Sudah waktunya bagi perencana kota dan transportasi untuk mengetahui kekuatan dari big data. Data ponsel memiliki insight yang begitu berharga bagi perencana kota dan transportasi untuk memodernisasikan proses mereka dan mempersiapkan populasi yang terus bertumbuh secara cepat dengan lebih baik.
Saat ini, keputusan infrastruktur perkotaan dan transportasi di suatu negara, Amerika Serikat contohnya, bergantung pada survei rumah tangga yang mahal untuk mendapatkan informasi. Dengan informasi statis ini, pejabat kota dan pengembang real estat membuat keputusan investasi senilai miliaran dollar, seperti di mana harus membangun perumahan baru, jika lebih banyak angkutan umum dibutuhkan dan di mana untuk melakukan peningkatan infrastruktur. Ukuran sampelnya kecil (kurang dari 1% dari populasi) karena biaya dan survei yang hanya dilakukan setiap tiga sampai lima tahun. Pemerintah kota juga kesulitan untuk mendapat tingkat respon yang tinggi sehingga membuat pemodelannya menjadi kurang akurat.
Sementara itu, kita berada di era digital di mana data tersedia secara real-time, dengan adanya pola-pola komuter, demografi dan perilaku dari data ponsel yang dianonimkan tapi dapat ditindaklanjuti dan jauh lebih akurat dari survei tradisional Amerika Serikat.
Lima poin penting yang muncul untuk mendemonstrasikan superioritas data ponsel dibanding survei:
Skala: Di Amerika saja, terdapat lebih dari 300 juta perangkat ponsel, di dunia jumlahnya bisa lebih besar lagi, dan semuanya menghasilkan data hampir secara real-time, menunjukkan miliaran lokasi dan pola perilaku. Sebagai perbandingan, sebuah survei tradisional di Amerika mengambil sampel dari ribuan orang saja yang tinggal di area perkotaan tertentu.
Waktu: Tidak hanya data ponsel diperbaharui hampir secara real-time, tetapi itu juga menceritakan cerita lengkap dari kebiasaan perilaku pengguna dan pergerakannya. Survei tradisional tidak dapat mengantisipasi tren-tren seperti kepopuleran layanan berbagi kendaraan.
Akurasi: Rumah tangga berpenghasilan rendah cenderung tidak menanggapi survei tradisional, sehingga hasilnya tidak mencerminkan refleksi akurat dari populasi. Sementara, ponsel mengumpulkan data dari rumah tangga di semua tingkat pendapatan.
Dapat Ditindaklanjuti: Data menunjukan tren-tren termasuk pola perjalanan, lingkungan rumah dan pekerjaan serta penggunaan aplikasi ponsel. Sebagai contoh, jika populasi yang berkembang bergantung pada aplikasi berbagi tumpangan dibanding memiliki kendaraan, maka pengembang perumahan harus mempertimbangkan kembali untuk membangun garasi di perumahan baru yang ditujukan untuk milennials.
Demografik: Demografi pengguna -- seperti usia, minat, dan lokasi tempat tinggal memberikan gambaran komprehensif dari populasi melalui data ponsel anonim. Survei tradisional tidak menyediakan pemahaman populasi secara mendalam.
Bank dunia  memperkirakan pada 2025 Indonesia akan memiliki 68 persen dari total populasinya tinggal di lingkungan perkotaan atau area urban. Kota-kota di Indonesia juga berada di antara kota-kota dengan pertumbuhan yang paling cepat di dunia. Namun, tanpa sistem data spasial yang terintegrasi, perencanaan kota menjadi tugas yang berat ketika tantangan urbanisasi menjadi lebih sulit untuk diprediksi.
Di sinilah Big Data bisa masuk dan membantu Indonesia untuk urusan tata kota. Sayangnya, analitik big data masih belum terlalu populer di sini. Padahal, ada satu analitik big data asal Indonesia yang sangat cocok menjadi solusi permasalahan tata kota yang ada di dalam negeri. Adalah Paques, piranti lunak big data yang diciptakan dengan memetakan masalah-masalah mendasar terkait pengolahan data. Dengan konsep data lake, membuat Paques dapat memproses data dalam bentuk apapun tanpa harus diubah terlebih dahulu menjadi format tertentu, memaksimalkan efisiensi dan efektivitas pekerjaan.
