Langsung ke konten utama

Data Science vs Big Data vs Data Analytics

Data Science

Tahun 2012 yang lalu, Harvard Business Review menyebut profesi data scientist sebagai profesi terseksi abad 21. Bagaimana tidak? Seorang data scientist memiliki kemampuan mengolah data dengan volume yang sangat besar dalam sehari. Ia juga dituntut untuk mempunyai tingkat kreativitas yang tinggi untuk mengomunikasikan hasil olahan data. Kemampuan ini sangatlah jarang ditemukan. Inilah yang membuat profesi ini terlihat keren, dan konon memberi pundi-pundi penghasilan yang tidak sedikit.

Seorang data scientist dituntut untuk menguasai sejumlah disiplin ilmu: ilmu statistik untuk mengolah data, pemrograman sebagai pendukung pengolahan data dalam jumlah besar, ekonomi (atau bidang ilmu lain tergantung pada bidang perusahaan atau organisasi) dalam menganalisis dan mendapatkan insight dari hasil olahan data, serta kemampuan untuk menceritakan (story telling) data yang telah dianalisis.

Big Data

Big Data adalah istilah yang menggambarkan volume data yang besar, baik data yang terstruktur maupun data yang tidak terstruktur. Big Data telah digunakan dalam banyak bisnis. Tidak hanya besar data yang menjadi poin utama tetapi apa yang harus dilakukan organisasi dengan data tersebut. Big Data dapat dianalisis untuk wawasan yang mengarah pada pengambilan keputusan dan strategi bisnis yang lebih baik.

Konsep Big Data

Volume Organisasi mengumpulkan data dari berbagai sumber, termasuk transaksi bisnis, media sosial dan informasi dari sensor atau mesin. Di masa lalu, aktivitas semacam ini menjadi masalah, namun dengan adanya teknologi baru (seperti Hadoop) bisa meredakan masalah ini.

Kecepatan Aliran data harus ditangani dengan secara cepat dan tepat bisa melalui hardware maupun software. Teknologi hardware seperti tag RFID, sensor pintar lainnya juga dibutuhkan untuk menangani data yang real-time.

Variasi Data yang dikumpulkan mempunyai format yang berbeda-beda. Mulai dari yang terstruktur, data numerik dalam database tradisional, data dokumen terstruktur teks, email, video, audio, transaksi keuangan dan lain-lain.

Variabilitas Selain kecepatan pengumpulan data yang meningkat dan variasi data yang semakin beraneka ragam, arus data kadang tidak konsisten dalam periode tertentu. Salah satu contohnya adalah hal yang sedang tren di media sosial. Periodenya bisa harian, musiman, dipicu peristiwa dadakan dan lain-lain. Beban puncak data dapat menantang untuk analis Big Data, bahkan dengan data yang tidak terstruktur.

Kompleksitas Hari ini, data berasal dari berbagai sumber sehingga cukup sulit untuk menghubungkan, mencocokan, membersihkan dan mengubah data di seluruh sistem. Namun, Big Data sangat dibutuhkan untuk memiliki korelasi antar data, hierarki dan beberapa keterkaitan data lainnya atau data yang acak.

Data Analytics

Ilmu untuk mengolah data mentah yang bertujuan untuk mencari pola dan mendapatkan simpulan tentang informasi dengan menambahkan algoritma atau proses mekanis untuk memperoleh pengetahuan

Ilmu yang diperlukan untuk Data Analytics:

  1. Programming Skill
  2. Statistical skill dan Matematic
  3. Machine Learning Skill
  4. Data Wrangling Skill
  5. Communication and Visualization Skill

Perbedaannya


Sumber

https://www.simplilearn.com/data-science-vs-big-data-vs-data-analytics-article

https://id.techinasia.com/talk/profesi-data-scientist-menjanjikan

https://www.codepolitan.com/mengenal-big-data






Komentar

Posting Komentar

Postingan populer dari blog ini

Perbandingan Framework COBIT, ITIL, dan Six Sigma

ITSM ITSM (Information Technology Service Management, Manajemen Layanan Teknologi Informasi) adalah suatu metode pengelolaan sistem teknologi informasi (TI) yang secara filosofis terpusat pada perspektif konsumen layanan TI terhadap bisnis perusahaan. Beberapa contoh kerangka kerja yang menerapkan ITSM adalah COBIT, ITIL, dan Six Sigma. Framework COBIT (Control Objectives for Information and Related Technology) Konsep kerangka kerja COBIT dapat dilihat dari tiga sudut pandang, meliputi : Information Criteria, IT Resources, IT Processes, seperti terlihat pada gambar dibawah ini : Model proses COBIT terdapat empat domain yang didalamnya terdapat 34  proses dalam memberikan informasi kepada dunia usaha sesuai dengan bisnis dan kebutuhan tata kelola teknologi informasi. Sehingga domain tersebut dapat diidentifikasikan yang terdiri dari 34 proses, yaitu (ITGI, 2007) : Domain Plain and Organize (PO) Yaitu mencakup masalah mengidentifikasikan cara terbaik TI untuk m...
Posting Komentar
Baca selengkapnya

Tugas 3 Audit Sistem Informasi

Perbandingan (Iso 21500 vs PMBOK vs Prince 2 1. ISO 21500: 2012 ISO 21500: 2012 (Guidance on Project Management) adalah framework atau kerangka kerja standar internasional yang dikembangkan oleh International Organization for Standardization (ISO) dimulai pada 2007 dan dirilis pada tahun 2012. Digunakan untuk memberikan panduan umum, menjelaskan prinsip-prinsip dan merupakan praktik yang baik dalam pengelolaan manajemen proyek. Komite teknis ISO yang menangani manajemen proyek (ISO / PC 236) dipegang oleh American National Standards Institute (ANSI) yang telah menyetujui empat standar yang dapat digunakan. salah satunya adalah ANSI / PMI 99-001-2008 (Panduan untuk Badan Manajemen Proyek Pengetahuan - Edisi ke-4) (PMI BoK® Guide - Edisi ke-4) (revisi dan penunjukan kembali ANSI / PMI 99-001-2004) : 11/20/2008. ISO berencana standar ini (21500) menjadi yang pertama dalam keluarga standar manajemen proyek. ISO juga merancang standar ini untuk menyelaraskan dengan standar lain ...
Posting Komentar
Baca selengkapnya