Nama : Siti Yulita N

NPM: 6020210102

Kelas C

Big Data Analysis dan PIO

Sebuah Organisasi memahami bahwa mereka membutuhkan untuk menangkap semua

data yang mengalir ke bisnis mereka yang perlu mereka analisis dan mendapatkan nilai manfaat
dari data tersebut. Big data membawa manfaat baru yaitu kecepatan dan efisiensi serta
Kemampuan untuk bekerja lebih cepat dan memberi organisasi keunggulan kompetitif. Analitik
big data membantu organisasi memanfaatkan data mereka dan menggunakannya untuk
mengidentifikasi peluang baru. Analitik itu, pada gilirannya, mengarah kepada pergerakan bisnis
yang lebih cerdas, operasi yang lebih efisien, laba yang lebih tinggi, dan pelanggan yang lebih
bahagia.

Big data analytics mengacu pada proses mengumpulkan, mengorganisasikan dan menganalisa

sekumpulan besar data (big data) untuk mendapatkan pola-pola dan informasi yang berguna. Big
data analytics tidak hanya membantu untuk memahami informasi yang terkandung di dalam data
tapi juga membantu untuk mengidentifikasi data yang paling penting untuk keputusan bisnis saat
ini dan masa datang. Big data analytics pada dasarnya ingin untuk menghasilkan
pengetahuan (knowledge) dari hasil analisis data. Psikolog organisasi mungkin menemukan data
yang memenuhi ketiga faktor kunci ini, tetapi interpretasi kami lebih luas data besar dalam ilmu
organisasi mungkin tidak harus mencakup ketiganya karakteristik.

Big Data dapat dipahami berkaitan dengan tiga karakteristik utama

("tiga V";Laney, 2001):

1. volume—jumlah titik data yang besar,

2. kecepatan—keduanya throughput dari data (jumlah yang ditambahkan terus-menerus)
dan latensi dalam menggunakan informasi ini, dan
3. keragaman—banyak sumber data yang terintegrasi.
 Dalam mengembangkan Big data Analytics tentu saja ada tantangan. Tantangan dalam
mengembangkan Big data Analytis terbagi menjadi 2 yaitu Tantangan pertama dalam
mengembangkan big data analytics adalah Bagaimana memecah data untuk dapat
memungkinkan mengakses semua data organisasi yang disimpan di tempat penyimpanan yang
berbeda dan bahkan juga disimpan pada sistem yang berbeda..Tantangan besar kedua adalah
membuat platform yang dapat menarik unstructed data semudah menarik structured data.
Volume data ini begitu besar sehingga sulit untuk memprosesnya menggunakan database dan
metode perancangan software yang tradisional  Cara terbaik untuk menangani big data dan
proses-proses bisnis yang melibatkan big data adalah mengoptimalkan penggunaan
solusi hardware dan software untuk memproses beban kerja big data dan kemudian
mengkombinasikan solusi tersebut dengan data warehouse perusahaan yang telah ada untuk
membuat dan mengintegrasikan information supply chain.
A. CHARACTERISTICS OF BIG DATA IN THE WORKPLACE

As explained earlier, big data in the workplace can be distinguished into four characteristics,
namely volume, variety, velocity, and veracity (Zikopoulos et al., 2013).

1. Volume

Volume refers to the size of the data. There are more data sources available for organizations
today than ever before. This is because parts of the world become much more instrumented and
interconnected, resulting in considerable data. This data poses real management and cost
challenges relevant to workforce analytics functions. Consider employee network analysis,
employee sentiment analysis, and trending topic analysis as links to employee engagement,
employee impact, and employee retention. This type of analysis operates using a lot of social
media data.

2. Variety

Variety refers to the many types of data available. It includes structured, semi-structured,
and unstructured data. Employee demographic data is an example of structured data, where data
is typically stored and managed using relational data retention methods. Employee social
interaction data is an example of unstructured data that is typically expressed as text data. XML
and email are examples of semi-structured data. Historically, quantitative and qualitative
techniques have been applied to different types of questions by different people with different
trainings. The difference with big data is that researchers now have to consider the overall
picture created of the analytics process applied to various data.

3. Velocity

Velocity refers to the level of data availability. For example, data can be provided at specific
points and at recorded times such as the results of annual employee engagement surveys, timely
ad hoc points such as candidate applications, or in real-time streaming such as employee social
interactions through social platforms. While as the field of I-O research has always appreciated
the depth of insight that longitudinal studies can create, data speed is a relatively new challenge
for the field. This discussion is no longer just about insights gained from a data set.

4. Veracity

Veracity refers to the quality or level of trust of the data. Veracity has always been a
concern for I-O psychologists. For a long time efforts have been made devoted to careful
psychometric measurement and standardization of measuring instruments. We know that
entering data into any type of analysis will produce good results. However, in the realm of big
data, data is often automatically generated by software applications, downloaded in various
forms, and compiled across multiple systems.

Manfaat Big Data Analytics

Perusahaan terus berusaha mencari dan menemukan actionable insight dari data yang
mereka miliki. Pada beberapa proyek pembangunan big data berasal dari kebutuhan untuk
menjawab pertanyaan-pertanyaan bisnis yang bersifat khusus, seperti “Apa yang sebenarnya
pelanggan pikirkan mengenai produk dan brand yang perusahaan hasilkan?, Apakah mereka
berpendapat positif atau negatif mengenai produk dan brand tersebut?”, “Bagaimana
perusahaan dapat meningkatkan sales intelligence?”. Big data analytics platform yang tepat
mendukung perusahaan dalam meningkatkan penjualan, meningkatkan efisiensi dan
memperbaiki operasional perusahaan, pelayanan kepada pelanggan dan meningkatkan
kemampuan menangani manajemen risiko.
 Daftar Pustaka
Toninadel. Scott., King. B., Eden., & Cortina. M. 2016. Big Data at Work The Data Science
Revolution And Organizational Psychology. SIOP. Routledge

Conte. M., Jeffrey & Landy. J., Frank. (2019). Work in the 21st Century: An Introduction to
Industrial and Organizational Psychology, 6th Edition. Wiley. E-book.