Dalam hal kecerdasan buatan (AI), tidak ada yang namanya kelebihan data. Faktanya, justru sebaliknya semakin banyak data, semakin baik. Karena sistem AI memiliki kemampuan untuk memproses sejumlah besar data, dan akurasinya meningkat seiring dengan volume data, permintaan akan data terus bertambah.
Misalnya, program AI yang dirancang untuk mengidentifikasi penyebab perangkat medis yang cacat diproduksi selama proses pembuatan. Seperti
halnya aplikasi AI, perangkat lunak mencari pola dalam data menggunakan algoritma yang dikembangkan oleh para ilmuwan data. Untuk mencoba menyelesaikan masalah ini, anggaplah bahwa program AI menerima dan memilah-milah data produksi dari berbagai hari dalam seminggu, waktu dalam sehari, mesin dan operator. Tapi mungkin faktor-faktor itu tidak menyebabkan cacat, dan justru disebabkan oleh meningkatnya suhu di dalam ruangan. Hanya dengan menyediakan data sebanyak mungkin untuk mengatasi variabel yang berbeda, perusahaan dapat secara paling efektif dan efisien menentukan penyebab sebenarnya dari masalah tersebut.

Jadi, apa cara terbaik untuk mendapatkan data yang Anda butuhkan?

  1. Data Anda adalah Mahkota

Jika seseorang meminta data pelanggan dan prospek Anda, akankah Anda memberikannya kepadanya? Respons Anda mungkin, “Sama sekali tidak.” Data Anda adalah mahkota organisasi Anda. Ini termasuk informasi berharga tentang target utama, preferensi mereka, dan motivasi. Bagaimana jika Anda mencoba melakukan analitik prediktif untuk menentukan kemungkinan pelanggan membeli barang atau jasa dalam enam bulan ke depan berdasarkan historis dan penggunaan produk real-time mereka, atau untuk mengetahui mengapa angka penjualan triwulanan Anda meleset dari sasaran?

Data umum tidak akan dilakukan. Untuk mendapatkan jawaban atas jenis pertanyaan yang berfokus pada perusahaan ini, Anda benar-benar membutuhkan data yang paling relevan bagi Anda – data Anda sendiri yang terus diperbarui. Namun, tantangannya adalah bahwa mungkin tidak mudah untuk mendapatkan akses ke data internal seperti yang mungkin Anda pikirkan. Mengingat kecenderungan organisasi untuk menyimpan informasi mereka, mungkin sulit untuk mengetahui data internal apa yang berada di berbagai departemen dan sistem apalagi untuk mengumpulkannya (dan ini tidak termasuk data aplikasi cloud pihak ketiga). Langkah kunci pertama adalah melakukan audit data untuk mengetahui jenis data apa yang Anda miliki dan di mana ia berada di dalam organisasi Anda. Kemudian Anda dapat bekerja dengan berbagai departemen dan unit bisnis untuk mendapatkan akses ke sana.

  1. Kualitas dan kuantitas data saling berkaitan

Meskipun data internal Anda mungkin paling tepat untuk mengatasi masalah tertentu, pertanyaannya menjadi, apakah Anda memiliki volume data internal yang diperlukan untuk menyelesaikannya? Paling sering jawabannya adalah, mungkin tidak. Di situlah kombinasi data internal dan eksternal masuk. Untuk melengkapi informasi internal Anda, penting untuk mengidentifikasi data eksternal yang paling relevan dengan perusahaan Anda dan tantangan bisnis Anda.

Selain menambah data internal Anda untuk memecahkan masalah bisnis tertentu, ada beberapa contoh ketika data eksternal sendiri akan dapat mengatasi masalah universal, seperti menentukan pola pembelian konsumen umum.

Terlepas dari apakah Anda menggunakan data eksternal untuk melengkapi data internal Anda atau sebagai sumber utama untuk menjawab masalah yang lebih umum, ada beberapa cara untuk menjumlahkannya: melalui data pra-paket, crowdsourcing publik dan kerumunan pribadi.

  • Data terpaket. Meskipun data yang dipaketkan dapat menawarkan cara cepat dan out-of-the-box untuk mengumpulkan data, kadang-kadang itu bisa menghabiskan lebih banyak waktu atau usaha dari yang Anda rencanakan. Secara teori out-of-the- box terdengar bagus, tetapi dengan data yang dipaket sebelumnya perusahaan sering perlu mengembangkan API untuk integrasi, menulis kode, atau membuat penyesuaian lainnya.
  • Publik Crowdsourcing. Organisasi telah berpaling ke keramaian publik selama bertahun-tahun untuk mendapatkan bantuan dengan bencana alam atau krisis, misalnya, dengan meminta masyarakat umum untuk mencari gambar yang selamat. Demikian pula, kota Boston menggunakan crowdsourcing untuk mendapatkan bantuan publik dalam melaporkan kesalahan. Dan, perusahaan menggunakan layanan crowdsourcing, seperti Amazon Mechanical Turk, untuk mendistribusikan pekerjaan yang terlibat dalam mengumpulkan dan menyiapkan data, termasuk pengenalan gambar, normalisasi data, dan pelatihan algoritma untuk pembelajaran mesin, di antara tugas-tugas lainnya.
  • Privasi publik. Perusahaan yang membutuhkan perjanjian kerahasiaan untuk mengerjakan data mereka atau menginginkan akurasi dan penyelesaian lebih cepat daripada yang ditawarkan privasi publik beralih ke privasi pribadi spesialis data dan profesional lainnya untuk bantuan mereka dengan pengumpulan data yang sama, identifikasi, persiapan pelabelan dan tugas pelatihan.
  1. Menghadapi Tantangan

Terlepas dari sumber data Anda, ada tantangan yang terlibat dalam mengumpulkan data yang relevan dengan masalah bisnis, menganalisisnya dan mendapatkan wawasan darinya, karena beberapa alasan, termasuk:

  • Sulit untuk mengetahui data apa yang Anda butuhkan. Bekerja mundur dari masalah yang ingin Anda selesaikan, Anda perlu menentukan jenis data yang perlu Anda kumpulkan. Perusahaan tidak selalu yakin dengan apa yang mereka butuhkan atau bagaimana mendapatkan informasi itu.
  • Anda perlu keahlian khusus untuk membangun algoritma. Setelah Anda memiliki data, Anda harus menentukan atribut terbaik untuk model data dan membangun algoritma yang secara efektif menjawab pertanyaan bisnis Anda.
  • Pelatihan data adalah proses yang tidak pernah berakhir. Anda harus terus menambahkan informasi baru dan yang diperbarui untuk meningkatkan algoritma, mendapatkan wawasan yang lebih baik, dan memprediksi hasil secara lebih akurat.

Pengetahuan adalah kekuatan dan ada banyak pengetahuan yang terperangkap dalam data internal Anda serta sumber-sumber eksternal. Untuk membuka kunci pengetahuan itu, Anda harus mempertimbangkan jenis data yang Anda butuhkan, di mana mencarinya, cara mendapatkannya, dan bagaimana membangun model data yang tepat untuk menganalisis pertanyaan bisnis Anda. Dan yang sama pentingnya, Anda perlu terus memperbarui data Anda untuk melatih kembali dan meningkatkan algoritma. Tentu saja ada banyak yang masuk ke pengumpulan data, tetapi itu sangat berharga. Sebagai darah kehidupan AI, data sangat penting untuk membantu Anda mendapatkan wawasan bisnis yang Anda butuhkan untuk memajukan bisnis Anda.

REFERENSI

[1]. https://www.businessnewsdaily.com/9402-artificial-intelligence-business- trends.html diakses 02 Mei 2020

[2]. https://dailysocial.id/post/mempertimbangkan-implementasi-kecerdasan-buatan-dalam-bisnis diakses 02 Mei 2020

[3]. https://www.infoworld.com/article/3296044/data-is-the-lifeblood-of-ai-but-how- do-you-collect-it.html diakses 02 Mei 2020

Create Original by : Satrio Wibowo & Annisa Ramadhani

Sumber Gambar