Big Data vs Business Intelligence, Sebenarnya Sama Nggak Ya ? | Big Data DBA

Belajar Big Data Solusi Data Management Dengan Big Data

Big Data vs Business Intelligence, Sebenarnya Sama Nggak Ya ?

System data analytic merupakan bagian terdepan dari sistem komputasi perusahaan modern sebagai implementasi dari big data analytics dan business intelligence, bagian dari data management

Big Data vs Business Intelligence - System data analytic merupakan bagian terdepan dari sistem komputasi perusahaan modern. 

Sementara banyak orang mungkin merasa bahwa mereka tertinggal berada di belakang "wilayah dari seni tersebut" sebagaimana yang mereka baca, kebenarannya adalah proyek-proyek tersebut yang kita terapkan saat ini untuk perusahaan terkemuka dalam ilmu kehidupan, keuangan, Kesehatan, Layanan Internet, dan kedirgantaraan, mereka memiliki banyak kesamaan antara satu dengan yang lain, dan mungkin bahkan dengan lingkungan komputasi milik Anda.

Itulah kebenaran yang terjadi saat ini. Sementara itu, kita terus-menerus melihat Buzzwords di media teknologi, yang bekerja sebagai penulis perjuangan untuk membantu semua orang memahami apa yang terjadi di luar sana mengenai big data maupun business intelligence. 


Big Data vs Business Intelligence


Big data (BD) dan Business Intelligence (BI)  dapat berbicara mengenai banyak informasi namun masih banyak orang tidak jelas tentang apa yang dimaksud dengan big data ataupun business intelligence. Jadi, mari kita luruskan pemahaman terlebih dahulu dengan melihat tentang apa sebenarnya proyek-proyek tersebut, baik proyek tentang business intelligence system maupun proyek big data analisis. 

Proyek-proyek yang dikerjakan untuk siapa, masalah apa saja yang big data dan business intelligence pecahkan, kesamaan apa saja yang mereka miliki, dan bagaimana mereka bisa berbeda.

Apakah Sebenarnya Big Data itu dan Bagaimana Trend Big Data Ke Depan?

Seorang analis terkemuka di tim data Gartner, yang terkenal mendefinisikan big data adalah data yang memiliki volume, kecepatan, dan variasi (volume, velocity dan Variety / 3V).

big data - volume - velocity - variety
sumber : datasciencecentral.com

Saat ini data mentah yang tersedia untuk kita olah memiliki volume yang sudah tidak dapat diantisipasi, karena sumber big data tersebut berasal dari hampir setiap obyek dan tindakan di dalam suatu perusahaan yang dilacak dan dicatat

Sebagai gambaran, ada sebuah group rumah sakit ternama bagaimana mereka menggambarkan banyaknya data yang dihasilkan, dimana perangkat medis yang berjumlah 22.000 buah membuat atau mencatatkan log data sepanjang waktu.

Kita bisa membayangkan seberapa besar volume informasi yang didapatkan. Bagaimana cara kita memindahkan data-data tersebut, apakah membiarkan nya ataukah menyimpannya. Bagaimana orang bisa memahami hal ini.

Penambahan datanya pun terjadi secara stream tiada henti dari node data baru, datang dengan kecepatan tinggi dan terus menambahkan datanya terus menerus.

Di sadur dari situs fpcomplete diketahui bahwa pendiri analisis keuangan perusahaan OTAS yang saat ini menjadi seorang eksekutif liquidnet mengatakan banyak saham analis yang menggunakan system mereka untuk mengatur jutaan titik data baru yang muncul setiap hari dari beberapa pasar saham.

Kelihatannya cukup sulit bukan ? Kemudian anda menambahkan berbagai sumber big data yang relevan untuk membuat keputusan yang baik. Pekerjaan ini dapat berfokus pada pengorganisasian penelitian yang luas dan kolaborasi big data analytics yang bisa menghasilkan informasi untuk dimasukkan ke dalam keputusan utama untuk level management dan sebagainya.

Bagaimana Anda memilih tindakan ketika ternyata ada data penting dalam selusin format yang berbeda, pada berbagai server yang berbeda, di belakang berbagai API dan address yang berbeda-beda pula?

Big data adalah skenario yang paling "berhati-hati dengan apa yang anda inginkan". Apakah Anda ingin tahu apa yang sedang terjadi? 

Oke, sekarang apa yang akan Anda lakukan jika Anda tahu hampir segala sesuatu nya terjadi? Ini seperti membeli output harian dari tambang emas. Tanpa ada bantuan manusia, tanpa bantuan mesin besar, namun anda diharuskan dapat mengekstrak sebagian besar harta bernilai dari biji emas.

Lalu Apakah yang Dimaksud dengan Business Intelligence System?

Ide business intelligence ini sebenarnya mendahului komputer, tetapi dibuat jauh lebih penting dan lebih berguna dengan jumlah data yang besar (big data) yang kita miliki sekarang. Business Intelligence (BI) adalah sistem untuk membuat keputusan yang lebih baik melalui sistem pendukung keputusan yang lebih baik.

Sistem ini dapat sesederhana pelaporan dan charting Software, atau yang rumit seperti pembelajaran mesain / machine learning dan artificial intelligence / kecerdasan buatan. Dan business intelligence system ini bergantung pada aliran input data terorganisir yang bahkan tidak harus menjadi "besar" namun menjadi sangat berguna. Biasanya output ditampilkan dalam bentuk dashboard business intelligence.

dashboard business intelligence, big data analytics, big data analisis, business intelligence system
sumber : pinterest.com


Bahkan, banyak BI melibatkan kecerobohan dari kompleksitas data mentah, membawanya ke tool business intelligence yang dapat digunakan manusia seperti dashboard, metrik, dan deteksi pengecualian. Banyak sistem hierarki BI menyajikan pengambil keputusan dengan ringkasan situasi saat ini, dan fitur untuk menyaring atau menjelajahi data untuk mempelajari lebih lanjut tentang setiap bagian informasi dari data yang tersedia.

Dikutip dari fpcomplete juga, Seattle Cancer Care Alliance misalnya, menyediakan perawatan penyelamatan jiwa di beberapa lembaga terkemuka perawatan kanker. Dari awal, mereka memberikan perawatan yang luar biasa untuk banyak pasien besar. 

Tapi Bukankah itu akan lebih menarik untuk terus-menerus belajar dari hasil semua perawatan ini, untuk melihat mana terapi yang bekerja terbaik untuk jenis-jenis kasus yang ada dan kemudian menggunakan pengetahuan ini untuk memberikan kursus terbaik perawatan untuk setiap pasien pada masa depan?

Sementara analisis tipikal mungkin hanya melibatkan ribuan pasien secara total, hampir tidak cukup untuk terdengar seperti Big Data meskipun kaliber wawasan yang harus diberikan sangat tinggi.

Untuk contoh yang sangat berbeda, pertimbangkan proyek perusahaan manufaktur multi-miliar dolar. Seperti yang khas hari ini, mesin mahal besar mereka memiliki komputer di papan yang terus-menerus menghasilkan log ketika mereka bekerja. 

Tapi banyaknya data yang tergenerate ini hanya masuk ke tempat penyimpanan data, dengan tidak ada yang melihat sebagian besar log data tersebut. 

Apa yang mereka inginkan adalah untuk memahami penyebab utama kerusakan dan downtime, dan secara bertahap menghilangkan nya, melalui analisis offline untuk menemukan praktik terbaik untuk pemeliharaan, dan analisa singkat secara real-time untuk meningkatkan rencana operasi selama hari kerja akan membuat operator mereka berubah menjadi operator super yang dibantu komputer. 

Itulah business intellligence, mengubah data yang tersedia menjadi informasi untuk pengambilan keputusan yang lebih baik.

Bagaimana Saya Bisa Mendapatkan Keduanya baik Big Data maupun Business Intelligence?

Seperti yang mungkin sudah Anda duga, pendekatan Big Data dan Business Intelligence tidaklah bersaing. Big data dan business intelligence adalah Arcithecture IT yang bermain baik secara bersama-sama, dengan Business Intelligence sebagai bagian lapisan di atas Big data.

Berikut ini merupakan gambaran architecture business intelligence dengan penggunaan big data dan memanfaatkan penggabungan antara pentaho dan hadoop. Sehingga bisa dikatakan akan memberikan hasil berupa tool big data analytics (big data analisis).

architecture business intelligence dengan penggunaan big data, big data tools, aplikasi big data
sumber : pinterest.com


Kami menemukan bahwa sebagian besar perusahaan sudah memiliki organisasi TI yang baik di tempat mereka, dengan keterampilan untuk mengembangkan perangkat lunak baru ketika diperlukan, dan untuk mengintegrasikan tool komersial yang ada (COTS) bila tersedia. 

Masalahnya, sering tidak tersedia nya bangunan blok. Siapapun dapat memperoleh atau menulis program untuk memasukkan tabel data dan grafik, atau menghitung subtotal. Masalahnya adalah bagaimana menempatkan blok bangunan ini bersama-sama, dan terutama, bagaimana untuk meningkatkan solusi sepele untuk skala produksi yang besar.

Kita dapat memecah pekerjaan Big Data dan Business Intelligence menjadi tiga bagian yang dapat dilakukan yaitu: arsitektur aplikasi DevOps, DataOps, dan Cloud.

DevOps adalah istilah jargon lain dalam penggunaan system secara konstan. Ini berarti rekayasa yang terjadi setelah Anda menulis beberapa kode tapi sebelum pengguna akhir menerima hasil akhir di layar.

Devops adalah seperangkat alat dan praktik terbaik untuk penskalaan: dari analisis data yang berjalan
sumber : google


Devops adalah seperangkat alat dan praktik terbaik untuk penskalaan: dari analisis data yang berjalan satu kali, pada satu mesin pengguna, ke sistem yang berjalan sepanjang waktu, pada sistem berbasis cloud yang andal dan terukur serta aman, untuk mendukung semua orang yang membutuhkan jawabannya. 

Jika Anda masih menggunakan proses manual dan misterius bisa dibilang sebagai "IT Wizards" untuk meningkatkan analisis Anda dari laptop ke pusat data, Anda tidak akan mencapai skala Big data atau mencapai bentuk Business Intelligence. 

DevOps adalah seperangkat teknik dan teknologi yang telah terbukti digunakan untuk integrasi, penyebaran, scale-up, dan operasi berkesinambungan.

DataOps adalah konsep yang lebih baru yaitu merupakan "DevOps untuk data." Sama seperti berbagai tool yang bisa membersihkan dan meningkatkan aplikasi analitik Anda, seperangkat tool secara paralel dapat membersihkan dan meningkatkan data aktual Anda. 

DataOps mencakup pembersihan data, pembuatan skema, penyimpanan dan replikasi, warehouse dan repositori, manajemen metadata
sumber : medium.com


DataOps mencakup pembersihan data, pembuatan skema, penyimpanan dan replikasi, warehouse dan repositori, manajemen metadata, manajemen versi, penyediaan API yang seragam, keamanan dan pemantauan semua alat dan proses untuk mengubah "tumpukan" data menjadi "pabrik jawaban" yang mampu menanggapi permintaan yang masuk akal, dan terus menelan dan menggabungkan aliran data terbaru.

Arsitektur aplikasi Cloud berarti merancang sistem terdistribusi Anda baik itu server, aplikasi, alat, proses kerja, pekerjaan, dan aliran data ke dalam keseluruhan system yang masuk akal. 

Arsitektur aplikasi Cloud berarti merancang sistem terdistribusi
sumber : researchgate.net

Hari ini, hampir tidak ada yang harus merancang sebuah sistem TI baru besar dari awal. Jika perusahaan anda sebagian besar menulis kode perangkat lunak yang sama sekali baru dan memulai dari layar kosong, maka anda akan membuang-buang pekerjaan dan kehilangan waktu. 

Memahami praktik terbaik dan arsitektur TI yang ada, serta memilih komponen dari inventaris yang ada, biasanya akan membuat Anda berhemat 80% dari jalan menuju solusi yang baik. Reuse akan membuat semua perbedaan! Fitur cloud dan terdistribusi (distributed), arsitektur berorientasi layanan membuat membangun blok data dengan gaya pembangunan produktif dan cepat. 

Arsitektur yang tahan bug, dengan pemisahan tanggung jawab yang jelas, akan memungkinkan Anda untuk memecah sistem TI Anda menjadi beberapa bagian. Sebagian besar tidak perlu lagi ditulis dari awal dan masing-masing maintainable pada jadwalnya sendiri.

Apakah Big Data Ataupun Business Intelligence Realistis untuk Anda Harapkan ?

Kabar baiknya adalah bahwa Big data bukanlah proposisi secara keseluruhan, dan demikian juga dengan business intelligence. Anda dapat membuat kemajuan secara bertahap pada keduanya, yang persis seperti apa yang kita inginkan terhadap client untuk dilakukan.

Tahap 1 

Akan menjadikan Business Intelligence dengan porsi yang terbatas dari data Anda yang sudah dalam kondisi baik. Ini cukup mudah untuk membuat solusi TI baru (bukan berarti bahwa ini adalah aplikasi baru), karena solusi ini akan menggunakan kode yang sudah ada untuk banyak pekerjaan yang akan menjawab apa pun yang Anda rasakan dan menjadi pertanyaan anda terhadap data yang anda gunakan.

Anda mungkin saja sudah melakukan beberapa hal tersebut, bahkan tanpa menyebutnya sebagai business intelligence. Sebagian besar perusahaan tinggal di tahap 1 selama bertahun-tahun, tidak pernah benar-benar mendapatkan jawaban yang mereka inginkan terhadap data yang mereka miliki, tapi setidaknya menjawab beberapa pertanyaan penting dengan sistem tersebut.

Tahap 2 

Akan menjadi DevOps dasar; mengubah pekerjaan TI Anda menjadi pabrik TI, di mana setiap analisis yang bertujuan untuk " seseorang " dapat diubah menjadi analisis yang bertujuan untuk " semua orang, sepanjang waktu ", maintainably, direproduksi, andal, scalable, dan aman. 

Kemungkinan langkah di sini termasuk version control, integrasi terus-menerus, penyebaran berkelanjutan, pengujian otomatis, skalabilitas awan (cloud), pemantauan sistem, dan mungkin audit keamanan. Dengan banyak hal ini dilaksanakan, Anda akan melihat produktivitas BI Anda bekerja, dengan solusi online baru yang dilakukan secara teratur dan dapat diprediksi.

Tahap 3 

Akan menjadi dasar DataOps, diluncurkan ketika Anda dengan cepat menemukan bahwa pertanyaan yang Anda inginkan untuk dijawab memerlukan data yang "berada di suatu tempat" akan tetapi belum terorganisir. 

Anda dapat mengharapkan untuk melakukan inventarisasi dari banyak data formal dan informal, seperti apa format data tersebut, bagaimana data-data tersebut tiba, seberapa akurat mereka, dan bagaimana mereka diakses. 

Satu set sistem otomatis akan dibentuk untuk menyaring, mengoreksi, atau "membersihkan" data yang datang ini, dan kemudian membuatnya tersedia pada “kekuatan penuh”, biasanya berbasis cloud, server data terdistribusi. 

Satu set metadata atau "daftar isi" akan disiapkan untuk membantu tim Anda menemukan dan memanfaatkan sumber data yang diperlukan untuk menjawab kueri tertentu. Sumber data kemungkinan akan selalu menjadi Federasi, dengan tidak ada satu format untuk diterapkan pada semua, dan dengan perbedaan layanan pada process cloud. 

Dengan menerapkan DataOps, Anda dapat memperkirakan untuk menjelaskan pertanyaan yang masuk akal tentang "apa yang sebenarnya terjadi," dan jika data tersebut ada di suatu tempat, sistem yang menjawab pertanyaan Anda akan memungkinkan untuk bekerja.

Pada Akhirnya Perbedaan antara Big data dan Business Intelligence akan memudar

Pada akhirnya kita akan menemukan bahwa penguasaan aliran data lebih dan lebih terfokus untuk setiap industri untuk keperluan big data analytics. 

Apakah Anda berada dalam teknologi keuangan (FinTech), kedirgantaraan, ilmu hayati, atau perawatan kesehatan, dunia Anda cenderung terlihat lebih dan lebih seperti dunia layanan internet yang aman dan komputasi awan. Orang di setiap industri memberitahu kita bahwa ini adalah di mana mereka akan sampai dan mereka lakukan.

Sebagai otomatisasi yang meningkat, Big data akan menjadi norma, dan pada akhirnya kita akan segera hanya menyebutnya sebagai data. Sama seperti DevOps menjadi norma untuk kelompok TI yang inovatif, maka akan ada juga yang namanya DataOps. 

Departemen TI akan lebih dan lebih menyerupai dua sisi "ritsleting," dengan adanya peningkatan dalam hal input data maka akan semakin meningkatkan input perangkat lunak, menjadi semakin meningkatkan solusi online yang berjalan di data center mereka dan di cloud.

Ini akan menjadi jalan panjang trend big data dan business intelligence, tapi secara realistis kita dapat berharap untuk masa depan di mana setiap pertanyaan yang Anda miliki tentang operasi Anda, pelanggan Anda, pasien Anda, penelitian Anda, dapat dijawab dengan data nyata yang handal, direproduksi, dan tersedia sepanjang waktu.

Mungkin anda juga menyukai artikel berikut ini :
Bagaimana Mungkin Big Data Bisa Merubah Dunia
Infrastruktur Big Data Itu Sebenarnya Seperti Apa
Top Tools Open Source untuk Big Data



Refference :
fpcomplete.com
#bigdataadalah
#bigdataanalyticsadalah
#bigdataanalisis
#businessintelligenceadalah
#businessintelligencesystemadalah

Labels:

About Big Data DBA:

Hi Sahabat Blog Big Data DBA. Blog Big Data DBA ini memberikan informasi mengenai tutorial dan tips seputar pengembangan datawarehouse pemanfaatan big data dan diperuntukkan bagi anda yang menggeluti dunia datawarehouse, business intelligence, data integration, serta data analytic. Ada tips dan tutorial panduan step by step mengenai pengembangan datawarehouse dan juga big data. Kami akan terus berusaha mengetengahkan informasi dan tutorial terupdate seputar data analytic, data science dan big data yang kami dapatkan dari berbagai sumber ataupun berdasarkan pengalaman dalam dunia data analytic dan big data, dan akan disajikan di blog big data dba ini dengan bahasa yang lugas dan mudah, supaya anda bisa langsung mengerti dan dapat mempraktekkan nya langsung.


Let's Get Connected: Twitter | Facebook | Google Plus

Masukkan email anda di sini untuk mendapatkan update artikel big data dba.

Post a Comment

MKRdezign

Contact Form

Name

Email *

Message *

Powered by Blogger.
Javascript DisablePlease Enable Javascript To See All Widget