Presentation4.pptx

BIG DATA • Big Data adalah data yang melebihi kapasitas pemrosesan sistem database konvensional. Data terlalu besar, bergerak terlalu cepat, atau tidak sesuai dengan struktur arsitektur basis data Anda. Untuk mendapatkan nilai dari data ini, Anda harus memilih cara alternatif untuk memprosesnya.yimpan atau memrosesnya secara efisien.

Beberapa contoh data besar • Bursa saham menghasilkan sekitar satu terabyte data perdagangan baru per hari.

SOSIA MEDIA

• Facebook: statis menunjukkan bahwa lebih dari 500+ TB Data baru dimasukkan ke dalam database situs media sosial facebook, setiap hari. Data ini terutama dihasilkan dari foto dan video yang diunggah, pertukaran pesan, komentar, dll.

Yahoo menghasilkan lebih dari 170 PB.

• Mesin jet dapat menghasilkan 10 + terabyte data dalam 30 menit waktu penerbangan. Dengan ribuan penerbangan per hari, generasi data mencapai hingga banyak petabyte.

Inggris

Kategori ‘Big Data’

Terstruktur

Tidak terstruktur

Semi terstruktur

Terstruktur

• Setiap data yang dapat disimpan, diakses, dan diproses dalam bentuk format tetap disebut sebagai data terstruktur. Selama periode waktu, dalam ilmu komputer telah mencapai keberhasilan yang lebih besar dalam mengembangkan teknik untuk bekerja dengan jenis data semacam itu (di mana formatnya sudah dikenal sebelumnya) dan juga memperoleh nilai dari itu. Namun, sekarang ini, kami memperkirakan masalah ketika ukuran data tersebut tumbuh ke tingkat yang sangat besar, tipe ukuran yang akan besar yaitu mencapai zettabyte.

Contoh data terstruktur Tabel karyawan dalam database adalah contoh data terstruktur

Semi Terstruktur

• Data semi-terstruktur dapat berisi kedua bentuk data. Kita dapat melihat data semiterstruktur sebagai terstruktur dalam bentuk tetapi sebenarnya tidak didefinisikan dengan definisi tabel dalam dbms relasional. Contoh data semi-terstruktur adalah data yang diwakili dalam file XML.

Contoh data semi-terstruktur Data pribadi disimpan dalam file xml

Tidak Terstruktur

• Setiap data dengan bentuk tidak dikenal atau struktur diklasifikasikan sebagai data tidak terstruktur. Selain ukuran yang besar, data yang tidak terstruktur menimbulkan banyak tantangan dalam hal pemrosesan untuk mendapatkan nilai keluarannya. Contoh umum dari data tidak terstruktur adalah, sumber data heterogen yang berisi kombinasi dari file teks sederhana, gambar, video, dll. Sekarang ini banyak data organisasi , tetapi sayangnya mereka tidak tahu bagaimana untuk mendapatkan nilai itu karena data ini dalam bentuk mentah atau format tidak terstruktur.

Contoh dari data ‘Tidak Terstruktur’ Feedback dari “Google Search”

Karakteristik Big Data

volume

kecepatan

variasi

kebenaran

nilai

Volume

• Nama Big Data itu sendiri terkait dengan ukuran yang sangat besar. Ukuran data memainkan peran yang sangat penting dalam menentukan nilai dari data. Jadi, apakah data tertentu dapat dianggap sebagai data besar atau tidak, tergantung pada volume data. Oleh karena itu, volume adalah salah satu karakteristik yang perlu dipertimbangkan ketika dikaitkan dengan Big Data.

Velocity

• Istilah ‘velocity (kecepatan)’ mengacu pada kecepatan pembangkitan data. Seberapa cepat data dihasilkan dan proses untuk memenuhi permintaan, menentukan potensi nyata dalam data. • Kecepatan Big Data berkaitan dengan kecepatan di mana data mengalir dari database seperti data bisnis, log aplikasi, jaringan dan situs media sosial, sensor, perangkat seluler, dll. Aliran data sangat besar dan berkelanjutan.

Variety

• Variety (variasi) mengacu pada sumber heterogen dan sifat data, baik terstruktur dan tidak terstruktur. Selama berhari - hari, spreadsheet dan databes adalah satusatunya sumber data yang dipertimbangkan oleh sebagian besar aplikasi. Sekarang hari, data dalam bentuk email, foto, video, perangkat pemantauan, PDF, audio, dll juga sedang dipertimbangkan dalam aplikasi analisis. Berbagai data yang tidak terstruktur ini menimbulkan masalah-masalah tertentu untuk penyimpanan, penambangan, dan analisis data.

Veracity

• V Yang keempat adalah veracity (kebenaran), yang mana dalam konteks ini setara dengan kualitas. Kita memiliki semua data, tapi bisakah kita kehilangan sesuatu? Apakah data "bersih" dan akurat? Apakah mereka benar-benar memiliki sesuatu untuk ditawarkan?

Value

• Terakhir , V untuk value (nilai-nilai) yang ada di bagian atas piramida Big Data. Hal ini mengacu pada kemampuan untuk mengubah kebanjiran data menjadi sebuah bisnis.

Manfaat pemrosesan ‘Big Data’

Dalam bisnis dapat dimanfaatkan dari kemampuan untuk mengambil keputusan.

Akses ke data sosial dari mesin pencari dan situs-situs seperti facebook, twitter memungkinkan organisasi untuk menyesuaikan strategi bisnis mereka.

Peningkatan layanan pelanggan

• Sistem umpan balik pelanggan tradisional digantikan oleh sistem baru yang dirancang dengan teknologi Big Data. Dalam sistem baru ini, Big Data dan teknologi pemrosesan bahasa digunakan untuk membaca dan mengevaluasi tanggapan konsumen. • Identifikasi dini risiko terhadap produk / layanan, jika ada

Efisiensi operasional yang lebih baik

• Teknologi Big Data dapat digunakan untuk membuat area pementasan atau zona pendaratan untuk data baru sebelum mengidentifikasi data apa yang harus dipindahkan ke gudang data. Selain itu, integrasi teknologi data dan gudang data yang besar membantu organisasi untuk melakukan pengaturan data dengan mudah.

Menangkap data Kurasi

Tantangan ‘Big Data’

Penyimpanan Mencari

Berbagi Transfer Analisis

presentasi

Daftar Pustaka

• https://medium.com/skyshidigital/berkenalandengan-big-data-15fd94 • https://www.guru99.com/what-is-big-data.html • https://www.xsnet.com/blog/bid/205405/thev-s-of-big-data-velocity-volume-value-varietyand-veracity 1122f8 • https://mapr.com/blog/top-10-big-datachallenges-serious-look-10-big-data-vs/