Bagian 4: Tahapan Proses Big Data Analytics

1) Data Ingestion (Mengambil Data)

Apa itu? Mengumpulkan data dari berbagai sumber—aplikasi, pembayaran, gudang, media sosial, sensor.

Contoh nyata:

1.   API streaming: log aplikasi Grab/Gojek/Shopee masuk per detik.

2. Batch upload: transaksi toko diringkas harian.

3. IoT: suhu gudang, lokasi armada, getaran mesin.

Tantangan: format & kecepatan berbeda (Variety & Velocity).

Peran GPT-5: auto-tag sumber data, mengklasifikasikan event (“ini transaksi”, “ini refund”).

Baca juga: Bagian 3: Dulu Cukup SPSS, Sekarang Tidak Lagi

2) Data Cleaning (Membersihkan Data)

Apa itu? Menghapus duplikasi, memperbaiki tanggal, mengisi nilai hilang, menormalkan penulisan (e.g., “Jl.” vs “Jalan”).

Mengapa penting? 80% waktu analis habis di sini—bukan ribet, tapi krusial. Analisis tak valid kalau datanya kotor.

Peran GPT-5: mendeteksi anomali, menyarankan perbaikan (“email tidak valid”, “format tanggal campur”), bahkan membuat skrip Python Pandas untuk fixing cepat.

Baca juga: Bagian 2: Dari SPSS ke GPT-5: Saat Mahasiswa Tak Lagi Sekadar Membaca Output Statistik

3) Data Transformation (Menyiapkan Data)

Apa itu? Mengubah data mentah jadi tabel siap analisis: normalisasi, agregasi (harian→mingguan→bulanan), feature engineering.

Contoh fitur turunan: frekuensi belanja, rata-rata nilai keranjang, recency kunjungan.

Peran GPT-5: feature suggestion—“metrik apa yang paling memprediksi churn di dataset ini?”, lalu memberi contoh formula/SQL.

4) Analytics (Menemukan Pola & Jawaban)