KELAS : MN21D
NIM : 21416261201168
2023
KATA PENGANTAR
Penelitian ini disusun guna memenuhi tugas pada Big data for
management di fakultas ekonomi dan bisinis, Universitas buana perjuangan.
Selain itu, penulis juga berharap agar penelitian ini dapat menambah wawasan
bagi pembaca tentang big data.
Penulis menyadari makalah ini masih jauh dari kata sempurna. Oleh
karena itu, kritik dan saran yang membangun akan penulis terima demi
kesempurnaan makalah ini.
Penyusun,
1
DAFTAR ISI
BAB I................................................................................................................................3
PENDAHULUAN.............................................................................................................3
1.1 Latar Belakang.................................................................................................3
1.1 Tujuan...............................................................................................................5
BAB II...............................................................................................................................6
TINJAUAN PUSTAKA...................................................................................................6
A. Landasan Teori.....................................................................................................7
1. Pengertian Manajemen.......................................................................................7
2. Fungsi-fungsi Manajemen..................................................................................7
3. Pengertian Data..................................................................................................8
4. Pengertian Informasi..........................................................................................8
5. Pengertian Big Data...........................................................................................9
BAB III...........................................................................................................................10
HASIL & PEMBAHASAN............................................................................................10
3.1 Amazon.com,inc...................................................................................................11
3.1.1 Profile Perusahaan...........................................................................................11
3.1.2 Hasil Penelitian...............................................................................................11
3.1.3 Big Data..........................................................................................................13
3.2 Netflix,inc..............................................................................................................15
3.2.1 Profile Perusahaan...........................................................................................15
3.2.2 Hasil penelitian................................................................................................16
3.2.3 Big data...........................................................................................................18
3.3 Meta Platforms,inc...............................................................................................19
3.3.1 Profile Perusahaan...........................................................................................19
3.3.2 Hasil penelitian................................................................................................20
3.3.3 Big data...........................................................................................................22
3.4 Tesla,inc................................................................................................................24
3.4.1 Profile Perusahaan...........................................................................................24
3.4.2 Hasil penelitian................................................................................................24
3.4.3 Big data...........................................................................................................26
2
3.5 Walmart,inc..........................................................................................................28
3.5.1 Profile Walmart...............................................................................................28
3.5.2 Hasil penelitian................................................................................................29
3.5.3 Big data...........................................................................................................31
BAB IV............................................................................................................................32
KESIMPULAN & SARAN............................................................................................32
4.1 Kesimpulan...........................................................................................................33
4.2 Saran.....................................................................................................................33
DAFTAR PUSTAKA.....................................................................................................33
3
BAB I
PENDAHULUAN
4
luas hingga saat ini. Istilah ini digunakan untuk menggambarkan
kumpulan data yang sangat besar yang hampir tidak mungkin ditangani
atau diproses dengan alat intelijen bisnis konvensional. Pada tahun yang
sama, Yahoo menggunakan Hadoop untuk memproses data berukuran
petabyte, yang sekarang menjadi sumber terbuka oleh Apache Software
Foundation. Pada akhirnya, banyak perusahaan menggunakan Hadoop
untuk mengolah data besar.
Big Data merujuk pada volume besar dan keragaman data yang
dihasilkan oleh berbagai sumber, termasuk perusahaan-perusahaan sendiri.
Data ini terdiri dari informasi yang berasal dari berbagai aktivitas bisnis,
seperti penjualan, operasi, keuangan, dan lainnya. Manajemen yang cerdas
memahami bahwa data adalah aset berharga yang dapat memberikan
wawasan kritis dalam pengambilan keputusan strategis.
5
wawasan yang berharga bagi para profesional bisnis, manajemen, dan
semua yang tertarik dalam mengoptimalkan penggunaan Big Data dalam
pengambilan keputusan.
1.1 Tujuan
6
BAB II
TINJAUAN PUSTAKA
A. Landasan Teori
1. Pengertian Manajemen
Dalam bahasa Inggris, "manajemen" berasal dari kata "to manage", yang
berarti "mengatur". Manajemen terdiri dari 6M: manusia, uang, molibden, mesin,
bahan, dan pasar. Manajemen adalah seni mengelola pekerjaan untuk orang lain.
Manajemen jelas sangat penting untuk mencapai tujuan tertentu secara efektif
dan efisien yang kompleks, kompleks, dan bernilai tinggi. Sumber daya manusia,
atau aset organisasi, harus dimanfaatkan secara optimal. Oleh karena itu,
manajemen perlu mengatur sumber daya manusia untuk mencapai tujuan yang
telah ditetapkan sejak awal.
7
2. Fungsi-fungsi Manajemen
Dalam manajemen terdapat banyak fungsi operasional, yang telah
disebutkan oleh para penulis dari berbagai sudut pandang dan pendekatan.
Malayu SP Hasibuan (2015;3) mengutip beberapa fungsi manajemen, seperti
yang dinyatakan oleh G.R. Terry sebagai "Planning, Organizing, Actuating, dan
Controlling" dan John F. Mee sebagai "Planning, Organizing, Motivating, dan
Controlling."
3. Pengertian Data
Zulkifli (2000) mendefinisikan data yang merupakan komponen penting
dalam menghasilkan informasi, didefinisikan sebagai keterangan tertulis tentang
suatu fakta (kenyataan) yang belum terorganisir, belum dipahami secara
kelompok, belum diolah sesuai dengan persyaratan tertentu.
4. Pengertian Informasi
Davis (1993) mendefinisikan informasi adalah data yang telah diubah
menjadi bentuk yang dapat digunakan oleh orang yang menerimanya dan
bermanfaat untuk pengambilan keputusan saat ini atau mendatang. Sedangkan
menurut Zulkifli (2000), Data yang telah diubah, dibentuk, atau diubah untuk
tujuan tertentu disebut informasi. Menurut Utomo (2003), informasi adalah hasil
pengolahan data yang disajikan dengan cara yang dapat memberi pembaca arti
atau persepsi tertentu.
8
Informasi dapat membuat presentasi lebih menarik, membawa kejutan,
atau mengungkap sesuatu yang penerima tidak tahu atau tidak menyangka.
Informasi dapat membantu mengurangi ketidakpastian dalam lingkungan yang
tidak pasti. Informasi mengubah kemungkinan—hasil yang diharapkan dalam
situasi keputusan yang tertentu, dan karena itu mempunyai nilai dalam proses
pengambilan keputusan.
1. Benar atau salah. Ini dapat berhubungan dengan kenyataan atau tidak.
2. Baru, informasi dapat sama sekali baru dan segar bagi orang yang
menerimanya.
9
mengacu pada kecepatan dengan mana data diproses dari berbagai sumber, mulai
dari data batch hingga data waktu nyata.
Istilah "Big Data" mengacu pada kumpulan data yang sangat besar dan
kompleks yang tidak dapat diproses dengan perangkat pengelola database
konvensional atau aplikasi pemproses data lainnya. Big Data juga memerlukan
banyak biaya dan merupakan metode pemrosesan informasi yang inovatif yang
memungkinkan peningkatan wawasan dan penggunaan (Maryanto, 2017).
Blasiak (2014:85), berpendapat bahwa karakteristik big data terdiri dari tiga
bagian yaitu:
1. Volume, suatu big data yang mempunyai kapasistas data yang begitu besar
sehingga dalam memproses untuk mengelola data sangat membutuhkan suatu
media penyimpanan yang sangat besar dan memerlukan suatu analisis
yangbersifat spesifik dan detail.
2. Velocity, big data harus memiliki suatu proses dalam mengelola data yang
cepat dan real time.
3. Variety, big data harus berasal dari sumber data yang konsisten dan memiliki
keanekaragaman data yang terstruktur dan tidak terstruktur.
Ashari (2015) mengatakan bahwa big data memiliki kapasitas besar yang
dapat melebihi suatu dan akan terus bertambah setiap hari. Data dapat mencapai
100 TB atau lebih dan dapat disimpan tanpa perbaikan, menurut Sukaridhoto
(2015:16).
10
BAB III
HASIL & PEMBAHASAN
3.1 Amazon.com,inc.
3.1.1 Profile Perusahaan
Sumber : Amazon,inc.
11
3.1.2 Hasil Penelitian
Amazon.com mengumpulkan, mengelola, dan menganalisis
berbagai jenis data untuk mengoperasikan bisnisnya dan meningkatkan
pengalaman pelanggan. Data tersebut termasuk:
12
Amazon RDS adalah layanan database relasional yang mendukung
berbagai jenis database, seperti MySQL, PostgreSQL, dan Oracle,
untuk aplikasi yang membutuhkan struktur data yang lebih tradisional.
4. Amazon Redshift
Redshift adalah layanan warehouse data yang dirancang untuk
analisis data bisnis dan pengambilan keputusan.
5. AWS Glue
AWS Glue adalah layanan ETL (Extract, Transform, Load) yang
membantu dalam memproses dan mentransformasi data untuk analisis
lebih lanjut.
13
yang sangat besar, seperti data pengguna, data transaksi, dan data
operasional.
2. Amazon Redshift
Redshift adalah layanan data warehousing yang digunakan untuk
analisis data bisnis dalam skala besar. Ini memungkinkan Amazon
untuk melakukan pemrosesan data yang sangat cepat dan melakukan
analisis yang mendalam terhadap data pelanggan dan penjualan.
3. Amazon Kinesis
Amazon Kinesis adalah layanan streaming data yang
memungkinkan Amazon untuk mengumpulkan, mengolah, dan
menganalisis data yang dihasilkan secara real-time. Data ini digunakan
untuk pemantauan real-time, analisis log, dan layanan yang bergantung
pada data waktu nyata.
4. Amazon DynamoDB
DynamoDB adalah layanan database NoSQL yang sangat
skalabel. Amazon menggunakannya untuk menyimpan dan mengakses
data dalam skala besar dengan latensi rendah. Data yang disimpan di
DynamoDB melibatkan data pelanggan dan informasi transaksi.
5. Amazon Machine Learning
Amazon menggunakan teknologi machine learning untuk analisis
data besar guna memahami pola pembelian, perilaku pelanggan, dan
rekomendasi produk. Ini membantu Amazon untuk meningkatkan
personalisasi pengalaman pelanggan.
6. Amazon Personalize
Amazon Personalize adalah layanan yang memanfaatkan machine
learning untuk memberikan rekomendasi yang lebih baik kepada
pelanggan. Ini berdasarkan data perilaku pelanggan, termasuk riwayat
pembelian dan penelusuran.
7. Data Lake Architecture
Amazon juga menerapkan arsitektur Data Lake yang
memungkinkan mereka menyimpan data mentah dan
14
mentransformasikannya menjadi format yang berbeda untuk analisis
lebih lanjut. Amazon S3 sering digunakan sebagai penyimpanan data
mentah dalam arsitektur Data Lake ini.
8. AWS Data Pipeline
Ini adalah layanan yang digunakan untuk mengotomatisasi aliran
data antara berbagai sumber dan tujuan. Amazon menggunakan Data
Pipeline untuk mentransfer, mengolah, dan mengintegrasikan data dari
berbagai layanan dan sistem internal.
9. Amazon QuickSight
Amazon QuickSight adalah layanan analisis data yang digunakan
untuk menghasilkan visualisasi data dan dashboard. Ini membantu
Amazon dalam memahami data besar dengan cara yang mudah
dimengerti oleh pengambil keputusan.
3.2 Netflix,inc
3.2.1 Profile Perusahaan
15
Netflix, Inc adalah perusahaan media digital yang menawarkan
streaming. Perusahaan berbasis di Los Gatos, California. yang didirikan
oleh Reed Hasting dan Marc Randolph di Scotts Valley, California, pada
tahun 1997. Bisnis utama perusahaan ini adalah pengaliran berlangganan
film dan program televisi, termasuk beberapa film yang dibuat oleh
Netflix sendiri.
1. Data Tontonan
Informasi tentang apa yang ditonton oleh pelanggan, kapan, dan
berapa kali. Ini termasuk preferensi genre, durasi tontonan, dan
seberapa cepat seseorang menonton konten tertentu.
2. Data Profil Pelanggan
Informasi tentang preferensi pengguna, seperti rating, ulasan, dan
profil pengguna. Ini digunakan untuk merekomendasikan konten yang
sesuai.
3. Data Interaksi
16
Data tentang bagaimana pengguna berinteraksi dengan platform
Netflix, seperti tombol "like" atau "dislike," penandaan episode, serta
berapa kali pengguna menonaktifkan atau mengaktifkan subtitle.
4. Data Geografis
Informasi tentang lokasi geografis pelanggan, yang membantu
dalam menyediakan konten lokal yang sesuai.
5. Data Perangkat
Informasi tentang perangkat yang digunakan oleh pelanggan untuk
streaming, seperti jenis perangkat (smartphone, tablet, TV pintar, dll.)
dan resolusi layar.
6. Data Produksi Konten
Informasi tentang kinerja konten yang dihasilkan oleh Netflix,
termasuk bagaimana acara dan film mendapatkan perhatian pemirsa.
17
interaksi. Cassandra sangat baik dalam menangani data yang tumbuh
dengan cepat dan memiliki kebutuhan latensi rendah.
4. Hadoop
Netflix menggunakan infrastruktur Hadoop untuk analisis data
besar dan pemrosesan data. Mereka menggunakan alat seperti Apache
Pig dan Hive untuk analisis data.
5. Elasticsearch
Untuk pencarian dan analisis teks, Netflix menggunakan
Elasticsearch. Ini membantu mereka dalam menghadirkan hasil
pencarian yang cepat dan relevan kepada pelanggan.
18
Netflix menggunakan data warehousing untuk analisis data
mendalam. Mereka mengandalkan teknologi seperti Apache Hive dan
terintegrasi dengan Apache Hadoop untuk mengelola data dalam skala
besar.
3. Microservices Architecture
Netflix telah mengadopsi arsitektur berbasis mikro yang
memungkinkan tim internal untuk bekerja secara independen. Ini
mencakup berbagai layanan yang membantu dalam manajemen data,
rekomendasi, dan personalisasi.
4. Netflix Data Science and Engineering
Tim Data Science dan Engineering Netflix terdiri dari pakar dalam
pemrosesan dan analisis data besar. Mereka membangun dan
mengelola sistem yang menghubungkan data pelanggan dengan
platform streaming.
5. A/B Testing
Netflix aktif melakukan A/B testing untuk menguji fitur dan
perubahan pada platform mereka. Ini membantu mereka memahami
cara berinteraksi dengan data pengguna secara langsung untuk
meningkatkan layanan.
6. Open Source Contribution
Netflix aktif berkontribusi ke proyek open source terkait Big Data,
seperti Apache Cassandra dan Apache Mesos, yang membantu dalam
mengembangkan dan memperkuat teknologi yang mereka andalkan.
7. Machine Learning
Netflix menggunakan machine learning untuk meningkatkan
rekomendasi dan personalisasi. Mereka melibatkan teknik deep
learning dan pemahaman konten untuk lebih memahami selera
pengguna.
19
3.3 Meta Platforms,inc
3.3.1 Profile Perusahaan
20
3.3.2 Hasil penelitian
Meta Platforms mengumpulkan dan memproses berbagai jenis data
dari pengguna dan platform mereka. Data ini sangat beragam dan meliputi:
1. Data Pengguna
Informasi tentang profil pengguna, seperti nama, foto profil,
informasi kontak, hubungan, dan preferensi pengguna.
2. Data Aktivitas
Informasi tentang aktivitas pengguna, seperti unggahan, komentar,
like, pesan, dan tindakan lainnya di platform Facebook, Instagram, dan
WhatsApp.
3. Data Lokasi
Data lokasi yang dihasilkan oleh perangkat pengguna, yang dapat
digunakan untuk menampilkan informasi yang relevan, seperti tempat
terdekat dan iklan lokal.
4. Data Interaksi
Informasi tentang interaksi pengguna, seperti tindakan yang
dilakukan di platform dan dengan pengguna lain.
5. Data Perangkat
Informasi tentang perangkat yang digunakan oleh pengguna untuk
mengakses platform, termasuk tipe perangkat, sistem operasi, dan
informasi teknis lainnya.
6. Data Konten
Data Konten seperti Gambar, video, dan teks yang diunggah oleh
pengguna.
7. Data Iklan
Informasi terkait iklan, termasuk preferensi iklan, tindakan setelah
melihat iklan, dan respons pengguna terhadap iklan.
21
Meta Platforms mengelola data dalam skala yang sangat besar dan
memanfaatkan berbagai teknologi dan sistem penyimpanan data,
termasuk:
1. Apache Cassandra
Apache Cassandra adalah database NoSQL yang sangat skalabel
yang digunakan untuk mengelola data pengguna dan aktivitas di
platform Facebook dan produk terkait.
2. Haystack
Haystack adalah sistem penyimpanan yang dikembangkan oleh
Meta Platforms untuk menyimpan dan mengelola berbagai jenis data,
termasuk data foto dan video.
3. Apache Hadoop
Meta Platforms menggunakan infrastruktur Hadoop untuk analisis
data besar dan pemrosesan data batch.
4. Apache Kafka
Kafka digunakan untuk mengelola aliran data dalam waktu nyata,
yang memungkinkan Meta Platforms untuk memproses data streaming.
5. Hive
Apache Hive digunakan untuk analisis data besar dan
menggabungkan data dari berbagai sumber.
6. Data Centers
Meta Platforms memiliki pusat data yang tersebar di seluruh dunia
untuk menyimpan dan mengelola data. Mereka juga telah membangun
pusat data yang ramah lingkungan untuk mengurangi dampak
lingkungan dari operasi penyimpanan data mereka.
22
memahami tren dan perilaku pengguna untuk pengembangan produk dan
layanan yang lebih baik. Data adalah komponen kunci dalam bisnis dan
operasi Meta Platforms.
1. Data Volume
Meta Platforms mengelola data dalam jumlah yang sangat besar.
Mereka memiliki miliaran pengguna aktif di seluruh dunia yang
menghasilkan data dengan tingkat pertumbuhan yang sangat cepat.
2. Apache Cassandra
Meta Platforms menggunakan Apache Cassandra sebagai database
NoSQL utama mereka. Cassandra adalah database yang sangat
skalabel dan tahan terhadap pemadaman, dan digunakan untuk
menyimpan data pengguna dan aktivitas di platform mereka.
3. Haystack
Meta Platforms memiliki sistem penyimpanan yang mereka sebut
"Haystack" yang dirancang khusus untuk menyimpan foto dan video
yang diunggah oleh pengguna. Haystack dapat mengelola dan
menyimpan triliunan gambar dengan efisien.
4. Apache Hadoop
Hadoop digunakan untuk pemrosesan data batch dan analisis data
besar. Ini memungkinkan Meta Platforms untuk menggabungkan,
memproses, dan menganalisis data dari berbagai sumber.
5. Apache Kafka
23
Kafka digunakan untuk mengelola aliran data dalam waktu nyata.
Ini memungkinkan Meta Platforms untuk mengumpulkan data
streaming dalam waktu nyata, yang dapat digunakan untuk berbagai
tujuan seperti pemantauan performa platform, analisis real-time, dan
pemrosesan tindak lanjut.
6. Apache Hive
Hive digunakan untuk analisis data besar dan menggabungkan data
dari berbagai sumber menjadi tampilan data yang kohesif.
7. Pusat Data Globa
Meta Platforms memiliki pusat data yang tersebar di seluruh dunia
untuk menyimpan dan mengelola data. Mereka juga telah
berkomitmen untuk membangun pusat data yang lebih ramah
lingkungan.
8. Data Lake Architecture
Meta Platforms mengadopsi arsitektur Data Lake yang
memungkinkan mereka untuk menyimpan data mentah dan
mentransformasikannya menjadi format yang berbeda untuk analisis
lebih lanjut.
9. Mesin Learning
Meta Platforms menggunakan machine learning untuk berbagai
tujuan, termasuk personalisasi konten, identifikasi spam, dan analisis
data pengguna. Mereka mengandalkan teknik deep learning untuk
pemrosesan data yang lebih canggih.
Sistem Big Data di Meta Platforms adalah salah satu yang terbesar
dan paling kompleks di dunia. Data yang dikumpulkan dan dianalisis
digunakan untuk berbagai tujuan, termasuk meningkatkan personalisasi
pengalaman pengguna, memberikan iklan yang lebih relevan, dan
memahami tren dan perilaku pengguna untuk pengembangan produk dan
layanan yang lebih baik.
24
3.4 Tesla,inc
3.4.1 Profile Perusahaan
Sumber : Tesla,inc
1. Data Mobil
Data dari mobil Tesla termasuk data telematika seperti kecepatan,
jarak tempuh, penggunaan baterai, penggunaan rem, data GPS, dan
informasi sensor lainnya.
2. Data Otonom
Tesla mengumpulkan data dari mobil yang dilengkapi dengan
perangkat keras otonom seperti kamera, radar, dan sensor LiDAR.
25
Data ini digunakan untuk mengembangkan dan meningkatkan
kemampuan self-driving.
3. Data Baterai
Data baterai digunakan untuk memahami kinerja baterai mobil
listrik dan memperpanjang usia baterai.
4. Data Konektivitas
Mobil Tesla terhubung secara online, yang memungkinkan
pembaruan perangkat lunak melalui udara (over-the-air) dan
memungkinkan pengiriman data ke pusat data Tesla.
5. Data Tenaga Surya
Tesla juga mengumpulkan data dari panel surya dan produk energi
terbarukan mereka.
26
Tesla memiliki pusat data yang tersebar di seluruh dunia untuk
penyimpanan data dan analisis. Pusat data ini mendukung operasi
perusahaan di seluruh dunia.
4. Sistem Penyimpanan Energi
Tesla juga mengembangkan produk penyimpanan energi seperti
Powerwall dan Powerpack, yang menyimpan dan mengelola data
terkait penyimpanan energi rumah tangga dan komersial.
1. Data Mobil
Tesla mengumpulkan data dari seluruh armada mobil listrik
mereka, termasuk data telematika, data sensor otonom, data
penggunaan baterai, dan data lainnya. Data ini dikumpulkan dalam
waktu nyata dan disimpan dalam skala besar.
2. Konektivitas Over-the-Air
Mobil Tesla terhubung secara online dan dapat menerima
pembaruan perangkat lunak melalui udara (over-the-air updates). Ini
memungkinkan Tesla untuk memperbarui perangkat lunak mobil
secara berkala dan mengumpulkan data penggunaan secara efisien.
3. Sistem Otonom
27
Data dari sensor-sensor otonom seperti kamera, radar, dan sensor
LiDAR digunakan untuk mengembangkan dan meningkatkan
teknologi self-driving. Data ini membantu melatih algoritma dan
sistem pengemudi otomatis.
4. Data Tenaga Surya
Tesla juga mengumpulkan data dari produk energi terbarukan
mereka, seperti panel surya. Data ini digunakan untuk memahami
kinerja panel surya dan penyimpanan energi.
5. Data Konektivitas
Tesla menggunakan data konektivitas untuk memahami bagaimana
pelanggan menggunakan mobil mereka, termasuk data dari layanan
streaming dan aplikasi lain yang terhubung ke kendaraan.
6. Cloud Services
Tesla menggunakan layanan cloud untuk penyimpanan dan
pengelolaan data. Ini memungkinkan akses data dari mobil yang
terhubung dan pembaruan perangkat lunak.
7. Data Center
Tesla memiliki pusat data yang tersebar di seluruh dunia untuk
penyimpanan data dan analisis. Pusat data ini mendukung operasi
perusahaan di seluruh dunia.
8. Pengolahan Data Real-Time
Tesla memproses data dalam waktu nyata untuk pemantauan
performa mobil, keamanan, dan pengembangan teknologi self-driving.
9. Analisis Data
Data yang dikumpulkan digunakan untuk analisis data besar untuk
pemahaman pelanggan, perbaikan produk, dan pengembangan
teknologi. Analisis ini membantu Tesla dalam membuat keputusan
yang cerdas terkait dengan inovasi dan pembaruan produk.
10. Privasi dan Keamanan Data
Tesla mengambil privasi dan keamanan data serius dan melindungi
data pelanggan sesuai dengan standar keamanan yang ketat.
28
Sistem Big Data Tesla dirancang untuk mengelola data dalam skala
besar dan memungkinkan penggunaan data untuk pengembangan
teknologi otonom yang lebih baik, peningkatan efisiensi mobil listrik, dan
pemahaman yang lebih dalam tentang penggunaan kendaraan.
3.5 Walmart,inc
3.5.1 Profile Walmart
29
3.5.2 Hasil penelitian
Walmart mengumpulkan dan menggunakan berbagai jenis data
untuk mengelola operasinya, meningkatkan pengalaman pelanggan, dan
mengoptimalkan rantai pasokan. Data yang mereka gunakan termasuk:
1. Data Penjualan
Data penjualan dari toko fisik dan platform e-commerce mereka
untuk memahami tren penjualan, permintaan pelanggan, dan
inventarisasi produk.
2. Data Pelanggan
Informasi pelanggan seperti preferensi belanja, riwayat pembelian,
dan data demografis digunakan untuk personalisasi dan pemasaran
yang lebih efisien.
3. Data Inventaris
Informasi tentang inventaris produk yang tersedia di toko dan
gudang mereka.
4. Data Logistik
Data terkait dengan rantai pasokan dan logistik, termasuk data
pengiriman dan pemantauan pergerakan produk.
5. Data Karyawan
Informasi tentang karyawan, seperti jadwal kerja, kinerja, dan
pengelolaan sumber daya manusia.
6. Data Keuangan
Data keuangan perusahaan yang digunakan untuk laporan
keuangan dan pengelolaan bisnis.
7. Data E-commerce
Data dari platform e-commerce Walmart, termasuk data pembelian
online, perilaku pengguna, dan interaksi pelanggan.
Walmart memiliki sistem data yang sangat kompleks dan luas yang
mendukung operasinya. Beberapa komponen utamanya termasuk:
1. Data Warehouses
30
Walmart menggunakan data warehouses untuk penyimpanan data
operasional dan analisis data besar. Mereka menggunakan teknologi
seperti Teradata untuk menyimpan dan mengelola data.
2. Hadoop
Walmart memanfaatkan teknologi Hadoop dan ekosistem Big Data
yang terkait untuk analisis data besar. Ini memungkinkan mereka
untuk menggabungkan dan menganalisis data dari berbagai sumber
dengan cepat.
3. Sistem Basis Data Berbasis Cloud
Walmart juga menggunakan layanan basis data cloud seperti
Amazon Redshift dan Google BigQuery untuk analisis data dan
penyimpanan data.
4. Data Center
Walmart memiliki pusat data yang tersebar di seluruh dunia untuk
penyimpanan data dan pengelolaan operasi teknologi informasi
mereka.
5. Teknologi Pengolahan Data Real-Time
Walmart juga menggunakan teknologi pemrosesan data real-time
untuk memonitor penjualan dan rantai pasokan dalam waktu nyata.
6. Privasi dan Keamanan Data
Walmart mengambil privasi dan keamanan data serius dan
mematuhi regulasi yang berlaku untuk melindungi data pelanggan dan
operasi bisnis mereka.
31
3.5.3 Big data
Sistem Big Data di Walmart, Inc. adalah salah satu yang paling
kuat dan kompleks dalam dunia ritel. Walmart menggunakan teknologi
dan infrastruktur data canggih untuk mengelola dan menganalisis data
dalam skala besar untuk mendukung operasi bisnisnya. Berikut adalah
beberapa aspek tentang sistem Big Data Walmart:
1. Data Warehouse
Walmart menggunakan data warehouse yang besar dan sangat
kompleks untuk menyimpan data operasional dan analisis data besar.
Mereka menggunakan teknologi seperti Teradata untuk memproses
dan mengelola data.
2. Hadoop dan Ekosistem Big Data
Walmart memanfaatkan teknologi Hadoop dan ekosistem Big Data
yang terkait, seperti HDFS, MapReduce, Hive, Pig, dan Spark, untuk
menggabungkan, menganalisis, dan memproses data dari berbagai
sumber.
3. Sistem Basis Data Cloud
Walmart juga memanfaatkan layanan basis data cloud, seperti
Amazon Redshift dan Google BigQuery, untuk analisis data dan
penyimpanan data yang lebih fleksibel.
4. Data Center
Walmart memiliki pusat data yang tersebar di seluruh dunia untuk
penyimpanan data dan pengelolaan operasi teknologi informasi
mereka.
5. Data Real-Time
Walmart menggunakan teknologi pemrosesan data real-time untuk
memonitor penjualan, rantai pasokan, dan operasi toko dalam waktu
nyata. Ini memungkinkan mereka untuk mengambil tindakan cepat
berdasarkan data real-time.
32
BAB IV
KESIMPULAN & SARAN
4.1 Kesimpulan
Sistem Big Data digunakan oleh semua perusahaan untuk
mengumpulkan, mengelola, dan menganalisis data dalam jumlah besar
untuk berbagai tujuan, seperti menyesuaikan pengalaman pengguna dan
33
mengembangkan produk baru. Semua bisnis sangat memperhatikan
keamanan dan privasi data mereka. Mereka harus mematuhi regulasi yang
berlaku dan menerapkan tindakan keamanan yang ketat untuk melindungi
informasi pelanggan.Semua bisnis bergantung pada inovasi teknologi
sebagai bagian penting dari operasi mereka. Mereka terus berinvestasi
dalam pengembangan teknologi yang memanfaatkan Big Data untuk
meningkatkan efisiensi operasional dan pengalaman pelanggan.Data
digunakan untuk memberikan personalisasi kepada pengguna, mulai dari
rekomendasi konten hingga produk yang terkait, meningkatkan partisipasi
pengguna.
4.2 Saran
Menjaga ketertiban data dan memastikan bahwa data disimpan dan
diakses dengan cara yang terstruktur sangat penting. Analisis dan
pengambilan keputusan akan menjadi lebih mudah dengan pengelolaan
data yang efektif.Untuk menghindari masalah hukum dan menjaga
kepercayaan pelanggan, semua bisnis harus mematuhi regulasi privasi data
yang berlaku, seperti GDPR atau CCPA. Perusahaan harus tetap terdepan
dalam pengembangan dan penerapan teknologi baru untuk memanfaatkan
Big Data.Keamanan data harus selalu diperhatikan. Untuk
mempertahankan reputasi dan menumbuhkan kepercayaan pelanggan,
penting untuk melindungi data pengguna. Lebih berkonsentrasi pada
kebutuhan dan keinginan pelanggan.
DAFTAR PUSTAKA
34
Bernard Davis, (2012). Food and Beverage Management. UK: Butterworth-
Heinemann Elsevier Ltd
Davis, F. D. (1993). User acceptance of information technology: system
characteristics, user perceptions and behavioral impacts. International
Journal of Man-Machine Studies, 38(3), 475-487.
Indrajit, (2001) Analisi dan Perancangan Sistem Berorientasi Object. Bandung,
Informatika
Aryasa, K. (2015). Big Data: Challenges and Opportunities. In Workshop Big
Data Puslitbang Aptika dan IKP, tanggal 19 Mei 2015. Puslitbang Aptika
dan IKP.
35
Teknologi facebook, diakses pada tanggal 19 september 2023,
https://akbalakbal.wordpress.com/2012/03/13/teknologi-yang-digunakan-
pada-jejaring-sosial-facebook/
Apache hadoop, diakses pada tanggal 19 september 2023,
https://aws.amazon.com/id/emr/features/hadoop/
Top 5 apache kafka use cases for 2021, diakses pada tanggal 20 september
2023, https://kai-waehner.medium.com/top-5-apache-kafka-use-cases-
for-2021-b0e16d087254
Apache Hive, diakses pada tanggal 20 september 2023,
https://lisaalphonso14.medium.com/apache-hive-9fb299541c4
cloud infrastructure tesla, diakses pada tanggal 21 september 2023,
https://www.quora.com/What-cloud-infrastructure-does-Teslas-system-
use
Gambaran umum proses OLAP, diakses pada tanggal 21 september 2023,
https://it.telkomuniversity.ac.id/gambaran-umum-dari-proses-olap/
36