Softskill 4IA17 Review Jurnal pengantar bisnis informatika dalam bidang TI

https://drive.google.com/file/d/0B5vskinwpq83bDIzdjlRalEzRHc/view

Review Jurnal

Sebuah sistem pasti ada obsolete-nya, sudah kuno dan harus diganti mengikuti perkembangan jaman, jadi pada kasus ini dibutuhkan sebuah pembaruan dari DOS yaitu CCOS menjadi yang lebih efektif, user friendly dan aman. 

Data mart adalah suatu bagian pada data mart yang mendukung pembuatan laporan dan analisis data pada suatu uni, bagian operasi pada suatu perushaaan. Data mart berisi informasi yang relevan bagi user yang ingin mengambil keputusan, sebuah perusahaan yang telah menginvestasikan baik uang dan waktunya dalam sebuah bisnis operasional yang telah mempunyai dan menyimpan sebuah data dari pelanggan, penjualan dan inventori. dengan langkah-langkahnya data extraction, transformation dan loading. 

Bagian dari data warehouse yang mendukung kebutuhan pada tingkat departemen atau fungsi bisnis tertentu dalam perusahaan. Karakteristik yang membedakan data mart dan data warehouse adalah sebagai berikut (Connolly, Begg, Strachan 1999). 

> Data mart memfokuskan hanya pada kebutuhan-kebutuhan pemakai yang terkait dalam sebuah departemen atau fungsi bisnis. 

> Data mart biasanya tidak mengandung data operasional yang rinci seperti pada data warehouse. 

> Data mart hanya mengandung sedikit informasi dibandingkan dengan data warehouse. Data mart lebih mudah dipahami dan dinavigasi.

Contoh Software Data Mart 

 SmartMart (IBM) 

 Visual Warehouse (IBM) 

 PowerMart (Informatica)

Tujuan dari Membangun data mart Di PT.XYZ

Bandung ini adalah untuk :

1. Memudahkan pihak KRO ( Koordinator regional Officer) dan supervisor dalam mendapatkan informasi secara detail mengenai penjualan kartu kredit XYZ di setiap cabang yang ada di Jawa

Barat.

2. Dapat memudahkan KRO ( Koordinator regional Officer) atau Pimpinan Sentra Bisnis Kartu

Bandung dan supervisor untuk melakukan analisis mengenai penjualan kartu kredit XYZ di

Jawa Barat.

3. Membantu Supervisor dalam menghasilkan laporan yang dapat digunakan untuk mendukung

dalam mengambil keputusan mengenai penjualan kartu kredit XYZ di Jawa Barat. 

Batasan masalah bertujuan untuk memudahkan perancangan dan menghindari meluasnya permasalahan, maka penulis membuat batasan yaitu:  

1. Membangun data mart penjualan kartu kredit di PT. XYZ di Jawa Barat.
2. Data yang di analisis meliputi data Incoming (data aplikasi kartu kredit yang di terima), data Approval ( data aplikasi kartu kredit yang di setujui ), data Decline (data aplikasi yang di tolak).
3. Sumber data berasal dari data Excel dengan format 97-2003 Workbook (*.xls) dan jumlah file yang bisa di import maksimal 3 file, setiap 1 file kurang lebih terdapat 5000 record .4. Pemodelan data martyang digunakan adalah skema star.
5. Pemodelan analisis pembangunan perangkat lunak menggunakan metode analisis berorientasi Objek Oriented (OO).
6. DBMS yang di gunakan My SQL. 

Garis besar pembuatannya

Langkah 1 : Pemilihan prosesData mart yang pertama kali dibangun haruslah data mart yang dapat dikirim tepat waktu dan
dapat menjawab semua pertanyaan bisnis yang penting

Langkah 2 : Pemilihan sumber
Untuk memutuskan secara pasti apa yang diwakili atau direpresentasikan oleh sebuah tabel fakta.
Langkah 3 : Mengidentifikasi dimensi
1) Set dimensi yang dibangun dengan baik,
2) Dimensi ini penting untuk menggambarkan fakta-fakta yang terdapat pada tabel fakta
3) Misal, setiap data Custumer pada tabel dimensi Aplikasi dilengkapi,dengan custumer_id, darurat_id, pekerjaan_id, keuangan_id, nama_kartu, nama_ktp, no_ktp, kewarganegaraan, tgl_lahir, umur.
Langkah 4 : Pemilihan fakta
Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa digunakan dalam data mart.

Langkah 5 : Menyimpan pre-kalkulasi di tabel fakta.
Hal ini terjadi apabila fakta kehilangan statement
Langkah 6 : Melengkapi tabel dimensi

Langkah 7 : Pemilihan durasi databaseMisalnya pada suatu perusahaan asuransi, mengharuskan data disimpan selama 10 tahun atau lebih

Langkah 8 : Menelusuri perubahan dimensi yang perlahan
a) Ada tiga tipe perubahan dimensi yang perlahan, yaitu :
1) Tipe 1. Atribut dimensi yang telah berubah tertulis ulang
2) Tipe 2. Atribut dimensi yang telah berubah menimbulkan sebuah dimensi baru
3) Tipe 3. Atribut dimensi yang telah berubah menimbulkan alternatif sehingga nilai atribut lama dan yang baru dapat diakses secara bersama pada dimensi yang sama.

Langkah 9 : Menentukan prioritas dan mode query. 

setelah data mart berhasil, mungkin bisa dikembangkan menajdi data warehouse yang notabenenya mampu menampung data yang sangat besar.

ETL adalah extract, transform, load adalah proses dalam data warehousing bertanggung jawab untuk menarik data dari sistem sumber dan menempatkannya ke dalam data warehouse. ETL melibatkan tugas-tugas berikut:

- Penggalian data dari sistem sumber (SAP, ERP, sistem oprational lainnya), data dari sistem sumber yang berbeda diubah menjadi satu data gabungan. 

- Mengubah data mungkin melibatkan tugas-tugas berikut:

  menerapkan aturan bisnis (disebut derivasi, misalnya, menghitung langkah-langkah baru dan dimensi),

  pembersihan (misalnya, pemetaan NULL dengan 0 atau "Laki-laki" untuk "M" dan "Wanita" ke "F" dll),

  penyaringan (misalnya, memilih hanya kolom tertentu untuk dimuat),

  membelah kolom menjadi beberapa kolom dan sebaliknya,

  bergabung bersama data dari berbagai sumber (misalnya, lookup, menggabungkan),

  transposing baris dan kolom,

  menerapkan segala jenis sederhana atau kompleks validasi data (misalnya, jika 3 kolom pertama berturut-turut kosong kemudian menolak baris dari pengolahan)

- Memuat data ke dalam gudang data atau data repositori aplikasi pelaporan lainnya

Sumber dari 

http://eprints.dinus.ac.id/14329/1/[Materi]_Data_Warehouse,_Data_Mart,_OLAP,_dan_Data_Mining.pdf  

http://datawarehouse4u.info/ETL-process.html

  

Tugas Softskill 1 (4IA17) Pengantar Bisnis Informatika # Bisnis dalam bidang Teknik Informatika

Bisnis dalam bidang Teknik Informatika

Salah satu kancah di dunia ini yang bisa berkembang dengan bidang bidang lain yaitu bisnis dan pada kesempatan ini akan membahas Bisnis pada jurusan saya yaitu Teknik Informatika. Di Gunadarma terlihat bahwa ingin mahasiswanya setelah mempelajari di universitas tersebut agar bisa di bidang yang lebih ke bekerja, bukan membuat bisnis. Jadi kemungkinannya mungkin kecil, tetapi belum tentu tidak ada.

Bagaimana kalian mencari peluang informasi tentang bisnis dalam bidang Teknik Informatika ?

Saya merencanakan akan pasti bekerja dulu sebelum membuat pekerjaan dan melihat situasi untuk selalu mengikuti tren yang ada, karena jika bisnis tidak mengikuti tren apalagi TI merupakan bidang yang sangat dinamis dan gampang berkembang. Salah satu bidang yang ingin saya pelajari diluar yaitu adalah Forex, Bitcoin, Indeks Saham tetapi secara otomatis atau "robot". Jadi saya hanya tinggal menunggu dan monitoring sedangkan "duit saya mencari duit lainnya".

Mencari yang sedang ngetren, itulah bisnis dalam TI agar bisa terjual sesuatu tersebut, salah satunya dengan membuat start up dan berani gagal sebagai biaya pembelajaran dalam berbisnis bidang TI. Resiko pasti selalu ada dan harus dilalui karena merupakan suatu proses yang basic dalam berbisnis, tetapi kalau bisa tanpa resiko kenapa tidak, saya lebih senang mencari bisnis dengan resiko seminimal mungkin karena saya baru mau memulai. saya belum mencari tetapi berikut hasil pencarian yang hanya sedang ngetren

1. Bisnis Online in-game items

Dalam hal ini saya berpikir yang dijual adalah item in-game dalam banyak game, jadi seperti tok*pedai tetapi berisi in-game items, saya hanya tinggal mengikuti tutorial yang banyak dan mengganti item dengan in-game items.

2. Jasa kursus membantu mahasiswa menyelesaikan tugas kuliah

Seperti kursus tetapi ini membantu dengan sangat spesifik dengan orang-orang yang dekat saja.

Bagaimana tahapan pengembangan usaha ?

Tentang tahapan jangan sampai berakhir seperti ini

Gambar tersebut menandakan bahwa adanya miscommunication antar manusia, kebanyakan hampir proyek mengalami hal tersebut

Menurut saya tahapan dari kita belajar terlebih dahulu, yaitu bekerja dengan orang lain dan pandai mengorganisasikan apapun agar teratur. Setelah itu membuat bisnis kecil yang masih mengajak orang lain dan memikir jauh resiko yang harus ditangani dan berani menjalankannya secara konsisten. jangan setengah setengah sampai mendapat branding kira kira 2 tahun.

Sebagai lulusan TI, saya berpedoman SDLC (System Development Life Cycle) yang sedikit saya modifikasi seperti :

1. Planning
   Awal dari segala project, pondasi yang kuat akan membuat project lancar. Rencana yang matang dan urutan waktu pengerjaan merupakan salah satu kunci penting. Fase ini sangat penting karena akan mempengaruhi keseluruhan proyek.
2. Analysis
   Pada fase ini kita akan menganalisa sistem yang saat ini berjalan. Dilakukan dengan mengamati proses yang berjalan dan juga melihat skill tiap orang dalam team.
3. Design
   Pada tahap design ini kita membuat rancangan aplikasi seperti flow dan struktur database. Tahap ini menentukan perancangan jika kurang baik akan membuat team tidak efisien melakukan project.
4. Development
   Tahap untuk mencoba hal yang sudah direncanakan, kegagalan memang wajar terjadi asal jangan gagal terus terusan.
5. Testing
   Pada tahap ini ada anggota team yang melakukan testing mengenai aplikasi yang telah dibuat.
6. Implementation
   Pada tahap implementation ini ada team yang melakukan training dan mendampingi client menjalankan aplikasi yang telah dibuat
7. Maintenance
   Pada tahap ini perlu ini kita menjaga agar system bisa berjalan dengan baik. Pada tahap ini proses backup recovery harus dirancang dan dilakukan dengan baik.

Bagaimanakah perkembangan bisnis teknologi di dunia

BIG DATA DAN ANALISIS

Analisis Big Data (Big Data Analytics) dan informasi lainnya yang terkait dengan big data dan analisis.

Mengapa analisis big data ini menjadi sesuatu yang perlu diketahui oleh rekans atau perusahaan rekans?

Hal ini mengingat begitu besarnya potensi manfaat yang didapatkan jika rekans atau perusahaan rekans dapat menerapkan analisis terhadap big data. Bagi rekans yang ingin tahu manfaat penting dari penggunaan analisis big data serta informasi berharga lainnya, dapat melanjutkan untuk membaca artikel ini sampai selesai, karena akan saya tunjukkan pada sub bab di bawah.

Sebagai permulaan, untuk kemudahan pemahaman dasar tentang apa itu analisis big data, saya akan memulai dengan membahas tentang  definisi analisis big data.

Pengertian Analisis Big Data

Untuk mengerti definisi analisis big data, kita tidak bisa lepas dari memahami apa itu big data dan apa itu analisis data. Istilah big data telah saya bahas khusus pada artikel berikut ini, namun saya akan coba berikan overview singkat tentang big data disini.

Big Data merupakan istilah untuk menggambarkan data set yang besar baik Structured, Semi-Structured maupun Unstructured data. Definisi big data bisa juga dijelaskan dalam 3V :

1.Volume berarti data set yang disimpan dalam jumlah yang besar

2.Velocity berarti ada kebutuhan mengakses data set besar tersebut dengan cepat

3.Variety berarti format data yang semakin bervariasi saat ini.

Berikut ini tiga jenis format data :

Structured data seperti relational database (RDBMS)

Semi-Structured data seperti XML, JSON

Unstructured data seperti Dokumen, metadata, video, gambar, audio, file teks, ebooks, email message, social media, jurnal dll.

Analisis data adalah proses meneliti data untuk mengetahui pola tersembunyi, korelasi yang belum diketahui, dan informasai berguna lainnya.

Dengan demikian pengertian Analisis Big Data adalah proses meneliti, mengolah data set besar (Big Data) untuk mengetahui pola tersembunyi, korelasi yang tidak diketahui, tren pasar, preferensi pelanggan dan informasi bisnis berguna lainnya.

Jika ingin lebih legkap bisa membaca dari link Wiki berikut ini : Big Data dan  Analisis, Perlu fokus lebih untuk dapat memahaminya ;)

Sejarah dan Evolusi Analisis Big Data

Konsep big data telah ada selama bertahun-tahun kebelakang, sekarang sebagian besar organisasi mengerti bahwa jika mereka mampu menampung semua data set besar yang mengalir ke dalam bisnis mereka, maka mereka dapat menerapkan analisis dan mendapatkan manfaat/informasi yang sangat berharga dari proses analisis tersebut.

Jika kita lihat ke belakang sebelum istilah Big Data dikenal, di tahun 1950-an bisnis pada saat itu sudah menggunakan analisis konvensional, yang didasarkan pada spreadsheet yang dikaji secara manual untuk mengungkap informasi berharga dan tren.

Lalu apa yang ditawarkan oleh analisis big data?

Benefit analisis big data di bandingkan dengan analisis konvensional adalah kecepatan dan efisiensi.

Sebelum aplikasi analisis big data muncul, bisnis akan mengumpulkan data ke dalam data warehouse dari database enterprise seperti Oracle, DB2, MS SQL Server, kemudian melakukan analisis untuk membantu pengambilan keputusan yang bermanfaat untuk masa depan bisnis perusahaan.

Kendala yang dihadapi muncul dengan pertumbuhan data yang sangat pesat dari berbagai jenis tipe data, sehingga dengan analisis konvensional ada limitasi untuk dapat menampung data set besar tersebut, waktu yang relatif lama diperlukan untuk menghasilkan informasi berharga dari analisis.

Kemunculan teknologi analisis big data memberikan solusi bagi bisnis untuk mendapatkan hasil analisis segera bahkan real-time sekalipun, sehingga memberikan bisnis keunggulan dalam berkompetisi.

Mengapa Analisis Big Data Penting?

Analisis Big Data membantu organisasi memanfaatkan data dan menggunakannya untuk mengidentifikasi peluang-peluang baru. Yang pada gilirannya menyebabkan bisnis bergerak lebih cerdas dan cepat karena didukung oleh operasional yang lebih efisien, yang pada akhirnya mendatangkan keuntungan yang lebih tinggi dan pelanggan lebih senang tentunya.

Dalam laporan yang ditulis oleh Tom Davenport (Direktur Riset IIA) setelah ia mewawancarai lebih dari 50 usaha untuk memahami bagaimana mereka menggunakan Big Data. Ia menemukan mereka mendapatkan manfaat penting sebagai berikut :

Penghematan biaya, Teknologi analisis Big data seperti hadoop dan analisis berbasis cloud membawa pengurangan biaya yang signifikan dalam hal untuk menyimpan data set dalam jumlah besar, selain mereka dapat mengidentifikasi cara-cara yang lebih efisien dalam melakukan bisnis.

Lebih cepat dan baik dalam pengambilan keputusan, dengan kecepatan teknologi big data seperti Hadoop dalam melakukan analisis dengan dikombinasikan dengan kemampuan untuk menganalisis berbagai macam sumber data baru, membuat bisnis mampu menganalisis informasi dengan cepat dan membuat keputusan berdasarkan hasil analisis tersebut.

Melahirkan produk dan pelayanan baru, dengan kemampuan mengukur kebutuhan dan kepuasan pelanggan mendatangkan keunggulan dari bisnis untuk menciptakan produk dan layanan baru yang sesuai dengan keinginan dan kebutuhan dari pelanggan.

Dengan 3 manfaat penting tersebut akan membantu bisnis mencapai tujuan/goal utama dalam meningkatkan keuntungan demi kemajuan bisnisnya.

Contoh Aplikasi Analisis Big Data

Berikut ini beberapa contoh Aplikasi yang ditawarkan oleh perusahaan/vendor dalam hal analisis terhadap big data :

IBM Big data Analytics

HP Big Data

SAP Big Data Analytics

Microsoft Big Data Analytics

Oracle Big Data Analytics

Talend Open Studio

Teradata Big Data Analytics

SAS Big Data Analytics

Dell Big Data Analytics,  

Pentaho Big Data Analytics

Amazon Web Service

Google Big Query

Pivotal Big Data

Cloudera Enterprise Big Data

Hortonworks Data Platform

Solusi big data yang ditawarkan pada umumnya menggunakan kerangka kerja (framework) Hadoop dan beberapa tools pendukung lainnya seperti HBase, Pig, Hive, Mapreduce, Oozie, Zookeeper, HCatalog, Avro, Sqoop (untuk ingin tahu istilah tersebut dapat dibaca di sini). Yang memungkinkan pengguna untuk menyimpan, mengelola dan menganalisa data dari berbagai sumber, di mana data tersebut dapat diakses oleh para analis bisnis, data scientist dan pengguna/praktisi TI.

Solusi big data tersebut adapula yang secara arsitektur dikombinasikan dengan teknologi yang sudah biasa untuk keperluan analisis dan visualisasi data,  seperti Data Warehouse dan Business Intellegent (BI). Dengan menggunakan tools visualisasi tersebut akan lebih menarik dan mudah dalam penyediaan reporting dari hasil analisis. 

Sepertinya nanti akan saya tulis artikel khusus pembahasan detil tentang software tersebut di atas. 

Contoh Studi Kasus Penggunaan Analisis Big Data

Dalam implementasinya, penerapan analisis big data cocok untuk berbagai bidang bisnis. Berikut ini saya coba listing-kan beberapa contoh studi kasus penggunaannya :

Lembaga keuangan dapat menggunakan analisis big data agar cepat mengidentifikasi potensi penipuan sebelum menjadi besar efeknya, sehingga meminimalkan resiko kerugian secara finansial.

Pemerintahan dapat manfaatkan analisis big data untuk meningkatkan keamanan negara dengan mampu mendeteksi, mencegah dan melawan serangan cyber.

Industri kesehatan dapat menggunakan analisis terhadap big data untuk meningkatkan layanan perawatan pasien dan menemukan cara yang lebih baik untuk mengelola sumber daya dan personil.

Perusahaan telekomunikasi dapat memanfaatkan analisis big data untuk mencegah churn pelanggan, dan juga merencanakan cara terbaik untuk mengoptimalkan jaringan nirkabel baik yang baru maupun yang sudah ada.

Marketing dapat menggunakan big data untuk melakukan analisis sentimen untuk mengetahui tingkat kepuasan pelanggan terhadap produk dan layanan yang dipasarkan.

Perusahaan asuransi dapat menggunakan analisis big data untuk mengkategorikan pengajuan asuransi yang dapat segera diproses, dan mana yang perlu divalidasi dengan dilakukan kunjungan oleh agen asuransi.

Perusahaan ritel dapat menggunakan informasi dari social media seperti Facebook, Twitter, Google+ yang disimpan dengan teknologi big data, yang selanjutnya digunakan untuk menganalisis bagaimana perilaku, persepsi pelanggan terhadap suatu produk atau brand dari perusahan.

Di atas hanya beberapa contoh penggunaan big data dalam rangka keperluan analisis. Saya rasa masih banyak contoh lainnya.

Sejalan dengan terus berkembangnya teknologi analisis big data, dan hampir semua bisnis sudah mulai berfikir bahwa mendapatkan manfaat dari implementasi analisis big data adalah suatu keharusan untuk menghadapi perubahan dan persaingan yang semakin pesat dan ketat saat ini.

Karena hal di atas, bisa kita prediksi kedepan penerapan big data menjadi sesuatu yang umum, sehingga akan semakin banyak lagi contoh studi kasus pemanfaatan big data selain yang saya sebutkan.

Bagaimana Melakukan Analisis Big Data?

Berikut ini beberapa jenis metode atau teknik dalam melakukan analisis big data :

Analisis Teks, merupakan proses menganalisis data teks (unstructured-data) seperti blog, email, forum, tweet, forum dan bentuk lainnya.

Data Mining, merupakan suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dari sekumpulan besar data dengan menggunakan teknik pengenalan pola seperti statisik dan matematika

Machine Learning

Analisis Prediksi (Predictive Analytics)

Analisis Statistik

NLP (Natural Language Processing)

Demikian pembahasan tentang analisis big data, semoga dapat bermanfaat.

Dikutip dari sumber proweb.co.id dan pencarian google.

Tugas Softskill 1 (4IA17) Pengantar Bisnis Informatika # Bisnis dalam bidang Teknik Informatika

Bisnis dalam bidang Teknik Informatika

Salah satu kancah di dunia ini yang bisa berkembang dengan bidang bidang lain yaitu bisnis dan pada kesempatan ini akan membahas Bisnis pada jurusan saya yaitu Teknik Informatika. Di Gunadarma terlihat bahwa ingin mahasiswanya setelah mempelajari di universitas tersebut agar bisa di bidang yang lebih ke bekerja, bukan membuat bisnis. Jadi kemungkinannya mungkin kecil, tetapi belum tentu tidak ada.

Bagaimana kalian mencari peluang informasi tentang bisnis dalam bidang Teknik Informatika ?

Saya merencanakan akan pasti bekerja dulu sebelum membuat pekerjaan dan melihat situasi untuk selalu mengikuti tren yang ada, karena jika bisnis tidak mengikuti tren apalagi TI merupakan bidang yang sangat dinamis dan gampang berkembang. Salah satu bidang yang ingin saya pelajari diluar yaitu adalah Forex, Bitcoin, Indeks Saham tetapi secara otomatis atau "robot". Jadi saya hanya tinggal menunggu dan monitoring sedangkan "duit saya mencari duit lainnya".

Mencari yang sedang ngetren, itulah bisnis dalam TI agar bisa terjual sesuatu tersebut, salah satunya dengan membuat start up dan berani gagal sebagai biaya pembelajaran dalam berbisnis bidang TI. Resiko pasti selalu ada dan harus dilalui karena merupakan suatu proses yang basic dalam berbisnis, tetapi kalau bisa tanpa resiko kenapa tidak, saya lebih senang mencari bisnis dengan resiko seminimal mungkin karena saya baru mau memulai. saya belum mencari tetapi berikut hasil pencarian yang hanya sedang ngetren

1. Bisnis Online in-game items

Dalam hal ini saya berpikir yang dijual adalah item in-game dalam banyak game, jadi seperti tok*pedai tetapi berisi in-game items, saya hanya tinggal mengikuti tutorial yang banyak dan mengganti item dengan in-game items.

2. Jasa kursus membantu mahasiswa menyelesaikan tugas kuliah

Seperti kursus tetapi ini membantu dengan sangat spesifik dengan orang-orang yang dekat saja.

Bagaimana tahapan pengembangan usaha ?

Tentang tahapan jangan sampai berakhir seperti ini

Gambar tersebut menandakan bahwa adanya miscommunication antar manusia, kebanyakan hampir proyek mengalami hal tersebut

Menurut saya tahapan dari kita belajar terlebih dahulu, yaitu bekerja dengan orang lain dan pandai mengorganisasikan apapun agar teratur. Setelah itu membuat bisnis kecil yang masih mengajak orang lain dan memikir jauh resiko yang harus ditangani dan berani menjalankannya secara konsisten. jangan setengah setengah sampai mendapat branding kira kira 2 tahun.

Sebagai lulusan TI, saya berpedoman SDLC (System Development Life Cycle) yang sedikit saya modifikasi seperti :

1. Planning
   Awal dari segala project, pondasi yang kuat akan membuat project lancar. Rencana yang matang dan urutan waktu pengerjaan merupakan salah satu kunci penting. Fase ini sangat penting karena akan mempengaruhi keseluruhan proyek.
2. Analysis
   Pada fase ini kita akan menganalisa sistem yang saat ini berjalan. Dilakukan dengan mengamati proses yang berjalan dan juga melihat skill tiap orang dalam team.
3. Design
   Pada tahap design ini kita membuat rancangan aplikasi seperti flow dan struktur database. Tahap ini menentukan perancangan jika kurang baik akan membuat team tidak efisien melakukan project.
4. Development
   Tahap untuk mencoba hal yang sudah direncanakan, kegagalan memang wajar terjadi asal jangan gagal terus terusan.
5. Testing
   Pada tahap ini ada anggota team yang melakukan testing mengenai aplikasi yang telah dibuat.
6. Implementation
   Pada tahap implementation ini ada team yang melakukan training dan mendampingi client menjalankan aplikasi yang telah dibuat
7. Maintenance
   Pada tahap ini perlu ini kita menjaga agar system bisa berjalan dengan baik. Pada tahap ini proses backup recovery harus dirancang dan dilakukan dengan baik.

Bagaimanakah perkembangan bisnis teknologi di dunia

BIG DATA DAN ANALISIS

Analisis Big Data (Big Data Analytics) dan informasi lainnya yang terkait dengan big data dan analisis.

Mengapa analisis big data ini menjadi sesuatu yang perlu diketahui oleh rekans atau perusahaan rekans?

Hal ini mengingat begitu besarnya potensi manfaat yang didapatkan jika rekans atau perusahaan rekans dapat menerapkan analisis terhadap big data. Bagi rekans yang ingin tahu manfaat penting dari penggunaan analisis big data serta informasi berharga lainnya, dapat melanjutkan untuk membaca artikel ini sampai selesai, karena akan saya tunjukkan pada sub bab di bawah.

Sebagai permulaan, untuk kemudahan pemahaman dasar tentang apa itu analisis big data, saya akan memulai dengan membahas tentang  definisi analisis big data.

Pengertian Analisis Big Data

Untuk mengerti definisi analisis big data, kita tidak bisa lepas dari memahami apa itu big data dan apa itu analisis data. Istilah big data telah saya bahas khusus pada artikel berikut ini, namun saya akan coba berikan overview singkat tentang big data disini.

Big Data merupakan istilah untuk menggambarkan data set yang besar baik Structured, Semi-Structured maupun Unstructured data. Definisi big data bisa juga dijelaskan dalam 3V :

1. Volume berarti data set yang disimpan dalam jumlah yang besar
2. Velocity berarti ada kebutuhan mengakses data set besar tersebut dengan cepat
3. Variety berarti format data yang semakin bervariasi saat ini.

Berikut ini tiga jenis format data :

1. Structured data seperti relational database (RDBMS)
2. Semi-Structured data seperti XML, JSON
3. Unstructured data seperti Dokumen, metadata, video, gambar, audio, file teks, ebooks, email message, social media, jurnal dll.

Analisis data adalah proses meneliti data untuk mengetahui pola tersembunyi, korelasi yang belum diketahui, dan informasai berguna lainnya.

Dengan demikian pengertian Analisis Big Data adalah proses meneliti, mengolah data set besar (Big Data) untuk mengetahui pola tersembunyi, korelasi yang tidak diketahui, tren pasar, preferensi pelanggan dan informasi bisnis berguna lainnya.

Jika ingin lebih legkap bisa membaca dari link Wiki berikut ini : Big Data dan  Analisis, Perlu fokus lebih untuk dapat memahaminya ;)

Sejarah dan Evolusi Analisis Big Data

Konsep big data telah ada selama bertahun-tahun kebelakang, sekarang sebagian besar organisasi mengerti bahwa jika mereka mampu menampung semua data set besar yang mengalir ke dalam bisnis mereka, maka mereka dapat menerapkan analisis dan mendapatkan manfaat/informasi yang sangat berharga dari proses analisis tersebut.

Jika kita lihat ke belakang sebelum istilah Big Data dikenal, di tahun 1950-an bisnis pada saat itu sudah menggunakan analisis konvensional, yang didasarkan pada spreadsheet yang dikaji secara manual untuk mengungkap informasi berharga dan tren.

Lalu apa yang ditawarkan oleh analisis big data?

Benefit analisis big data di bandingkan dengan analisis konvensional adalah kecepatan dan efisiensi.

Sebelum aplikasi analisis big data muncul, bisnis akan mengumpulkan data ke dalam data warehouse dari database enterprise seperti Oracle, DB2, MS SQL Server, kemudian melakukan analisis untuk membantu pengambilan keputusan yang bermanfaat untuk masa depan bisnis perusahaan.

Kendala yang dihadapi muncul dengan pertumbuhan data yang sangat pesat dari berbagai jenis tipe data, sehingga dengan analisis konvensional ada limitasi untuk dapat menampung data set besar tersebut, waktu yang relatif lama diperlukan untuk menghasilkan informasi berharga dari analisis.

Kemunculan teknologi analisis big data memberikan solusi bagi bisnis untuk mendapatkan hasil analisis segera bahkan real-time sekalipun, sehingga memberikan bisnis keunggulan dalam berkompetisi.

Mengapa Analisis Big Data Penting?

Analisis Big Data membantu organisasi memanfaatkan data dan menggunakannya untuk mengidentifikasi peluang-peluang baru. Yang pada gilirannya menyebabkan bisnis bergerak lebih cerdas dan cepat karena didukung oleh operasional yang lebih efisien, yang pada akhirnya mendatangkan keuntungan yang lebih tinggi dan pelanggan lebih senang tentunya.

Dalam laporan yang ditulis oleh Tom Davenport (Direktur Riset IIA) setelah ia mewawancarai lebih dari 50 usaha untuk memahami bagaimana mereka menggunakan Big Data. Ia menemukan mereka mendapatkan manfaat penting sebagai berikut :

1. Penghematan biaya, Teknologi analisis Big data seperti hadoop dan analisis berbasis cloud membawa pengurangan biaya yang signifikan dalam hal untuk menyimpan data set dalam jumlah besar, selain mereka dapat mengidentifikasi cara-cara yang lebih efisien dalam melakukan bisnis.
2. Lebih cepat dan baik dalam pengambilan keputusan, dengan kecepatan teknologi big data seperti Hadoop dalam melakukan analisis dengan dikombinasikan dengan kemampuan untuk menganalisis berbagai macam sumber data baru, membuat bisnis mampu menganalisis informasi dengan cepat dan membuat keputusan berdasarkan hasil analisis tersebut.
3. Melahirkan produk dan pelayanan baru, dengan kemampuan mengukur kebutuhan dan kepuasan pelanggan mendatangkan keunggulan dari bisnis untuk menciptakan produk dan layanan baru yang sesuai dengan keinginan dan kebutuhan dari pelanggan.

Dengan 3 manfaat penting tersebut akan membantu bisnis mencapai tujuan/goal utama dalam meningkatkan keuntungan demi kemajuan bisnisnya.

Contoh Aplikasi Analisis Big Data

Berikut ini beberapa contoh Aplikasi yang ditawarkan oleh perusahaan/vendor dalam hal analisis terhadap big data :

1. IBM Big data Analytics
2. HP Big Data
3. SAP Big Data Analytics
4. Microsoft Big Data Analytics
5. Oracle Big Data Analytics
6. Talend Open Studio
7. Teradata Big Data Analytics
8. SAS Big Data Analytics
9. Dell Big Data Analytics,  
10. Pentaho Big Data Analytics
11. Amazon Web Service
12. Google Big Query
13. Pivotal Big Data
14. Cloudera Enterprise Big Data
15. Hortonworks Data Platform

Solusi big data yang ditawarkan pada umumnya menggunakan kerangka kerja (framework) Hadoop dan beberapa tools pendukung lainnya seperti HBase, Pig, Hive, Mapreduce, Oozie, Zookeeper, HCatalog, Avro, Sqoop (untuk ingin tahu istilah tersebut dapat dibaca di sini). Yang memungkinkan pengguna untuk menyimpan, mengelola dan menganalisa data dari berbagai sumber, di mana data tersebut dapat diakses oleh para analis bisnis, data scientist dan pengguna/praktisi TI.

Solusi big data tersebut adapula yang secara arsitektur dikombinasikan dengan teknologi yang sudah biasa untuk keperluan analisis dan visualisasi data,  seperti Data Warehouse dan Business Intellegent (BI). Dengan menggunakan tools visualisasi tersebut akan lebih menarik dan mudah dalam penyediaan reporting dari hasil analisis. 

Sepertinya nanti akan saya tulis artikel khusus pembahasan detil tentang software tersebut di atas. 

Contoh Studi Kasus Penggunaan Analisis Big Data

Dalam implementasinya, penerapan analisis big data cocok untuk berbagai bidang bisnis. Berikut ini saya coba listing-kan beberapa contoh studi kasus penggunaannya :

1. Lembaga keuangan dapat menggunakan analisis big data agar cepat mengidentifikasi potensi penipuan sebelum menjadi besar efeknya, sehingga meminimalkan resiko kerugian secara finansial.
2. Pemerintahan dapat manfaatkan analisis big data untuk meningkatkan keamanan negara dengan mampu mendeteksi, mencegah dan melawan serangan cyber.
3. Industri kesehatan dapat menggunakan analisis terhadap big data untuk meningkatkan layanan perawatan pasien dan menemukan cara yang lebih baik untuk mengelola sumber daya dan personil.
4. Perusahaan telekomunikasi dapat memanfaatkan analisis big data untuk mencegah churn pelanggan, dan juga merencanakan cara terbaik untuk mengoptimalkan jaringan nirkabel baik yang baru maupun yang sudah ada.
5. Marketing dapat menggunakan big data untuk melakukan analisis sentimen untuk mengetahui tingkat kepuasan pelanggan terhadap produk dan layanan yang dipasarkan.
6. Perusahaan asuransi dapat menggunakan analisis big data untuk mengkategorikan pengajuan asuransi yang dapat segera diproses, dan mana yang perlu divalidasi dengan dilakukan kunjungan oleh agen asuransi.
7. Perusahaan ritel dapat menggunakan informasi dari social media seperti Facebook, Twitter, Google+ yang disimpan dengan teknologi big data, yang selanjutnya digunakan untuk menganalisis bagaimana perilaku, persepsi pelanggan terhadap suatu produk atau brand dari perusahan.

Di atas hanya beberapa contoh penggunaan big data dalam rangka keperluan analisis. Saya rasa masih banyak contoh lainnya.

Sejalan dengan terus berkembangnya teknologi analisis big data, dan hampir semua bisnis sudah mulai berfikir bahwa mendapatkan manfaat dari implementasi analisis big data adalah suatu keharusan untuk menghadapi perubahan dan persaingan yang semakin pesat dan ketat saat ini.

Karena hal di atas, bisa kita prediksi kedepan penerapan big data menjadi sesuatu yang umum, sehingga akan semakin banyak lagi contoh studi kasus pemanfaatan big data selain yang saya sebutkan.

Bagaimana Melakukan Analisis Big Data?

Berikut ini beberapa jenis metode atau teknik dalam melakukan analisis big data :

1. Analisis Teks, merupakan proses menganalisis data teks (unstructured-data) seperti blog, email, forum, tweet, forum dan bentuk lainnya.
2. Data Mining, merupakan suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dari sekumpulan besar data dengan menggunakan teknik pengenalan pola seperti statisik dan matematika
3. Machine Learning
4. Analisis Prediksi (Predictive Analytics)
5. Analisis Statistik
6. NLP (Natural Language Processing)

Demikian pembahasan tentang analisis big data, semoga dapat bermanfaat.

Dikutip dari sumber proweb.co.id dan pencarian google.