bagian pertama, "obrolan",
mengacu pada fungsi spesifik yang dipenuhi oleh bot dalam mode
komunikasi. Bagian kedua, “bot”, merupakan singkatan dari kata
“robot”. Ini termasuk program yang digunakan untuk otomatisasi.
Oleh karena itu, chatbot adalah perangkat lunak yang mampu
melakukan dialog yang bermakna dengan orang-orang. Komunikasi
dapat berupa tertulis atau lisan. Contoh terkenal dari Chatbots yang
dilengkapi dengan AI dan ditemukan di lingkungan ucapan nyata
adalah Apple Siri, Google Now, Microsoft Cortana atau Amazon Alexa.
CHATBOTS DAN UI PERCAKAPAN Menurut
(Gentsch, 2019)
9. Pemeliharaan Prediktif adalah mode Pemodelan Prediktif yang sangat
penting untuk masa depan sektor jasa. Di sini, perlakuan terhadap big
data dan Analisis Prediktif yang didasarkan padanya memiliki peran
khusus untuk dimainkan. Pemodelan Prediktif ditandai oleh, di satu
sisi, tingkat kematangan analitis yang tinggi, dan di sisi lain, oleh
keunggulan kompetitif yang semakin tinggi, yang muncul dari
pengetahuan yang dihasilkan secara predikatif. Mengenai layanan
pelanggan, Pemeliharaan Prediktif terutama berkaitan dengan
perilaku proaktif perusahaan untuk menghindari masalah layanan
yang dapat diperkirakan.
PEMELIHARAAN PREDIKTIF Menurut (Gentsch, 2019)
10. Kesimpulan
Pertumbuhan eksponensial dalam
volume, variasi, dan kecepatan
informasi dan pengembangan alat
baru yang kompleks untuk
menganalisis dan menciptakan
makna dari data tersebut. Terdapat
Tiga area aplikasi untuk
mendemonstrasikan kontribusi Big
data yaitu:
1. Analisis Suara
2. Chatbots dan UI Percakapan
3. Pelayanan Prediktif
11. Referensi:
Thanks
Armstrong, G., Adam, S., Denize, S., & Kotler, P. (2014). Principles
of marketing. Pearson Australia.
Gentsch, P. (2019). A Bluffer’s Guide to AI, Algorithmics and Big
Data. In AI in Marketing, Sales and Service (pp. 11-24). Palgrave
Macmillan, Cham.
Solomon, M. R (2018). Consumer behavior: Buying, having, and
being. Boston, MA: Pearson.