Bagaimana Cara Menggunakan Data Real Time? Key Examples dan Use Cases

Mana yang lebih penting – memahami apa yang terjadi pada bisnis Anda minggu lalu atau memahami apa yang terjadi saat ini? Nah, keduanya dapat memberikan wawasan berguna yang mungkin dapat Anda gunakan untuk meningkatkan pengalaman pelanggan, membuat produk dan layanan yang lebih baik, atau menciptakan efisiensi dalam proses bisnis Anda. Tetapi ada argumen kuat yang harus dibuat bahwa tidak ada yang sepenting memahami apa yang terjadi di sini dan sekarang. Bagaimana Cara Menggunakan Data Real Time? Key Examples And Use Cases

Analisa real-time adalah tentang menangkap dan bertindak berdasarkan informasi saat itu terjadi – atau sedekat mungkin untuk mendapatkannya. Ini melibatkan data streaming, yang dapat berasal dari kamera atau sensor, atau dapat berasal dari transaksi penjualan, pengunjung situs web Anda, GPS, suar, mesin dan perangkat yang mengoperasikan bisnis Anda, atau audiens media sosial Anda.

Data streaming real-time ini semakin penting di banyak industri. Perusahaan jasa keuangan menggunakan analisis transaksi real time untuk menemukan penipuan dan menghentikan transaksi sebelum terjadi. Ini telah menyelamatkan mereka jutaan yang dulunya terbuang sia-sia untuk melacak, membatalkan, dan memperbaiki kerusakan yang hanya dapat dideteksi setelah fakta, ketika keluhan diterima. Netflix menggunakan bentuk data ini untuk membuat keputusan langsung tentang apa yang ingin ditonton pelanggan selanjutnya, berdasarkan apa yang sedang populer saat ini. Sementara itu, Facebook menggunakannya untuk mengidentifikasi dan menghapus konten berbahaya seperti berita palsu dan postingan kasar dari 4,75 miliar postingan yang dibuat setiap hari. Ini tidak mungkin tanpa data dan analitik real-time.

Bekerja dengan data real time sering kali merupakan kasus penggunaan tingkat lanjut untuk bisnis yang memerlukan strategi data yang matang. Tetapi alat dan platform yang tersedia saat ini berarti penggunaan yang ditemukan untuk data real time di luar domain layanan keuangan dan Lembah Silikon.

Dalam salah satu kasus, program Wawasan Margasatwa antara ZSL dan WWF, menggunakan pembelajaran mesin untuk menganalisis rekaman video yang diambil di Taman Nasional Kruger Afrika Selatan untuk secara otomatis meningkatkan peringatan ketika aktivitas mencurigakan terdeteksi yang dapat menunjukkan bahaya perburuan liar.

Alasan mengapa data real time sangat berharga bagi bisnis adalah karena, di dunia di mana kita membuat 2,5 triliun byte data setiap hari, tidak hanya mahal untuk menyimpan data lama, tetapi umur simpan data semakin menyusut. Wawasan yang paling berharga akan selalu dalam data terbaru. Jika pesaing Anda berada di depan permainan dalam hal memanfaatkan sumber daya ini, dan Anda masih bekerja dengan kumpulan data yang berumur berbulan-bulan, statis, atau diproses secara batch, Anda jelas dirugikan.

Walmart – Retail terbesar di dunia – sangat memahami hal ini. 

Berangkat untuk membangun cloud data pribadi terbesar di dunia, yang mampu menarik 2,5 petabyte setiap jam. Tetapi data itu hanya mewakili penjualan transaksional yang dilakukan selama beberapa minggu terakhir. Seperti yang dikatakan Naveen Peddamail, analis senior Walmart, "Jika Anda tidak bisa mendapatkan wawasan sampai Anda menganalisis penjualan Anda selama seminggu atau sebulan, maka Anda kehilangan penjualan."

Menerapkan teknologi AI – biasanya algoritma pembelajaran mesin – ke kumpulan data real time membawa bisnis lebih dekat untuk mencapai apa yang oleh analis Gartner disebut sebagai “kecerdasan berkelanjutan.” Salah satu contoh di sini adalah keamanan situs – di mana kamera yang dilengkapi visi mesin dapat digunakan untuk membunyikan alarm ketika aktivitas mencurigakan terdeteksi. Faktanya, Shell menggunakan sistem serupa untuk secara otomatis melihat pelanggan merokok di halaman depan mereka dan memperingatkan mereka bahwa itu bukan ide yang baik! Demikian pula, di lingkungan manufaktur, kamera dapat dilatih untuk mencari tanda-tanda keausan atau peringatan lain bahwa malfungsi akan segera terjadi.

Itu semua adalah contoh data internal, tetapi data eksternal juga dapat ditangkap atau dianalisis secara real-time. Operasi pengiriman dan logistik dapat memanfaatkan aliran data lalu lintas atau cuaca untuk membantu perencanaan rute, memungkinkan mereka untuk bereaksi terhadap perubahan situasi saat terjadi. Dan sejumlah perusahaan menyediakan data lokasi anonim real time yang diambil dari smartphone yang mereka berikan kepada bisnis ritel dan acara untuk membantu memprediksi pergerakan orang. Data real-time juga sering digunakan dalam sistem point-of-sale, khususnya di e-commerce, untuk mencoba melakukan cross-sell dan up-sell lebih banyak produk dan layanan kepada pelanggan yang telah membuat keputusan untuk membeli sesuatu.

Momen Mikro

Salah satu cara paling ampuh agar perusahaan dapat mulai menggunakan data real time adalah dengan membantu mengidentifikasi siapa pelanggan mereka saat ini. Kami memahami bahwa ada kalanya orang mengonsumsi konten karena ingin dihibur atau sedang meneliti ide, dan ada kalanya mereka siap untuk menarik pelatuk dan membuat keputusan pembelian. Seperti survei terbaru oleh Microsoft menemukan bahwa manusia memiliki rentang perhatian rata-rata delapan detik (kurang dari ikan mas), memukul pelanggan potensial dengan pesan yang tepat pada waktu yang tepat sangat penting. Jika tidak, pada saat mereka berada di pasar untuk apa pun yang Anda jual, mereka mungkin telah melupakan semua tentang Anda!

Data dan analitik real-time dengan cepat menjadi cara terbaik bagi perusahaan untuk "berada di sana", membuat hubungan di benak pelanggan Anda antara produk Anda dan kebutuhan mereka pada saat mereka membutuhkannya. Rantai farmasi AS CVS menggunakan data untuk membangun momen mikro bagi pelanggannya dengan melacak pergerakan obat melalui rantai pasokannya dan mengirimkan peringatan real time, baik saat obat mereka siap diambil maupun saat perlu diminum. Selain meningkatkan pengalaman dan kepuasan pasien, mereka menemukan bahwa hal itu juga meningkatkan tingkat kepatuhan terhadap perintah dokter, yang mengarah pada peningkatan hasil perawatan kesehatan.

Seperti yang disebutkan, analitik real-time sering dilihat sebagai kasus penggunaan tingkat lanjut karena melibatkan data yang bergerak cepat yang seringkali berantakan atau tidak terstruktur. Prosedur yang diperlukan seperti validasi dan pembersihan data perlu diselesaikan dengan cepat, yang pasti berarti lebih banyak kekuatan pemrosesan dan, oleh karena itu, biaya.

Tetapi keuntungan dari melakukannya dengan benar bisa sangat besar. Khususnya jika Anda berada di pasar yang kejam, mengetahui bahwa Anda beroperasi berdasarkan informasi yang paling baru berarti Anda dapat yakin bahwa prediksi dan keputusan Anda akan lebih baik daripada pesaing Anda.