Using Big Data Analytics to Solve Advertisers Problem and Offer Marketing Insights
4 Analitik Big Data dapat membantu mengubah semua operasi bisnis. Ini termasuk kemampuan untuk menyesuaikan
dengan harapan pelanggan, mengubah lini produk perusahaan dan tentu saja memastikan bahwa kampanye
pemasaran yang kuat.
1 3
Volume Velocity
Volume data yang besar (PB) Melibatkan transaksi data yang
Bersumber dari berbagai macam cepat dan pola akses yang cepat
system, IOT, internet dll pula
2
Variety
Terdiri dari berbagai jenis type data
struktur ( spreads sheet, DBMS dll)
maupun unstruktur (IOT, Video,
Audio, email, sosmed dll)
Human Machine
Generated Generated
Structured Unstructured
Mudah untuk dimanipulasi, Merupakan gambaran besar dari
diurutkan dan pencarian. Terdapat keseluruhan aktifitas namun sukar dalam
potensi kehilangan nilai informasi hal pengelohan, penyimpanan dan analisa
Data Analytic
Sejarah Data Analitik
Analitik 1 (PD II) Analitik 2 (1980-1990) Analitik 3 ( > 1990)
Digunakan untuk Pengembangan bisnis Digunakan disemua bisnis
mengetahui posisi kapal khususnya retail menggunakan Big data,
selam Jerman dengan mengunakan barcode, PC internet, real time, IOT,
metoda Matematik dan dan data storage sensor, data scientists dll
Statistik
• Menjawab apa yang telah • Menjawab apa yang akan • Menjawab apa yang
terjadi. terjadi. seharusnya dilakukan
• Melihat data kebelakang • Melihat dan memproyeksikan • Otomatis dalam hal
untuk mempelajari dan ke depan dengan data pengambilan keputusan
menyimpulkan • Lebih kompleks , pemilihan
• Berisikan hal dasar berupa model, non linier regression, Contoh :
rata-rata, percen, jenis, Max, AI dll Google Self Driving Car
Min dll
Contoh : Catatan
Contoh : Dynamic Pricing • Jika prediksi kedepan berdasarkan data masa lalu
Dashboard Keuangan Predictive maintenance maka data analitik akan baik digunakan namun jika
Dashboard Kepegawaian banyak perubahan dalam waktu singkat intuisi
manusia lebih baik
• Analitik lebih focus dan tanpa emosional
• Analitik tidak dapat memecah semua masalah
• Hal terbaik adalah Analitik + Pengalaman + Intuisi
Artificial Intelligence (AI) dan Machine Learning (ML)
Artificial intelligence merupakan machine learning tanpa driven intelligence
Keuntungan menggunakan AI, otomatisasi, generating insight, interaksi dengan konsumen
Pola Algoritma
Berdasarkan formulasi, operasi, matematik dll
Store
Infrastruktur, Struktur/
Unstruktur data storage
Data Analitik Maturity system, Data Lake
• Memiliki kemampuan
Tools
mengumpulkan data dan data • Merupakan software dan
store yg sesuai system yang digunakan untuk
• Otomatisasi dalam Data Analisa data (berbeda data
pengumpulan data berbeda tools)
• Data storage yang sesuai, • Termasuk tools untuk
retrival dan Teknik SSOT melindungi data, privasi dan
• Data lake yang dapat compliance
menampung semua data • Dapat dikembangkan in house
atau membeli dari pihak ke 3
• Tools virtualisasi hal penting
yang harus dimiliki
Big Data Landscape Planning
Big Data Cluster Node Planning
Shared Storage :
Untuk menyimpan temporary data (landing) yang diperlukan untuk preprocessing sebelum dimasukkan kedalam HDFS (Hadoop
Distributed File System) HDFS merupakan sistem penyimpanan terdistribusi, yang melakukan proses pemecahan file besar menjadi
bagian-bagian lebih kecil kemudian didistribusikan ke cluster-cluster dari computer
Worker node :
Menyimpan sebagian besar data dan melakukan sebagian besar perhitungan Edge nodes, memfasilitasi komunikasi dari pengguna akhir
ke master dan worker node
Master node :
Mengontrol node mana yang melakukan tugas dan proses apa yang berjalan dan pada node apa
Edge node :
Komputer yang bertindak sebagai portal pengguna akhir untuk komunikasi dengan node lain dalam komputasi cluster
(Gateway/Utility)
APPLICATION LANDSCAPE
Data
Vendor dan
Pelelangan
Detail Transaksi per
channel(loket, ibook,kai
access,B2B,P3M), Detail
Pelanggan, Detail
Payment, Jadwal
Perjalanan KA, Komoditi Laba rugi, Beban, Data Pegawai (Histori
angbar, kontrak angbar, Pendapatan, Cash jabatan, Biodata,
SA, Transaksi angbar in/out, Budget dan pendidikan, dll), Data
(B2B, B2C) investasi Training, Payroll,
Komplain KPI/PI, Data
pelanggan, Organisasi, Biaya
sosmed comment Pegawai, Kompetensi
and response,
Lost and found
SECURE TRAIN PASSANGER DATA
(POLICY ENFORCEMENT)
Untuk melindungi data privasi konsumen perlu dibuatkan kebijakan tentang
data (Data policy) dalam meningkatkan pengamanan terhadap data pelanggan
KAI yang entitas nya seperti Nomor Identitas, Nama, Alamat, Nomor
Telepon, Nomor Rekening, Tanggal Lahir, email dan data sensitive lainnya
Contoh kategori
sensitivitas data
Identification of a company’s suitability for the adoption of cloud computing and modelling its
corresponding Return on Investment, Subhas Chandra Misra ∗ , Arka Mondal 1
Contoh Usecase
ASSET
Portal Aset
Penagihan Sewa
VAI Report
16
Landscape Dashboard Management
(Talend Open
- RTS (ang penumpang)
Structured Data
Studio)
- FICO
- COPA
- HR
- MMPM
.XLS
- RKA
- Arus Kas
Dashboard
Management
DASHBOARD MANAGEMENT
Dashboard Management merupakan pengembangan dashboard yang diharapkan dapat memberikan insight untuk manajemen pada
aspek keuangan, komersial, dan human resource (analisis deskriptif).
Aspek Keuangan seperti dashboard Laba/Rugi, neraca, dan arus kas
Aspek Komersial seperti customer profiling, customer demography, top rute dan sebaran penumpang
Aspek HR seperti employee profiling, employee demography, dan derajat kesehatan kerja
Laba/Rugi dan
Neraca
Menampilkan summary
aspek kepegawaian
(SDM), posisi laba/rugi,
rasio keuangan, volume
angkutan
penumpang/barang dan
pendapatan KAI Group,
kekuatan dan
kehandalan sarana serta
prasarana, ketepatan
waktu perjalanan KA
DASHBOARD MANAGEMENT
Human Capital
Management
General Workforce Metrics
Recruitment Metrics
DASHBOARD MANAGEMENT
Sinyal Telekomunikasi
• Jumlah Maintenance
Order
• Jumlah Asset
Perawatan actual
realease dan actual
teco
Menampilkan Jumlah
Asset Prasarana
berdasarkan jenis asset,
kepemilikan dan detail
aset
Contoh Dashboard Prediktif Analisis
(Hasil POC dengan IBM)
Sample Train Performance Segmentation
Sample Passenger Movement Forecast Insight
Sample Sales Passenger Performance and Forecast
Sample Prediction Of Passenger Number (PSE-HGL)
THANK YOU