Meski implementasi big data dan analytics selalu menjadi prioritas utama CIO dalam beberapa tahun terakhir, namun soal kecepatan dalam mengkonversi data menjadi insights dan strategi bisnis masih menjadi tantangan para pengambil keputusan. Inilah yang menjadi penyebab kebutuhan akan machine learning mengemuka.
Di sepanjang tahun 2016, kita telah menyaksikan bagaimana big data dan analytics masih menjadi topik terhangat di lingkungan bisnis di Asia Pasifik, termasuk Indonesia. Hal tersebut didasari oleh makin banyaknya bisnis yang merasakan pentingnya teknologi itu dalam strategi bisnis.
Menurut survei dari IDG bertajuk “Data & Analytics 2016,” yang melibatkan 724 responden dari kalangan pembuat keputusan dalam bidang TI dan terlibat langsung dalam inisiatif big data di berbagai penjuru kawasan Asia Pasifik, tren tersebut akan terus berlanjut dan berkembang di tahun-tahun mendatang.
Responden dalam survei itu mengatakan bahwa implementasi big data dan analytics didorong oleh keyakinan mereka akan pentingnya data bagi bisnis untuk membuka berbagai peluang bisnis dan pendapatan baru dalam satu hingga tiga tahun ke depan. Selain itu mereka juga mengungkapkan tujuan utama mereka melakukan inisiatif itu adalah untuk meningkatkan hubungan pelanggan, fokus perusahaan pada data, dan mengubah cara mereka berbisnis.
Di sisi lain hal itu juga membuka mata kita, bahwa bisnis di Asia Pasifik, termasuk di Indonesia, kini telah mulai mengarah pada pemanfaatan data secara lebih luas untuk menunjang bisnis - insights driven business, mengingat praktek-praktek bisnis secara tradisional, kini sudah tidak lagi cukup untuk membangun keunggulan kompetitif dan survive secara berkelanjutan di era digital. Namun menjadi insight driven business – perusahaan yang menjadikan data sebagai pondasi dari setiap keputusan bisnis yang diambil tidaklah mudah. Apalagi di masa ketika semua telah terhubung (connected) seperti saat ini. Untuk mengambil keputusan yang tepat perusahaan tidak lagi bisa mengesampingkan kebutuhan pasarpelanggan dan tidak semata-mata mengikuti keinginan perusahaan.
Tantangan sesungguhnya adalah bagaimana mengelola dan menyelaraskan data internal maupun eksternal sehingga bisa memberikan nilai bagi bisnis secara cepat dan efektif. Dengan jumlah data yang di simpan perusahaan terus meningkat baik secara volume, velocity, dan variety menuntut metode dan pendekatan baru untuk melakukan analisis data yang sangat kompleks, dan solusi big data dan analytics tradisional tidak mampu menanganinya. Disinilah kemampuan machine learning diperlukan, untuk disertakan dalam solusi big data dan analytics yang telah ada.
Machine learning merupakan teknologi yang membuat komputer mampu belajar dari data yang di inputs dan outputs-nya. Tanpa adanya data, komputer tidak akan bisa belajar apa-apa. Dengan kata lain semua pengetahuan machine learning pasti akan melibatkan data. Data bisa saja sama, akan tetapi algoritma dan pendekatannya berbeda-beda untuk mendapatkan hasil yang optimal.
Machine learning sebenarnya bukanlah hal baru dalam lanskap ilmu komputer. Namun sebagai teknologi untuk pengolahan data, positioning machine learning selama ini tidak dibedakan dari teknologi sejenis seperti predictive analytics dan data mining untuk pattern recognition. Tetapi mulai tahun ini berbeda. Awal 2017 ini, firma riset Gartner mulai memposisikan machine learning dalam segmen baru secara mandiri melalui publikasi Magic Quadrant for Data Science Platform, dengan vendor-vendor seperti pada grafik berikut ini:
Sementara itu, dalam salah satu artikelnya yang dimuat majalah Wired, Jorge Garcia, analis senior di bidang Business Intelligence dan Data Management, dari Technology Evaluation Center menyebutkan bahwa machine learning memiliki keunggulan dibandingkan solusi big data dan analytics tradisional untuk membantu perusahaan dalam siklus pengambilan keputusan strategis karena:
Dengan melihat berbagai keunggulan machice learning di atas, tidak mengherankan jika industri semakin banyak yang meliriknya, mengingat tantangan yang mereka hadapi, khususnya untuk mengkonversi data dan memperoleh insights dari data yang mereka simpan.
Hal tersebut dilihat dari tren pemanfaatan machine learning yang kian meluas dari mulai untuk meningkatkan keamanan siber, optimalisasi self-driving car, optimalisasi reveneu, identifikasi mitra bisnis, peningkatan layanan kesehatan, peningkatan dan optimalisasi konsumsi daya, mendorong peningkatan penjualan dan pemasaran, hingga peningkatan layanan pelanggan.
Sebagai gambaran untuk pemanfaatan machine learning dengan tujuan untuk meningkatkan keamanan data, kita bisa melihat dari praktek yang dilakukan oleh Partner, operator telekomunikasi di Israel. Sejak dua tahun lalu, perusahaan telekomunikasi yang sebelumnya bernama Orange ini telah menggunakan machine learning untuk membantu perlindungan data perusahaan dan pelanggan. Sebelumnya, sistem Information Detection System (IDS) dan Security & Event Management (SIEM) menjadi andalan untuk tugas itu. Tetapi dengan 800 alert yang dihasilkan IDS setiap harinya mereka merasa perlu menambahkan LightCyber Magna sebuah sistem deteksi breach yang memanfaatkan machine learning, untuk meningkatkan tim security dalam mengelola berbagai aktivitas pelanggaran dan mencurigakan.
Sistem LightCyber Magna ini memiliki kemampuan memonitor seluruh trafik yang datang dari dan berpindah antara PC dan server sehingga bisa mengidentifikasi berbagai keanehan yang terjadi dan meminimalkan terjadinya pembobolan. Terakhir sistem ini mampu mendeteksi sebuah program (malicious code) dalam sebuah file video yang telah di-download karyawan. Dan tim security dengan segera memberikan peringatan kepada karyawan tersebut sebelum program tersebut berhasil mencuri data-data pelanggan maupun internal perusahaan.
Manfaat machine learning dari studi kasus Partner di atas, menjadi contoh kecil bagaimana machine learning telah memberikan manfaat nyata bagi bisnis. Dalam sebuah laporannya bertajuk “Machine Learning: Drives Business Benefits,” ISACA menyebut machine learning sebagai salah satu inovasi digital yang paling bernilai bagi bisnis. Hal ini disebabkan oleh karena machine learning memungkinkan organisasi tidak hanya bisa menemukan pattern dan tren dari analisis data yang jumlah besar dan bervariasi, melainkan juga memungkinkan secara otomatis menganalisanya, yang sebelumnya hanya bisa dilakukan manusia secara manual. Selain itu sebut ISACA, machine learning juga mampu belajar dari berbagai interaksi yang dilakukan bisnis dan memberikan data-data berdasarkan respon yang masuk sehingga para pengambil keputusan bisnis akan lebih yakin pada insights yang dihasilkannya. Pada akhirnya dengan berbagai kelebihan yang ditawarkan machine learning, perusahaan dimampukan untuk membangun differensiasi dan personalisasi produk maupun layanannya sebagai bagian dari upaya untuk membangun daya saing berkelanjutan.
Data memang telah menjadi semacam minyak bagi bisnis. Dua-duanya, sangat bernilai, tetapi baru bisa memberikan manfaat jika sudah diolah. Jika minyak akan memberi manfaat setelah menjadi bahan bakar, plastik, atau produk-produk kimia lainnya, data baru berguna setelah diolah, dianalisa dan memperoleh insights. Karena itulah bisnis membutuhkan machine learning.
