Apa Itu Produk Data dan Mengapa Penting? - DATAVERSITAS

Diterbitkan Ulang Oleh Plato

Followers: 0

Produk data adalah perangkat lunak dalam bentuk alat dan aplikasi khusus yang dirancang untuk mendukung data yang digunakan sebagai layanan. Mereka mungkin sesederhana dan sejelas program yang mengubah kumpulan data menjadi visualisasi, atau serumit sistem pembelajaran mesin berdasarkan model bahasa besar (LLM), seperti ChatGPT. Kesamaan yang dimiliki semua produk data adalah bahwa mereka mencapai tujuan tertentu melalui penerapan data.

Salah satu aspek teknologi yang berpotensi membingungkan adalah perbedaan antara produk data dan “data sebagai produk,” yang menggabungkan alat data dengan strategi untuk memenuhi kebutuhan konsumen data tertentu, baik satu orang atau seluruh departemen atau organisasi. Sebaliknya, produk data berfungsi sebagai bahan mentah yang dapat digabungkan oleh perusahaan dengan cara unik untuk menerapkan strategi guna mencapai tujuan jangka pendek dan jangka panjang. Mereka beroperasi di tingkat individu, tim, departemen, bisnis, dan seluruh industri.

Apa Itu Produk Data?

AI dan teknologi berkembang lainnya memungkinkan organisasi memperoleh wawasan dari aset data mereka dengan cara yang memaksimalkan nilai data. Produk data berfungsi sebagai sarana bagi perusahaan untuk mengubah data menjadi tindakan yang meningkatkan efisiensi, daya saing, dan profitabilitas. Mantan Kepala Ilmuwan Data AS DJ Patil menciptakan istilah "jujitsu data” pada tahun 2012 sebagai “seni mengubah data menjadi produk.”

Melalui penerapan elemen data yang cerdas, jujitsu data memungkinkan penyelesaian masalah data berulang yang sulit diselesaikan dengan menggunakan “bobot” dari masalah tersebut untuk melawan dirinya sendiri, sama seperti para petarung jujitsu berupaya menggunakan bobot lawannya untuk keuntungannya dan kerugian musuhnya. . Pendekatan pemecahan masalah standar yang menyerangnya secara langsung dengan menggunakan berbagai keahlian teknis sering kali memperumit masalah dan membuatnya lebih sulit untuk dipecahkan.

Tujuan produk data adalah untuk menyederhanakan pemecahan masalah dengan menjawab pertanyaan sederhana sejak awal: Siapa yang menginginkan atau membutuhkan produk ini? Untuk menjawab pertanyaan ini dengan cepat, pengembang mengambil jalan pintas yang mungkin bisa mencapai versi akhir, atau digantikan oleh pendekatan yang lebih rumit di kemudian hari dalam prosesnya. Kuncinya adalah memulai dengan sederhana, agar tidak terjebak di awal proyek.

Komponen Produk Data

Bahkan produk data yang paling sederhana pun terdiri dari beragam elemen yang digabungkan untuk mendukung keputusan dan memecahkan masalah bisnis. Ini adalah delapan komponen utama dari produk data:

Sumber data harus dapat diandalkan, dapat diakses secara real time atau batch, relevan dengan masalah yang sedang dipecahkan, dan mematuhi peraturan perlindungan data seperti GDPR dan HIPAA, serta dengan standar hukum dan etika.
Pipa data mengotomatiskan konversi data apa pun yang diperlukan (ETL, misalnya), berskala untuk mengakomodasi kumpulan data yang terus bertambah, mencakup alat penanganan kesalahan yang canggih dan pemeriksaan Kualitas Data, serta bersifat modular untuk mendukung perubahan konfigurasi.
Penyimpanan data harus memenuhi persyaratan kinerja, menskalakan secara horizontal dan vertikal tanpa gangguan, menerapkan enkripsi dan kontrol akses, dan hemat biaya sekaligus mendukung tipe data terstruktur, semi-terstruktur, dan tidak terstruktur.
Model data dan algoritma memberikan wawasan dan prediksi akurat yang telah divalidasi menggunakan teknik seperti validasi silang. Mereka harus mudah dipahami oleh pemangku kepentingan, efisien secara komputasi, dan mudah dipelihara.
Grafik user interface harus cukup intuitif sehingga memerlukan pelatihan pengguna minimal. Hal ini harus memanfaatkan visualisasi dan memfasilitasi interaksi pengguna dengan data, termasuk mekanisme umpan balik dan dukungan multi-perangkat.
API dan titik akhir memerlukan otorisasi dan autentikasi yang aman, batasan jumlah panggilan API dari setiap pengguna atau sistem, dan dokumentasi pengembang yang memadai. Mereka harus mendukung format data seperti JSON dan XML untuk memastikan kompatibilitas.
Pemantauan dan pencatatan secara real-time memungkinkan produk data mengidentifikasi dan mengatasi masalah dengan cepat. Administrator diperingatkan akan masalah kinerja dan kesalahan, dan jalur audit membantu perusahaan memenuhi persyaratan kepatuhan. Metrik kinerja yang harus dipantau mencakup latensi, throughput, dan tingkat kesalahan.
Dokumentasi mencakup panduan pengguna, spesifikasi teknis, dokumentasi API, log perubahan, dan catatan kepatuhan.

Contoh Produk Data

Contoh produk data yang paling populer mungkin adalah ChatGPT, alat gratis berbasis AI yang menjawab pertanyaan sederhana dan kompleks melalui percakapan dan melakukan dialog dengan pengguna yang memungkinkan pertanyaan lanjutan, mengakui kesalahan, dan menantang ketidakakuratan. ChatGPT memenuhi syarat sebagai produk data karena bergantung pada a kumpulan data teks yang sangat besar, meskipun sistemnya jauh lebih kompleks dibandingkan produk data pada umumnya.

Namun, saat ini, ChatGPT kekurangan satu aspek penting dari produk data: akurasi. Pemilik produk data bertanggung jawab untuk memastikan pengalaman pengguna yang positif dan penyelesaian yang dapat dipercaya terhadap masalah yang dirancang untuk membantu solusi dari produk tersebut. Hal ini memerlukan praktik terbaik dalam manajemen produk, serta akses yang konsisten dan andal terhadap analisis yang mendukung keputusan bisnis.

Ini enam kategori produk data mendemonstrasikan penggunaan teknologi dalam produk sehari-hari:

Mesin rekomendasi ditawarkan oleh perusahaan seperti Amazon, Netflix, dan TripAdvisor mempersonalisasi tanggapan mereka untuk meningkatkan keterlibatan pelanggan dan meningkatkan tingkat konversi.
Alat analitik prediktif termasuk yang digunakan oleh FICO, LinkedIn, dan Zillow yang mengidentifikasi tren data dan menghasilkan perkiraan berdasarkan teknik penambangan dan pemodelan data tingkat lanjut.
API Data seperti Google Maps, Profil LinkedIn, dan IO Weather memfasilitasi kelancaran aliran data antar sistem yang berbeda. Format umum adalah transfer status representasional (REST), Simple Object Access Protocol (SOAP), XML-RPC, dan JSON-RPC.
Dasbor waktu nyata menyajikan data secara visual dan memperbarui layar pengguna secara otomatis saat informasi baru tersedia. Mereka diterapkan untuk memantau inventaris, penjualan, dan data operasional untuk mendukung keputusan bisnis. Dasbor populer termasuk Tableau, Microsoft BI, dan Zoho Analytics.
Keuangan pribadi alat memasukkan Berdayakan (sebelumnya Personal Capital), Quicken, dan You Need a Budget (YNAB), yang semuanya berupaya memberikan kejelasan dan kepercayaan diri pada perencanaan keuangan individu.
Produk pemantauan kesehatan yang dapat dipakai seperti Apple Watch, FitBit, dan Pengukur Glukosa Berkelanjutan Dexcom lebih dari sekadar melacak denyut nadi, pola tidur, dan masalah kesehatan lainnya dengan berbagi informasi dengan penyedia layanan kesehatan.

Mengapa Produk Data Penting

Produk data menguntungkan konsumen data dalam beberapa cara:

Mereka memperoleh wawasan lebih cepat dengan menggunakan produk siap pakai dibandingkan harus memulai setiap proyek dari awal.
Integritas data diverifikasi terlebih dahulu, sehingga kepercayaan dibangun pada produk.
Kesadaran situasional waktu nyata meningkatkan nilai analisis data.
Kemampuan untuk merespons secara real-time mendukung pengambilan keputusan yang lebih cepat.
Tata kelola difasilitasi oleh jaminan di muka Kualitas Data dan kepatuhan.
Produk ini membuat data mudah ditemukan dan diakses dari beragam sistem.

Organisasi memandang produk data sebagai kunci untuk meningkatkan efisiensi dan profitabilitas:

Produk data membantu mempertajam fokus perusahaan pada hasil positif.
Mereka meningkatkan ketangkasan organisasi dan memberikan nilai secara bertahap.
Penggunaan kembali produk data akan memaksimalkan nilai data dengan overhead yang sangat sedikit.
Arsitektur Data menjadi bukti masa depan melalui kemampuan adaptasi produk data.
Lebih sedikit pertanyaan yang muncul mengenai kepercayaan dan integritas data yang mendasarinya.
Departemen bisnis dan TI berkomunikasi menggunakan bahasa yang sama.

Mungkin manfaat terbesar produk data bagi organisasi adalah kemampuannya membuka kunci nilai data dengan berfungsi sebagai perekat yang menyatukan sistem fisik, pemodelan data, dan proses bisnis serta kasus penggunaan. Mereka menggantikan pendekatan sedikit demi sedikit yang dilakukan banyak perusahaan terhadap operasi data mereka dan juga mendesentralisasikan Manajemen Data. Hal ini membebaskan data mendasar untuk diterapkan dengan cepat dalam berbagai situasi dan kondisi, dengan sedikit atau tanpa pemrosesan awal.

Menurut McKinsey, produk data memungkinkan terjadinya kasus penggunaan bisnis baru diimplementasikan 90% lebih cepat dan total biaya kepemilikan menurun sebesar 30%. Hal ini juga mengurangi risiko dan waktu serta uang yang dihabiskan untuk operasional tata kelola.

Menyadari manfaat yang dijanjikan oleh produk data memerlukan penerapan sebuah pendekatan tangkas untuk Manajemen Data yang dimulai dari hal kecil, dirilis dengan cepat, mengulangi, dan menunjukkan nilai produk. Tambahkan beberapa kemampuan lagi pada setiap rilis untuk meningkatkan nilai produk secara bertahap guna memacu adopsi dan mengumpulkan peningkatan investasi untuk produk dan kasus penggunaan baru. Setelah produk data terintegrasi dengan proses bisnis sehari-hari perusahaan Anda, alat tersebut akan mulai terjual seiring dengan semakin jelasnya nilai mereka bagi pengguna dan manajer.

Gambar digunakan di bawah lisensi dari Shutterstock