Peran Big Data Terhadap Revolusi Management

Source Reference : Big-Data-The Management Revolution by HBR

Peran Big Data

Big Data dewasa ini jauh lebih kuat dari pada standar analisis data  pada masa lalu. Para Eksekutif dan Team dibawahnya dapat mengukur dan  mengelola lebih tepat dari pada era sebelumnya. Mereka dapat membuat prediksi kondisi dan keputusan yang lebih baik dan cerdas, dan yang pasti  rencana dan tujuan akan menjadi efektif lagi

 

"Anda tidak dapat mengelola apa yang tidak Anda ukur." Tamar Cohen

Ada banyak hikmah dalam ungkapan tersebut, yang dikaitkan dengan W. Edwards Deming dan Peter Drucker, dan ini menjelaskan mengapa ledakan data digital baru-baru ini begitu penting. Sederhananya, karena big data, manajer dapat mengukur, dan karenanya mengetahui, secara radikal lebih banyak tentang bisnis mereka, dan secara langsung menerjemahkan pengetahuan tersebut ke dalam pengambilan keputusan dan kinerja yang lebih baik.

Baca Artikel Terkait: Belajar Data Science

Pertimbangkan ritel.

Penjual buku di toko fisik selalu dapat melacak buku mana yang terjual dan mana yang tidak. Jika mereka memiliki program loyalitas, mereka dapat mengikat sebagian dari pembelian tersebut ke pelanggan individu. Begitulah ceritanya. Namun, begitu belanja beralih ke online, pemahaman pelanggan meningkat secara dramatis. Pengecer online tidak hanya dapat melacak apa yang dibeli pelanggan, tetapi juga apa lagi yang mereka lihat; bagaimana mereka menavigasi melalui situs; seberapa besar mereka dipengaruhi oleh promosi, ulasan, dan tata letak halaman; dan kesamaan antar individu dan kelompok. Tak lama kemudian, mereka mengembangkan algoritme untuk memprediksi buku apa yang ingin dibaca pelanggan selanjutnya—algoritme yang bekerja lebih baik setiap kali pelanggan merespons atau mengabaikan rekomendasi. Pengecer tradisional tidak bisa mengakses informasi semacam ini, apalagi menindaklanjutinya tepat waktu. Tidak mengherankan jika Amazon telah membuat begitu banyak toko buku bata-dan-mortir gulung tikar.

Keakraban cerita Amazon hampir menutupi kekuatannya. Kami berharap perusahaan yang lahir secara digital dapat mencapai hal-hal yang hanya dapat diimpikan oleh para eksekutif bisnis satu generasi yang lalu. Namun nyatanya penggunaan big data berpotensi mengubah bisnis tradisional juga. Mungkin menawarkan mereka kesempatan yang lebih besar untuk keunggulan kompetitif (bisnis online selalu tahu bahwa mereka bersaing pada seberapa baik mereka memahami data mereka). Seperti yang akan kita bahas lebih detail, data besar revolusi ini jauh lebih kuat daripada analitik yang digunakan di masa lalu. Kami dapat mengukur dan karenanya mengelola lebih tepat daripada sebelumnya. Kami dapat membuat prediksi yang lebih baik dan keputusan yang lebih cerdas. Kita dapat menargetkan intervensi yang lebih efektif,

Saat alat dan filosofi big data menyebar, mereka akan mengubah gagasan lama tentang nilai pengalaman, sifat keahlian, dan praktik manajemen. Pemimpin cerdas di seluruh industri akan melihat penggunaan data besar untuk apa adanya: revolusi manajemen. Namun seperti halnya perubahan besar lainnya dalam bisnis, tantangan untuk menjadi organisasi yang didukung data besar bisa sangat besar dan membutuhkan kepemimpinan langsung—atau dalam beberapa kasus lepas tangan. Namun demikian, ini adalah transisi yang perlu dilakukan oleh para eksekutif saat ini.

Apa yang Baru dengan Penggunaan Big Data?

Ada tiga perbedaan utama dair peggunaan Big Data dibandingkan analitik sebelumnya,yang berupaya mengumpulkan kecerdasan dari data dan menerjemahkannya menjadi keuntungan bisnis:

Volume.

Pada 2012, sekitar 2,5 exabyte data dibuat setiap hari, dan jumlah tersebut berlipat ganda setiap 40 bulan atau lebih. Lebih banyak data melintasi internet setiap detik daripada yang disimpan di seluruh internet hanya 20 tahun yang lalu. Hal ini memberi peluang bagi perusahaan untuk bekerja dengan banyak petaby data dalam satu kumpulan data—dan tidak hanya dari internet. Misalnya, Walmart diperkirakan mengumpulkan lebih dari 2,5 petabyte data setiap jam dari transaksi pelanggannya. Satu petabyte adalah satu kuadriliun byte, atau setara dengan sekitar 20 juta lemari arsip berisi teks. Exabyte adalah 1.000 kali jumlah itu, atau satu miliar gigabyte.

Velocity.

Untuk banyak aplikasi, kecepatan pembuatan data bahkan lebih penting daripada volume. Informasi real-time atau hampir real-time memungkinkan perusahaan menjadi jauh lebih gesit daripada para pesaingnya. Misalnya, kolega kami Alex "Sandy" Pentland dan grupnya di MIT Media Lab menggunakan data lokasi dari ponsel untuk menyimpulkan berapa banyak orang yang berada di tempat parkir Macy pada Black Friday—awal musim belanja Natal di Amerika Serikat. Hal ini memungkinkan untuk memperkirakan penjualan pengecer pada hari kritis itu bahkan sebelum Macy's sendiri mencatat penjualan tersebut. Wawasan cepat seperti itu dapat memberikan keunggulan kompetitif yang jelas bagi analis Wall Street dan manajer Main Street.

Variety.

Data besar berupa pesan, pembaruan, dan gambar yang diposting ke jejaring sosial; bacaan dari sensor; Sinyal GPS dari ponsel, dan lainnya. Banyak sumber data besar yang paling penting relatif baru. Sejumlah besar informasi dari jejaring sosial, misalnya, hanya setua jaringan itu sendiri; Facebook diluncurkan pada tahun 2004, Twitter pada tahun 2006. Hal yang sama berlaku untuk ponsel cerdas dan perangkat seluler lainnya yang kini menyediakan aliran data yang sangat besar terkait dengan orang, aktivitas, dan lokasi. Karena perangkat ini ada di mana-mana, mudah untuk melupakan bahwa iPhone baru diluncurkan lima tahun yang lalu, dan iPad pada tahun 2010. Dengan demikian, database terstruktur yang menyimpan sebagian besar informasi perusahaan hingga saat ini tidak cocok untuk menyimpan dan memproses data besar. Pada waktu bersamaan,

Karena semakin banyak aktivitas bisnis yang didigitalkan, sumber informasi baru dan peralatan yang semakin murah digabungkan untuk membawa kita ke era baru: di mana sejumlah besar informasi digital ada di hampir semua topik yang menarik bagi bisnis. Ponsel, belanja online, jejaring sosial, komunikasi elektronik, GPS, dan peralatan mesin semuanya menghasilkan aliran data yang deras sebagai produk sampingan dari operasi biasa mereka. Masing-masing dari kita sekarang adalah generator data berjalan. Data yang tersedia seringkali tidak terstruktur—tidak diatur dalam database—dan berat, tetapi ada sejumlah besar sinyal dalam kebisingan, hanya menunggu untuk dirilis. Analytics membawa teknik ketat untuk pengambilan keputusan; data besar sekaligus lebih sederhana dan lebih kuat. Seperti yang dikatakan oleh direktur penelitian Google, Peter Norvig: “Kami tidak memiliki algoritme yang lebih baik. Kami hanya memiliki lebih banyak data.”

Bagaimana Performa Perusahaan Berbasis Data

Pertanyaan kedua yang mungkin diajukan oleh para skeptis adalah: “Di manakah bukti bahwa penggunaan big data secara cerdas akan meningkatkan kinerja bisnis?” Pers bisnis penuh dengan anekdot dan studi kasus yang konon menunjukkan nilai didorong oleh data. Tapi sebenarnya, kami menyadari baru-baru ini, adalah tidak ada yang menangani pertanyaan itu dengan keras. Untuk mengatasi celah yang memalukan ini, kami memimpin tim di MIT Center for Digital Business, bekerja dalam kemitraan dengan kantor teknologi bisnis McKinsey dan dengan kolega kami Lorin Hitt di Wharton dan mahasiswa doktoral MIT Heekyung Kim. Kami berangkat untuk menguji hipotesis bahwa perusahaan berbasis data akan berkinerja lebih baik. Kami melakukan wawancara terstruktur dengan para eksekutif di 330 perusahaan publik Amerika Utara tentang praktik manajemen organisasi dan teknologi mereka,

Tidak semua orang merangkul pengambilan keputusan berdasarkan data. Faktanya, kami menemukan spektrum sikap dan pendekatan yang luas di setiap industri. Namun di antara semua analisis yang kami lakukan, satu hubungan menonjol: Semakin banyak perusahaan mencirikan diri mereka sebagai berbasis data, semakin baik kinerja mereka pada ukuran obyektif dari hasil keuangan dan operasional. Secara khusus, perusahaan di sepertiga teratas industri mereka dalam penggunaan pengambilan keputusan berbasis data rata-rata 5% lebih produktif dan 6% lebih menguntungkan daripada pesaing mereka. Perbedaan kinerja ini tetap kuat setelah memperhitungkan kontribusi tenaga kerja, modal, layanan yang dibeli, dan investasi TI tradisional. Itu signifikan secara statistik dan penting secara ekonomi dan tercermin dalam peningkatan terukur dalam valuasi pasar saham.

Keahlian dari Sumber yang Mengejutkan

Seringkali seseorang yang berasal dari luar industri dapat mengetahui cara yang lebih baik untuk menggunakan data besar daripada orang dalam, hanya karena ...

Jadi bagaimana manajer menggunakan Big Data? Mari kit a lihat secara detail dua perusahaan yang jauh dari perusahaan baru Silicon Valley. Yang satu menggunakan data besar untuk membuat bisnis baru, yang lain untuk mendorong lebih banyak penjualan..

Peningkatan Maskapai ETA 

Menit penting di bandara. Begitu juga dengan informasi yang akurat tentang waktu kedatangan penerbangan: Jika sebuah pesawat mendarat sebelum staf lapangan siap untuk itu, penumpang dan awak pesawat secara efektif terjebak, dan jika pesawat muncul lebih lambat dari yang diharapkan, staf menganggur, menaikkan biaya. Jadi, ketika maskapai besar AS mengetahui dari studi internal bahwa sekitar 10% penerbangan ke hub utamanya memiliki setidaknya selisih 10 menit antara perkiraan waktu kedatangan dan waktu kedatangan sebenarnya—dan 30% memiliki selisih sebesar setidaknya lima menit—diputuskan untuk mengambil tindakan.

Pada saat itu, maskapai mengandalkan praktik lama industri penerbangan dalam menggunakan ETA yang disediakan oleh pilot. Pilot membuat perkiraan ini selama pendekatan terakhir mereka ke bandara, ketika mereka memiliki banyak tuntutan lain atas waktu dan perhatian mereka. Untuk mencari solusi yang lebih baik, maskapai beralih ke PASSUR Aerospace, penyedia teknologi pendukung keputusan untuk industri penerbangan. Pada tahun 2001 PASSUR mulai menawarkan perkiraan kedatangannya sendiri sebagai layanan yang disebut RightETA. Itu menghitung waktu ini dengan menggabungkan data yang tersedia untuk umum tentang cuaca, jadwal penerbangan, dan faktor lain dengan data hak milik yang dikumpulkan oleh perusahaan itu sendiri, termasuk umpan dari jaringan stasiun radar pasif yang dipasang di dekat bandara untuk mengumpulkan data tentang setiap pesawat di langit setempat. .

PASSUR memulai hanya dengan beberapa instalasi ini, tetapi pada tahun 2012 sudah lebih dari 155. Setiap 4,6 detik ia mengumpulkan berbagai informasi tentang setiap pesawat yang "dilihatnya". Ini menghasilkan banjir data digital yang besar dan konstan. Terlebih lagi, perusahaan menyimpan semua data yang telah dikumpulkannya dari waktu ke waktu, sehingga memiliki kumpulan informasi multidimensi yang sangat besar yang mencakup lebih dari satu dekade. Ini memungkinkan analisis canggih dan pencocokan pola. RightETA pada dasarnya bekerja dengan bertanya pada dirinya sendiri, “Apa yang terjadi sebelumnya ketika sebuah pesawat mendekati bandara ini dalam kondisi seperti ini? Kapan itu benar-benar mendarat?”

Setelah beralih ke RightETA, maskapai ini hampir menghilangkan kesenjangan antara perkiraan waktu kedatangan dan waktu kedatangan sebenarnya. PASSUR percaya bahwa memungkinkan maskapai penerbangan untuk mengetahui kapan pesawatnya akan mendarat dan membuat rencana yang sesuai bernilai beberapa juta dolar per tahun di setiap bandara. Rumusnya sederhana: Menggunakan data besar menghasilkan prediksi yang lebih baik, dan prediksi yang lebih baik menghasilkan keputusan yang lebih baik.

Promosi yang Lebih Cepat dan Lebih Dipersonalisasi

Beberapa tahun yang lalu, Sears Holdings sampai pada kesimpulan bahwa mereka perlu menghasilkan nilai yang lebih besar dari sejumlah besar data pelanggan, produk, dan promosi yang dikumpulkannya dari merek Sears, Craftsman, dan Lands 'End. Jelas, akan bermanfaat untuk menggabungkan dan memanfaatkan semua data ini untuk menyesuaikan promosi dan penawaran lainnya kepada pelanggan, dan mempersonalisasi penawaran untuk memanfaatkan kondisi lokal. Berharga, tetapi sulit: Sears membutuhkan waktu sekitar delapan minggu untuk membuat promosi yang dipersonalisasi, dan banyak di antaranya tidak lagi optimal untuk perusahaan. Butuh waktu lama terutama karena data yang diperlukan untuk analisis skala besar ini sangat banyak dan sangat terfragmentasi dan bertempat di banyak database dan "gudang data" yang dikelola oleh berbagai merek.

Dalam mencari cara yang lebih cepat dan lebih murah untuk melakukan pekerjaan analitiknya, Sears Holdings beralih ke teknologi dan praktik data besar. Sebagai salah satu langkah pertamanya, ia menyiapkan cluster Hadoop. Ini hanyalah sekelompok server komoditas murah yang aktivitasnya dikoordinasikan oleh kerangka kerja perangkat lunak baru yang disebut Hadoop (dinamai dari mainan gajah di rumah tangga Doug Cutting, salah satu pengembangnya).

Sears mulai menggunakan cluster untuk menyimpan data yang masuk dari semua mereknya dan menyimpan data dari gudang data yang ada. Kemudian dilakukan analisis pada cluster secara langsung, menghindari kompleksitas yang memakan waktu dalam menarik data dari berbagai sumber dan menggabungkannya sehingga dapat dianalisis. Perubahan ini memungkinkan perusahaan menjadi lebih cepat dan lebih tepat dengan promosinya. Menurut CTO perusahaan, Phil Shelley, waktu yang dibutuhkan untuk menghasilkan serangkaian promosi yang komprehensif turun dari delapan minggu menjadi satu minggu, dan masih terus menurun. Dan promosi ini berkualitas lebih tinggi, karena lebih tepat waktu, lebih terperinci, dan lebih personal. Klaster Hadoop Sears menyimpan dan memproses beberapa petabyte data dengan biaya yang lebih murah dibandingkan gudang data standar yang sebanding.

Shelley mengatakan dia terkejut betapa mudahnya transisi dari pendekatan lama ke pendekatan baru ke manajemen data dan analitik kinerja tinggi. Karena keterampilan dan pengetahuan yang terkait dengan teknologi data baru sangat langka di tahun 2010, ketika Sears memulai transisi, Sears mengontrak beberapa pekerjaan ke perusahaan bernama Cloudera. Namun seiring berjalannya waktu, para profesional TI dan analitik lamanya telah merasa nyaman dengan alat dan pendekatan baru.

Contoh PASSUR dan Sears Holding mengilustrasikan kekuatan data besar, yang memungkinkan prediksi yang lebih akurat, keputusan yang lebih baik, dan intervensi yang tepat, dan dapat mengaktifkan hal-hal ini pada skala yang tampaknya tak terbatas. Kami telah melihat data besar yang digunakan dalam manajemen rantai pasokan untuk memahami mengapa tingkat kecacatan pembuat mobil di lapangan tiba-tiba meningkat, dalam layanan pelanggan untuk terus memindai dan campur tangan dalam praktik perawatan kesehatan jutaan orang, dalam perencanaan dan peramalan untuk antisipasi online yang lebih baik penjualan berdasarkan kumpulan data karakteristik produk, dan sebagainya. Kami telah melihat hasil serupa di banyak industri dan fungsi lain, mulai dari keuangan hingga pemasaran hingga hotel dan game, dan dari manajemen sumber daya manusia hingga perbaikan mesin.

Analisis statistik HBR memberi tahu kami bahwa apa yang kami lihat bukan hanya beberapa contoh mencolok tetapi transformasi ekonomi yang lebih mendasar. Kami menjadi yakin bahwa hampir tidak ada bidang kegiatan bisnis yang tidak tersentuh oleh gerakan ini.

Budaya Pengambilan Keputusan Baru

"Kekuatan Big Data tidak menghilangkan kebutuhan akan visi atau wawasan manusia".

Untuk keputusan yang sangat penting, orang-orang yang memiliki posisi tinggi dalam organisasi, atau mereka adalah orang luar yang mahal karena keahlian dan rekam jejak mereka. Banyak komunitas Big Data berpendapat bahwa perusahaan sering membuat sebagian besar keputusan penting mereka dengan mengandalkan "HiPPO"—pendapat orang dengan bayaran tertinggi.

Yang pasti, sejumlah eksekutif senior benar-benar didorong oleh data dan bersedia mengesampingkan intuisi mereka sendiri ketika data tidak sesuai dengannya. Namun kami percaya bahwa di seluruh dunia bisnis saat ini, orang terlalu mengandalkan pengalaman dan intuisi dan kurang mengandalkan data. Untuk penelitian kami, kami membangun skala komposit 5 poin yang menangkap keseluruhan sejauh mana perusahaan digerakkan oleh data. Sepenuhnya 32% dari responden kami menilai perusahaan mereka pada atau di bawah 3 pada skala ini.

Peran baru.

Eksekutif yang tertarik untuk memimpin transisi big data dapat memulai dengan dua teknik sederhana. Pertama, mereka bisa terbiasa bertanya "Apa yang dikatakan data?" ketika dihadapkan dengan keputusan penting dan menindaklanjuti dengan pertanyaan yang lebih spesifik seperti "Dari mana asal datanya?", "Analisis macam apa yang dilakukan?", dan "Seberapa yakin kita dengan hasilnya?" (Orang akan mendapatkan pesan dengan cepat jika para eksekutif mengembangkan disiplin ini.) Kedua, mereka dapat membiarkan diri mereka dikesampingkan oleh data; hanya sedikit hal yang lebih kuat untuk mengubah budaya pengambilan keputusan daripada melihat seorang eksekutif senior mengakui ketika data tidak membuktikan firasatnya.

Dalam hal mengetahui masalah mana yang harus diatasi, tentu saja, keahlian domain tetap penting. Pakar domain tradisional—mereka yang sangat akrab dengan suatu area—adalah mereka yang tahu di mana letak peluang dan tantangan terbesar. PASSUR, misalnya, berusaha mempekerjakan sebanyak mungkin orang yang memiliki pengetahuan luas tentang operasi di bandara-bandara utama Amerika. Mereka akan sangat berharga dalam membantu perusahaan mencari tahu penawaran dan pasar apa yang harus diikuti selanjutnya.

Seiring kemajuan pergerakan Big Data, peran pakar domain akan bergeser. Mereka akan dihargai bukan karena jawaban gaya HiPPO mereka tetapi karena mereka tahu pertanyaan apa yang harus diajukan. Anda tidak perlu melakukan investasi besar di muka di bidang TI untuk menggunakan data besar.

5 Tantangan Manajement

Perusahaan tidak akan mendapatkan manfaat penuh dari transisi untuk menggunakan big data kecuali mereka mampu mengelola perubahan secara efektif. Lima bidang sangat penting dalam proses itu.

1. Leadership.

Perusahaan berhasil di era data besar bukan hanya karena mereka memiliki data yang lebih banyak atau lebih baik, tetapi karena mereka memiliki tim kepemimpinan yang menetapkan tujuan yang jelas, menentukan seperti apa kesuksesan itu, dan mengajukan pertanyaan yang tepat. Kekuatan data besar tidak menghilangkan kebutuhan akan visi atau wawasan manusia. Sebaliknya, kita masih harus memiliki pemimpin bisnis yang dapat melihat peluang besar, memahami bagaimana pasar berkembang, berpikir kreatif dan mengusulkan penawaran yang benar-benar baru, mengartikulasikan visi yang meyakinkan, meyakinkan orang untuk merangkulnya dan bekerja keras untuk mewujudkannya, dan berurusan secara efektif dengan pelanggan, karyawan, pemegang saham, dan pemangku kepentingan lainnya. Perusahaan yang sukses di dekade berikutnya adalah perusahaan yang pemimpinnya dapat melakukan semua itu sambil mengubah cara organisasi mereka membuat banyak keputusan.

2.Talent Management.

Karena data menjadi lebih murah, pelengkap data menjadi lebih berharga. Beberapa yang paling penting adalah ilmuwan data dan profesional lainnya yang terampil bekerja dengan informasi dalam jumlah besar. Statistik itu penting, tetapi banyak teknik utama untuk menggunakan data besar jarang diajarkan dalam kursus statistik tradisional. Mungkin yang lebih penting adalah keterampilan dalam membersihkan dan mengatur kumpulan data besar; jenis data baru jarang tersedia dalam format terstruktur. Alat dan teknik visualisasi juga meningkat nilainya. Seiring dengan ilmuwan data, generasi baru ilmuwan komputer menghadirkan teknik untuk bekerja dengan kumpulan data yang sangat besar. Keahlian dalam merancang eksperimen dapat membantu mengatasi kesenjangan antara korelasi dan sebab-akibat. Ilmuwan data terbaik juga merasa nyaman berbicara dalam bahasa bisnis dan membantu para pemimpin merumuskan kembali tantangan mereka dengan cara yang dapat ditangani oleh big data. Tak heran, orang dengan keterampilan tersebut sulit ditemukan dan banyak diminati. (Lihat “Data Scientist: The Sexiest Job of the 21st Century,” oleh Thomas H. Davenport dan DJ Patil, dalam edisi ini.)

3.Technology.

Alat yang tersedia untuk menangani volume, kecepatan, dan variasi data besar telah meningkat pesat dalam beberapa tahun terakhir. Secara umum, teknologi ini tidak terlalu mahal, dan sebagian besar perangkat lunaknya bersifat open source. Hadoop, kerangka kerja yang paling umum digunakan, menggabungkan perangkat keras komoditas dengan perangkat lunak sumber terbuka. Dibutuhkan aliran data yang masuk dan mendistribusikannya ke disk murah; itu juga menyediakan alat untuk menganalisis data. Namun, teknologi ini memerlukan keahlian yang baru bagi sebagian besar departemen TI, yang perlu bekerja keras untuk mengintegrasikan semua sumber data internal dan eksternal yang relevan. Meskipun perhatian pada teknologi tidak cukup, itu selalu merupakan komponen penting dari strategi data besar.

4. Decision Making.

Organisasi yang efektif menempatkan informasi dan hak keputusan yang relevan di lokasi yang sama. Di era data besar, informasi dibuat dan ditransfer, dan keahlian seringkali tidak seperti dulu lagi. Pemimpin yang berseni akan menciptakan organisasi yang cukup fleksibel untuk meminimalkan sindrom "tidak ditemukan di sini" dan memaksimalkan kerja sama lintas fungsi. Orang yang memahami masalah perlu disatukan dengan data yang tepat, tetapi juga dengan orang yang memiliki teknik pemecahan masalah yang dapat mengeksploitasinya secara efektif.

5. Company Culture.

Pertanyaan pertama yang ditanyakan organisasi berbasis data pada dirinya sendiri bukanlah "Bagaimana pendapat kita?" tapi "Apa yang kita ketahui?" Ini membutuhkan kepindahan dari bertindak hanya berdasarkan firasat dan insting. Itu juga membutuhkan penghentian kebiasaan buruk yang kami perhatikan di banyak organisasi: berpura-pura lebih didorong oleh data daripada yang sebenarnya. Terlalu sering, kami melihat para eksekutif membumbui laporan mereka dengan banyak data yang mendukung keputusan yang telah mereka buat dengan menggunakan pendekatan HiPPO tradisional. Baru setelah itu bawahan dikirim untuk menemukan angka yang akan membenarkan keputusan tersebut.Tanpa pertanyaan, masih banyak hambatan untuk sukses. Ada terlalu sedikit ilmuwan data untuk berkeliling. Teknologinya baru dan dalam beberapa kasus eksotis. Terlalu mudah untuk salah mengira korelasi sebagai penyebab dan menemukan pola yang menyesatkan dalam data. Tantangan budaya sangat besar, dan, tentu saja, masalah privasi hanya akan menjadi lebih signifikan. Tetapi tren yang mendasarinya, baik dalam teknologi maupun hasil bisnis, tidak salah lagi.

Buktinya jelas: Keputusan berdasarkan data cenderung merupakan keputusan yang lebih baik. Pemimpin akan menerima fakta ini atau digantikan oleh orang lain yang melakukannya. Di sektor demi sektor, perusahaan yang berhasil menggabungkan keahlian domain dengan ilmu data akan menjauh dari pesaing mereka. Kami tidak dapat mengatakan bahwa semua pemenang akan memanfaatkan big data untuk mengubah pengambilan keputusan. Tapi data memberi tahu kami bahwa itu adalah taruhan yang paling pasti.

Terimakasih Sampai Jumpa