Big data mengacu pada kumpulan data yang ukurannya melebihi kemampuan database konvensional untuk menangkap, menyimpan, mengelola, dan menganalisisnya. Ada empat dimensi utama big data, yaitu volume, variasi, kecepatan, dan kebenaran. Algoritma dipandang semakin penting untuk menganalisis data besar secara efisien.

1. Yusnita Tri.R.D
Fakultas Piskologi
Universitas Pancasila
Perilaku Konsumen
And Big Data

2. Big Data
Menurut Gentsch (2019), big data ditandai dengan munculnya analisis data dalam
jumlah yang besar, yang dihasilkan oleh penyebaran Internet, media sosial, meningkatnya
jumlah sensor internal dan Internet of Ting (Industri 4.0), . Analisis data yang digunakan tidak
terstruktur, baik berupa laporan bisnis, email, teks bebas formulir web atau pelanggan survei.
Hal ini sering kali menjadi bagian dari analisis internal. Faktor yang menentukan orientasi big
data semakin meningkat pada sistem TI perusahaan adalah jumlah titik kontak pelanggan yang
dapat digunakan untuk menghasilkan data dan komunikasi pengendalian pada sistematis.
Ditambah lagi dengan adanya kecepatan yang cukup tinggi di mana data terkait dikumpulkan,
diproses dan digunakan.
Fenomena data dalam jumlah besar bukanlah hal yang 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 memperoleh wawasan dari data untuk tujuan pemasaran bukanlah hal yang
cukup baru, di masa yang sekarang.

3. Big data mengacu pada kumpulan data yang
ukurannya di luar kemampuan database biasa
perangkat lunak untuk menangkap, menyimpan,
mengelola, dan menganalisis. big data telah ada
sejak data elektronik pengolahan.
Gentsch, Peter (2009)

4. Dimensi Big Data
Volume
Variasi
Kecepatan
Kebenaran
Gentsch, Peter (2009)

5. Jumlah data masuk yang akan disimpan dan
dianalisis. Data dinyatakan sebagai data besar
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 ditetapkan untuk tujuan ini
Volume

6. Hal ini menjelaskan dua aspek, yakni data dihasilkan pada
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 dalam teknologi memori,
misalnya, satu maupun oleh perangkat lunak, dengan bantuan
algoritme yang disesuaikan dan paralelisasi masif.
Kecepatan

7. Variasi
Banyaknya variasi data di 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 yang berkelanjutan, gambar
atau video, yang mencapai 85% dari jumlah data. Terutama
di bidang media sosial, banyak yang tidak terstruktur data
terakumulasi, yang semantiknya dapat dikumpulkan dengan
bantuan AI teknologi.

8. Kebenaran
Tiga dimensi yang dijelaskan di sini bisa dikuasai oleh
perusahaan saat ini dengan bantuan teknologi, metode dan
penggunaan sarana yang memadai, ada satu tantangan
yang belum ada yang diselesaikan pada tingkat yang
sama. Kebenaran berarti syarat-syarat dapat dipercaya,
kejujuran dan kebermaknaan data besar. Oleh karena itu,
masalahnya tidak semua data yang disimpan dapat
dipercaya dan ini tidak harus dianalisis.

9. Algoritma
Algoritma istilah biasanya selalu dikaitkan dengan subjek matematika dan informatika, algoritme
dinamis menjadi pusat perhatian dalam bisnis digital di masa depan. Algoritme akan menjadi semakin
penting untuk menganalisis data dalam jumlah yang semakin meningkat, karena algoritma yang
memiliki nilai nyata. Algoritme sering disebut sebagai kekuatan pendorong dunia digital. Maka dari itu
untuk mengambil langkah selanjutnya menuju perusahaan yang sepenuhnya otomatis. Hal ini harus
dicapai dengan penggunaan algoritma cerdas yang tidak hanya melayani tujuan mengevaluasi dan
menganalisis data, tetapi juga memperoleh tindakan independen yang dihasilkan dari analisis.
Mekanisme yang sepenuhnya otonom yang berjalan di latar belakang ini memberikan kontribusi yang
semakin besar dalam penciptaan nilai perusahaan.
Gentsch, Peter (2009)

10. Referensi
Gentsch, Peter. (2009). How Marketers without a
Data Science Degree can use AI, Big Data
and Bots. Frankfurt, Germany.