Apa itu Analisis Dalam Memori?
Saat ini, data ada di mana saja. Volume, kecepatan dan variasinya meningkat melampaui semua harapan. Memanfaatkan analitik data telah membantu banyak merek terkemuka bergerak melampaui intelijen bisnis tradisional ke analitik real-time untuk efisiensi yang lebih besar, pencegahan risiko dan peningkatan pendapatan melalui penawaran yang disesuaikan dengan pelanggan. Bisnis yang lambat untuk memanfaat nilai dari data dengan solusi analisis berada di tempat yang sangat tidak menguntungkan secara kompetitif.
Kecepatan adalah persyaratan utama untuk infrastruktur IT yang dapat mendukung pengambilan keputusan yang digerakkan oleh analisis. Nilai bisnis solusi dukungan keputusan sering kali bergantung pada kemampuan untuk dapat menghadirkan hasil setidaknya seribu kali lebih cepat dibandingkan solusi konvensional. Untuk mencapai tujuan yang tinggi ini, diperlukan pendekatan baru untuk pemrosesan: Komputasi dalam memori.
Konsep komputasi dalam memori itu sederhana. Dalam pendekatan konvensional untuk memproses data, data berada pada hard disk dalam sistem atau terhubung oleh jaringan. Ketika dibutuhkan, data dipanggil ke memori sistem lokal (sekarang dikenal sebagai RAM), dan dari sana beralih ke CPU. Waktu pencarian yang panjang untuk data yang berada di disk sering kali dapat menjadi bottleneck.
Dengan komputasi dalam memori, data disimpan secara langsung dalam memori sistem. Pendekatan arsitektural ini secara dramatis mengurangi latensi dengan menghilangkan waktu yang diperlukan untuk mencari data pada disk dan membawanya lebih dekat ke CPU. Saat ini, komputasi dalam memori mengandalkan memori DRAM, yang mahal, sehingga tidak hemat biaya untuk volume data yang besar. Namun demikian, teknologi memori persisten yang terus berkembang menawarkan solusi dengan mengombinasikan kapasitas tinggi, keterjangkauan, dan persistensi data dengan tingkat performa yang mendekati DRAM.
Analisis dalam memori sering kali memiliki dua komponen teknis penting lainnya yang meningkatkan performa perangkat lunak.
Penyimpanan data kolumnar: Alih-alih penataan data dua dimensi tradisional (baris dan kolom), data analisis dalam memori memiliki struktur linier satu dimensi.
Pemrosesan paralel secara besar-besaran: Analisis dalam memori memanfaatkan sepenuhnya kemampuan prosesor multi-core, multi-thread, yang dibebaskan untuk beroperasi pada data mengingat latensi akses yang berkurang.
Kematangan Portfolio Intelijen Bisnis
Analisis bisnis, seperti banyak inisiatif IT lainnya, dapat menjadi lebih berharga bagi perusahaan ketika organisasi mendapatkan pengalaman dan kematangan operasional dalam memberikan solusi. Pendekatan yang lebih tradisional atau konvensional, seperti analisis deskriptif dan diagnostik, yang menyampaikan kepada bisnis tentang apa yang terjadi: “di mana kita berada” bukannya “ke mana kita bisa melangkah”.
Langkah selanjutnya pada skala kematangan, analisis prediktif, melihat ke depan. Analisis ini menggantikan pendekatan yang berdasarkan intuisi dan pengalaman dalam mengambil keputusan dengan analisis yang disiplin dan digerakkan oleh data. Analisis prediktif beroperasi secara real time. Sering kali, hal ini memperluas jangkauannya ke orang-orang yang berada di garis depan, yang membuat keputusan tingkat rendah secara konstan, misalnya palet mana yang akan dimuat ke dalam kontainer yang mana.
Keputusan kecil itu sendiri tidaklah terlalu penting; namun, dalam agregat keputusan itu dapat membuat perbedaan besar ada keuntungan, baik melalui penghindaran biaya atau peningkatan pendapatan. Seiring waktu, analisis prediktif akan memungkinkan bisnis untuk mengotomatisasi proses yang sekarang dilakukan manual sehingga mereka dapat bergerak dengan “kecepatan komputasi”.
Di tahapan model kematangan berikutnya, yaitu analisis preskriptif, menjelajahi skenario kemungkinan pada skala waktu yang lebih besar dan hasil proyek yang memungkinkan. Analisis preskriptif dapat digunakan, misalnya, guna menentukan lokasi optimal untuk outlet ritel baru.
Semua pendekatan yang melihat ke depan ini memanfaatkan data dalam organisasi—terkadang termasuk data transaksional—serta berbagai bentuk data yang tersedia dari agregator pihak ketiga.
Solusi analisis dalam memori mungkin tidak menggantikan gudang data konvensional, tetapi dapat meningkatkan kemampuan dukungan keputusan total organisasi. Dimungkinkan untuk memulai dengan analitik dalam memori sebelum terlibat dalam platform ulang grosir bisnis Anda.
Nilai Bisnis Analisis
Sumber data dengan nilai bisnis tidak memiliki batas: Data dari sensor pabrik, dari beberapa saluran ritel, dari media sosial, bahkan dari satelit cuaca dan umpan pihak ketiga lainnya. Perkembangan baru seperti kota pintar dan Internet of Things hanya akan menambah beban. Perusahaan tidak dapat mengabaikan data ini jika mereka ingin tetap kompetitif. Dengan analisis yang tepat, hal ini dapat meningkatkan penjualan dengan memprediksi peningkatan penjualan yang paling mungkin berhasil, memangkas biaya distribusi dengan perutean yang lebih pintar dan pengelolaan inventaris, mengurangi biaya manufaktur dan meningkatkan kualitas dengan analisis penyebab utama yang kompleks—sekali lagi, keuntungan yang bisa diperoleh tidak terbatas.
Terkadang, jalur ke informasi yang dapat ditindaklanjuti yang berasal dari data dalam jumlah besar ini adalah cukup dengan menemukan pola dari apa yang sudah terjadi. Dalam kasus lain, hasil real-time diperlukan untuk meningkatkan pengalaman pelanggan, menghentikan eksploitasi malware, atau mencegah penggunaan kartu kredit secara curang, sebagai contohnya.
Hambatan untuk adopsi tidak lagi ada. Semua vendor IT besar menawarkan solusi analisis, dan juga ada beberapa solusi vertikal. Jumlah ilmuwan data dengan set keterampilan yang dibutuhkan baik untuk menggunakan dan mendukung analisis yang canggih semakin meningkat. Selain itu, banyak perusahaan bekerja untuk “mendemokratisasi” penggunaan analisis melalui antarmuka yang lebih sederhana dan algoritma bawaan. Publisitas seputar analitik, bersama dengan kasus bisnisnya yang solid, telah membuat pendanaan lebih mudah diperoleh.
Pada intinya adalah ada nilai bisnis yang jelas dalam analisis. Banyak merek yang sudah menggunakan analitik dalam memori untuk mendongkrak pendapatan dan memangkas biaya. Mereka yang tidak menggunakan keunggulan operasional ini berisiko tidak unggul secara kompetitif.
Analisis sedang Bekerja
Analitik dalam memori adalah teknologi yang terbukti dan mengubah permainan yang memiliki dampak besar saat ini pada setiap aspek bisnis dan manajemen organisasi, termasuk manufaktur, manajemen rantai pasokan, sumber daya manusia, pemasaran, distribusi, keuangan, dan banyak lagi.
Bagi banyak organisasi, manfaat utama dari analisis dalam memori adalah kemampuan untuk memproses data dalam jumlah besar dengan cukup cepat sehingga informasi yang dihasilkan menjadi pembuat perbedaan. Pengenalan pola yang melibatkan data dalam jumlah besar adalah kasus penggunaan utama. IRS*, misalnya, menganalisis Surat Pemberitahuan Tahunan saat diproses untuk mengidentifikasi pola kesalahan atau masalah. Hasilnya adalah intervensi yang menghentikan IRS melakukan kesalahan pendanaan ulang sebesar beberapa ratus juta dolar.
Analisis prediktif mungkin merupakan aplikasi yang paling berguna dari teknologi dalam memori. Di UPS*, model prediktif untuk operasi pengiriman berdampak terhadap pengurangan jarak tempuh, yang menghemat uang perusahaan dan mengurangi jejak karbon perusahaan secara keseluruhan.
Analisis prediktif sangat efektif dalam ritel. Sebagai contoh, seorang peritel, memiliki kemampuan untuk memulai proyek analitik dalam memori untuk menghasilkan kampanye pemasaran yang ditargetkan, sehingga biaya yang dikeluarkan menjadi berkurang. Industri dapat memperoleh manfaat dari pendekatan semacam ini.
Panduan Langkah demi Lankah untuk Memulai
Berikut ini adalah proses lima langkah untuk mengawali analitik dalam memori.
- Mengidentifikasi sumber masalah. Konsultasikan dengan pemimpin unit bisnis untuk membuat daftar sumber masalah yang sulit atau tidak mungkin untuk diselesaikan dengan sistem yang ada. Daftar ini harus diprioritaskan berdasarkan item tersebut yang selaras dengan strategi yang ada, berpotensi untuk wawasan baru, berada dalam kemampuan organisasi IT, dan memiliki kasus bisnis yang solid. Dengan beberapa pengulangan, hasil akhirnya adalah daftar tujuan yang jelas dan sumber daya untuk mencapai tujuan tersebut.
- Pelajari dan biasakan diri Anda dengan solusi analitik yang tersedia di pasar. Setelah Anda mendapatkan pengetahuan ini, evaluasi infrastruktur Anda saat ini. Penting untuk memahami dari mana sumber data yang akan dianalisis, siapa yang memilikinya, dan tindakan apa yang diperlukan untuk memastikan kualitas dan keamanan data.
- Identifikasi dan kembangkan keterampilan yang dibutuhkan tim Anda. Pekerjakan karyawan baru atau rencanakan untuk mengalihdayakan beberapa tugas jika perlu. Di banyak kasus, karyawan baru akan hadir dengan rangkaian keterampilan yang sesuai dengan kebutuhan Anda.
- Menetapkan persyaratan teknologi yang melampaui ekspektasi yang ada saat ini. Analitik dalam memori memerlukan perangkat keras modern, termasuk infrastruktur komputasi, penyimpanan dan jaringan. Anda juga perlu untuk menentukan pertanyaan dan algoritma analisis mana yang harus Anda buat untuk mencapai hasil yang diinginkan, kemudian memutuskan bagaimana hasil tersebut disajikan dengan cara yang menarik. Cari solusi sumber terbuka dan berhak milik untuk perangkat lunak Anda, karena terdapat banyak pilihan yang tersedia.
- Buat kasus penggunaan akhir atau proyek. Tentukan data apa yang akan digunakan, dan petakan aliran data. Kemudian kembangkan lingkungan uji untuk versi produksi.
Intel dalam Analisis: Perangkat Keras dan Selebihnya
Intel menawarkan platform terluas di industri untuk analitik dalam memori, dengan kemampuan yang signifikan untuk menskalakan beban kerja yang semakin meningkat. Ini mampu mendukung berbagai beban kerja analitik yang beragam, termasuk real-time, database dalam memori, penyebaran Spark * skala-out, komputasi performa tinggi (HPC) dan machine learning. Platform Intel menggabungkan teknologi komputasi, penyimpanan, memori, fabric, dan jaringan, semuanya dioptimalkan untuk performa “bekerja lebih baik bersama” di mana semua lebih baik daripada sebagian.
Hasilnya adalah infrastruktur yang fleksibel, dengan keamanan bawaan yang menghadirkan performa tinggi yang diperlukan untuk memenuhi kebutuhan saat ini saat membentuk landasan yang solid dan tepercaya untuk masa depan.
Arsitektur Intel® memberikan IT baseline yang konsisten di seluruh infrastruktur mereka, dengan jalur yang dapat diprediksi untuk mengskalakan inisiatif analisis dari waktu ke waktu dan penawaran produk luas, yang berarti tidak perlu mendukung beberapa arsitektur. Arsitektur Intel® juga menawarkan model pemrograman perangkat lunak yang konsisten untuk developer, memungkinkan mereka untuk fokus pada fitur dan performa yang lebih baik.
Intel® architecture didukung oleh ekosistem yang kaya akan mitra perangkat keras dan perangkat lunak. Intel secara aktif berkolaborasi dengan mitra ini secara berkelanjutan untuk membantu mengoptimalkan performa produk mereka pada arsitektur Intel®.
Dengan Intel sebagai mitra analitik, organisasi memiliki fleksibilitas untuk memilih platform perangkat lunak open source atau salah satu platform komersial terkemuka di industri ini, seperti yang berasal dari SAS, SAP, Oracle, IBM, dan Microsoft, dan banyak lagi lainnya.
Dengan sejarah kesuksesannya, Intel adalah sumber informasi yang kaya tentang apa yang diperlukan untuk sukses dengan inisiatif analitik dalam memori.
Intel terutama dikenal dengan prosesornya, dan bagi banyak orang, keluarga yang dapat diskalakan prosesor Intel® Xeon® identik dengan analitik dalam memori. Namun, kisah lengkapnya jauh lebih luas, dan layak untuk digali lebih dalam lagi. Klik di sini untuk mempelajari lebih lanjut tentang bagaimana Intel dapat membantu organisasi Anda mengembangkan strategi analitik dalam memori.