Kursus
Pengantar Python
4 jam
7M
Saya berasumsi Anda memahami bahwa data merupakan aset besar di sebuah perusahaan pada semua level, baik eksekutif maupun direktur; data memegang peran kunci. Namun memiliki data dalam jumlah besar saja tidak membuat perusahaan sukses, kecuali jika mereka mampu mengekstrak informasi bernilai darinya.
Informasi tersebut akan berdampak langsung atau tidak langsung pada pendapatan. Untuk mengekstrak informasi dari kumpulan data yang besar, diperlukan sebuah platform Analitik, dan untungnya ada banyak produk di pasar yang dapat menjawab permasalahan organisasi dalam hal pelaporan deskriptif, diagnostik, dan prediktif.
Dari sudut pandang data, kematangan data sangatlah penting dan tingkat kematangannya dapat dikategorikan berdasarkan keberadaan aspek-aspek berikut:
- Data konsisten dengan arsitektur yang ada
- Alat tingkat perusahaan (enterprise)
- Tidak ada berbagai sumber yang saling tumpang tindih
- Arsitektur berbasis cloud atau gudang data on-premise
- Standar Data dan Spesialis
- Analitik prediktif dan kasus penggunaan yang telah diidentifikasi
- Memperlakukan Data sebagai aset finansial dan integrasinya dengan aspek AI
Kematangan data akan meningkat dari atas ke bawah seiring tercapainya poin-poin di atas dalam suatu organisasi.
Kematangan data akan berjalan beriringan dengan teknologi, arsitektur, organisasi, dan strategi data.
-
Yang saya maksud dengan teknologi adalah bagaimana sebuah organisasi memanfaatkan teknologi yang telah dibelinya.
-
Arsitektur akan menyatukan teknologi-teknologi ini agar data dapat bergerak di antaranya tanpa hambatan.
-
Yang saya maksud dengan Organisasi adalah orang-orang yang berinteraksi dengan data.
-
Peningkatan strategi data: Aspek "plumbing" dalam manajemen data sangat penting bagi kinerja tinggi organisasi mana pun. Praktik manajemen data yang diadopsi akan memberikan data yang relevan dan terstruktur kepada analis untuk kebutuhan analisis, sehingga waktu yang dihabiskan untuk persiapan data berkurang. Ini akan membantu manajemen puncak mencapai tujuan peningkatan profitabilitas, ROI yang lebih tinggi melalui visualisasi data dan representasi data yang mudah dipahami. Ini juga membantu organisasi meningkatkan kinerja data dan mengoptimalkan penyimpanan.
Baik, cukup tentang Data. Sekarang mari kita bahas platform Analitik. Seperti kita tahu, ada banyak platform analitik di pasar; membahas semuanya hampir mustahil. Karena itu, saya akan membahas empat nama besar yang menjadi pemimpin pasar:
-
Tableau menjadi tolok ukur emas saat analitik visual dibicarakan. Variannya adalah Tableau Desktop, Prep, Online, dan Server. Masing-masing memungkinkan BI swalayan pada tingkat yang berbeda. Tableau Desktop menyediakan salah satu platform terbaik untuk analitik visual dan Business Intelligence dengan wawasan swalayan. Tableau Prep memberdayakan lebih banyak orang untuk menganalisis data lebih cepat. Tableau Online memperluas berbagi dan kolaborasi tanpa memerlukan Server fisik. Tableau Server berbagi data dengan server aktual yang dapat bersifat on-premise atau cloud. Untuk detail pembuatan dasbor di Tableau, silakan kunjungi tautan ini.
-
SAP SAP adalah nama yang dikenal baik di pasar alat enterprise, menyediakan solusi bagi perusahaan dengan berbagai profil. SAP telah meluncurkan beberapa produk dalam ranah Analitik; sistem Business Warehouse miliknya sendiri menyediakan integrasi dengan Enterprise secara jauh lebih mulus dan mampu menangani data dalam jumlah besar. Rilis terbarunya adalah SAP Analytics Cloud dan SAP Lumira; sebelumnya SAP mengakuisisi Business Objects dan menyediakannya sebagai platform analitik milik sendiri.
-
Tibco Spotfire Tibco Spotfire adalah salah satu produk yang mengakomodasi analitik lanjutan dan analitik prediktif secara profesional dan mumpuni. Produk ini sangat kuat jika dibandingkan pada aspek analitik prediktif dengan produk lain. Tibco menawarkan layanannya secara on-premise dan cloud. Tibco juga menyediakan arsitektur yang dapat diskalakan dan telah dikonfigurasi sebelumnya dengan kekhawatiran pemeliharaan TI yang rendah.
-
Qlik dikenal karena kemampuannya membangun aplikasi analitik terpandu dengan cepat yang mendukung penjelajahan data yang digerakkan pengguna hingga ke hierarki data terendah. Qlik memiliki repositori sendiri dan kapabilitas pemrosesan in-memory. Qlik memiliki dua varian: QlikView dan Qlik Sense. QlikView adalah alat pembangunan aplikasi BI untuk edisi personal dan enterprise. Qlik Sense adalah layanan aplikasi end-to-end untuk BI yang dapat diintegrasikan ke cloud.
Seperti Anda ketahui, semua platform di atas berbeda dan memiliki fitur masing-masing. Jadi saya akan melakukan analisis komparatif pada empat parameter utama, yaitu:
- Perolehan Data (Data Acquisition)
- Persiapan Data (Data Preparation)
- Visualisasi
- Pemodelan Prediktif
Parameter perolehan data mencakup impor data, ekstraksi data, koneksi data, dan akses data. Secara sederhana, ini adalah kemampuan untuk memperoleh data dari berbagai sumber atau layanan semantik seperti SQL, Big Data, layanan Cloud.
Sekarang mari bandingkan alat-alat tersebut pada fungsi perolehan data yang mereka miliki:
Tableau
Ketika membahas Tableau, sebuah alat BI yang tangguh, Anda akan melihat sekilas visualisasi yang mengesankan yang dibuat seketika, bahkan untuk eksplorasi data yang kompleks.
Tableau tidak memiliki repositori data miliknya; ia memperoleh data dari berbagai sumber dan mengubahnya menjadi visualisasi yang bermakna dan mudah dipahami.
Untuk melakukannya, Tableau harus memiliki konektor ke berbagai sumber, dan untungnya memang ada. Tableau memiliki lebih dari 100 konektivitas ke berbagai sumber data serta menawarkan koneksi langsung (live) ke data transaksional.
Pada parameter perolehan data, Tableau memiliki keunggulan.
SAP
SAP memiliki banyak produk untuk mendukung perolehan data yang bertindak sebagai lapisan tengah untuk menyediakan data ke visualisasi akhir. Namun jika berbicara tentang Lumira dan Analytics Cloud, saat ini keduanya mendukung konektivitas ke lebih dari 60 sumber data yang niscaya akan bertambah seiring waktu.
SAP tidak memiliki masalah untuk memperoleh data dari ekosistemnya sendiri; bahkan, memperoleh data dari ekosistemnya sendiri akan menjadi pekerjaan yang paling mulus. Ketika berbicara tentang memperoleh data dari ekosistem lain, SAP memang memiliki alat untuk membantu memindahkan data, tetapi itu menambah pekerjaan dan kebutuhan keterampilan ekstra.
Tibco Spotfire
Spotfire adalah salah satu alat yang paling kuat dan kadang kompleks; dalam hal perolehan data, ia memiliki lebih dari 40 konektor sumber data dan segala sesuatunya dapat dijalankan dengan konektor JDBC dan ODBC. Spotfire mendukung konektor Big Data dan cloud yang menyediakan data secara efisien.
Masalah dalam perolehan data muncul ketika ada kebutuhan pembersihan data sebelum diakuisisi.
Qlik
Qlik adalah salah satu pemimpin pasar BI yang berkembang. Dalam hal perolehan data, Qlik memiliki banyak konektor sumber data yang dibagi ke dalam berbagai grup. Qlik memiliki repositori sendiri untuk memperoleh data dan melakukan ETL (Extraction, Transformation, and Loading). Ini menyelesaikan banyak masalah dalam skenario dunia nyata. Keahlian manipulasi data di Qlik membantu mempermudah proses penyajian data.
Setelah memperoleh data, tahap berikutnya adalah menyiapkannya. Ini adalah pekerjaan "kotor" yang tidak seorang pun menginginkannya, tetapi tidak bisa dihindari. Tahap ini mencakup penggabungan data, pembersihan, dan pemodelan hingga ke tingkat di mana kita dapat membuat laporan deskriptif tentang data dengan kueri select sederhana.
Tableau
Tableau memiliki cukup banyak teknik persiapan data untuk mengubah data menjadi laporan yang layak disajikan. Anda dapat menemukan semua detailnya pada Bagian 2 dan 3 dari tutorial ini.
SAP
SAP juga memiliki beragam alat untuk menyiapkan data. SAP memiliki sistem BW yang cukup kuat untuk menangani persiapan data hingga tingkat tertentu. Dengan hadirnya HANA, SAP memperoleh kekuatan besar dalam menangani data besar dengan mesin in-memory.
Namun itu adalah alat terpisah dengan himpunan keterampilan yang berbeda. Anda dapat mengunjungi tautan ini untuk melihat sekilas aspek BI dari SAP.
Tibco Spotfire
Kemampuan data wrangling Spotfire sangat baik, ditambah otomasi model yang membantu proses persiapan data inkremental menjadi mudah dengan sedikit campur tangan TI.
Yang saya maksud dengan persiapan data inkremental adalah menangkap perubahan data dari berbagai sumber dan menyiapkan data berdasarkan perubahan tersebut. Silakan kunjungi tautan ini untuk melihat detailnya.
Qlik
Qlik memiliki kapabilitas persiapan data yang mirip dengan Tableau beserta mesin in-memory miliknya. Skrip terpisah dapat ditulis sesuai kebutuhan dan diimplementasikan pada berbagai level. Jika Anda ingin melihat sekilas scripting yang membantu mentransformasi data, silakan kunjungi tautan ini.
Sekarang kita sampai pada bagian yang menurut saya paling menyenangkan. Kita telah memperoleh dan menyiapkan data, tetapi untuk menganalisis data sebanyak itu kita memerlukan visualisasi agar dapat menghemat banyak waktu dan menemukan masalah lebih cepat. Sebagian besar eksplorasi data dilakukan melalui visualisasi dan sisanya menggunakan metode statistik. Sekarang mari lihat bagaimana performa alat-alat tersebut pada parameter ini.
Tableau
Tableau memiliki salah satu komponen visualisasi data paling beragam: berbasis Perbandingan, Distribusi, Komposisi, peta, dan lain-lain. Tableau memiliki hampir semua komponen dan telah diakui di seluruh dunia karena komunitasnya yang suportif.
Tableau juga memiliki beberapa ide unik dan dukungan dalam proses pembelajaran. Seseorang dapat menemukan bagan yang dibutuhkan, bahkan ide kustom, dalam galerinya yang luas. Silakan kunjungi untuk melihat beberapa bagan dan cerita yang sangat baik.
Tableau adalah salah satu alat yang disertifikasi oleh IBCS (International Business Communication Standards) karena menerapkan praktik terbaik visualisasi data untuk meningkatkan komunikasi bisnis.
SAP
SAP Lumira adalah alat yang paling banyak digunakan untuk aspek visualisasi dalam jajaran SAP. Lumira mencakup seluruh kebutuhan bagan dasar serta ekstensi yang membantu modifikasi sesuai kebutuhan.
SAP Analytics Cloud baru-baru ini mendapatkan sertifikasi IBCS dan diharapkan dapat terus memenuhi semua kebutuhan visualisasi.
Tibco Spotfire
Spotfire menyediakan semua fungsi bagan yang diperlukan, mencakup seluruh kelompok bagan untuk menganalisis data dalam format visual. Fungsionalitas analitik lanjutannya memungkinkan penambahan bagan analisis statistik serta format ilmiah.
Qlik
Qlik tampil baik dalam kemampuan pembuatan bagan, mencakup hampir semua kelompok bagan. Qlik menyediakan ekstensi untuk memodifikasi dan menambah kebutuhan.
Fungsionalitas sekali-klik untuk mengakses setiap titik data membedakannya dari alat lain.
Sekarang mari masuk ke bagian yang sedang digarap oleh semua platform analitik: mencoba mengakomodasi fungsionalitas machine learning ke dalam alat mereka. Beberapa cukup sukses, sementara yang lain telah melakukan pekerjaan awal yang baik.
Mari lihat sejauh apa kita pada parameter ini.
Tableau
Dalam hal analitik prediktif, Tableau mulai menggarap area ini. Fungsionalitas peramalan dasar telah ditambahkan ke Tableau.
Selain fungsionalitas dasar, Tableau dapat diintegrasikan dengan R dan Python yang detailnya dibahas pada bagian akhir tutorial ini.
SAP
Lagi-lagi SAP menyediakan alat terpisah dari jajaran produknya untuk menyediakan platform analitik prediktif. Alat ini mencakup pemodelan prediktif dasar dengan fungsionalitas analisis deret waktu yang baik. SAP pada dasarnya menggunakan R ketika menambahkan skrip kustom yang perlu dimasukkan ke dalam model yang dikembangkan di platform.
Untuk detail mengenai platformnya, silakan kunjungi tautan ini.
Tibco Spotfire
Dalam hal analitik prediktif, Spotfire berada di depan; pendekatannya untuk mengakomodasi arsitektur data science ke dalam produknya sendiri sangat terasa.
Dibutuhkan keterampilan beserta pengetahuan untuk memahami teknologi dan mengimplementasikannya. Spotfire menggabungkan metodologi data science dan statistik untuk menghasilkan alat yang dapat melakukan analitik prediktif dengan pengembalian investasi yang tepat.
Untuk membaca lebih lanjut, silakan kunjungi.
Qlik
Qlik juga bekerja untuk mengimplementasikan analitik prediktif ke tingkat yang memadai. Qlik menerapkan beberapa algoritma pemodelan dasar dalam sistemnya, tetapi kesenjangan keterampilan untuk menggunakannya masih menjadi tantangan. Meski demikian, upaya integrasinya dengan R dan Python patut diapresiasi. Qlik memungkinkan pertukaran data dengan alat pihak ketiga seperti R dan Python beserta penggunaan Associative engine miliknya yang membuat transfer data cepat dan efisien.
Qlik juga memiliki koneksi analitik sumber terbuka di GitHub untuk integrasi dengan R dan Python.
Jadi itu saja dari saya; pada akhirnya semua bergantung pada individu atau organisasi terkait parameter mana yang paling penting dalam memilih platform.
Jika Anda ingin mempelajari lebih lanjut tentang Python, R, atau SQL, ikuti kursus pengantar DataCamp.
