IoT atau Internet of Things mengacu pada jumlah objek fisik yang terus meningkat, dari perangkat konsumen kecil hingga peralatan industri besar yang sekarang terhubung ke Internet dan mampu menghasilkan data tentang bagian operations mereka dan dunia di sekitar mereka.

Saat ini jumlah perangkat yang membentuk IoT meningkat. Gartner pun memperkirakan perangkat yang terhubung yang digunakan di seluruh dunia akan mencapai 20 miliar pada tahun 2020.

Apa IoT penting?

Investasi IoT membutuhkan pendekatan baru untuk information architecture, application development, dan data science. Memberdayakan organisasi Anda dengan kemampuan IoT yang membantu menciptakan produk dan layanan baru yang menarik sekaligus meningkatkan efisiensi internal.

Menciptakan dan Memberikan Pelayanan Terbaru kepada Konsumen

Produk konsumen fisik dan perangkat yang sekarang terhubung ke Internet memungkinkan perusahaan untuk menciptakan dan memberikan nilai tambah, berbasis software yang meningkatkan loyalitas pelanggan, memungkinkan adanya cross-sell dan penjualan yang lebih tinggi, dan mengurangi customer churn.

Meningkatkan efisiensi operasional dan mengurangi downtime

Data flowing dari peralatan industri dan mesin lainnya memungkinkan operator untuk lebih mudah memantau dan mengelola operasi mereka dan bahkan memprediksi kegagalan peralatan sebelum terjadi sehingga tindakan pencegahan dapat diambil.

Secara otomatis mengotomatiskan operations secara real time

Pada akhirnya, IoT dan event-driven architectures memungkinkan perusahaan secara cerdas mengotomatiskan proses bisnis dan operasi perangkat yang terhubung secara real time dengan menerapkan machine learning dan analisis prediktif terhadap data yang masuk dan memicu tindakan berikutnya tanpa intervensi manusia yang diperlukan.

Dampak IoT pada Bisnis

IoT berdampak pada hampir semua industri. Perusahaan yang membangun aplikasi IoT berbasis data dapat membuka potensi IoT pada bisnis mereka dengan aplikasi cloud-natvie dalam skala besar.

1. Kesehatan

IoT data flowing dari fitness trackers, heart monitors, dan perangkat yang dapat dipakai lainnya memungkinkan dokter untuk memantau aktivitas pasien dengan lebih baik dan mengantisipasi potensi masalah kesehatan.

2. Retail

Sensor IoT yang dipasang pada persediaan membantu retailers (pengecer) untuk mengelola supply chains mereka dengan lebih baik dan memastikan tingkat persediaan yang optimal.

3. Industri

Data operasional IoT yang dianalisis dari alat berat seperti turbin membantu perusahaan industri besar untuk dapat memprediksi kemungkinan adanya kegagalan sehingga mereka dapat mengambil tindakan pencegahan dan mengurangi waktu downtime.

4. Rumah

IoT connected devices seperti termostat dan appliances memungkinkan pemilik rumah dapat mengontrol jarak jauh dan bahkan mengotomatiskan penggunaan energi.

Source:

https://pivotal.io/iot

Info lebih lanjut:

www.phintraco.com | www.phintracotech.com  | marketing@phintraco.com

Dari pembahasan sebelumnya kita sudah membicarakan mengenai Data Science oleh Pivotal. Saat ini kita akan membahas mengenai apa itu DevOps. DevOps merupakan cara kerja yang berfokus pada pengiriman aplikasi yang berkualitas secara teratur yang dapat memenuhi kebutuhan bisnis.

Pentingnya DevOps

Faster time to market

Di dunia saat ini, software memainkan peranan yang penting dalam membantu bisnis mempelajari apa yang dibutuhkan oleh pelanggan mereka. Praktik DevOps yang matang dapat menghindari miskomunikasi dan penundaan (delays), dan membuat tim menjadi lebih mudah dalam mengirimkan software.

Dengan DevOps dan cloud, vice president dari inovasi teknologi Allstate’s Doug Safford (Pivotal customers), mengatakan “Developer biasanya menghabiskan hanya 20% waktu pengkodeannya dan sekarang mendekati 90%”.

Comcast (Pivotal customers) pun telah melihat peningkatan sebesar 50% dalam kecepatan developer, sebesar 90% pengurangan dalam technical debt, sebesar 50% dalam reported incidents, dan sebesar 75% atas berkurangnya server farms.

Lower risk and smoother deployments

Praktik DevOps terdiri dari budaya kolaboratif dan otomatisasi untuk packaging, deployment, monitoring, dan updates untuk produksi. Digabungkan dengan continuous learning, tim DevOps dapat mengidentifikasi dan menghilangkan roadblocks dan membangun proses rilis yang lebih kuat, efisien, dapat diulang, dan matang.

Hal ini memungkinkan penyebaran pada software dapat dilakukan tanpa masalah.

Faster recoveries

Ketika kode tidak rusak dalam produksi atau menyebabkan downtime, praktik DevOps siap untuk mendiagnosis dan memulihkannya. Dengan otomatisasi dan pemantauan yang signifikan yang memberdayakan sebagian besar proses rilis dan manajemen.

Tim DevOps dapat dengan cepat berkolaborasi untuk melacak dan menentukan sumber kegagalan, dan rollback changes atau perbaikan masalah. Faktanya, di tahun 2016 berdasarkan laporan dari DevOps menunjukkan bahwa respon yang cepat dan terstruktur untuk masalah produksi yang tak terduga menghasilkan waktu yang lebih cepat.

Waktu yang lebih cepat tersebut sebesar 24x untuk pemulihan di organisasi yang mempraktekkan DevOps serta 3x tingkat kegagalan perubahan yang lebih rendah.

Higher customer satisfaction and better product-market fit

Releasing features atau bug fixes dengan cepat dan andal tidak hanya mengarah pada respons yang lebih tinggi dan kepuasan pelanggan, tetapi juga untuk umpan balik yang cepat dan identifikasi lebih cepat dari kemampuan yang paling disukai pelanggan.

Praktik DevOps terletak di jantung pengiriman terus menerus dan waktu siklus yang cepat. Tanpa kolaborasi yang terus menerus dan ketat antara developer, operator IT, dan pemangku kepentingan bisnis, pengiriman fungsionalitas yang bermanfaat secara konsisten, dengan laju yang cepat, tidak akan mungkin terjadi.

Source:

https://pivotal.io/devops

Info lebih lanjut: www.phintraco.com | www.phintracotech.com  | marketing@phintraco.com

Data science tidak hanya menyediakan wawasan (insight). Dengan menerapkan model yang tepat ke data yang tepat, data science memungkinkan perusahaan untuk mengidentifikasi pola (patterns) dalam volume yang data yang besar untuk diprediksi dan pada akhirnya akan mempengaruhi hasil bisnis.

Dengan kata lain, data science memberi perusahaan pandangan ke depan yang diperlukan untuk melayani pelanggan dengan lebih baik, mengembangkan produk yang lebih menarik, dan mendorong efisiensi operasional.

Pengertian dari Data Science

Data science mengacu pada proses pengungkapan pola dan insight yang tersembunyi dalam volume data yang besar, dari data yang berantakan menggunakan teknik seperti machine learning, data mining, predictive analytics, deep learning, dan cognitive computing.

Berbeda dengan traditional business intelligence dan pendekatan terkait, data science tidak terbatas pada data terstruktur, tidak memerlukan data untuk disusun ke dalam baris dan tabel yang rapi, dan tidak terbatas pada kumpulan data yang kecil.

Teknik data science dapat diterapkan dalam skala volume yang besar dari data semi-terstruktur dan tidak terstruktur seperti text-based data, machine data, sensor data, dan social media data.

Apakah pentingnya Data Science bagi Bisnis?

1. Unlock the value of data

Dengan menerapkan Data Science dapat membuka nilai data dengan mengungkap insights yang dapat ditindaklanjuti.

2. Be predictive and proactive

Data Science memungkinkan perusahaan untuk bersikap proaktif dan mengambil tindakan untuk mengoptimalkan hasil.

3. Continuous learning

Karena data science yang digerakkan oleh ilmu pengetahuan dimasukkan ke dalam tindakan, hasil dari tindakan tersebut dimasukkan kembali ke dalam sistem model prediktif dan algoritma. Hasilnya adalah sistem self-learning yang terus meningkat.

4. Data science applies to all industries

Data science digunakan di hampir semua industri. Seorang petani pun menggunakan data science untuk menentukan waktu terbaik dalam menanam tanaman. Seorang pengecer (retailers) menggunakan data science untuk melakukan penawaran kepada pelanggan. Hingga layanan keuangan dan asuransi pun menggunakan Data Science.

Aksi Pivotal dan Pelanggan dalam Menggunakan Data Science

1. Mendeteksi penipuan

Menerapkan model prediktif ke real-time transaction data untuk mengidentifikasi dan menghentikan aktivitas penipuan apapun.

2. Segmentasi pelanggan

Mengembangkan segmentasi pelanggan berdasarkan analisis data perilaku, transaksional, sosial dan lainnya.

3. Customer churn

Identifikasi pola yang menunjukkan pelanggan yang cenderung meninggalkan produk atau layanan dan mengambil langkah untuk menghentikannya.

4. Predictive maintenance

Memprediksi kemungkinan kegagalan bagian di dalam mobil, peralatan industri dan mesin lain sehingga tindakan pencegahan dapat diambil.

5. Sentiment analysis

Menganalisa text-based data seperti konten email dan pembaruan media sosial untuk mengumpulkan sentimen pengguna dan pelanggan.

6. Cybersecurity

Mengenali kemungkinan serangan yang berbahaya dan ancaman online lainnya ke IT dan jaringan lainnya dan ambil tindakan pencegahan.

7. Recommendation engine

Sarankan produk, layanan dan action items yang ditargetkan kepada pengguna berdasarkan analisis perilaku pembelian sebelumnya dan data lainnya.

8. Demand forecasting

Prakiraan permintaan untuk produk dan suku cadang terlebih dahulu untuk mempertahankan tingkat persediaan yang optimal.

Source:

https://pivotal.io/data-science

Info lebih lanjut: www.phintraco.com | www.phintracotech.com  | marketing@phintraco.com