O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.

Tren dan Arah Perkembangan Big Data

2.895 visualizações

Publicada em

Disampaikan dalam FGD TIK Kominfo, 21 Sep 2015
Tentang Big Data

Publicada em: Internet

Tren dan Arah Perkembangan Big Data

  1. 1. Tren dan Arah Perkembangan Big Data Jakarta, 21 September 2015 Ismail Fahmi Awesometrics, Co-founder Ismail.fahmi@gmail.com FGD Tren TIK, Kominfo
  2. 2. Perkenalan… Ismail Fahmi 2004 – 2009 S3, Information Science, Universitas Groningen, Belanda 2003 – 2004 S2, Information Science, Universitas Groningen, Belanda 1992 – 2007 S1, Teknik Elektro, ITB 2009 – Sekarang Engineer di Weborama, Perusahaan Penyedia Platform Iklan berbasis big data audience (Paris/Amsterdam) 2012 – Sekarang Co-Founder Awesometrics, Media Monitoring & Analytics Company 2014 – Sekarang Founder PT. Media Kernels Indonesia, a Natural Language Processing- based Company 2015 – Sekarang Konsultan Perpustakaan Nasional, Inisiator Indonesia OneSearch 2000 – 2003 Inisiator IndonesiaDLN (Digital Library Network pertama di Indonesia) Mengembangkan Ganesha Digital Library (GDL) Mendirikan Knowledge Management Research Group (KMRG) ITB Membangun Digital Library ITB
  3. 3. Daftar Isi 1. 4 V’s + 1 V of Big Data 2. Faktor Pendorong 3. Tantangan 4. Implikasi 5. Apa Kata Mereka 6. Rangkuman Tren Big Data 3
  4. 4. Istilah “Big Data” yang sulit dimengerti 4 “The term ‘big data’ remains difficult to understand because it can mean so many different things to different people. Technology lens… business lens… industry lens…” Bernard Marr Best-Selling Author, Keynote Speaker and Leading Business and Data Expert
  5. 5. Big Data di Indonesia 5 “Di Indonesia, istilah big data memang belum populer seperti di negara-negara lain. Kemungkinan karena sebagian besarperusahaan belum memiliki pemahaman maupun fungsi-fungsi analisis dari pemrosesan big data.” Bloomberg Businessweek Indonesia, 12 Juli 2015
  6. 6. 4V’s dari Big Data 6
  7. 7. +1V untuk VALUE 7 “But all the volumes of fast-moving data of different variety and veracity have to be turned into value!” Sumber: http://www.ibmbigdatahub.com/blog/why- only-one-5-vs-big-data-really-matters Value
  8. 8. +1V untuk VALUE (lanj.) 8 Sumber: High value: Customer engagement and performance
  9. 9. Daftar Isi 1. 4 V’s + 1 V of Big Data 2. Faktor Pendorong 3. Tantangan 4. Implikasi 5. Apa Kata Mereka 6. Rangkuman Tren Big Data 9
  10. 10. Volume 10 Tiap tahun data tumbuh 40%, dan tahun 2020 diperkirakan mencapai 45 Zettabytes
  11. 11. Variety • 7 billion people • Google processes 100 PB/day; 3 million servers • Facebook has 300 PB + 500 TB/day; 35% of world’s photos • YouTube 1000 PB video storage; 4 billion views/day • Twitter processes 124 billion tweets/year • SMS messages – 6.1T per year • US Cell Calls – 2.2T minutes per year • US Credit cards - 1.4B Cards; 20B transactions/year • Devices – Network switches, RFID, CCTV, etc; a lot of data. 11
  12. 12. Velocity 12
  13. 13. Veracity/Confidence 13 1 dari 3 pemimpin bisnis tidak percaya dengan informasi yang mereka gunakan untuk mengambil keputusan
  14. 14. Makin Banyak Perangkat Terhubung Internet 14
  15. 15. IoT Butuh Strategi Big Data 15
  16. 16. Media Penyimpan Makin Murah 16 Kenapa tidak disimpan saja semuanya? Sumber: SAS, 2012
  17. 17. Integrasi Data 17 Keinginan untuk mengintegrasikan semua data ke dalam satu tempat
  18. 18. Kebutuhan atas Insights yang Real-time 18 Sumber: SAP
  19. 19. Daftar Isi 1. 4 V’s + 1 V of Big Data 2. Faktor Pendorong 3. Tantangan 4. Implikasi 5. Apa Kata Mereka 6. Rangkuman Tren Big Data 19
  20. 20. Tantangan Umum di Indonesia 20 “Data untuk berbagai jenis kebutuhan apapun sudah banyak di Indonesia, tetapi tersebar. “Mencari data agregat saja susah, apalagi data-data yang detail.” Bloomberg Businessweek Indonesia, 12 Juli 2015
  21. 21. Tantangan Utama • CEOs want security. • Customers want privacy. • Employees need guidance. 21 Fokus terhadap keamanan, privasi, dan governance policies.
  22. 22. Sumber Data yang Beragam 22 Perusahaan ingin menggabungkan data rich media dengan data tradisional yang terstruktur.
  23. 23. Teks yang Tak Terstruktur 23 Teks yang tak terstruktur sulit untuk diquery.
  24. 24. Kualitas Data 24 Garbage in = garbage out still holds true today
  25. 25. Culture, Skills, and Business Processes 25
  26. 26. Daftar Isi 1. 4 V’s + 1 V of Big Data 2. Faktor Pendorong 3. Tantangan 4. Implikasi 5. Apa Kata Mereka 6. Rangkuman Tren Big Data 26
  27. 27. Mendapatkan Value dari Big Data 27 Sumber:
  28. 28. Chief Data Officer 28 Semakin banyak perusahaan yang memiliki ‘CDO’ untuk membangun strategi dan budaya yang data-driven.
  29. 29. Data Scientists 29 Kebutuhan akan Data Scientist semakin meningkat
  30. 30. Big Data sebagai Service 30 Layanan komputasi awan semakin banyak dicari perusahaan untuk menangani beban Big Data
  31. 31. Hadoop Menjadi Keharusan 31 Kemampuan Hadoop meningkat, termasuk fungsi real-time. Hadoop menjadi bagian yang tak terpisahkan dalam platform software perusahaan.
  32. 32. ‘Simpan Semua Data, Olah Belakangan’ 32 Kebutuhan untuk menyimpan dan memproses semua jenis data meningkat, dan secara real-time.
  33. 33. Advanced Analytics & Visualization 33 Kemampuan analitik dan visualisasi yang advanced semakin dibutuhkan untuk membantu pengambilan keputusan.
  34. 34. Daftar Isi 1. 4 V’s + 1 V of Big Data 2. Faktor Pendorong 3. Tantangan 4. Implikasi 5. Apa Kata Mereka 6. Rangkuman Tren Big Data 34
  35. 35. Minat Tinggi terhadap Big Data “73 percent of respondents have invested or plan to invest in big data in the next 24 months, up from 64 percent in 2013.” Gartner “The No. 1 use case is enhancing customer experience. 68% of respondents said that they use big data to enhance their customer experience. This is the third year customer experience has been a top business problem to address.” Gartner 35
  36. 36. Pertumbuhan Pasar Big Data “Big Data will continue to represent a fast- growing multibillion- dollar worldwide opportunity for the next five years.” IDC 36 “Global spending on Big Data will grow at a CAGR of 46% between 2015 and 2020. Big Data revenues will reach almost $190 Billion by the end of 2020.” Mind Commerce
  37. 37. Segmentasi Pasar Big Data 37 “Infrastructure will continue to command a large share of the Big Data market with 48.2% share in 2014.” IDC “Big Data-related services revenue makes up 40% of the total, with hardware at 38% and software at 22%.” Wikibon
  38. 38. People & Processes 38 The biggest challenges for implementing big data solutions “Big data offers big opportunities, but poses even bigger challenges.” Alexander Linden, research director at Gartner “I am asked all of the time: what is the best analytics strategy? And I always answer: data, process and people.” Mike Cavaretta, Data Scientist and Manager, Ford Motor Company
  39. 39. Keamanan Data 39 Mungkin ini tantangan terbesar dalam penerapan solusi Big Data dalam perusahaan. “Hacked customer data can erase millions in profits within weeks, stolen intellectual property can erase competitive advantage in less than a year, and unnecessary privacy abuses can bring unwanted scrutiny and fines from regulators while inflicting reputational damage that can last months, even years.” Forrester “Gartner predicts that, through 2016, more than 80 percent of organizations will fail to develop a consolidated data security policy across silos, leading to potential noncompliance, security breaches and financial liabilities.” Gartner
  40. 40. Daftar Isi 1. 4 V’s + 1 V of Big Data 2. Faktor Pendorong 3. Tantangan 4. Implikasi 5. Apa Kata Mereka 6. Rangkuman Tren Big Data 40
  41. 41. 41
  42. 42. Rangkuman Tren Big Data Pendorong • Volume, variety, velocity, dan complexity dari data, baik tradisional maupun non- tradisional. • Makin banyak perangkat yang terhubung ke Internet. • Media penyimpan makin murah. • Keinginan untuk menyimpan data dalam satu tempat. • Kebutuhan akan insight yang real-time. Tantangan • Di Indonesia, data aggregat apalagi yang detail susah didapat. • Security, privacy, governance, culture, skills, dan business processes • Sumber data yang beragam (enterprise apps, web, search, video, mobile, percakapan social dan sensors). • Kualitas data. • Teks yang tak terstruktur sulit diquery. • Culture, skills, dan business processes Implikasi • Meningkatnya kebutuhan mendapatkan value dari big data. • Chief Data Officer dan Data Scientist makin dibutuhkan. • Big Data sebagai service, karena tingginya beban Big Data. • Hadoop menjadi bagian yang tak terpisahkan dalam platform software perusahaan. • Keinginan untuk menyimpan semua jenis data meningkat, dan secara real-time. • Analisis dan visualisasi yang advance dan real-time. 42 Referensi: HorizonWatch 2015 dan berbagai sumber
  43. 43. Terimakasih 43 Ismail Fahmi Awesometrics, Co-founder HP: 0812 8908 3894 Email: Ismail.fahmi@gmail.com Web: http://awesometrics.com

×