Steve Lohr menemukan bahwa: Data merupakan bahan baku

penting yang dapat memperkuat dan meningkatkan mesin pengambilan

keputusan. Data input, dan output adalah pilihan cerdas dan bijaksana
penilaian.

Seberapa Pentingkah Pengolahan Data?

Contoh Kasus Bisnis 1: McKesson Corporation
 Distribusi produk obat-obatan menjadi salah satu bisnis utama McKesson
dengan volume pengiriman yang sangat besar (mencapai sekitar 240 juta pil
obat setiap harinya) namun dengan margin keuntungan yang sangat tipis.
 McKesson memutuskan untuk mengurangi persediaan yang mengalir
melalui jaringan distribusinya dan berhasil menghemat biaya operasi sebesar
USD 1 miliar.
 Hasil ini diperoleh dari keberhasilan McKesson memanen manfaat dari
pengolahan data produk, lokasi, dan transportasi dariproses bisnis yang
dijalankan, lalu kemudian menambang dan mengolah data tersebut dengan
perangkat lunak cerdas untuk mengidentifikasi peluang penghematan waktu
dan biaya.
ContohKasusBisnis2: Emory Hospital
 Ruang Icudi Emory Hospital menyediakan20 ranjang yang dilengkapi
peralatan komputasi medis: ventilator; defibrilator; mesin ginjal; bed side
monitor yang memantau detakjantung, pernafasan, tekanan darah, dll.
 Seluruh peralatan komputasi medis yang ada di ruang ICU di Emory Hospital
diperkirakanmenghasilkan160.000 data points dalamsatudetik. Seluruh
peralatan tersebut merekam data kondisi pasien tanpa jeda sedetikpun.
 Di tengah semua data yang mengalir tanpa terputus itu, para dokter dan
perawat harus membuat keputusan dengan cepat.
  Berdasarkan riset yang dilakukandi Emory, mereka membuat sekitar 100
keputusan per hari per pasien, atau lebih dari 9,3 juta keputusan tentang
perawatan medis yang dibuat selama setahun di ruang ICU.

Seberapa Besarkah Big Data?

 90% dari jumlah data di dunia saat ini hanya dibuat dalam kurun waktu dua
tahun terakhir saja, dengan pertumbuhan mencapai 2,5 quintillion bytes
(atau setara kira-kira2,3 triliun GB) setiap harinya (IBM Marketing Cloud,
2017)
 Diperkirakan pada tahun 2020, jumlah data di dunia ini akan mencapai 44
zettabytes atau setara 44 triliun giga bytes (International Data Corporation,
2014)
 Setiap 60 detik di Facebook di perkirakan ada 510.000 komentar diposting,
293.000 status diperbarui, dan136.000 foto diunggah(Zephoria Digital
Marketing, 2017).
 Twitter mencatat 313 jutapengguna aktif bulanan secara global pada Juni
2016 (Twitter, 2017).

Definisi besar Data

 "Data besar merujuk pada dataset yang ukurannya adalah di luar

kemampuan perangkat lunak khas database untuk menangkap, menyimpan,
mengatur dan menganalisa." (Manyikaet al., 2011)
 "Data besar adalah volume tinggi, kecepatan tinggi dan/atau berbagai
informasi asset yang tinggiyang biasanya menuuntut cost effectiveness,
inovatif bentuk informasi pengolahan yang memungkinkan ditingkatkannya
wawasan, pengambilan keputusan, dan otomatisasi proses." (Gartner, 2012)
 "Data besar menjelaskan strategi manajemen informasi holistik yang
mencakup dan mengintegrasikan baru jenis data dan manajemen data
bersama tradisional data." (Oracle, 2016)
Definisi Big Data
Terlepas perbedaan yang ada dalam definisi Big Data, setidaknya ada tiga titik
kesamaan yang menjadi factor penting dalam memahami konsep Big Data (Ward
& Barker, 2001). Menurutnya Ward dan Barker, secara umum definisi Big Data
memuat setidaknya satu dari pernyataan berikut ini:
1. Ukuran: volume data adalah factor penting.
2. Kompleksitas: struktur dan jenis kumpulan data merupakan factor penting.
3. Teknologi: alat dan teknik yang digunakan untuk mengolah kumpulan data
dengan volume yang sangat besar atau sturktur yang kompleks merupakan
factor penting.

Karakteristik Big Data

Karakteristik Keterangan

Volume Karakteristik ini menggambarka npertumbuhan jumlah data yang

sangat signifikan. Volume data yang tersedia saat ini telah meningkat
drastic dengan jumlah pertumbuhan mencapai 2,5 quintillion bytes
data setiapharinya.

Velocity Karakteristik ini berkaitan dengan laju pertumbuhan data serta

kecepatan di mana data dapat ditangkap atau dikumpulkan,
disimpan, diolah dan dianalisis oleh suatu sistem. Frekuensi
pertumbuhan data secara langsung (real time) yang terus meningkat
memberikan pengaruh besar terhadap kebutuhan teknologi yang
 mampu mendukung pengumpulan, penyimpanan, pemrosesan, dan
analisisdata yang lebihcepat.

Variety Karakteristik ini mengacu pada kompleksitas sumber dan jenis data,
baik yang terstruktur hingga tidak terstruktur. Kita biasa menyimpan
data dari sumber seperti spreadsheet dan database. Sekarang data
muncul dalam bentuk email, foto, video, audio, dll. Berbagai data
tidak terstruktur ini menciptakan masalah dalam penyimpanan,
penambangan (data mining) dan analisis data.

Karakteristik Keterangan

Veracity Karakteristik ini mengacu pada kebenaran, validitas atau akurasi dari
suatu data.

Variability Karakteristik ini berkaitan dengan ragam arti/makna yang terkandung

padasuatudata.

Visualization Karakteristik ini berkaitan dengan bagaimana data dalam jumlah

besar tersebut dapat digunakan dengan cara yang mudah dipahami
dan dibaca.

Value Karakteristik ini mengacu pada anggapan bahwa data yang tidak
diolah takkan memberikan nilai manfaat apapun. Nilai suatu data
dihasilkan melalui analisis dilakukan pada data tersebut sehingga
mengubahnya menjadi informasi danpengetahuan yang berguna
untuk mendukung pengambilan keputusan.
PEMANFAATAN DATA BESAR DALAM SIA
 Transaksi
Ini adalah data yang sangat terstruktur yang berkaitan dengan peristiwa. Ini
selalu mencakup: waktu, nilai numerik dan mengacu pada tujuan, atau
tujuan. Contoh-contoh ini meliputi, faktur, perjalanan rencana, catatan
kegiatan, pembayaran, dll. Sebagian besar informasi ini disimpan dalam
database.
 Interaksi
Ini mencakup cara orang berinteraksi dengan satu sama lain, atau dengan
bisnis Anda. Ini termasuk interaksi seperti Facebook posting dan suka, Feed
sosial, dihasilkan konten dan bahkan blog. Pada dasarnya, ini meliputi data
Anda dapat mengumpulkan melalui jenis interaksi ini tidak terbatas kepada
transaksi bisnis.
 Pengamatan
Ini adalah informasi yang dikumpulkan dari Internet of Things. Internet hal-
hal terkait dengan hal-hal unik, individu yang memiliki komponen virtual
yang dapat diamati, dan terhubung dalam struktur seperti Internet.
Beberapa contoh ini termasuk Koordinat GPS dari orang yang mengunjungi
situs Anda di ponsel mereka, atau chip RFID di kartu ATM. Data ini dapat
 disimpan dan berpotensi digunakan untuk membuat lebih baik, lebih
keputusan.

 Data alternatif sekitarnya operasi dapat lebih informatif dalam hal

pengukuran bisnis daripada eksklusif transaksi keuangan. Sebagai
accountantsare bertanggung jawab untuk pengumpulan dan pelaporan
informasi yang berguna untuk manajemen, maka ada peran mereka dalam
Big Data dan Data Analytics.
 Auditorscan juga memanfaatkan data besar. Auditor harus berusaha untuk
memverifikasi transaksi, tidak dengan hanya faktur dan tanda terima, tapi
multi-modal bukti bahwa transaksi berlangsung.