Sebelum data dapat digunakan untuk menjelaskan sebuah story, data harus diolah melalui proses yang membuatnya dapat digunakan dalam cestoryrita. Data Analysis adalah proses mengidentifikasi, membersihkan, mengubah, dan memodelkan data untuk menemukan informasi yang berarti dan berguna. Data tersebut kemudian dibuat menjadi sebuah story melalui laporan untuk dianalisis guna mendukung proses pengambilan keputusan yang kritis.

Ketika dunia menjadi lebih didorong oleh data, bercerita melalui analisis data menjadi komponen dan aspek penting dari bisnis besar dan kecil. Inilah alasan mengapa organisasi terus mempekerjakan data analyst.

Bisnis berbasis data membuat keputusan berdasarkan story yang diceritakan oleh data mereka, dan di dunia berbasis data saat ini, data tidak digunakan secara maksimal, sebuah tantangan yang dihadapi sebagian besar bisnis. Analisis data adalah, dan seharusnya, merupakan aspek penting dari semua organisasi untuk membantu menentukan dampaknya terhadap bisnis mereka, termasuk mengevaluasi sentimen pelanggan, melakukan riset pasar dan produk, dan mengidentifikasi tren atau wawasan data lainnya.

Sementara proses analisis data berfokus pada tugas pembersihan, pemodelan, dan visualisasi data, konsep analisis data dan pentingnya bisnis tidak boleh diremehkan. Untuk menganalisis data, komponen inti analitik dibagi ke dalam kategori berikut:

  • Descriptive
  • Diagnostic
  • Predictive
  • Prescriptive
  • Cognitive

Descriptive analytics

Analitik deskriptif membantu menjawab pertanyaan tentang apa yang telah terjadi berdasarkan data historis. Teknik analitik deskriptif merangkum kumpulan data besar untuk menggambarkan hasil kepada stakeholders.

Dengan mengembangkan key performance indicators (KPI), strategi ini dapat membantu melacak keberhasilan atau kegagalan tujuan utama. Metrik seperti return on investment (ROI) digunakan di banyak industri, dan metrik khusus dikembangkan untuk melacak kinerja di industri tertentu.

Sebuah contoh analitik deskriptif adalah menghasilkan laporan untuk memberikan tampilan data penjualan dan keuangan organisasi.

Diagnostic analytics

Analitik diagnostik membantu menjawab pertanyaan tentang mengapa peristiwa terjadi. Teknik analitik diagnostik melengkapi analitik deskriptif dasar, dan mereka menggunakan temuan dari analitik deskriptif untuk menemukan penyebab peristiwa ini. Kemudian, indikator kinerja diselidiki lebih lanjut untuk menemukan mengapa peristiwa ini meningkat atau menjadi lebih buruk. Umumnya, proses ini terjadi dalam tiga langkah:

  • Mengidentifikasi anomali dalam data. Anomali ini mungkin merupakan perubahan tak terduga dalam metrik atau pasar tertentu.
  • Kumpulkan data yang terkait dengan anomali ini.
  • Gunakan teknik statistik untuk menemukan hubungan dan tren yang menjelaskan anomali ini.

Predictive analytics

Analisis prediktif membantu menjawab pertanyaan tentang apa yang akan terjadi di masa depan. Teknik analitik prediktif menggunakan data historis untuk mengidentifikasi tren dan menentukan apakah tren tersebut cenderung berulang. Alat analisis prediktif memberikan wawasan berharga tentang apa yang mungkin terjadi di masa depan. Teknik mencakup berbagai teknik statistik dan machine learning seperti jaringan saraf, pohon keputusan, dan regresi.

Prescriptive analytics

Analitik preskriptif membantu menjawab pertanyaan tentang tindakan mana yang harus diambil untuk mencapai tujuan atau target. Dengan menggunakan wawasan dari analitik prediktif, organisasi dapat membuat keputusan berdasarkan data. Teknik ini memungkinkan bisnis untuk membuat keputusan yang tepat dalam menghadapi ketidakpastian. Teknik analitik preskriptif mengandalkan strategi machine learning untuk menemukan pola dalam kumpulan big data. Dengan menganalisis keputusan dan peristiwa masa lalu, organisasi dapat memperkirakan kemungkinan hasil yang berbeda.

Cognitive analytics

Analisis kognitif mencoba menarik kesimpulan dari data dan pola yang ada, menarik kesimpulan berdasarkan basis pengetahuan yang ada, dan kemudian menambahkan temuan ini kembali ke basis pengetahuan untuk kesimpulan di masa depan, suatu lingkaran self-learning feedback. Analisis kognitif membantu Anda mempelajari apa yang mungkin terjadi jika keadaan berubah dan menentukan bagaimana Anda dapat menangani situasi ini.

Inferensi bukanlah kueri terstruktur berdasarkan database aturan; sebaliknya, itu adalah hipotesis tidak terstruktur yang dikumpulkan dari beberapa sumber dan diekspresikan dengan berbagai tingkat kepercayaan. Analisis kognitif yang efektif bergantung pada algoritme machine learning, dan akan menggunakan beberapa konsep pemrosesan bahasa alami untuk memahami sumber data yang sebelumnya belum dimanfaatkan, seperti log percakapan call center dan review produk.

Contoh

Dengan mengaktifkan pelaporan dan visualisasi data, bisnis ritel menggunakan analitik deskriptif untuk melihat pola pembelian dari tahun-tahun sebelumnya untuk menentukan produk apa yang mungkin populer tahun depan. Perusahaan mungkin juga melihat data pendukung untuk memahami mengapa produk tertentu populer dan jika tren itu berlanjut, yang akan membantu mereka menentukan apakah akan terus menyimpan produk itu.

Sebuah bisnis mungkin menentukan bahwa produk tertentu populer selama jangka waktu tertentu. Kemudian, mereka dapat menggunakan analisis ini untuk menentukan apakah upaya pemasaran tertentu atau aktivitas sosial online berkontribusi pada peningkatan penjualan.

Aspek yang mendasari data analysis adalah bahwa bisnis perlu memercayai datanya. Sebagai praktik, proses analisis data akan menangkap data dari sumber terpercaya dan membentuknya menjadi sesuatu yang dapat dikonsumsi, bermakna, dan mudah dipahami untuk membantu proses pengambilan keputusan. Analisis data memungkinkan bisnis untuk sepenuhnya memahami data mereka melalui proses dan keputusan berbasis data, memungkinkan mereka untuk percaya diri dalam keputusan mereka.

Seiring bertambahnya jumlah data, begitu pula kebutuhan akan analis data. Seorang data analyst tahu bagaimana mengatur informasi dan menyaringnya menjadi sesuatu yang relevan dan dapat dipahami. Seorang data analyst tahu cara mengumpulkan data yang benar dan apa yang harus dilakukan dengannya, dengan kata lain, memahami data dalam kelebihan data Anda.

Terjemahan bebas dari Microsoft

Gambar: Import.io

3 thoughts on “Gambaran Umum dari Data Analysis

  1. Superb website you have here but I was curious if you knew of any discussion boards that cover the same topics talked about in this article? I’d really like to be a part of community where I can get responses from other knowledgeable people that share the same interest. If you have any recommendations, please let me know. Thank you!

    Like

  2. Appreciating the hard work you put into your site and detailed information you present. It’s good to come across a blog every once in a while that isn’t the same outdated rehashed material. Wonderful read! I’ve bookmarked your site and I’m including your RSS feeds to my Google account.

    Like

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s