CONSUMER
BEHAVIOR &
BIG DATA
LARASITA PUTRI
DEFINISI
"Big data" mengacu pada
kumpulan data yang
ukurannya di luar kemampuan
alat perangkat lunak database
biasa untuk menangkap,
menyimpan, mengelola, dan
menganalisis.
EMPAT
Vs :
DIMENSI
BIG
DATA
EMPAT Vs : DIMENSI BIG DATA
Menjelaskan jumlah data
masuk yang akan
disimpan dan dianalisis.
Data dinyatakan besar
bergantung pada sistem
yang tersedia.
VOLUME VELOCITY/KECEPATAN
Di satu sisi, data dihasilkan
dengan kecepatan yang
sangat tinggi, di sisi lain,
sistem harus dapat
menyimpan, memproses,
dan menganalisis jumlah
data ini dengan segera.
EMPAT Vs : DIMENSI BIG DATA
Variasi data menghadapkan
sistem tidak lagi hanya
memproses dengan data
terstrukturdari tabel tetapi
juga dengan data semi dan
tidak terstruktur dari teks,
gambar, atau video.
Terutaman di media sosial.
VARIETY VERACITY/KEBENARAN
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.
Big data : Apa yang tidak
baru?
Fenomena data dalam jumlah besar
bukanlah hal baru: Point of sale,
pelanggan dan kartu kredit atau server
web 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 : Apa yang
baru?
Sudah jelas bahwa jumlah data telah
meningkat pesat berkat Internet, ponsel,
dan media sosial. Faktor yang
menentukanadalah bahwa TI dan
digitalisasi proses bisnis, titik kontak
berorientasi pelanggan untuk
menghasilkan data dan untuk
mengendalikan komunikasi secara
sistematis telah meningkat.
ALGORITMA DAN
KEKUATANNYA
Subjek algoritmik juga sering dikaitkan dengan topik personalisasi
algoritmik. Baik itu yang awalnya diproduksi secara kronologis dan
hari ini secara pribadi feed berita berlangganan di Facebook,
personal-Pencarian Google diluncurkan pada tahun 2009 atau saran
sejenis dari Netfix dan Spotify — semuanya bekerja dengan
algoritme yang berfungsi untuk mempersonalisasi konten yang
dimainkan. Titik awal biasanya berupa profil pelanggan yang
dikumpulkan, yang digunakan oleh lembaga terkait untuk
mengeluarkan rekomendasi yang dibuat khusus untuk pengguna. Ini
berkisar dari pembelian yang disarankan (misalnya Amazon) hingga
rekomendasi mitra potensial (misalnya Parship). Algoritme memiliki
banyak skenario dan implikasi aplikasi yang menjangkau jauh seperti
yang akan diperlihatkan dalam bab berikut.
ALGORITMA DAN
KEKUATANNYA
Algoritma dimaksudkan untuk mengoptimalkan atau bahkan
menciptakan kembali fungsi operasional dan rantai nilai
tambah melalui akurasi, kecepatan dan otomatisasi. Dengan
itu, pertanyaan yang diajukan adalah bagaimana algoritma
harus dikembangkan dan digunakan. Dan pada gilirannya, ini
tidak ada hubungannya dengan kapasitas pemrograman teknis
perangkat lunak, tetapi pada kenyataannya basis
pengetahuan yang mendasarinya. Secara keseluruhan, otonomi
dan dinamika algoritma yang diperlukan meningkat dengan
meningkatnya kompleksitas dan penurunan derajat struktur
tugas. Ini juga berlaku untuk dampak bisnis dalam semangat
relevansi kompetitif dari solusi algoritme.
BIG DATA
MORE
THAN BIG
Kemunculan dan analisis data dalam jumlah besar yang
dihasilkan oleh penyebaran Internet, media sosial,
meningkatnya jumlah sensor internal dan Internet. faktor
yang menentukan adalah karena meningkatnya
orientasi sistem TI perusahaan terhadap pelanggan
akhir dan digitalisasi proses bisnis, jumlah titik kontak
berorientasi pelanggan yang dapat digunakan untuk
menghasilkan data dan mengendalikan komunikasi
secara sistematis telah meningkat. Ditambahkan ke ini
adalah kecepatan tinggi di mana data terkait
dikumpulkan, diproses dan digunakan. Pendekatan baru
meningkatkan penciptaan nilai analitis ke tingkat
kualitas yang baru.
TERIMA KASIH
SUMBER :
Gentsch, P. (2019). AI in marketing, sales and service: How
marketers without a data science degree can use AI, big
data and bots. Springer.

Consumer Behavior & Big Data

  • 1.
  • 2.
    DEFINISI "Big data" mengacupada kumpulan data yang ukurannya di luar kemampuan alat perangkat lunak database biasa untuk menangkap, menyimpan, mengelola, dan menganalisis.
  • 3.
  • 4.
    EMPAT Vs :DIMENSI BIG DATA Menjelaskan jumlah data masuk yang akan disimpan dan dianalisis. Data dinyatakan besar bergantung pada sistem yang tersedia. VOLUME VELOCITY/KECEPATAN Di satu sisi, data dihasilkan dengan kecepatan yang sangat tinggi, di sisi lain, sistem harus dapat menyimpan, memproses, dan menganalisis jumlah data ini dengan segera.
  • 5.
    EMPAT Vs :DIMENSI BIG DATA Variasi data menghadapkan sistem tidak lagi hanya memproses dengan data terstrukturdari tabel tetapi juga dengan data semi dan tidak terstruktur dari teks, gambar, atau video. Terutaman di media sosial. VARIETY VERACITY/KEBENARAN 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.
  • 6.
    Big data :Apa yang tidak baru? Fenomena data dalam jumlah besar bukanlah hal baru: Point of sale, pelanggan dan kartu kredit atau server web 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.
  • 7.
    Big data :Apa yang baru? Sudah jelas bahwa jumlah data telah meningkat pesat berkat Internet, ponsel, dan media sosial. Faktor yang menentukanadalah bahwa TI dan digitalisasi proses bisnis, titik kontak berorientasi pelanggan untuk menghasilkan data dan untuk mengendalikan komunikasi secara sistematis telah meningkat.
  • 8.
    ALGORITMA DAN KEKUATANNYA Subjek algoritmikjuga sering dikaitkan dengan topik personalisasi algoritmik. Baik itu yang awalnya diproduksi secara kronologis dan hari ini secara pribadi feed berita berlangganan di Facebook, personal-Pencarian Google diluncurkan pada tahun 2009 atau saran sejenis dari Netfix dan Spotify — semuanya bekerja dengan algoritme yang berfungsi untuk mempersonalisasi konten yang dimainkan. Titik awal biasanya berupa profil pelanggan yang dikumpulkan, yang digunakan oleh lembaga terkait untuk mengeluarkan rekomendasi yang dibuat khusus untuk pengguna. Ini berkisar dari pembelian yang disarankan (misalnya Amazon) hingga rekomendasi mitra potensial (misalnya Parship). Algoritme memiliki banyak skenario dan implikasi aplikasi yang menjangkau jauh seperti yang akan diperlihatkan dalam bab berikut.
  • 9.
    ALGORITMA DAN KEKUATANNYA Algoritma dimaksudkanuntuk mengoptimalkan atau bahkan menciptakan kembali fungsi operasional dan rantai nilai tambah melalui akurasi, kecepatan dan otomatisasi. Dengan itu, pertanyaan yang diajukan adalah bagaimana algoritma harus dikembangkan dan digunakan. Dan pada gilirannya, ini tidak ada hubungannya dengan kapasitas pemrograman teknis perangkat lunak, tetapi pada kenyataannya basis pengetahuan yang mendasarinya. Secara keseluruhan, otonomi dan dinamika algoritma yang diperlukan meningkat dengan meningkatnya kompleksitas dan penurunan derajat struktur tugas. Ini juga berlaku untuk dampak bisnis dalam semangat relevansi kompetitif dari solusi algoritme.
  • 10.
    BIG DATA MORE THAN BIG Kemunculandan analisis data dalam jumlah besar yang dihasilkan oleh penyebaran Internet, media sosial, meningkatnya jumlah sensor internal dan Internet. faktor yang menentukan adalah karena meningkatnya orientasi sistem TI perusahaan terhadap pelanggan akhir dan digitalisasi proses bisnis, jumlah titik kontak berorientasi pelanggan yang dapat digunakan untuk menghasilkan data dan mengendalikan komunikasi secara sistematis telah meningkat. Ditambahkan ke ini adalah kecepatan tinggi di mana data terkait dikumpulkan, diproses dan digunakan. Pendekatan baru meningkatkan penciptaan nilai analitis ke tingkat kualitas yang baru.
  • 11.
    TERIMA KASIH SUMBER : Gentsch,P. (2019). AI in marketing, sales and service: How marketers without a data science degree can use AI, big data and bots. Springer.