Memahami Big Data agar Tak Salah Kaprah

Data yang sebegitu besarnya ini harus dikumpulkan (collect atau mining), diseleksi, dan didokumentasikan dengan baik agar dapat dilakukan analisis untuk menciptakan suatu hasil (report/insight) yang berguna bagi pengguna. 

Saking besarnya data, jenis, variabel, percabangan kemungkinan analisis dan kesimpulan yang dihasilkan, maka memerlukan alat bantu berupa algoritma tertentu yang biasanya berwujud sebagai machine learning yang merupakan bagian dari artificial intelligence (AI). Mengapa perlu bantuan ini semua? Sebab manusia biasa dengan perangkat gadget traditional tidak mampu meng-handle big data.

Selain itu, untuk memudahkan membedakan big data atau bukan, dalam salah satu literatur disebutkan bahwa big data memiliki ukuran data sebesar antara 10 Terabyte hingga 100 Petabyte (PB). Di mana 1 Petabyte adalah 1000 Terabyte. 

Jadi jikalau data yang diolah untuk menghasilkan insight tertentu masihlah di bawah 10 TB maka biasanya disebut dengan "not so big data" atau kalau diterjemahkan "belumlah benar-benar data yang besar".

Jika berbicara big data, maka kita akan berbicara tentang karakteristik big data yang biasanya dikenal 5V yang terdiri Volume, Veriety, Volocity yang kemudian dihimpun menjadi big data untuk menghasilkan 2V yang terakhir yakni Veracity dan Value.

Volume adalah besarnya ukuran data yang akan dikumpulkan. Ini penting diperhatikan untuk mempersiapkan metode pengumpulan data, besaran "wadah" yang harus disiapkan termasuk pemilihan "wadah" yang memungkinkan untuk dilakukan scalable jika dibutuhkan sewaktu-waktu.

Variety adalah variasi data yang akan dihimpun menjadi big data. Seorang data analis perlu mempertimbangkan variasi apa saja yang akan diolah menjadi sumber data big data. Variasi ini bisa dalam bentuk data (text, video, dll) ataupun parameter data yang kemudian biasanya dicari pola datanya. Variety ini juga yang menjadikan data yang dihimpun menjadi sangat kompleks sehingga metode tradisional tidak akan mampu untuk meng-handle-nya.

Velocity adalah kecepatan bagaimana data dikumpulkan, diproses, dan dihasilkan sesuai dengan kebutuhan. Jika kecepatan memproses ini terhitung lambat dan layaknya dikerjakan manual, maka itu bukanlah big data yang ideal.

Veracity dan Value berhubungan dengan kualitas data. Veracity mengacu pada akurasi dan keakuratan data sesuai dengan konteks yang dinginkan sehingga menghasilkan Value yang berguna.

Hasil dari pengolahan big data yang rumit ini kemudian disajikan dalam grafis-grafis yang mudah dikonsumsi oleh orang banyak, bahkan yang awam sekalipun.

Dalam mewujudkan konsep big data hingga mendapatkan hasil yang benar-benar insightful bagi pengguna dibutuhkan beragam keahlian spesifik terkait data. Beberapa di antaranya adalah keahlian di bidang data analytics, data engineering, data management, research method and project management, dan business analytics.