2021/2022
Structured Data (Data Terstruktur)
Data terstruktur merupakan salah satu jenis big data yang datanya dapat diproses, disimpan dan
diambil kembali dalam format tetap. Data struktur mengacu pada informasi yang sangat teroganisir
serta dapat dengan mudah disimpan dan diakses dari database dengan alogaritma mesin pencari
sederhana. Contoh dari data terstruktur yang dihasilkan mesin adalah statistik weblog dan data
penjualan dan data spreadsheet lainnya.
Kelebihan
• Mudah digunakan oleh alogaritma machine learning (ML), arsitektur data terstruktur
yang spesifik dan terorganisir dapat memudahkan manipulasi dan querying data ML.
• Mudah digunakan oleh pengguna bisnis, data terstruktur tidak memerlukan pemahaman
mendalam tentang berbagai jenis data dan fungsinya. Dengan pemahaman dasar tentang
topik relatif terhadap data, pengguna dapat dengan mudah mengakses dan menafsirkan
data.
• Dapat diakses oleh lebih banyak alat, karena data terstruktur lebih dulu dari data tidak
terstruktur, jadi lebih banyak alat yang tersedia untuk menggunakan dan menganalisis
data terstruktur.
Kelemahan
• Penggunaan terbatas, data terstruktur yang telah ditentukan sebelumnya hanya dapat
digunakan untuk tujuan tertentu, yang membatasi fleksibilitas dan kegunaannya.
• Opsi penyimpanan terbatas, data terstruktur umumnya disimpan dalam sistem
penyimpanan data dengan skema yang kaku.
Kasus Penggunaan
• Format asli, data tidak terstruktur, disimpan dalam format asli, tetap tidak terdefinisi
sampai dibutuhkan. Kemampuan beradaptasinya meningkatkan format file
dalam database, yang memperluas kumpulan data dan memungkinkan pengguna untuk
menyiapkan dan menganalisis hanya data yang mereka butuhkan.
• Tingkat akumulasi cepat, karena data tidak perlu ditentukan sebelumnya, data dapat
dikumpulkan dengan cepat dan mudah.
• Penyimpanan data lake, memungkinkan penyimpanan besar dengan harga yang sesuai
dengan penggunaan, dimana hal tersebut dapat memangkas biaya dan memudahkan
skalabilitas.
Kelemahan
• Memerlukan keahlian, karena sifat dari data tidak terstruktur tdak terdefinisi, diperlukan
keahlian ilmu data untuk menyiapkan dan menganalisis data.
• Memerlukan alat khusus, diperlukan alat khusus untuk memanipulasi data tidak
terstruktur yang membatasi pilihan produk untuk pengolahan data.
Kasus Penggunaan
• Data Mining, memungkinkan sebuah bisnis atau organisasi menggunakan data tidak
terstruktur untuk mengidentifikasi perilaku konsumen, sentiment produk dan pola
pembelian untuk mengakomodasi basis pelanggan mereka dengan lebih baik.
• Analisis data prediktif, memberi peringatan tentang aktivitas penting sehingga mereka
dapa merencanakan dengan benar dan menyesuaikan dengan perubahan pasar yang
signifikan.
• Chatbots, melakukan analisis teks untuk mengarahkan pertanyaan pelanggan ke sumber
jawaban yang sesuai.
Kelemahan
Kasus Penggunaan
Contoh dalam foto digital, gambar tidak memiliki struktur yang telah ditentukan, tetapi memiliki
atribut struktural tertentu yang menjadikannya semi-terstruktur. Misalnya, jika gambar diambil dari
smartphone, itu akan memiliki beberapa atribut terstruktur seperti geotag, ID perangkat dan keterangan
waktu. Setelah disimpan, gambar juga dapat diberi tag seperti ‘hewan peliharaan’ atau ‘anjing’ untuk
memberikan struktur.
Konsultasikan kebutuhan big data bisnis Anda bersama IT consultant handal kami. Dapatkan solusi
terbaik dan penawaran menarik dari kami.
Contoh :