Dalam ppt ini menjelaskan bagaimana Big data analisis dapat mempengaruhi consumer behavior.

1. Consumer Behavior and Big Data
Hallifatul Ambyah (6018210025)

2. Definisi Big Data
2
"Big data" mengacu pada kumpulan data yang ukurannya di luar kemampuan
alat perangkat lunak database biasa untuk menangkap, menyimpan,
mengelola, dan menganalisis.
(Manyika dalam Gentsch, 2019).
Big data adalah pertumbuhan eksponensial dalam volume, variasi, dan
lokasi informasi dan pengembangan alat baru yang kompleks untuk
menganalisis dan menciptakan makna dari data tersebut
(Lamb, Hair, & McDaniel, 2016).

3. ✗ Big Data Analytic
✗ proses menemukan pola dalam kumpulan data
besar untuk tujuan mengekstraksi pengetahuan
dan memahami perilaku manusia
✗ (Lamb, Hair, & McDaniel, 2016).
3

4. Big Data
Big data, kumpulan data skala besar yang
dikumpulkan dengan cepat dan sulit diproses
yang baru-baru ini muncul, dan yang
mendorong batas kemampuan analitis saat ini
(Lamb, Hair, & McDaniel, 2016).
4

5. Bentuk Analisis Big Data
5
Analisis data tidak terstruktur, dalam bentuk laporan bisnis, email, teks bebas
formulir web atau survei pelanggan, misalnya, sering kali menjadi bagian dari
analisis internal. Namun, apa yang baru tentang jumlah data yang termasuk dalam
istilah "Big Data" yang menarik begitu banyak perhatian akhir-akhir ini? Tentu saja,
jumlah data yang tersedia melalui Internet of Ting (Industri 4.0), melalui perangkat
seluler dan media sosial telah meningkat pesat (Gentsch, 2019).

6. Dimensi Big Data
Gentsch, (2019) menjelaskan apa yang mereka maksud adalah dimensi big data berikut :
• Volume: Ini menggambarkan jumlah data yang masuk yang akan disimpan dan dianalisis.
Titik ketika sejumlah data sebenarnya dinyatakan sebagai data besar seperti yang dijelaskan di
atas bergantung pada sistem yang tersedia. Perusahaan masih menghadapi tantangan untuk
menyimpan dan menganalisis jumlah data yang masuk secara efisien dan efektif.
• Velocity: Ini menjelaskan dua aspek: Di satu sisi, data dihasilkan dengan kecepatan yang
sangat tinggi dan, di sisi lain, sistem harus dapat menyimpan, memproses, dan menganalisis
jumlah data ini dengan segera.
6

7. Lanjutan..
• Variety: Berbagai macam data di dunia big data menghadapkan sistem dengan tugas tidak
lagi hanya memproses dengan data terstruktur dari tabel, tetapi juga dengan data semi dan
tidak terstruktur dari teks, gambar, atau video berkelanjutan, yang jumlahnya mencapai 85%
dari jumlah data.
• Veracity : Sementara tiga dimensi yang dijelaskan di sini dapat dikuasai oleh perusahaan
saat ini dengan bantuan teknologi yang sesuai, metode dan penggunaan sarana yang
memadai, ada satu tantangan yang belum terpecahkan pada tingkat yang sama. Veracity
berarti istilah yang dapat dipercaya, kejujuran, dan kebermaknaan data besar.
7

8. Supply Chain Analytic and Technology
Ada lebih banyak informasi yang tersedia tentang operasi rantai pasokan daripada sebelumnya,
tetapi tantangan untuk mengekstrak tanggal yang dapat digunakan dari informasi ini juga sangat
besar.
Lamb, Hair, & McDaniel, (2016) menjelaskan cara pengolahan informasi yang diperoleh big
data :
• Cloud Computing, praktik menggunakan server jaringan jarak jauh untuk menyimpan,
mengelola, dan memproses data.
• Supply Chain, analisis data yang mendukung peningkatan desain dan manajemen rantai
pasokan.
8

9. Big Data
• Semua data bersifat kuantitatif (dapat dihitung) banyak perusahaan mengumpulkan
angka penjualan berdasarkan toko, lini produk, dan paling banyak, mungkin dengan
beberapa ukuran lain. Saat ini, data terus mengalir dari media sosial, serta sumber
lainnya. Basis data besar yang canggih memungkinkan analisis data tidak terstruktur
seperti email, file audio, dan video YouTube (Lamb, Hair, & McDaniel, 2016).
• Big data, kumpulan data skala besar yang dikumpulkan dengan cepat dan sulit
diproses yang baru-baru ini muncul, dan yang mendorong batas kemampuan analitis
saat ini (Lamb, Hair, & McDaniel, 2016).
9

10. Sumber Referensi
✗ Lamb, C. W., Hair, J. F., & McDaniel, C. (2016). MKTG10 –
Principles of Marketing. Cengage Learning.
✗ Gentsch, P. (2019). AI in marketing, sales and service: How
marketers without a data science degree can use AI, big data
and bots. Palgrave Macmillan.
10

11. Thanks!
Any questions?
11