Big vs Smart

Big data menggambarkan data dalam jumlah yang banyak, baik yang tidak terstruktur dan terstruktur, yang dikumpulkan setiap hari. Big data ini kemudian dapat difilter, dan diubah menjadi smart data yang kemudian dianalisis dan digunakan untuk pengambilan keputusan. Smart data dapat digambarkan sebagai big data yang telah dibersihkan, difilter, dan disiapkan untuk keperluan tertentu.

Ada dua jenis Smart Data yang sering digunakan oleh data scientist di industri. Yang pertama adalah data yang diambil oleh sensor, lalu dikirim ke collection point, yang kemudian diolah, sebelum dikirim ke platform Analytics. Data ini bersumber dari smart sensor, terutama dalam sistem Internet Industrial of Things (IIoT). Yang kedua dari smart data adalah big data yang telah diproses dan sedang menunggu untuk diubah menjadi informasi yang dapat ditindaklanjuti. Istilah smart data merujuk kepada big data yang telah disaring dan diolah untuk digunakan sebagai informasi yang berguna.

Smart data adalah alat baru untuk bisnis. Big data akan diubah menjadi smart data yang dikumpulkan dan dioptimalkan kemudian digunakan untuk kebutuhan spesifik industri atau individu. Berikut adalah contoh beberapa kasus penggunaan untuk smart data :

Analisis Perjalanan menggabungkan ratusan data interaksi internet pelanggan dari berbagai saluran. Ini menggabungkan ribuan event perjalanan berbagai pelanggan bisnis. Ini adalah pendekatan berbasis data yang digunakan untuk menemukan, menganalisis, dan memengaruhi perjalanan pelanggan. (Namun, ketika informasi itu “salah”, dapat menyebabkan hilangnya pelanggan.)

Analisis Pengalaman Pelanggan (atau analisis suara pelanggan) menggunakan alat dan teknik untuk mengumpulkan sikap, pendapat, dan emosi pelanggan. Suara pelanggan menekankan kondisi mental pelanggan. Bentuk lain dari analisis ini biasanya berfokus pada tindakan dan perilaku pelanggan, bukan pemikiran mereka. Divisi pemasaran sering menggunakan analisis semacam ini untuk mengelola reputasi, mengelola produk, dan memberikan business intelligence yang kompetitif. Teknik untuk mengumpulkan informasi semacam ini termasuk survei singkat dan platform perangkat lunak yang komprehensif.

Smart Data dan Lima V :

Big data umumnya digambarkan sebagai menggunakan lima V: value (nilai), variasi, volume, velocity (kecepatan), veracity (valid). Penggunaan smart data mengurangi jumlah volume. Hanya informasi yang berguna untuk memecahkan masalah yang disajikan. variasi data bisa atau mungkin untuk dikurangi, tergantung pada proses penyaringan yang digunakan dalam menyaring data. Value (Nilai), velocity (kecepatan), dan veracity (kejujuran/valid) semua harus meningkat dengan penurunan volume.

Mesin Pembelajaran dan Smart Data

Machine Learning sering digunakan untuk proses pelatihan platform Artificial Intelligence, tetapi juga dapat digunakan sebagai program pengenalan dan pengambil keputusan. Dengan meningkatnya popularitas smart data, itu juga telah dirancang untuk digunakan dengan Machine Learning algoritma untuk mencari business intellegence. Machine Learning memungkinkan perusahaan untuk menyaring Data Lakes dan Data Warehouses, untuk menciptakan smart data.

Secara tradisional, perusahaan yang mencari business intelegence dari big data dengan menggunakan data scientists, dengan cara mencari persamaan dan pola dalam kumpulan data perusahaan. Machine Learning Algoritma menggunakan “Pembelajaran Tanpa Pengawasan”, dan dikombinasikan dengan big data, telah memungkinkan untuk melakukan analisis data lebih cepat, dan tanpa ilmu data. Algoritme pembelajaran mesin secara dramatis meningkatkan akurasi, kecepatan, dan kecerdasan penyaringan big data, dan dengan umpan balik, dapat terus belajar dan menyempurnakan “proses penyaringan.”

Kecerdasan Buatan (AI) dan Smart Data

Selama proses penyaringan untuk membuat smart data, keputusan dibuat untuk mengenali data mana yang harus diblokir, dan mana yang harus disajikan. Machine Learning dan Kecerdasan Buatan (AI) menggunakan kriteria khusus selama proses ini. AI adalah upaya berkelanjutan untuk menciptakan kecerdasan dalam mesin, memungkinkan mereka untuk bekerja dan merespons seperti manusia. Kecerdasan buatan telah memberikan fleksibilitas dan dapat mengatasi tujuan-tujuan unik. Sebagai contoh, perusahaan jasa keuangan dapat menggunakan smart data yang digerakkan oleh AI untuk analisis pelanggan, deteksi penipuan, analisis pasar, dan kepuasan pelanggan.

Smart Data dan Kasus Penggunaan Big Data 

Big Data dan Bir

Sebuah perusahaan bernama AB InBev (dikenal sebagai grup bir terbesar di dunia) telah mengakuisisi perusahaan untuk mendapatkan smart data. Mereka ingin tahu segalanya tentang perilaku dan kebiasaan peminum bir. Baru-baru ini mengakuisisi grup tempat pembuatan bir yang bernama Weissbeerger, perusahaan yang memasang peralatan pengukur di kedai dan bar. Slogan mereka, “mengubah minuman menjadi data” mengungkapkan minat mereka tentang berapa banyak bir yang dijual di mana, kapan, dan mengapa, dan rasa apa yang populer di bar tertentu.

Sejumlah besar data yang mereka kumpulkan mendukung penelitian pasar internal mereka, yang sekarang dianggap penting dalam bersaing dengan pasar barat yang penuh persaingan. Penggunaan smart data memungkinkan AB InBev berinovasi lebih cepat, dan untuk melihat tren dengan cepat, seperti RateBeer.

Smart Data dan Perawatan Kesehatan

Tujuan penyedia layanan kesehatan menggunakan smart data adalah membantu mereka bekerja lebih cerdas, bukan lebih keras. Sebelumnya, penyedia layanan kesehatan menggunakan big data dan itu membingungkan. Mereka harus berurusan dengan arus tugas prioritas yang tidak ada habisnya. Mereka mengumpulkan data, tetapi tidak menggunakannya.

Forbes telah menyebut data siloing sebagai “Rahasia Dunia Kesehatan yang Memalukan”, sementara Manajemen Data Kesehatan telah melaporkan silo menahan hasil pasien dan terobosan penelitian. Alasan untuk siloing perawatan kesehatan dapat bervariasi dan rumit – privasi pasien, ketidakcocokan platform, dan biaya untuk menghasilkan data. Siloing hadir dengan konsekuensi yang sangat nyata. Misalnya, pusat kanker memiliki sebagian besar data kanker terkini, tetapi “tidak membagikan data mereka.” Siloing adalah informasi yang tidak dibagi, dan sebagai konsekuensinya, mayoritas pasien kanker tidak akan mendapat manfaat dari penelitian kanker mutakhir. .

Jelas, ada kebutuhan untuk perubahan paradigma, dan teknologi Smart Data, dalam industri perawatan kesehatan.

Mengumpulkan Smart Data

Perusahaan yang memiliki sedikit pemahaman tentang big data sering mengumpulkan semuanya, lalu menyimpannya di Data Warehouse, Data Lake, atau sering apa yang dianggap sebagai Data Swamp. Mereka mengumpulkan big data dengan maksud menggunakannya “ketika mereka akhirnya membuat keputusan untuk menggunakannya.” Meskipun perusahaan ini mungkin percaya mereka mengumpulkan data historis bertahun-tahun, dalam kenyataannya, data mungkin kurang berkualitas, atau kuantitas, atau mungkin bahkan dalam format yang salah.

Sumber daya mereka akan lebih baik menggunakan pengumpulan data yang relevan dengan bisnis mereka. Sebuah perusahaan bisa pandai tentang data yang dikumpulkan dan disimpan di Data Lake-nya. Data membutuhkan waktu dan uang untuk menyimpan, dan mengatur. Mengumpulkan smart data saja, daripada “semua” data dapat menjadi strategi yang efisien untuk perusahaan kecil dan menengah. Berfokus pada pengumpulan smart data memungkinkan bisnis untuk menggunakan solusi hemat biaya dalam memprosesnya. Mengumpulkan hanya data penting dapat menyederhanakan penggunaan alat BI Self-Service, menjaga staf dari kesalahan informasi yang tidak relevan.

Mengumpulkan smart data tidak hanya tentang menghilangkan data berlebih. Smart data dapat berasal dari berbagai sumber yang berbeda, dan perusahaan yang cerdas dapat menggabungkan sumber daya ini untuk mengembangkan model Business Intelligence yang sangat terfokus.

Salam Sukses

 

Sumber :
Big data VS Smart data
Keith D. Foote

(Visited 92 times, 1 visits today)