Isi
- Apa itu Data Gelap?
- Perbedaan Antara Data Besar dan Data Gelap
- Alasan Perusahaan Membangun Stok Data Gelap
- Potensi Data Gelap
- Prediksi Permintaan dan Selesaikan Masalah
- Bangun Rantai Pasokan yang Lebih Cerdas
- Meningkatkan Kualitas Produk Dengan Umpan Balik Pelanggan
- Kesimpulan
Sumber: Agsandrew / Dreamstime.com
Bawa pulang:
Data gelap adalah data yang tidak pernah dilihat oleh cahaya hari, tetapi data yang lama diabaikan ini dapat bermanfaat bagi organisasi.
Ada dua cara untuk melihat dampak data gelap di dunia data besar:
- Seperti peluang yang disembunyikan dalam data besar
- Karena risiko yang ditimbulkan data gelap
Hampir semua perusahaan menyimpan data gelap untuk waktu yang bervariasi, tanpa analisis apa pun. Sementara mereka melakukannya, mereka kehilangan kesempatan untuk mendapatkan wawasan yang bisa diungkapkan oleh data yang tidak dianalisis. Ada juga beberapa risiko dalam menyimpan data gelap untuk waktu yang lama seperti hukum, keuangan, reputasi dan kehilangan keunggulan kompetitif. Perusahaan perlu memanfaatkan repositori data gelap mereka dengan lebih baik, tidak hanya untuk meningkatkan bisnis, tetapi juga untuk meminimalkan risiko.
Apa itu Data Gelap?
Hampir setiap perusahaan mengumpulkan volume data yang sangat besar dengan tujuan untuk mendapatkan lebih banyak wawasan tentang hal-hal seperti perilaku pelanggan, proses pengembangan perangkat lunak, waktu rapat dan produktivitas serta kegunaan situs web. Wawasan ini membantu perusahaan merespons untuk memberikan produk dan layanan yang ditingkatkan. Namun, mungkin mengejutkan bahwa sebagian besar data terletak tidak digunakan untuk jangka waktu yang lama. Perusahaan hanya menyimpannya tanpa melakukan analisis apa pun. Kategori data ini dikenal sebagai data gelap, dan ukuran kategori ini sangat besar. IDC memperkirakan bahwa 90% dari total data yang dihasilkan adalah data gelap - yaitu pengamatan yang signifikan. Gartner mendefinisikan data gelap sebagai,
“Ia mengumpulkan informasi, mengumpulkan, memproses, dan menyimpan aset selama kegiatan bisnis reguler, tetapi umumnya gagal digunakan untuk tujuan lain (misalnya, analitik, hubungan bisnis, dan monetisasi langsung). Mirip dengan materi gelap dalam fisika, data gelap seringkali terdiri dari sebagian besar aset informasi dunia. Dengan demikian, organisasi sering menyimpan data gelap hanya untuk tujuan kepatuhan. Menyimpan dan mengamankan data biasanya menimbulkan lebih banyak biaya (dan terkadang risiko lebih besar) daripada nilai. "
Jenis data apa yang dibiarkan tidak dianalisis? Kategori data berikut ditemukan memenuhi syarat untuk kategori data gelap:
- Input survei mentah
- Data pelanggan
- Data karyawan sebelumnya
- Laporan keuangan
- percakapan
- Transkrip obrolan
- Transkrip pusat panggilan
- Data akun
Perbedaan Antara Data Besar dan Data Gelap
Data gelap adalah bagian dari data besar. Jadi, ada dua bagian dari data besar yang dikumpulkan: dianalisis dan tidak dianalisis. Data yang tidak dianalisis adalah data gelap. Menariknya, data yang tidak dianalisis merupakan bagian terbesar dari data besar.
Alasan Perusahaan Membangun Stok Data Gelap
Daftar tipe data yang diberikan di atas berpotensi memberikan banyak nilai bagi perusahaan. Namun, mengejutkan bahwa mereka berbohong tanpa pengawasan. Ada sejumlah alasan untuk ini, tetapi yang paling penting adalah kurangnya investasi. Diberikan di bawah ini adalah beberapa alasan persediaan data gelap menumpuk.
Anda tidak dapat meningkatkan keterampilan pemrograman Anda ketika tidak ada yang peduli dengan kualitas perangkat lunak.
Alasan ini terkait dengan kurangnya investasi. Jika pengumpulan data dilakukan oleh teknologi yang tidak berinteraksi satu sama lain, ini mencegah organisasi dari membuat kebijakan data yang komprehensif. Banyak organisasi dengan teknologi yang ketinggalan zaman berjuang untuk mengintegrasikan data yang dikumpulkan dari berbagai sumber seperti transkrip obrolan pusat panggilan, data klik situs web, dan data konferensi video. Untuk memproses dan mengintegrasikan berbagai format, Anda memerlukan teknologi yang tepat.
Potensi Data Gelap
Tidak perlu seorang jenius untuk memahami bahwa jika 90% dari data besar adalah data gelap, ini berpotensi menjadi tanah peluang yang belum ditemukan dan terabaikan. Seperti alasan di atas, perusahaan tidak menggunakan data gelap karena mereka menawarkan nilai kecil, tetapi karena keterbatasan perusahaan sendiri. Jadi, ditetapkan bahwa data gelap memiliki banyak potensi. Mari kita coba memahami potensi ini dengan bantuan sektor manufaktur.
Menurut penelitian Frost & Sullivan, “Internet barang, Internet layanan, data besar, dan industri terintegrasi akan meninggalkan dampak yang menentukan di semua bagian rantai nilai manufaktur.” Sektor manufaktur mendapatkan data berharga dari yang berikut:
- Log mesin
- Sensor peralatan
- Telematika produk
- Clickstream konsumen
- Media sosial
Prediksi Permintaan dan Selesaikan Masalah
Dengan menganalisis secara akurat data clickstream pelanggan dan mendapatkan telematika produk, perusahaan dapat secara akurat memperkirakan permintaan dan merespons dengan tepat dengan mengoptimalkan pasokan barang. Perusahaan juga dapat memecahkan masalah dengan mengisolasi mereka dengan bantuan data gelap yang dihasilkan oleh sensor dan telematika.
Bangun Rantai Pasokan yang Lebih Cerdas
Untuk mengetahui waktu dan volume permintaan secara akurat dan merespons persyaratan dengan tepat, perusahaan memerlukan rantai pasokan yang cerdas dan kuat. Salah satu cara untuk memiliki itu adalah memiliki informasi granular dari masing-masing komponen rantai pasokan. Informasi granular memungkinkan perusahaan untuk mencapai kualitas serta pengiriman tepat waktu. Dan hanya data gelap yang dapat memberikan informasi terperinci tentang rantai pasokan.
Meningkatkan Kualitas Produk Dengan Umpan Balik Pelanggan
Dalam perubahan zaman ini, seorang pelanggan bukan lagi seseorang yang hanya mengkonsumsi produk. Dalam arti tertentu, pelanggan adalah duta merek yang dapat mempromosikan produk melalui mulut ke mulut, rujukan dan media sosial. Sangat penting bagi tim manajemen produk, desain, dan rekayasa untuk memanfaatkan umpan balik pelanggan dan meningkatkan kualitas produk. Data gelap dapat membantu perusahaan manufaktur dengan menyediakan tampilan 360 derajat dari produk dan bagaimana produk itu dilihat di pasar. Jadi apa yang bisa dilakukan perusahaan?
- Memiliki kerangka kerja analitik yang dirancang dengan baik yang memanfaatkan data gelap dan menyediakan akses ke kerangka kerja untuk semua pemangku kepentingan.
- Mengurangi waktu henti pengembangan produk yang tidak direncanakan dan tidak terduga dengan bantuan data sensor dan telematika yang dapat mengantisipasi kegagalan fungsi atau kegagalan produk.
- Integrasikan telematika dengan media sosial sehingga umpan balik pelanggan dapat ditangkap secara real time dan data dikirim ke departemen terkait.
- Gunakan data untuk meningkatkan fitur produk dengan cara yang gesit.
Kesimpulan
Potensi data gelap tidak diragukan. Tetapi perusahaan juga perlu mengingat risiko yang terkait dengan penyimpanan tidak terbatas dan penanganan data gelap yang buruk. Data gelap dapat berisi informasi sensitif dan kebocoran informasi yang tidak disengaja atau disengaja dapat berarti masalah. Perusahaan perlu memiliki teknologi penandaan dan penataan data yang baik sehingga data diidentifikasi dan dikategorikan. Ini diperlukan bahkan jika mereka tidak bermaksud menganalisisnya untuk bisnis mereka. Kalau tidak, keuangan, peraturan, kehilangan keunggulan kompetitif dan masalah hukum akan segera menyusul.