Analitik tertambah: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
Tidak ada ringkasan suntingan |
Sejarah Perkembangan Platform Analitik |
||
Baris 4:
''Augmented Analytics'' mencakup:
* Persiapan data
* Penemuan data
* Ilmu data
== Sejarah Perkembangan Platform Analitik ==
=== Platform Berbasis Lapisan Semantik (~1990 sampai dengan ~2000) ===
Konsep [[:en:Semantic_layer|lapisan semantik]] awalnya dipatenkan oleh Business Objects pada tahun 1991 dan berhasil ditantang oleh Microstrategy pada tahun 2003 <ref>{{Cite web|url=https://www.atscale.com/blog/what-is-a-semantic-layer-why-would-i-want-one|title=What is a Semantic Layer? Why Would You Want One? {{!}} AtScale|website=www.atscale.com|access-date=2019-04-05}}</ref>. Lapisan semantik merupakan representasi bisnis dari data perusahaan yang dapat membantu pengguna mengakses data secara mandiri menggunakan istilah bisnis umum. Dengan lapisan semantik, data kompleks dapat dipetakan menjadi istilah bisnis yang familiar seperti, produk, konsumen, atau keuntungan untuk menyediakan tampilan terpadu atau gabungan data dari seluruh organisasi. Istilah bisnis tersebut disimpan sebagai objek pada lapisan semantik yang diakses melalui ''business view.'' ''Business Views'' adalah sistem ''multi-tier'' yang dirancang untuk memungkinkan perusahaan membangun objek bisnis yang komprehensif dan spesifik yang membantu perancang laporan dan pengguna mengakses informasi yang mereka butuhkan. ''Business views'' dimaksudkan untuk memungkinkan orang menambahkan konteks bisnis yang diperlukan ke [[:en:Data_island|data island]] mereka dan menautkannya ke dalam sebuah ''business views'' yang terorganisir dalam organisasi mereka <ref>{{Cite journal|date=2018-05-10|title=Semantic layer|url=https://en.wiki-indonesia.club/w/index.php?title=Semantic_layer&oldid=840595427|journal=Wikipedia|language=en}}</ref>.
=== Platform Penemuan Data Berbasis Visual (~2000 sampai dengan ~2015) ===
Selama 10 tahun terakhir, platform penemuan data berbasis [[Visualisasi data|visual]] ini sudah mengacaukan pasar BI tradisional. Alat yang mudah digunakan ini memungkinkan pengguna untuk mengumpulkan data secara cepat, memeriksa [[hipotesis]] secara visual, dan menemukan wawasan baru pada sebuah data. Platform ini mengubah bagaimana pengguna bisnis mengeksplorasi data dibandingkan dengan lapisan semantik yang berpusat pada IT. Walaupun demikian, banyak aktivitas terkait dengan persiapan data, penemuan pola dalam data yang kompleks dan berbagi wawasan tetap manual dan cenderung bias <ref name=":0" />.
Walaupun alat penemuan data berbasis visual ini mudah digunakan, karena pengguna menganalisa data secara manual dengan membuat ''[[Bahasa kueri|queries]]'' untuk menginvestigasi hipotesis, hal ini tidak memungkinkan bagi mereka untuk menemukan semua pola dan kombinasi yang mungkin, seperti apakah temuan mereka adalah yang paling relevan, signifikan dan dapat ditindaklanjuti. Bergantung pada pengguna bisnis untuk menemukan pola secara manual dapat mengakibatkan mereka bias pada hipotesis mereka sendiri, kehilangan temuan yang penting, dan menarik kesimpulan mereka sendiri yang salah atau tidak lengkap, yang dapat mempengaruhi keputusan hasil <ref name=":0" />.
Visualisasi merupakan cara yang ampuh untuk menemukan dan mengkomunikasikan pola dalam data (lebih dari tabel atau daftar). Namun, visualiasi tidak selalu menyoroti temuan yang signifikan secara statistik. Untuk itu, diperlukan interpretasi pengguna atau analisis statistik lebih lanjut untuk menentukan apakah temuan tersebut relevan, signifikan, dan dapat ditindaklanjuti. Terlebih lagi, menemukan wawasan dari analitik lanjut memerlukan keahlian dari ilmuwan data yang sangat langka <ref name=":0" />.
=== Augmented Analytics (~2015 sampai saat ini) ===
Pada platform penemuan data berbasis visual, eksplorasi manual interaktif menggunakan visualiasi merupakan fitur pendefinisinya. Sedangkan, pada ''augmented analytics'', otomatisasi pembelajaran mesin pada penemuan wawasan dan proses eksplorasi merupakan fitur pendefinisinya. Alat tersebut memungkinkan pengguna dan ilmuwan data untuk menemukan , memvisualisasikan, dan menarasikan temuan yang relevan, seperti korelasi, pengecualian, pengelompokan, dan prediksi secara otomatis tanpa harus membangun model atau menulis [[Algoritme|algoritma]]. Pengguna mengeksplorasi data melalui visualisasi, teknologi pencarian dan ''natural language query'', didukung oleh narasi dan interpretasi yang dihasilkan oleh bahasa alami berbasis teks dan suara, atau temuan yang paling penting secara statistik dalam konteks pengguna <ref name=":0" />.
''Augmented analytic'' dapat mengurangi waktu eksplorasi dan identifikasi dari wawasan yang salah atau kurang relevan. Menerapkan berbagai algoritma dan pembelajaran data secara paralel dan menjelaskan temuan yang dapat ditindaklanjuti kepada pengguna, mengurangi risiko hilangnya wawasan penting dalam data, dibandingkan dengan eksplorasi manual. Hal ini juga mengoptimalkan keputusan dan tindakan yang dihasilkan. Pergeseran paradigma ini membutuhkan investasi dalam literasi data di seluruh organisasi karena wawasan ini akan didistribusikan ke semua karyawan <ref name=":0" />.
<br />
== Catatan kaki ==
{{reflist}}
| |||