Dokumen ini membahas konsep big data dalam konteks perilaku konsumen dan pemasaran, menggambarkan bagaimana data yang besar dan beragam dikumpulkan untuk memahami pola perilaku konsumen. Selain itu, dokumen ini menyoroti tantangan yang dihadapi perusahaan dalam menyimpan dan menganalisis data ini, terutama masalah kecepatan, variasi, dan keandalan data. Algoritme juga ditekankan sebagai elemen penting untuk memperoleh nilai dari data besar, sementara kompleksitasnya menyebabkan kebingungan dalam pemahaman publik.

1. Big Data
Psikologi perilaku konsumen
dan ekonmi

2. Big Data — Yang Bukan Hal Baru
Pendekatan mendapatkan wawasan dari data
untuk tujuan pemasaran bukanlah hal baru.
Pemasaran database atau CRM analitis telah ada
selama lebih dari 20 tahun. Fenomena banyaknya
data juga bukan hal baru: Point of sale, customer
dan credit card atau web server telah lama
menghasilkan data dalam jumlah besar. Demikian
pula, analisis data tidak terstruktur dalam bentuk
email, teks gratis formulir web, atau survei
pelanggan, misalnya, sering kali menjadi bagian dari
pemasaran dan penelitian.
Big Data — Yang Baru
Tak perlu dikatakan bahwa jumlah data telah
meningkat pesat berkat Internet of Things,
ponsel, dan media sosial — namun ini
merupakan argumen yang bertahap. Faktor
yang menentukan adalah bahwa berkat
kemungkinan TI dan digitalisasi proses bisnis,
titik kontak berorientasi pelanggan untuk
menghasilkan data dan untuk mengendalikan
komunikasi secara sistematis telah
meningkat. Ditambahkan ke ini adalah
kecepatan tinggi di mana data terkait
dikumpulkan, diproses dan digunakan. Begitu
pula dengan metode data mining deep
learning dan semantic

3. 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).
Mengikuti definisi ini, data besar telah ada sejak
pemrosesan data elektronik. Berabad-abad yang
lalu, mainframe adalah jawaban atas bamount
data yang terus meningkat dan PC saat ini
memiliki lebih banyak ruang penyimpanan dan
kekuatan pemrosesan daripada mainframe saat
itu.
Big Data : pengumpulan dan analisis kumpulan
data yang sangat besar untuk mengidentifikasi
pola perilaku dalam sekelompok konsumen

4. Menyegmentasikanberdasarkan
Perilaku: hubungan dan "Big Data"
Pemasar yang menganut filosofi relationship
marketing berinteraksi dengan pelanggan secara
teratur dan memberi mereka alasan kuat untuk
mempertahankan ikatan dengan perusahaan dari
waktu ke waktu. Fokus pada hubungan bahkan lebih
penting, terutama selama kondisi ekonomi buruk
yang kita alami baru-baru ini; ketika masa sulit,
orang cenderung mengandalkan dukungan teman
baik mereka!
Database marketing melacak kebiasaan membeli
konsumen tertentu dengan cermat dan membuat
produk serta pesan yang disesuaikan secara tepat
dengan keinginan dan kebutuhan orang
berdasarkan informasi ini.
Pada saat ini (dan setiap saat setelah itu sampai kita
bersuara), kita semua menghasilkan informasi dalam
jumlah besar yang memiliki nilai luar biasa bagi
pemasar. Jumlah informasi yang luar biasa ini telah
menciptakan bidang baru yang menyebabkan
kegembiraan luar biasa di antara analis pemasaran
(dan ahli matematika lainnya). Pengumpulan dan
analisis kumpulan data yang sangat besar disebut
Big Data, dan Anda akan mendengar lebih banyak
tentangnya dalam beberapa tahun mendatang
(Solomon,2018).

5. Dalam infografik IBM, big data sering
digambarkan menggunakan empat Vs:
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 dibuat untuk tujuan ini.
Volume
Velocity : 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 maupun oleh
perangkat lunak, dengan bantuan algoritme yang disesuaikan dan
paralelisasi masif.
Velocity

6. Dalam infografik IBM, big data sering
digambarkan menggunakan empat Vs:
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
berkelanjutan, yang jumlahnya sebanyak 85% dari jumlah
data. Khususnya di bidang media sosial, banyak sekali data
tidak terstruktur yang terakumulasi, yang semantiknya
dapat dikumpulkan dengan bantuan teknologi AI.
Variety
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. Oleh
karena itu, masalahnya tidak semua data yang disimpan dapat
dipercaya dan ini tidak harus dianalisis. Contohnya adalah sensor
yang dimanipulasi di IoT, phishing mail atau, sejak pemilihan presiden
terakhir di AS, juga berita palsu.
Veracity

7. Algoritme
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, algoritme-lah
yang memiliki nilai nyata. Algoritme
dinamis menjadi pusat perhatian dalam
bisnis digital masa depan. Algoritme
akan menjadi semakin penting untuk
menganalisis data dalam jumlah yang
semakin meningkat.

8. Syarat algoritma biasanya selalu dikaitkan dengan mata pelajaran matematika dan
informatika. Saat ini, istilah algoritma juga sangat didorong oleh wacana publik. Istilah yang
agak “polos, agak membosankan berkonotasi berdebu” kini telah menjadi fenomena itu.
Syarat algoritme juga sering digunakan sebagai "bom kabut" ketika organisasi tidak mau atau
tidak bisa menjelaskan kepada konsumen mengapa tindakan mana yang dipilih. Faktanya,
dijelaskan dengan mengatakan bahwa sesuatu yang sangat kompleks sedang terjadi di
komputer. Akibatnya, istilah algoritme digunakan di satu sisi secara diam-diam dan di sisi lain,
sebagai pengganti ketika harus menulis ulang keadaan yang akan menjadi kompleks atau
untuk menjelaskan kepada diri sendiri "keajaiban" era digital saat ini. Inilah sebabnya
mengapa tidak mengherankan jika istilah tersebut meresahkan dalam diskusi publik dan
menyulitkan pemula untuk benar-benar memperkirakan potensi dan risikonya. “Kekuatan
algoritme” dirasakan oleh beberapa orang dengan kagum; yang lain, sebaliknya, takut akan
hal itu, di mana untaian ini kadang-kadang bergabung ketika algoritme digambarkan sebagai
kekuatan yang "tidak dapat dipahami, seperti oracle".

9. Daftar Pustaka
Solomon.,M.R. (2018). Consumer
behavior buying, having, and being.
Pearson Education Limited
Peter Gentsch. (2019). AI in Marketing,
Sales and Service . Palgrave Macmillan :
Swiss