Big Data Analytics merujuk kepada proses menganalisis data dalam jumlah yang sangat besar, kompleks, dan pelbagai (dikenali sebagai Big Data) untuk mendapatkan corak, trend, dan maklumat berharga. Data ini boleh datang daripada pelbagai sumber seperti media sosial, transaksi perniagaan, sensor, atau peranti pintar.
Analisis ini menggunakan teknologi canggih seperti algoritma pembelajaran mesin (machine learning), kecerdasan buatan (artificial intelligence, AI) dan alat analitik statistik yang digunakan untuk memahami tingkah laku pengguna, membuat ramalan dan mengambil keputusan strategik berdasarkan data.
Big Data Analytics merangkumi 4V iaitu:
- Volume – Jumlah data yang besar.
- Velocity – Kelajuan data diterima dan diproses.
- Variety – Kepelbagaian jenis data (teks, imej, video, dsb.).
- Veracity – Ketepatan dan kebolehpercayaan data.
Kenapa Big Data Analytics Penting?
- Meningkatkan Keputusan Perniagaan
Membolehkan organisasi membuat keputusan berdasarkan data yang lebih tepat dan relevan. Sebagai contoh, syarikat e-dagang menggunakan analisis data untuk mencadangkan produk kepada pelanggan berdasarkan carian atau pembelian sebelumnya. - Mengurangkan Kos dan Masa
Alat analitik yang canggih dapat membantu organisasi mengenal pasti kecekapan operasi, mengurangkan pembaziran dan menjimatkan masa dalam pemprosesan data. - Mengenal Pasti Corak dan Ramalan Masa Depan
Big Data Analytics membantu meramalkan tren masa depan seperti permintaan pasaran, perubahan tingkah laku pengguna atau risiko kewangan. Sebagi contoh dalam sektor kesihatan, ia boleh digunakan untuk meramal wabak penyakit berdasarkan data populasi. - Meningkatkan Pengalaman Pengguna
Big Data Analytics dapat memahami keperluan dan kehendak pengguna melalui analisis data, syarikat dapat menyediakan produk atau perkhidmatan yang lebih diperibadikan. - Mendorong Inovasi
Data yang dianalisis dapat mendedahkan peluang baharu untuk inovasi produk, perkhidmatan atau proses perniagaan. - Meningkatkan Keselamatan dan Pengesanan Risiko
Big Data Analytics berperanan besar dalam mengesan ancaman dan aktiviti penipuan secara langsung - Meningkatkan Keberkesanan Operasi
Analisis data dapat membantu meningkatkan pengurusan rantaian bekalan dengan menjadualkan penghantaran secara efisien dan mengurangkan kos pengangkutan.
Berikut huraian hierarki data daripada unit terkecil hingga yang terbesar dengan contoh yang memudahkan pemahaman:
| Unit Data | Simbol | Saiz | Contoh |
| Byte | B | 1 aksara/huruf | Huruf tunggal seperti “A” atau “B”. |
| Kilobyte | KB | 1,024 Byte | Sebuah buku cerita kanak-kanak. |
| Megabyte | MB | 1,024 KB | Sebuah novel remaja atau gambar berkualiti HD. |
| Gigabyte | GB | 1,024 MB | Filem HD atau koleksi foto digital. |
| Terabyte | TB | 1,024 GB | Pangkalan data organisasi atau ratusan filem. |
| Petabyte | PB | 1,024 TB | Data bulanan syarikat gergasi seperti Google. |
| Exabyte | EB | 1,024 PB | Seluruh kandungan internet pada satu masa. |
| Zettabyte | ZB | 1,024 EB | Storan data global dalam satu dekad. |
| Yottabyte | YB | 1,024 ZB | Storan untuk semua data di dunia. |
Penjelasan Visual
- Byte – Unit data terkecil, seperti satu huruf atau simbol.
- Kilobyte – Koleksi byte yang mencukupi untuk menyimpan dokumen ringkas.
- Megabyte – Mampu menyimpan data yang lebih besar, seperti e-buku atau gambar.
- Gigabyte – Kapasiti biasa untuk peranti mudah alih atau storan komputer.
- Terabyte – Banyak digunakan dalam storan cakera keras besar.
- Petabyte hingga Yottabyte – Digunakan dalam skala besar seperti penyelidikan saintifik, data global, dan analitik Big Data.
Memahami hierarki ini membantu kita menyedari betapa pesatnya pertumbuhan data di dunia. Data yang kita kendalikan biasanya berada dalam lingkungan Petabyte atau lebih besar yang menjadikan teknologi canggih seperti Big Data Analytics sangat penting untuk menganalisis, menyusun dan memahami data tersebut.
Kesimpulan
Big Data Analytics adalah alat penting dalam era digital untuk organisasi dan masyarakat. Ia bukan sahaja membantu memahami data yang kompleks tetapi juga menyediakan penyelesaian yang inovatif dan praktikal untuk pelbagai cabaran. Justeru itu dengan memanfaatkan Big Data Analytics, kita dapat membuat keputusan yang lebih baik, meningkatkan keberkesanan dan memacu perkembangan teknologi ke arah masa depan yang lebih cerah(Huggins, 1978).
Oleh: Azman Chik1, Dr. Hafizah Suzana Hussien2, Sri Yanti Mahadzir3
abc@ukm.edu.my, suzana@ukm.edu.my, yantie@ukm.edu.my
1,2 Pusat Teknologi Maklumat, Universiti Kebangsaan Malaysia.
3 Institut Alam dan Tamadun Melayu (ATMA), Universiti Kebangsaan Malaysia.
—
Rujukan:
Ansari, A., & Li, Y. (2018). Big data analytics. In Handbook of Marketing Analytics (pp. 280-302). Edward Elgar Publishing.
Elgendy, N., & Elragal, A. (2014). Big data analytics: a literature review paper. In Advances in Data Mining. Applications and Theoretical Aspects: 14th Industrial Conference, ICDM 2014, St. Petersburg, Russia, July 16-20, 2014. Proceedings 14 (pp. 214-227). Springer International Publishing.
Sumber Imej: freepik
