Setiap waktu data diproduksi, tak peduli manusia sedang tidur atau terjaga. Mesin-mesin mengerjakan pengumpulan data: percakapan antar manusia, jumlah kendaraan yang melewati jalan tol, jumlah uang yang terkumpul di seluruh gerai minimarket, volume penjualan produk, transaksi keuangan perbankan, hingga bayi yang lahir dan orang yang meninggal setiap hari.
Semakin maju teknologi, semakin tercatat pula berbagai aktivitas manusia—di mal-mal, rumah sakit, stasiun, dan jalan-jalan, kamera CCTV memantau perilaku manusia. Mesin-mesin dalam berbagai rupa merekam semua kegiatan. Data yang diproduksi terus-menerus ini memiliki karakter: volume sangat besar, kecepatan sangat tinggi, formatnya bermacam-macam, dihasilkan oleh beraneka piranti teknologi.
George Day, guru besar Wharton Business School, mengatakan bahwa volume data yang disimpan perusahaan AS bisa menjadi dua kali lipat dalam setiap 1,5 tahun. Di saat yang sama, kemampuan perusahaan dalam memakai data ini hanya tumbuh sekitar 2 persen per tahun. Ada kesenjangan yang amat besar di antara keduanya.
Data diproduksi hingga volumenya berlimpah, namun tidak seluruhnya berharga atau sekurang-kurangnya pengguna data tidak mampu menemukan mutiara di dalamnya. Diperlukan kemampuan analitik untuk mendapatkan sesuatu yang berharga di tengah rimba data. Di tengah produksi data yang cepat dan berlimpah, kemampuan analitik data menjadi sumber keunggulan bagi perusahaan dalam pengambilan keputusan.
Dari beberapa studi dapat diketahui bahwa kendala yang dihadapi perusahaan saat ini bukanlah bagaimana menambang data, sebab teknologi telah sangat membantu. Ada tantangan lain yang harus diatasi perusahaan. Pertama, kurangnya pemahaman mengenai pendekatan yang tepat dalam mengelola data. Terlalu banyak sumber daya yang dikerahkan untuk memilah-milah data tanpa disertai wawasan mengenai data mana yang sebenarnya diperlukan.
Tantangan kedua ialah bagaimana mengenali pola dari data yang terhimpun. Untuk mengenali pola dari data yang berjibun itu diperlukan keterampilan tersendiri. Di era yang kaya data seperti sekarang, profesi data scientist semakin bersinar. Mereka membantu para pengambil keputusan dalam memahami dan menafsirkan data. Mereka yang mengisi defisit wawasan atau insight di tengah surplus data.
Bagaimana memahami konteks data merupakan tantangan ketiga yang dihadapi para pengambil keputusan. Kita tahu, data tidak berdiri sendiri. Data merupakan cerminan situasi, aktivitas, interaksi, lingkungan, maupun intensitas. Setiap pola yang berhasil ditemukan memiliki konteks dengan situasi dan lingkungan tertentu. Tanpa mengerti konteksnya, pemahaman terhadap pola dapat menyesatkan kita.
Setidaknya ketiga tantangan itu yang mesti diatasi oleh para pengambil keputusan, yaitu memilah data, mengenali pola, dan memahami konteksnya. Para eksekutif perusahaan maupun pejabat publik tentu saja terbantu oleh berbagai peranti lunak pengolah data. Namun, menafsirkan pola dan memahami konteksnya merupakan jenis keterampilan yang perlu terus dipertajam. Jadi, di balik timbunan data tersembunyi pola dan konteks yang harus disingkapkan. Tanpa pemahaman mengenai kedua hal itu, berapapun besar volume data yang kita punya, ia tak akan ‘berbunyi’. (sumber ilustrasi: digitaldatashow.com) ***
Ikuti tulisan menarik dian basuki lainnya di sini.
