BIG DATA: Algoritma/Metode,
Perkembangan
Apa Itu 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.
Sejauh ini belum ada definisi pasti tentang apa itu
big data, akan tetapi banyak para ahli yang mencoba memberikan definisi
terhadap big data. Menurut Wikipedia :
Big
Data is a phrase used to mean a massive volume of both structured and
unstructured data that is so large it is difficult to process using traditional
database and software techniques. In most enterprise scenarios the volume of
data is too big or it moves too fast or it exceeds current processing capacity.
Sedangkan menurut Edd Dumbill :
Big data is data that
exceeds the processing capacity of conventional database systems. The data is
too big, moves too fast, or doesn’t fit the strictures of your database
architectures. To gain value from this data, you must choose an alternative way
to process it.
Dari kedua definisi diatas mungkin bisa kita simpulkan
bahwa Big Data adalah data yang memiliki volume besar sehingga tidak dapat
diproses menggunakan alat tradisional biasa dan harus menggunakan cara dan alat
baru untuk mendapatkan nilai dari data ini.
Kenapa Harus Big Data?
Dari pengalaman saya berkutat di pengembangan
teknologi, ada tiga penyebab suatu teknologi atau konsep dikembangkan:
·
Untuk
menyelesaikan suatu masalah
·
Untuk
mempermudah penyelesaian suatu masalah
·
Ada
orang pintar yang sedang iseng dan nggak ada kerjaan
Sejarah Big Data
Istilah Big Data masih terbilang baru dan
sering disebut sebagai tindakan pengumpulan dan penyimpanan informasi yang
besar untuk analisis. Fenomena Big Data, dimulai pada tahun 2000-an ketika
seorang analis industri Doug Laney menyampaikan konsep Big Data yang terdiri
dari tiga bagian penting, diantaranya:
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.
Selain tiga bagian penting tersebut, para peneliti Big
Data juga menambah bagian yang termasuk penting lainnya seperti variabilitas
dan kompleksitas.
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.
Ketika organisasi mampu menggabungkan jumlah data
besar yang dimilikinya dengan analisis bertenaga tinggi, organisasi dapat
menyelesaikan tugas-tugas yang berhubungan dengan bisnis seperti:
Ø
Menentukan
akar penyebab kegagalan untuk setiap masalah bisnis.
Ø Menghasilkan informasi mengenai titik
penting penjualan berdasarkan kebiasaan pelanggan dalam membeli.
Ø
Menghitung
kembali seluruh risiko yang ada dalam waktu yang singkat.
3 METODE REVOLUSIONER ANALISIS BIG DATA DALAM DETEKSI
KECURANGAN ASURANSI
Predictive modeling
Pemeriksaaan
klaim asuransi manual memakan waktu dan memungkinkan terjadinya error karena
tak mungkin personel memeriksa setiap detail dokumen yang berlembar-lembar.
Predictive modeling mampu memeriksa data memungkinkan deteksi kecurangan secara
proaktif dengan mengidentifikasi pola dan hubungan antara manusia dan data
(diantaranya data cuaca, voice recording, data historis gaji, klaim medis,
cuaca, dan lain-lain).
Contohnya, seorang pekerja mengajukan klaim karena
matanya terluka. Dengan analisa predictive, perusahaan asuransi bisa saja
mengetahui pembicaraan si pekerja ini di sebuah forum tentang film yang baru ia
tonton beberapa saat setelah terjadinya kecelakaan tersebut. Informasi ini
membantu investigator memeriksa kemungkinan adanya detail klaim yang tak
salah sebelum terjadinya proses pembayaran.
Social Network Analysis
(SNA)
Media
sosial menghubungkan setiap individu di belahan dunia manapun dengan cara yang
belum pernah ada sebelumnya. Jutaan posting di media sosial menghasilkan data
dalam jumlah sangat besar yang menciptakan jaringan-jaringan sosial. Dari
jaring-jaringan inilah sudah banyak penelitian yang diterapkan dalam bidang
keamanan, termasuk untuk melawan pencucian uang, melacak aktivitas teroris,
mengidetifikasi perdagangan rahasia dan mencegah upaya kecurangan.
SNA memungkinkan perusahaan secara
proaktif meneliti sejumlah besar data untuk menemukan hubungan melalui jaringan
dan simpul. Contohnya, awalnya mungkin sebuah kecelakaan mobil terlihat wajar.
Namun, ternyata saat dilakukan pemeriksaan dengan SNA ditemukan bahwa alamat
salah seorang korban kecelakaan atau kendaraan yang mengalami kecelakaan
tersebut ternyata sudah pernah terlibat dengan banyak klaim asuransi lainnya.
Kemampuan big data memberikan informasi semacam itu membantu perusahaan
menghemat waktu dan memberikan wawasan terkait parameter-parameter kecurangan.
CRM sosial
Media
sosial kini menjadi bagian dari strategi digital banyak perusahaan. penting
bagi perusahaan untuk menghubungkan media sosial dengan CRM (Customer
Relationship Management) perusahaan. Dengan menggunakan informasi yang
dikumpulkan dari CRM sosial, perusahaan bisa memahami trend perilaku dan
permintaan konsumen dan preferensi yang membentuk CRM sosial secara lebih
transparan. Tools CRM sosial mampu mencari jutaan posting media
sosial, termasuk blog, Twitter, dan platform lainnya untuk mencari informasi
yang dibutuhkan.
Contohnya, dengan memanfaatkan CRM, investigator bisa
mencari tahu apakah individu yang mengajukan klaim memiliki hubungan dengan
orang lain yang terlibat dalam kecelakaan tersebut. Investigator juga bisa
mengetahui di mana individu yang mengajukan klaim ini berada saat terjadi
kecelakaan melalui GPS data. Data-data tak terstruktur seperti itu membantu
investigator menggali informasi lebih cepat dan detail terkait nasabah
asuransi.
Kesimpulan
Data adalah emas. Organisasi manapun yang
mengusai emas, dapat dipastikan kekayaan dan kekuasaan ada ditangannya. Begitu
juga halnya dengan data. Namun demikian, seperti halnya emas, data mesti
digali, diproses dan dianalisa dengan serentetan teknologi tertentu demi
mendapatkan nilai yang berharga dari lautan data pada era digital sekarang ini.
Lautan data tersebut kemudian dikenal dengan istilah Big Data, kumpulan data
yang begitu besar dan kompleks yang tak memungkinkan lagi untuk dikelola dengan
tools software tradisional. Terdapat dua type teknologi untuk memberdayakan Big
data, yaitu: (1) teknologi untuk memproses Big Data demi kebutuhan operasional,
yakni: database NoSQL (MongoDB, HBase, ...), dan (2) teknologi untuk memproses
Big Data guna kebutuhan analitis seperti halnya Hadoop. Dengan
mengimplementasikan kedua type teknologi Big Data ini, akan memungkinkan
didapatkannya nilai-nilai baru yang dapat memberikan manfaat pada operasional
perusahaan berupa penghematan pengeluaran, peningkatan keuntungan, dan
pencapaian sasaran-sasaran bisnis lainnya.
Sumber :
https://integrity-indonesia.com/id/blog/2018/02/15/3-metode-revolusioner-analisis-big-data-dalam-deteksi-kecurangan-asuransi/
Komentar
Posting Komentar