Big data merujuk pada kumpulan data besar yang tidak dapat ditangani oleh perangkat lunak basis data konvensional. Big data memiliki empat dimensi yaitu volume, kecepatan, variasi, dan kebenaran data. Tujuan utama big data adalah menemukan pola dan hubungan di dalam basis data besar untuk membantu pemasaran membuat strategi. Big data juga mempengaruhi segmentasi pasar melalui pelacakan perilaku pelanggan.

1. Cover
Big Data
Riqqah Ananda Adzani (6018210071)

2. Big data
"Big data" mengacu pada kumpulan data
yang ukurannya di luar kemampuan alat
perangkat lunak database biasa untuk
menangkap, menyimpan, mengelola, dan
menganalisis (Gentsch, 2019).
Big Data
Big data adalah pertumbuhan eksponensial
dalam volume, variasi, dan ketersediaan
informasi dan pengembangan alat baru
yang kompleks untuk menganalisis dan
menciptakan makna dari data tersebut
(Lamb, Hair&Mc Daniel, 2017).

3. Big Data
Menurut Lamb, Hair&McDaniel
(2017)
Pada tahun 2016, lelang iklan waktu nyata diharapkan
menyumbang sepertiga dari $ 25 miliar yang dihabiskan untuk
iklan tampilan digital di Amerika Serikat. Big data
memungkinkan lelang ini berlangsung hanya dalam hitungan
detik
Basis data besar yang canggih memungkinkan analisis data
tidak terstruktur seperti email, file audio, dan video YouTube.
Tujuan utama dari Big data adalah untuk mengungkap pola
dan hubungan apa yang ada dalam database. Wawasan yang
diperoleh dari semua yang dibutuhkan pemasar untuk
membuat strategi.

4. Dimensi Big data (Menurut Gentsch, 2019)
Ini menggambarkan jumlah data yang masuk yang akan
disimpan dan dianalisis.
1. Volume
Dua aspek dalam velocity, data dihasilkan dengan
kecepatan yang sangat tinggi. Lalu sistem harus dapat
menyimpan, memproses, dan menganalisis jumlah data ini
dengan segera.
2. Velocity (Kecepatan)
Berbagai macam 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 jumlahnya sebanyak 85% dari jumlah.
data.
3. Variety (Variasi)
Veracity adalah dapat dipercaya, kejujuran, dan
kebermaknaan data besar. Oleh karena itu, masalahnya
tidak semua data yang disimpan dapat dipercaya dan ini
tidak harus dianalisis.
4. Veracity (Kebenaran)

5. Cover
Pemeliharaan Prediktif adalah mode Pemodelan Prediktif yang sangat penting untuk
masa depan sektor jasa.
Sebagai sumber data, penggunaan bahasa manusia dalam perlakuan
pelanggan yang ditargetkan telah meningkat selama beberapa tahun
terakhir.
Identifikasi Suara dan Analisis
Suara
01
Pemeliharaan Prediktif terutama berkaitan dengan perilaku proaktif
perusahaan untuk menghindari masalah layanan yang dapat diperkirakan.
Oleh karena itu, ini masalah pengembangan model dari sumber data
yang tersedia, yang memprediksi kapan masalah layanan tertentu dapat
terjadi dan konsekuensi apa yang mungkin ditimbulkannya bagi
perusahaan dan klien.
Chatbots and Conversational UI02
Pemeliharaan prediktive03
Untuk
mendemonstrasikan
kontribusi big data
maka pemasar harus
memaksimalkan
manfaat ini, tiga area
aplikasi berikut harus
dijelaskan (Gentsch,
2019):
Melalui analisis bahasa lisan atau tulisan, sekarang bisa direfleksikan
pada bagaimana dialog otomatis muncul. Perusahaan sekarang dapat
mengobrol dengan pelanggan mereka melalui "UI Percakapan" ini. Ini
memiliki keunggulan dibandingkan pengembangan aplikasi layanan
pribadi, di mana infrastruktur dialog yang diterima secara umum
digunakan yang dapat diakses dan mudah dipahami untuk sebagian
besar pengguna, dan dengan demikian untuk pelanggan.

6. 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. Jumlah informasi yang luar biasa ini telah
menciptakan bidang baru yang menyebabkannya
kegembiraan yang luar biasa di antara analis
pemasaran (dan ahli matematika lainnya). Pengumpulan
dan analisis kumpulan data yang sangat besar disebut
Big Data. Dapat dikatakan bahwa ledakan data ini akan
sangat mengubah cara kita berpikir tentang perilaku
konsumen (Solomon, 2018).
Segmenting by Behavior: relationships and “Big
Data”

7. Menurut Solomon, 2018 berikut adalah beberapa variasi
contoh yang menggambarkan bagaimana Big Data
memengaruhi kami tahu dan lakukan:
- Saat mereka memantau kesalahan dalam kueri Google
untuk kata-kata seperti flu dan demam, ahli epidemiologi di
Pusat Pengendalian Penyakit dapat mengidentifikasi
wilayah tertentu di Amerika Serikat yang telah dilanda
wabah flu bahkan sebelum pihak berwenang setempat
melihat peningkatan jumlah pasien yang dirawat di rumah
sakit.
- Analis dari departemen kepolisian kota menggunakan data
kejahatan dalam jumlah besar untuk mengidentifikasi "zona
panas", tempat kejahatan terjadi dalam jumlah yang tidak
normal. Intelijen ini memungkinkan mereka untuk
menugaskan dan menugaskan kembali aparat penegak
hukum tepat di tempat yang mereka butuhkan.
- 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.

8. "Big data" mengacu pada kumpulan data yang
ukurannya di luar kemampuan alat perangkat lunak
database biasa untuk menangkap, menyimpan,
mengelola, dan menganalisis. Big data memiliki 4
dimensi yaitu volume, velocity, variety, veracity. Lalu
adanya 3 area untuk memaksimalkan big data adalah
Identifikasi Suara dan Analisis Suara, Chatbots and
Conversational UI dan Pemeliharaan prediktive. Big data
juga memiliki pengaruh dalam segmentasi suatu pasar.
Tujuan utama dari Big data adalah untuk mengungkap
pola dan hubungan apa yang ada dalam database.
Wawasan yang diperoleh dari semua yang dibutuhkan
pemasar untuk membuat strategi.
Kesimpulan

9. Gentsch, P. (2019). AI in Marketing, Sales and Service:
How Marketers Without Data Science Degree Can Use AI,
Big Data and Bots. Jerman: Frankfrurt.
Lamb,. C.W, Hair., J.W & Mc Daniel. C. (2017). Principles
of Marketing. Cengage Learning.
Solomon, M., R. (2018). Consumer Behavior: Buying,
Having and Being. Malaysia: Peorson education.
Daftar Pustaka