analitis data raya

43 Pages·2017·5.37 MB·Indonesian

MAMPU, JPM
MENTRANSFORMASI PENYAMPAIAN
PERKHIDMATAN : PROGRAM BERPACUKAN DATA -
ANALITIS DATA RAYA
Dr. Yusminar binti Yunus
Pengarah Bahagian Kerajaan Digital
MAMPU, JPM
Seminar Kerajaan Digital 28 SEPTEMBER 2017 Kuching, Sarawak
KANDUNGAN
1 Pengenalan
2 Faedah Analitis Data Raya
3 Inisiatif Analitis Data Raya
4 Cabaran
5 Kesimpulan
2
3
DATA YANG KIAN MENINGKAT…
Data collected in
SECS
BIG DATA ANALYTICS
694,445
SEARCH QUERIES
168MILLION
EMAILS SENT
13,000+
iPHONE APPLICATIONS
DOWNLOADED
 Better Decision Making
 Better Targeting
320+
NEW  Behavioural Prediction
TWITTER ACCOUNTS
5
DEFINISI
Data Raya (Big Data) adalah maklumat yang
mempunyai jumlah tinggi (high-volume), halaju
tinggi (high-velocity) dan variasi tinggi (high-
variety) yang memerlukan pemprosesan
maklumat secara kos efektif dan inovatif untuk
mendapat makna yang mendalam (insights) dan
membuat keputusan. (Sumber: Gartner)
Analitis Data Raya (Big Data Analytics) adalah
proses menganalisis data raya untuk merungkai
corak tersembunyi dan perkaitan yang tidak
diketahui dari maklumat yang berkaitan.
(Sumber: Whalts.com)
Sains Data (Data Science) melibatkan pengenalpastian
kes bisnes dan data untuk menjawab persoalan kes
bisnes, pembersihan data, analisis data, visualisasi data
dan menyampaikan insights kepada kumpulan sasaran.
(Sumber: Executive Data Science, 2016) 4
KEMATANGAN ANALITIS DATA RAYA
Stage 1 Stage 2 Stage 3 Stage 4 Stage 5
Business Ad Hoc Opportunistic Repeatable Managed Optimized
Value
l Where
e
d
o Korea we want
M
to be

y
t Taiwan
i
r Indonesia
u
India
t
a Australia
M
Thailand

A Hong Kong
D 2020
B

J
e
P Singapore
A
2016
We are China
here
Stage of Maturity
Ad Hoc Repeatable
• Limited business value • Business value realised
• Projects unbudgeted • Projects budgeted
• Process undefined • Process documented
Source: IDC, MDeC (2014)
• Experimental and silo-ed • Consistent adoption
6
PENILAIAN KEMATANGAN BDA
Intent (niat) : Mengukur strategi, bajet, prestasi, metrik,
penajaan, justifikasi projek dan program.
5 DIMENSI
Data : Mengukur kualiti, relevan, ketersediaan,
kebolehpercayaan, tadbir urus, keselamatan, dan
kebolehcapaian pelbagai data berstruktur.
Optimized
Managed
Repeatable Technology (teknologi) : Mengukur kesesuaian,
kebolehgunaan, integrasi, sokongan untuk piawaian, dan
Opportunistic
prestasi teknologi dan seni bina IT ke atas beban kerja
Ad-hoc
yang berkaitan.
People (modal insan) : Mengukur kemahiran teknologi
dan analitik, kolaborasi intra dan antara kumpulan, serta
struktur organisasi, kepimpinan, latihan, dan kesediaan
budaya.
Functionality, Performance, Adoption
10 Process (proses) : Mengukur proses pengumpulan data,
Source: IDC 10
konsolidasi, integrasi, analisis, penyebaran maklumat
dan penggunaan dan membuat keputusan.
7
JENIS ANALITIS DATA RAYA
4
Bagaimana ia
boleh berlaku?
3
Analisis
Apa akan
Preskriptif
berlaku?
2
Analisis
Kenapa
Prediktif
Pandangan Jauh
berlaku?
1 (Foresight)
Analisis
Apa telah
Dignostik
berlaku?
Pemahaman
Analisis
(Insight)
Deskriptif
Pengalaman
(Hindsight)
Kesukaran Sumber: Gartner
9
9
MEMANFAATKAN ANALITIS DATA RAYA
Lain-lain
Prestasi
6%
kewangan
lebih baik
9%
FAEDAH ANALITIS DATA RAYA
Pengesanan
risiko
Membuat
9%
keputusan
lebih baik
Hubungan lebih
50%
baik dengan
pelanggan
10%
Ramalan Wabak Keselamatan Pertahanan
Perancangan
strategi lebih Penyakit Cyber Negara
baik 16%
Sumber: Peer Research BDA Survey2015
Ramalan dan
Ramalan
Penyegahan
Bencana atau Farmasi dan Ubat
Jenayah
Cuaca
14
KES BISNES ANALITIS DATA RAYA
Pengesanan Ekonomi dan
Maklumat Pintar
Penipuan Cukai Kewangan
9