Hari – hari ini, dalam dunia bisnis di bidang teknologi, ada ungkapan yang mengatakan bahwa “data adalah minyak yang baru.” Internet of Things yang dikombinasikan dengan kemampuan untuk menyimpan sejumlah besar data dan teknik analitis baru yang kuat seperti pembelajaran mesin di mana hal tersebut akan membantu Anda memperoleh wawasan baru yang penting, mengotomatiskan proses dan mengubah model bisnis. Hal ini rasanya tentu saja seperti peluang besar.

Namun, analis Gartner, Nick Heudecker, memperkirakan sebanyak 85% proyek data besar berakhir gagal, karena kurangnya keterampilan data, koordinasi internal yang buruk antar departemen serta kurangnya integrasi dengan manajer dan staf. Menerapkan proyek data besar, tampaknya, jauh lebih menantang daripada menginstal sistem email baru.

Hal itu tidak berarti sepenuhnya buruk. Sebuah survei oleh Deloitte tentang “pengguna yang agresif” tentang teknologi kognitif menemukan bahwa sebanyak 76% percaya bahwa mereka akan “mengubah secara substansial” perusahaan mereka dalam tiga tahun ke depan. Jadi jelas, meskipun data besar dan teknologi kognitif bukanlah suatu teknologi yang dapat memperbaiki semua keadaan, paling tidak mereka masih dapat memberikan nilai, jika diimplementasikan dengan bijaksana. Namun demikian, ada 4 hal yang harus Anda ketahui sebelum memulai sebuah proyek big data.

Bangun Proyek Big Data Yang Memiliki Tujuan

Dalam sebuah survei yang dilakukan oleh Deloitte, satu hal yang menjadi perhatian utama para pemimpin yang berhasil menerapkan teknologi kognitif adalah integrasinya ke dalam proses dan sistem yang ada, dengan hampir setengahnya mengatakan bahwa itu adalah tantangan yang utama dalam memulai proyek big data. Namun, Roman Stanek, CEO dari GoodData, sebuah perusahaan yang berspesialisasi dalam analitik data dan kecerdasan, percaya bahwa hal ini sebagian besar merupakan masalah konsepsi semata.

“Pertanyaan pertama yang harus Anda tanyakan adalah hasil bisnis apa yang Anda coba capai,” katanya. “Seringkali, proyek dimulai dengan mencoba menerapkan pendekatan teknis tertentu dan tidak mengherankan, para manajer di lini depan dan karyawan akan tidak merasa berguna dikarenakan tidak adanya adopsi nyata dan tidak ada ROI.”

Salah satu perusahaan yang telah berhasil dengan pendekatan ini adalah CAVA, sebuah restoran yang berkembang pesat mirip dengan Chipotle tetapi berfokus pada masakan Mediterania yang sehat.

“Hal yang penting adalah fakta bahwa tim sains data kami telah membangun kemitraan asli dengan tim kami yang lain dengan tujuan memperluas kemampuan setiap aspek bisnis kami, daripada mencoba mengganti bakat manusia dengan serangkaian algoritme,” ujar CEO CAVA, Brett Schulman.

Otomatisasi Tugas – Tugas Yang Membosankan Terlebih Dahulu

Sementara ini, banyak orang yang khawatir bahwa teknologi kognitif akan mengambil alih pekerjaan manusia, David Autor, seorang ekonom di MIT melihat pergeseran utama yang terjadi antara kerja rutin dan non-rutin. Dengan kata lain, kecerdasan buatan dengan cepat mengotomatisasi proses-proses kognitif rutin lain seperti mesin-mesin era industri yang dapat bekerja fisik secara otomatis.

Salah satu kesalahan paling mendasar yang dilakukan banyak perusahaan adalah mencoba menggunakan teknologi kognitif untuk menggantikan manusia untuk menghemat biaya daripada menambah dan memberdayakan mereka untuk meningkatkan kinerja dan memberikan nilai tambah. Ini tidak hanya membunuh moral kerja karyawan dan memperlambat proses adopsi, namun juga biasanya akan memberikan hasil yang lebih buruk secara keseluruhan.

Stanek menyarankan pelanggannya untuk mulai dengan mengotomatiskan tugas yang paling membosankan terlebih dahulu. Sebagai contoh, dalam proyek GoodData, mereka mengotomatisasi manajemen fasilitas, keputusan rutin seperti memesan bola lampu dan pasokan pembersih, yang membebaskan para profesional untuk melakukan pekerjaan dengan tingkat yang lebih tinggi, seperti melaksanakan proyek-proyek berskala besar dan membasmi penipuan. Mungkin yang paling penting, pendekatan ini benar-benar dapat meningkatkan semangat kerja.

Fokus Pada Data Yang Tepat, Bukan Sekedar Big Data

“Slogan sakti big data adalah menyimpan segala sesuatu” tutur Stanek dari GoodData. “Tidak setiap set data itu penting. Hanya karena Anda dapat mengumpulkan data tidak berarti Anda harus mengumpulkan data. Anda tidak bisa mengumpulkan semua data dan mengharapkan seseorang untuk mengetahuinya suatu hari nanti.” Ia juga menunjukkan bahwa menggunakan terlalu banyak data akan meningkatkan biaya dan dapat mengurangi akurasi melalui overfitting.

“Sekarang, Anda memiliki tanggung jawab GDPR. Perusahaan perlu belajar untuk lebih berhati-hati dengan data yang mereka kumpulkan. Anda harus mulai dengan proses bisnis dan personel yang terlibat erat setiap hari dengan sistem inti yang terlibat dengan mereka. Kegiatan inti. Itulah bagaimana Anda menentukan apa yang merupakan data yang tepat untuk menghasilkan laba atas investasi,” ujar Stanek lagi.

Karena keamanan data menjadi semakin penting, organisasi perlu fokus pada tata kelola data seperti halnya mereka juga fokus pada pengumpulan data. Anda harus tahu data apa saja yang Anda miliki, apa yang akan Anda gunakan dan bagaimana cara membuangnya ketika tidak lagi berfungsi dengan tujuan yang semula ingin dicapai.

Mulailah Kecil dan Bangun Sukses Dari Sana

Mungkin kesalahan terbesar yang dilakukan eksekutif adalah memulai terlalu besar. Selama proses perencanaan, setiap departemen mendorong “daftar keinginan” mereka sendiri dan fitur-fitur ditambahkan ke dalam rencana proyek. Ketika proses pengumpulan tersebut sedang berlangsung, Anda dapat dipastikan akan berakhir dengan kematian sistem selama lima tahun ke depan yang akan menjadi tidak relevan pada saat sistem tersebut akhirnya dirilis.

Namun berbeda dengan yang dilakukan GoodData. Di GoodData, mereka mendorong pelanggan mereka untuk memulai dari kecil dan kemudian membangun kesuksesan dari sana. “Segala sesuatu hari ini dilakukan dengan cara yang lincah dan proyek data haruslah dilakukan dengan lincah juga, tutur Stanek. “Anda ingin mendapatkan umpan balik sesegera mungkin dan dapat menunjukkan hasil dalam 3 bulan pertama. Begitulah cara Anda membangun momentum dan melanjutkan ke hal-hal yang lebih besar.”

Sumber artikel:

inc-asean.com

linkedin.com

Sumber gambar:

pinimg.com