Jenis-jenis Data Analytics

Data analytics adalah ilmu untuk menggali wawasan yang dapat ditindaklanjuti dari koleksi data besar (big data) untuk membantu orang atau organisasi membuat keputusan yang lebih baik. Analisis data menggunakan teknik dari pembelajaran mesin, kecerdasan buatan, statistik, dan pemrosesan bahasa alami untuk menemukan pola dalam data dan memanfaatkan alat-alat dari visualisasi data dan interaksi komputer manusia untuk membuat pola-pola ini dapat dimengerti oleh pengguna (http://dit.ie/computing/research/).

Data analytics dapat digambarkan sebagai pemeriksaan mendalam tentang makna dan fitur-fitur penting yang tersedia data, untuk mengidentifikasi informasi penting, menggunakan metode dan teknik khusus. Ini adalah inter disipliner domain yang mencakup cabang keilmuan seperti komputer sains (ilmu komputer), ilmu matematika statistik, ekonomi, psikologi, hukum dan ilmu kognitif lainnya (Adrian Banarescu, 2015).

Berdasarkan hasilnya data analytics terbagi menjadi tiga jenis yaitu descriptive analytics, predictive analytics, dan prescriptive analytics (SAS, 2016).

• Descriptive analyticsadalah proses data analytics untuk mendapatkan gambaran umum dari data yang sudah dikumpulkan. Ini adalah model yang akan membantu untuk memahami apa yang terjadi dan mengapa. Contoh dari descriptive analytics adalah Google Analytics. Pada Google Analytics hanya bisa melihat informasi sederhana seperti ada berapa jumlah visitor per satuan waktu, halaman mana saja yang paling sering dikunjungi. Analisis deskriptif tidak menampilkan prediksi halaman apa yang akan dikunjungi pengunjung berikutnya atau kenapa seorang pengunjung mengunjungi suatu halaman.
• Predictive analytics adalah data analytics yang memberikan hasil prediksi tentang sesuatu yang akan datang dengan peningkatan daya komputasi dengan kemampuan menjalankan ratusan atau ribuan model dengan cepat dan adopsi teknik prediktif seperti support vector machines, neural networks dan random forests. Model-model ini menggunakan data masa lalu dan algoritma prediksi untuk membantu dalam menentukan probabilitas dari apa yang akan terjadi berikutnya. Contohnya adalah sistem rekomendasi yang dipakai di situs e-commerce Dari data pengunjung dan pembelian, maka bisa diperkirakan barang apa saja yang pengunjung sekiranya tertarik untuk membeli. Pada analytics jenis ini mulai diperlukan machine learning untuk menafsirkan data yang telah dikumpulkan sehingga tidak bisa langsung melakukan operasi penjumlahan atau rata-rata seperti pada descriptive analytics.
• Prescriptive analytics adalah proses analytics yang menghasilkan jawaban atas pertanyaan kenapa sesuatu akan terjadi serta memberikan saran terhadap kondisi yang kemungkinan akan terjadi dimasa yang akan datang. Kunci untuk prescriptive analytics adalah mampu menggunakan data besar, data kontekstual dan banyak daya komputasi untuk menghasilkan jawaban secara real time. Karena kemampuannya inilah prescriptive analytics sangat diperlukan oleh top-level manajemen dalam mengambil keputusan. Dalam prosesnya cukup sulit untuk membuat sistem yang menggunakan analytics preskriptif mengingat algoritmanya harus benar-benar dapat melihat yang tak terlihat dari hasil analytics Selain itu juga mempertimbangkan semua opsi untuk pengambilan keputusan. Untuk mencapai hal ini machine learning sudah pasti menjadi hal yang mutlak digunakan.

DAFTAR PUSTAKA

Adrian Banarescu. (2015). Detecting and Preventing Fraud with Data Analytics. Procedia Economics and Finance 32 (2015) 1827 – 1836
Data Analytics. 2018. http://dit.ie/computing/research/. diakses 3 November 2018.

Penulis:
Astari Retnowardhani, PhD
Tiswa Ramdani, MMSI