Akhir-akhir ini, istilah big data seringkali disebut-sebut sebagai solusi bagi masalah supply chain, namun menggunakan data untuk menyelesaikan masalah telah terbukti jauh lebih sulit dipahami daripada mengumpulkannya. Seperti yang disebut Financial Times pada 2014, "Big Data has arrived, but big insights have not."
Dengan kata lain, perkembangan aplikasi big data merupakan perjalanan yang panjang dan berliku, gelombang data besar dan cepat yang datang memaksa perusahaan untuk membangun sistem untuk memprosesnya untuk kemudian mendapatkan asset dari proses pengolahan data tersebut. Karena konsepnya yang sering dibesarkan, banyak yang berangan-angan dan berharap bahwa semakin banyak data yang diproses akan sama dengan banyaknya asset yang dihasilkan.
Untuk beberapa pihak, hal itu mungkin saja. Namun, bagi pengaplikasian big data ke supply chain membutuhkan tujuan yang lebih mendalam.
Jika bagian supply chain ingin menggunakan big data untuk mendapatkan pengetahuan yang tersembunyi, ada baiknya memahami infrastruktur dan teknologi yang memungkinkan konsep tersebut muncul.
Apa itu Big Data?
Survey tahun 2014 terhadap data scientist yang dilakukan oleh University of California mengungkapkan bahwa definisi big data dapat didebat. Setiap responden memberikan jawaban yang berbeda, berargumen apakah konsep tersebut merupakan proses, alat, atau hasil.
Perdebatan ini tampaknya bermuara pada satu pertanyaan, apakah 'revolusi big data' hanya tentang informasi yang dikumpulkan, atau apakah big data termasuk alat-alat yang dibutuhkan untuk memproses dan mengaplikasikan informasi yang baru? Jawabannya tergantung pada tahap mana big data diaplikasikan.
Meskipun demikian, ada satu pengertian dari Gartner yang paling sering dikutip untuk dijadikan definisi Big Data. Gartner mengatakan, "Big Data adalah informasi bervolume besar, berkecepatan tinggi dan/atau bervariasi yang menuntut bentuk pemrosesan informasi inovatif yang hemat biaya, yang memungkinkan peningkatan wawasan, pengambilan keputusan, dan otomatisasi proses."
Berdasarkan definisi tersebut, Big Data sebagai konsep memerlukan tiga lapisan berbeda sebelum aplikasi: lebih banyak data, sistem pemrosesan, dan analitik. Jika Big Data baru saja terdengar gaungnya dalam manajemen supply chain, mungkin itu karena teknologi tersebut baru saja mencapai lapisan terakhir untuk menyampaikan insight.
Volume, Velocity, Variety: Transisi dari data ke Big Data
Data adalah interaksi: benda yang diambil dari rak, konsumen yang meninggalkan website, ulasan online yang ditulis, produk yang rusak dikembalikan. Interaksi-interaksi ini hadir di setiap tempat dalam supply chain, sayangnya tidak selalu dikumpulkan secara berarti.
Faktanya, hingga saat ini, perincian data semacam itu tidak dapat dikumpulkan, disimpan atau dipindahkan untuk kemudian diproses. Seperti pedometer, contohnya. Versi pertama dari perangkat kesehatan tersebut dapat menghitung langkah-langkah yang diambil dan menampilkannya pada layar, hanya untuk konsumsi penggunanya seorang -- tidak lebih.
Kemajuan pesat internet, cloud dan kemudian internet of things mengubah semua itu, sehingga memunculkan lapisan pertama dari Big Data: volume besar, kecepatan tinggi, dan sangat bervariasi, yang dikenal sebagai "tiga V".
Inovasi-inovasi ini memungkinkan data-data yang sebelumnya tidak tersentuh untuk dikumpulkan. Konektivitas internet menciptakan arus interaksi antara orang-orang dan produk secara terus-menerus -- memperlihatkan korelasi yang mana selama ini tidak terlihat oleh siapapun. Penyimpanan Cloud yang seakan tidak terbatas meningkatkan akses ke data, dan menyediakan tempat untuk mengarsip informasi yang tak terkumpulkan. Sementara itu, Internet of Things menjembatani perbedaan antara dunia fisik dan digital, memungkinkan bisnis untuk mengumpulkan data dari produk-produk hingga ke tingkat yang mendetail secara otomatis, dan banyak lagi.
Di sisi lain, dunia sedang menangani, menciptakan, dan memindahkan data pada tingkat yang lebih tinggi daripada sebelumnya, membebani infrastruktur teknologi, hasilnya, teknologi terus melaju tidak hanya untuk menyimpan, namun pada akhirnya juga memproses data untuk berbagai aplikasi.
Kebangkitan Platform Analitik
Bisnis tidak asing dengan data; manajer supply chain telah membuat laporan, melacak tren serta membuat perkiraan selama beberapa decade. Jadi, ketika jumlah data melonjak dan menjadi big data, para perusahaan dengan cepat mulai mengumpulkan data-data tersebut untuk kebutuhan di masa depan.
Namun bahkan jika sebuah pedometer menghasilkan bytes data tiap detik, informasi yang dihasilkan tetap tidak berguna kecuali disimpan dengan data-data sebelumnya untuk kemudian dianalisa dari waktu ke waktu.
Di sana muncul kebutuhan akan sistem pemrosesan informasi yang lebih powerful daripada spreadsheet. Sistem-sistem ini seringkali dikenal dengan nama-nama seperti ERP, CRM, TMS, atau WMS, tetapi tujuan mereka hampir sama: yaitu untuk menyimpan, mengumpulkan, dan menyederhanakan informasi untuk pengguna. Prosesor-prosesor tersebut menjadi begitu umum, hingga menggunakan sembilan sampai sepuluh sistem berbeda untuk mendukung manajemen supply chain dalam satu pabrik menjadi biasa saja.
Big Data untuk Pengambilan Keputusan
Akan ada gelombang baru pemroses data di pasar yang menjanjikan untuk memperoleh manfaat dari Big Data untuk supply chain.
Perusahaan solusi supply chain seringkali menawarkan untuk mengintegrasi berbagai sistem dari generasi sebelumnya, memungkinkan perusahaan untuk memvisualisasikan data set pada setiap tingkatan korporat agar perincian dan kapasitas analitik yang diinginkan Big Data meningkat.
Namun, Big Data bukanlah sekedar memiliki kemampuan untuk memproses informasi yang lebih banyak, tetapi juga kemampuan untuk berinovasi, mengotomatisasi, dan menggunakan data untuk memperkuat pengambilan keputusan. Big Data dimaksudkan untuk diaplikasikan, tidak hanya dimiliki.
Melihat kembali pada contoh pedometer sebelumnya mungkin dapat membantu mengilustrasikan perbedaan antara memiliki piranti lunak solusi dan secara aktif memaksimalkan Big Data. pada awalnya, pedometer hanya bisa melacak informasi -- menjadikannya penghasil data. Jika perangkat tersebut disambungkan ke Cloud dan ditransmisikan ke pemroses data, maka peran perangkat tersebut dapat disebut sebagai pembantu penghasil Big Data, walau bukanlah perangkat Big Data karena tidak pernah secara aktif membantu pengguna membuat keputusan.
Sementara itu, Fitbit -- yang melacak langkah, detak jantung, dan biometric lainnya -- dapat menganalisa dan mengaplikasikan data yang dikumpulkannya untuk memandu pengguna melakukan kebiasaan kesehatan yang lebih baik; sebagai contoh, Fitbit dapat memperingatkan pengguna saat mereka duduk terlalu lama dan mengingatkan mereka untuk berjalan dalam jangka waktu tertentu. Â Â Â Â Â
Ledakan Solusi Big Data
Saat ini, khususnya dalam 5 tahun terakhir, pemain big data semakin banyak. Software-software maupun platform big data secara gencar masuk ke dalam perusahaan di segala lini, dan banyak perusahaan yang sudah mulai memanen hasilnya, tak terkecuali di bidang supply chain.
Di Indonesia sendiri, bagian supply chain merupakan salah satu bagian yang seringkali terabaikan. Padahal banyak data di bagian tersebut yang jika dimanfaatkan dan diproses secara maksimal bisa meningkatkan performa dan efisiensi perusahaan.
Sayangnya, pilihan piranti analisa big data di Indonesia cukup terbatas. Kalaupun ada, membutuhkan effort dan biaya yang tidak sedikit. Namun, banyak pihak yang tidak mengetahui bahwa Indonesia pun memiliki piranti lunak analisa big data tersendiri bernama Paques.
Paques dapat memproses data dengan memaksimalkan semua kapasitas CPU yang ada hingga titik maksimal, menjadikannya piranti lunak analisa big data yang sangat efisien dan hampir 4 kali lebih cepat dari solusi big data lainnya. Dengan mengusung fitur utama self-service analytic, Paques juga memudahkan pengguna dari berbagai latar belakang dan divisi untuk mengoperasikannya hanya dengan beberapa panduan sederhana. Sebagai produk dalam negeri, Paques dibuat dengan misi untuk mengembangkan dunia bisnis di tanah air.
