Data di era digital diibaratkan seperti emas di dunia nyata. Ia bisa bernilai sangat tinggi sebab dapat dimanfaatkan untuk membaca peluang bisnis, melihat tren, hingga menganalisis perilaku pengguna internet itu sendiri.
Bahkan, Forbes pernah menulis bahwa pertumbuhan data digital sangatlah cepat, dan di 2020 kelak akan muncul 1,7 megabytes informasi baru yang tercipta per detik oleh tiap manusia di dunia ini.
Melihat pertumbuhannya yang sangat pesat, ada tiga istilah yang naik daun: data science, big data, dan data analytics. Apa bedanya?
Data science
Ia adalah bidang yang berurusan dengan segala hal yang berhubungan dengan “pembersihan” data, persiapan data, dan analisis. Kegiatannya berkaitan dengan data yang acak (unstructured) dan data yang siap diolah (structured).
Data science merupakan kombinasi dari statistik, matematika, pemrograman, penyelesaian masalah, pembacaan data, serta kemampuan menyusun hasil olahan data. Dalam artian yang lebih sederhana, ia merupakan “payung ilmu” atas berbagai macam teknik yang digunakan ketika seseorang/tim mencoba mengekstrak insights dan informasi yang disajikan oleh data.
Big data
Bisa jadi ini adalah kata terpopuler di bidang TIK dalam lima tahun terakhir. Big data mengarah pada volume data yang jumlahnya raksasa, data itu tidak bisa diproses secara efektif oleh aplikasi jadul. Untuk mengolahnya, dibutuhkan mesin khusus yang mampu menampung jumlah data yang sangat besar itu tadi.
Pemrosesan big data dimulai dengan perolehan data mentah yang sering kali mustahil untuk disimpan dalam satu komputer. Setelah diproses, hasil dari big data mampu memberikan insights yang dapat dianalisis untuk membuat keputusan dan strategi bisnis yang lebih baik.
Di dunia bisnis, orang yang berkecimpung di bagian big data harus mempunyai pemahaman tentang tujuan bisnis yang telah tercapai, sekaligus yang masih dalam proses. Hal itu dimaksudkan agar pemrosesan datanya bisa benar-benar efektif membantu pertumbuhan bisnis dan memberikan keuntungan finansial.
Data analytics
Istilah terakhir ini bisa dipahami sebagai pengetahuan untuk “menguji data mentah” sehingga bisa ditarik kesimpulan dari informasi yang telah tersedia. Untuk bisa menghasilkan kesimpulan, seorang data analyst harus mengkombinasikan algoritma maupun proses mekanis untuk menemukan insights.
Sebagai contoh: analis menjalankan pengujian atas beberapa set data sekaligus untuk mencari korelasi antardata. Praktik ini umum digunakan di banyak industri untuk menghasilkan keputusan yang tepat. Selain itu, ia juga menjadi alat untuk memverifikasi dan mematahkan teori/model yang ada sebelumnya.
Itulah perbedaan data science, big data, dan data analytics. Apakah Anda berminat untuk mempelajarinya?
Discussion about this post