Lihat diskusi, statistik, dan profil penulis untuk publikasi ini di: https://www.researchgate.net/publication/373902584
KUTIPAN MEMBACA
0 406
3 penulis:
7 PUBLIKASI 4 KUTIPAN
LIHAT PROFIL
Semua konten yang mengikuti halaman ini diunggah oleh Oluwaseun Oladeji Olaniyi pada 14 September 2023.
Kontribusi penulis
Pekerjaan ini dilakukan dengan kolaborasi di antara semua penulis. Semua penulis telah membaca
dan menyetujui hasil akhir
naskah.
Informasi Artikel
DOI: 10.9734/JSRR/2023/v29i91785
Diterima: 02/07/2023
Artikel Penelitian Asli Diterima: 07/09/2023
Dipublikasikan:
14/09/2023
ABSTRAK
Studi ini mengevaluasi analisis data besar Walmart yang ada dengan teknik intelijen bisnis,
menonjolkan kekuatan dan kelemahannya, dan menyarankan perbaikan untuk implementasi dan
pemeliharaan melalui tinjauan literatur dari jurnal ilmiah yang membahas topik serupa. Analisis data
besar menerima banyak perhatian secara global dalam lingkungan bisnis di setiap sektor ekonomi.
Memasukkan rencana kerja sebagai komponen masukan tambahan dalam
model mereka akan bermanfaat bagi Walmart untuk meningkatkan ketepatan dan kesesuaian
analisis data dan prosedur pengambilan keputusan mereka. Walmart adalah perusahaan yang
banyak berinvestasi dalam memanfaatkan big data untuk meningkatkan operasinya; ini termasuk
mengoptimalkan pengalaman di dalam toko dan memprediksi tren produk. Artikel-artikel ilmiah
menekankan pentingnya alat analisis data canggih seperti MapReduce dan Apache Spark untuk
strategi big data yang efektif. Konten media sosial memengaruhi keterlibatan dan sentimen. Data
jaringan sosial membantu perkiraan penjualan namun menghadirkan tantangan. Analisis data besar
dengan intelijen bisnis meningkatkan kinerja dan pengambilan keputusan. Keberhasilan Walmart
dalam analisis data besar bergantung pada budaya berbasis data namun menghadapi tantangan
keamanan. Banyak perusahaan Fortune 1000 mengadopsi solusi inovatif untuk meningkatkan
kinerja dan pengalaman pelanggan, namun membutuhkan sumber daya yang signifikan. Merangkul
analisis data besar dengan intelijen bisnis tetap menjadi investasi yang menarik untuk
mempertahankan keunggulan kompetitif. Keberhasilan Walmart dalam analitik data besar
disebabkan oleh budaya berbasis data dan infrastruktur yang canggih, termasuk Data Café.
Kata kunci: Analisis data besar; teknologi informasi; intelijen bisnis; walmart.
pada hari yang sama [4]. Raksasa ritel ini
1. PENDAHULUAN
memiliki lebih dari 10.900 toko, sepuluh situs web
Analisis data besar menerima banyak perhatian aktif, dan basis pelanggan lebih dari
secara global dalam lingkungan bisnis di setiap 245 juta [4]. Perusahaan ini menduduki peringkat
sektor ekonomi [1]. Metode analitik untuk teratas di
memecahkan masalah bisnis yang kritis
menghubungkan intelijen bisnis dan data besar
untuk organisasi [2] Namun,
investasi yang cukup besardalam uang
waktu, dan sumber daya manusia
telah dilakukan dalam analisis data besar untuk
mendorong kemajuan dan kemajuan yang
berkelanjutan di bidang ini [1]. Olaniyi dkk. (2017)
menekankan pentingnya ekspektasi dari
teknologi informasi (TI) di abad ke-
21 untuk bisnis ritel, mengingat jumlah data yang
tersedia untuk dianalisis karena metode
konvensional tidak lagi memenuhi tujuan
tersebut. Meskipun, terlepas dari kesuksesan
yang telah dialami oleh banyak perusahaan bisnis
dengan besar data analitik,
penyelidikan terhadap pernyataan ini tidak
ada di sana maupun di sini [1]. Keadaan spesifik
apa yang diperlukan untuk menjamin hasil yang
menguntungkan dari merangkul besar data
dan masih harus ditentukan [1].
Penelitian ini membedah beberapa literatur
mengenai big data analytics dan business
intelligence, khususnya mengenai Walmart;
perusahaan yang menduduki peringkat pertama
dalam daftar perusahaan Fortune 1000 pada
tahun 2023 [3]. Mengevaluasi analitik big data
Walmart yang sudah ada dengan bisnis
intelijen bisnis dengan teknik
business intelligence, menonjolkan kekuatan dan
kelemahannya, dan menyarankan perbaikan
untuk implementasi dan pemeliharaan melalui
tinjauan literatur dari jurnal ilmiah yang
membahas topik serupa.
66
Olaniyi dkk.; J. Sci. Res. Rep. vol. 29, no. 9, hlm. 64-72, 2023; Artikel no. JSRR.105812
mengelola data besar dan pelaporan [7]. bersaing dan menghasilkan keuntungan [9].
Perusahaan ini menggunakan alat big data
• Untuk menangani dan mengevaluasi data
seperti Hadoop MapReduce, Apache Spark, dan
dalam jumlah besar secara efisien,
alat yang sesuai lainnya lainnya
Walmart harus mempertimbangkan untuk
menggunakan layanan komputasi awan yang sesuai untukdata analisis dan visualisasi
yang dapat diandalkan, yang untuk memeriksa data historis dan meningkatkan
memungkinkan analisis dan pengambilan
keputusan yang lebih cepat dalam
operasi bisnis mereka [2].
• Untuk memastikan praktik yang adil dan
tidak bias, Walmart harus mengatasi bias
pengambilan keputusan yang tidak
disengaja yang berdampak negatif
terhadap kinerja bisnis dan proses
pengambilan keputusan [8].
• Memasukkan rencana kerja sebagai
komponen input tambahan dalam model
mereka akan bermanfaat bagi Walmart
untuk meningkatkan ketepatan dan
kesesuaian analisis data dan prosedur
pengambilan keputusan mereka [1].
• Menangani data secara bertanggung
jawab dan etis. Walmart harus
mengadopsi praktik AI yang etis yang
memenuhi standar yang ditetapkan oleh
undang-undang dan memastikan bahwa
etika datanya selaras dengan peraturan
privasi data [7].
2. TINJAUAN PUSTAKA
perkiraan bisnis untuk tahun-tahun berikutnya Bisnis untuk Pemasaran Media Sosial
untuk mendapatkan wawasan yang tak ternilai
dan memahami apa yang diinginkan konsumen Penelitian Chun dkk. [10] mengeksplorasi dampak
di berbagai titik kontak [9]. Pertanyaan penelitian dari jenis dan konten posting halaman penggemar
tidak ditentukan; namun, metodologi ini secara media sosial
kuantitatif menganalisis dataset tiga tahun dari
45 outlet di berbagai lokasi yang berisi data
penjualan mingguan dan variabel lain seperti
suhu, harga bahan bakar, tingkat pengangguran,
dan hari libur yang memengaruhi penjualan [9].
Dalam analisis data tersebut, Apache Spark dan
beragam library-nya berfungsi sebagai alat untuk
menganalisis dataset dan menunjukkan korelasi
antara penjualan dan faktor-faktor yang
mempengaruhi. Selain itu, API Scala dan Python
dari Spark SQL membantu dalam mendapatkan
wawasan baru tentang perilaku konsumen dan
pemahaman yang lebih baik tentang upaya
pemasaran Walmart dan pendekatan berbasis
data, berkat kerangka kerja [9]. Hasilnya
menunjukkan beberapa faktor yang perlu
dipertimbangkan dalam mengembangkan
strategi big data yang menarik, seperti suhu,
tingkat pengangguran, harga bahan bakar, dan
hari libur. Selain itu, untuk mempertahankan
keunggulan kompetitif, alat analisis data canggih
seperti MapReduce dan Apache Spark akan
membantu mendapatkan wawasan yang relevan
dari big data [9].
menyelesaikan jika ada perbedaan yang nyata struktural untuk analisis data kuesioner dan
di antara topik-topik konten di halaman perangkat lunak DICTION yang dirancang oleh
Facebook Toyota. Perusahaan memiliki Hart (2000; Said et al., [11] untuk menganalisis
masalah dengan analisis data besar dan pernyataan CEO dalam laporan keberlanjutan
intelijen bisnis yang tepat untuk mengubah tahun 2019 [11]. Hasil analisis mengungkapkan
prospek media sosial menjadi penjualan; oleh bahwa analisis data besar
karena itu, perusahaan berusaha memilih teknik
intelijen bisnis yang tepat untuk pemasaran dan
keterlibatan media sosial serta menggunakan
analisis data besar yang tepat untuk
mengevaluasi bobot pemasaran media sosial
[10]. Para penulis tidak membuat pertanyaan
penelitian tetapi mengembangkan tiga hipotesis
untuk menguji apakah aktivitas posting yang
lebih tinggi di halaman penggemar
menyebabkan peningkatan keterlibatan dan
dipengaruhi oleh polaritas sentimen [10].
Metodologi untuk menguji hipotesis tersebut
adalah analisis kuantitatif dari data media sosial
yang dikumpulkan di Facebook [10]. Para
penulis menggunakan R dan SAS dalam
analisis data mereka untuk memodelkan topik
postingan halaman penggemar pelanggan;
dengan demikian, mereka menggunakan model
regresi binomial negatif untuk menganalisis
reaksi dan interaksi sebagai variabel eksploratif
untuk mendefinisikan signifikansi pemasaran
media sosial [10]. Hasilnya menunjukkan bahwa
jenis postingan merupakan elemen stimulasi
yang paling signifikan untuk topik konten,
sentimen postingan, keterlibatan media sosial,
dan komentar [10].
tinjauan data historis laporan keuangan Nike pelanggannya [14]. Penulis tidak menyatakan
menggunakan angka penjualan kuartalannya pertanyaan penelitiannya. Metodologi yang
[13]. Analisis data menggunakan Social Set digunakan adalah analisis kualitatif dengan
Visualizer (SoSeVi) untuk menganalisis data menggunakan SWOT dan PESTLE untuk
sekunder kuantitatif dan historis bisnis
menggunakan regresi sederhana dan model
regresi berganda [13]. Hasil analisis
menunjukkan bahwa data jaringan sosial
memang memiliki nilai yang membangun untuk
perkiraan penjualan.
menetapkan bahwa analisis data besar dapat beberapa variabel dari satu halaman
meningkatkan keterlibatan konsumen [14]. Tidak Facebook dalam menghasilkan prakiraan
ada analisis data yang disebutkan; namun, penjualan Nike yang akurat?
kesimpulannya mengungkapkan bahwa analisis 3) Seberapa jauh kombinasi beberapa
data besar meningkatkan pengalaman halaman Facebook dapat meningkatkan
konsumen dan meningkatkan basis pelanggan akurasi perkiraan penjualan?
[14].
3. PERTANYAAN PENELITIAN
4. METODOLOGI
Para penulis menggunakan berbagai teknik
analisis data untuk menyelidiki integrasi analisis
data besar dengan intelijen bisnis; demikian
juga, mereka menggunakan beberapa
metodologi dalam studi yang dilakukan oleh
peneliti yang berbeda. Singh dkk. [9]
menggunakan pendekatan analisis kuantitatif,
mengumpulkan kumpulan data selama tiga
tahun dari 45 gerai untuk memeriksa dampak
variabel seperti suhu, harga bahan bakar,
tingkat pengangguran, dan hari libur terhadap
penjualan. Rodrigues dkk. [12] juga
menggunakan metode kuantitatif, menggunakan
teknik berbasis leksikon dan perkalian polaritas
untuk mengenali emosi tweet. Mereka
menggunakan algoritma pembelajaran mesin
untuk analisis emosi, termasuk Naïve Bayes,
SVM, dan KNN. Chun dkk. [10] berfokus pada
pengujian hipotesis mereka melalui analisis
kuantitatif data media sosial yang dikumpulkan
dari Facebook.
API Scala dan Python dari Spark SQL membantu dengan merek seperti Nike [13].
dalam mendapatkan wawasan baru mengenai
perilaku konsumen dan pemahaman yang lebih Analisis big data dengan intelijen bisnis dapat
baik mengenai upaya pemasaran Walmart dan meningkatkan kinerja organisasi, pengalaman
pendekatan berbasis data, berkat kerangka kerja konsumen, dan jumlah pelanggan [1]; studi
tersebut [9]. Analisis ini juga mengumpulkan data menekankan pentingnya hal ini untuk
statis dan real-time di Twitter menggunakan pertumbuhan, wawasan,
metode dan algoritma yang berbeda, dengan
analisis mendalam tentang efisiensi dan
ketepatan berbagai teknik [12]. Selain itu, R dan
SAS digunakan dalam analisis data untuk
memodelkan topik postingan halaman
penggemar pelanggan, menggunakan model
regresi binomial negatif untuk menganalisis
reaksi dan interaksi sebagai variabel eksplorasi
untuk mendefinisikan signifikansi pemasaran
media sosial [10,19,20].
6. KESIMPULAN
75
dikumpulkan
Olaniyi dkk.; J. Sci. Res. Rep.
dan pengambilan keputusan yang tepat untuk dan
vol. 29, no. 9, hlm.disimpan oleh
64-72, 2023; penulis.
Artikel no. JSRR.105812
PERSETUJUAN
PERSETUJUAN ETIS
tampaknya mempengaruhi pekerjaan yang Rekayasa (APWC tentang CSE); 2017; 114-
dilaporkan dalam makalah ini. 119.
Tersedia:https://doi.org/10.1109/APWCon
REFERENSI CSE.2017.00028
10. Chun H, Leem B-H, Suh H. Menggunakan
1. Bogdan M, Borza A. Analisis data besar analisis teks untuk mengukur efek topik
dan kinerja organisasi: studi meta-analisis. dan Sentimen pada keterlibatan media
Tinjauan manajemen dan ekonomi. sosial: Berfokus pada halaman penggemar
2019;4(2),147-162. Facebook Toyota. Jurnal Internasional
Available:https://doi.org/10.24818/mer/201 Manajemen Bisnis Teknik. 2021;13.
9.12-06 Available:https://doi.org/10.1177/18479790
2. Mariani M, Baggio R, Fuchs M, Höepken, 211016268
W. Kecerdasan bisnis dan data besar di 11. Said F, Zainal D, Azlina AJ. Analisis data
bidang perhotelan dan pariwisata: tinjauan besar kemampuan (BDAC) dan
literatur yang sistematis. Jurnal pelaporan keberlanjutan di Facebook:
Internasional Manajemen Perhotelan Apakah nada di bagian atas itu penting?
Kontemporer, 2018;30(12):3514-3554. Cogent Business & Management.
Available:https://doi.org/10.1108/IJCHM- 2023;10(1).
07-2017-0461 https://doi.org/10.1080/23311975.2023.21
3. Fortune. Fortune 500:2023. 86745
Tersedia:https://fortune.com/ranking/fortun 12. Rodrigues AP, Fernandes R, Bhandary A,
e500/ Shenoy AC, Shetty A, Anisha M. Analisis
4. ProjectPro. Bagaimana analisis big data tren Twitter waktu nyata menggunakan
membantu meningkatkan omset penjualan analisis data besar dan teknik
Walmart? Iconiq Inc.2023. pembelajaran mesin. Nirkabel Komunikasi
Tersedia:https://www.projectpro.io/article/h & Komputasi
ow-big-data-analysis-helped-increase- Bergerak (Online); 2021.
walmart-sales-turnover/109 Available:https://doi.org/10.1155/2021/392
5. Marr B. Walmart: analisis data besar di 0325
peritel terbesar di dunia. Bernard Marr &
13. Boldt LC, Vinayagamoorthy V, Winder F,
Co; 2021.
Schnittger M, Ekran M, Mukkamala RR,
Tersedia:https://bernardmarr.com/walmart-
Lassen NB, Flesch B, Hussain A, Vatrapu,
big-data-analytics-di-peritel-terbesar-di-
R. Peramalan penjualan Nike
dunia/
menggunakan data Facebook. Konferensi
6. Reed, C. (2023, April 17). Pelanggaran
Internasional IEEE 2016 tentang Data
data Walmart: garis waktu penuh. Firewall
Besar (Big Data). 2016;2447-2456.
Times; 2023.
https://doi.org/10.1109/BigData.2016.7840
Tersedia:https://firewalltimes.com/walmart-
881
data-breaches/
7. Mühlhoff R. Privasi prediktif: Menuju etika 14. Maddodi S, Krishna PK. Analisis data
terapan analisis data. Etika dan Teknologi besar Netflix - munculnya Rekomendasi
Informasi, 2021;23(4):675- berbasis data. Jurnal Internasional Studi
690. Kasus dalam Bisnis, TI, dan Pendidikan
Available:https://doi.org/10.1007/s10676- (IJCSBE), 2019;3(2):41-51.
021-09606-x Tersedia:https://doi.org/10.5281/zenodo.3
8. Sen R, Jindal A, Patel H, Qiao S. 510316
AutoToken: memprediksi paralelisme 15. Olagbaju OO, Babalola RO, Olaniyi OO.
puncak untuk analisis data besar di Alih Kode di Kelas Bahasa Inggris sebagai
Microsoft. Prosiding VLDB Endowment, Bahasa Kedua: Strategi Komunikasi dan
2020;13(12),3326-3339. Pembelajaran. Nova Science; 2023.
Available:https://doi.org/10.14778/3415478 Tersedia:https://doi.org/10.52305/YLHJ58
.3415554 78
9. Singh M, Ghutla B, Lilo Jnr R, Mohammed 16. Olagbaju OO, Olaniyi OO. Instruksi Fonik
AFS, Rashid MA. Analisis Data Penjualan Eksplisit dan Diferensiasi pada
Walmart - Perspektif Analisis Data Besar. Keterampilan Literasi Murid di Sekolah
2017 Kongres Dunia Asia-Pasifik ke-4 Dasar Gambia. Jurnal Pendidikan dan
tentang Ilmu Komputer dan Studi Sosial Asia. 2023;E 44(2):20-30.
77
Olaniyi dkk.; J. Sci. Res. Rep. vol. 29, no. 9, hlm. 64-72, 2023; Artikel no. JSRR.105812
Available:https://doi.org/10.9734/ajess/202 Available:https://doi.org/10.9734/ajeba/202
3/v44i2958 3/v23i181055
17. Olaniyi OO, Okunleye OJ, Olabanji SO. 19. Olaniyi OO. Omubo DS. Pentingnya COSO
Memajukan pengambilan keputusan Kerangka Kerja Kepatuhan
berbasis data di kota pintar melalui analisis dalam Informasi Teknologi
data besar: Tinjauan komprehensif Audit dan Manajemen Sumber
terhadap literatur yang ada. Jurnal Ilmu Daya Perusahaan. Internasional
Pengetahuan dan Teknologi Terapan saat Jurnal dari Penelitian
ini. 2023;42(25):10-18. Tersedia & Pengembangan Inovatif; 2023
dari:https://doi.org/10.9734/cjast/2023 Tersedia:https://doi.org/10.24940/ijird/202
/v42i254181 3/v12/i5/MAY23001
18. Olaniyi OO, Olaoye OO, Okunleye OJ. 20. Olaniyi OO, Omubo DS. Kebijakan Data
Pengaruh Tata Kelola Informasi (IG) WhatsApp, Data Keamanan,
terhadap profitabilitas di sektor perbankan Dan Kerentanan Pengguna.
Nigeria. Jurnal Ekonomi, Bisnis dan Jurnal Internasional Penelitian &
Akuntansi Asia. 2023;23(18): 22-35. Pengembangan Inovatif; 2023.
Available:https://doi.org/10.24940/ijird/202
3/v12/i4/APR23021
© 2023 Olaniyi d k k . ; Ini adalah artikel Akses Terbuka yang didistribusikan di bawah ketentuan Lisensi Atribusi Creative
Commons (http://creativecommons.org/licenses/by/4.0), yang mengizinkan penggunaan, distribusi, dan reproduksi tanpa batas
dalam media apa pun, asalkan karya asli dikutip dengan benar.
78