Trend Data Management 2018

Oleh: Thoyib Hidayat (1901763733), Erick Pineka (1901769260),
Sembada Denrineksa Bimorogo (1901769286)

Data kini sudah menjadi sebuah sumber daya berharga yang dapat digunakan untuk
mendukung bisnis. Bukan hanya sekedar data biasa, apabila dianalisis dengan baik, data bisa
menjadi pertimbangan penting dalam sebuah keputusan bisnis. Dengan seiring perkembangan
zaman, teknologi manajemen data perusahaan juga terus tumbuh dan berkembang, didorong oleh
sejumlah tren, yang sebagian besar telah berlangsung selama bertahun-tahun hingga sekarang.
Tren lama sepertidata warehouse modernization, Hadoop adoption, cloud adoption, the
evolution of traditional tools and practices for data modeling, metadata management, hubs,
cloud usage, and self-service data access.
Selain itu, tren terbaru telah tiba untuk mengguncang segalanya, yaitu data lake, IoT data, dan
penggunaan machine learning dalam otomatisasi pengembangan manajemen data, yang akan
segera memaksa banyak organisasi di seluruh dunia untuk memodernisasi praktik mereka dalam
tata kelola data, penatagunaan dan kurasi.
Data Warehouse Modernization:
Trenteknologi manajemen data perusahaan sempat ini meledak pada tahun 2015 dan masih
berjalan melalui komunitas warehouse. Ada begitu banyak teknologi baru (Hadoop, NoSQL,
kemajuan hardware), teknik pengguna (agile, data lake designs), dan praktik bisnis (self-service
data access) untuk mengadopsi begitu banyak data warehouse yang sudah ketinggalan
jaman.Modernisasi akan tetap menjadi prioritas untuk beberapa tahun ke depan lagi.
Hadoop Adoption:

Gambar Arsitektur Hadoop Distributed File System

Hadoopsecara alami cocok untuk multiplatformdata warehouse yang sudah matang karena
menyediakan penyimpanan murah untuk data besar, kekuatan pemrosesan untuk algoritma
analitik tingkat lanjut, dan kemampuan untuk menangani data non-relasional. Selanjutnya,
Hadoop memperkuat komponen terlemah dari arsitektur data warehouse, yaitu data staging dan
analytics sandboxing. Sebuah survei TDWI menemukan Hadoop dalam seperlima dari
lingkungan data warehouseyang sudah matang dan TDWI mengharapkan adopsi itu untuk terus
meningkat.
The Data Lake:

Gambar Arsitektur Data Lake

Data Lakeadalah arsitektur data-centered yang menampilkan repositori yang mampu
menyimpan data dalam jumlah besar dalam berbagai format.Sebagian besar data lake dikerahkan
di atas Hadoop, meskipun beberapa di antaranya berada di relational databases, cloud storage,
atau gabungan keduanya. Untuk pengguna Hadoop, pola desain dan kumpulan praktik terbaik
yang dikenal sebagai data lake menyediakan metodologi dan kontrol yang sangat dibutuhkan.
Bagi yang lain, data lake adalah tempat penyimpanan data mentah yang mengatur dan
memperluas arsitektur data yang kompleks, hibrida, dan multiplatform dalam data pergudangan,
pemasaran multichannel, rantai pasokan digital, dan program perusahaan lainnya.
Machine Learning Algorithms in Data Management Tools:
Banyak pekerjaanberulangdan memakan waktuyangdilakukan oleh pengembang data
management, seperti memetakan sumber ke target, mengkategorikan data, meremediasi anomali
data, dan membuat metadata untuk merepresentasikan data baru dari sumber baru. Dengan
kemajuan dalam machine learning , pertama kali diterapkan dalam analisis umum sekarang
dimasukkan ke dalam alat pengembangan manajemen data untuk menyediakan otomatisasi yang
sangat dibutuhkan, yang pada gilirannya mengarah ke produktivitas pengembang yang lebih
besar.
Data from the Internet of Things (IoT):

Gambar Arsitektur Internet of Things (IoT)

Konsep IoT bertujuan untuk mengambil berbagai “hal” dan mengubahnya menjadi smart
objectsseperti jam tangan, mobil, rel kereta api hingga lemari es. Produk yang biasanya tidak
terhubung ke Internet dan dapat memperoleh dan memproses data, dilengkapi dengan sensor dan
chip komputer untuk pengumpulan data. Sebagian besar diskusi berfokus pada sourcesIoT atau
aplikasi end-userdengan analitik. Banyak orang mengabaikan bagian di tengah (penangkapan,
pengelolaan, dan pengungkit data IoT). Tanpa mil tengah itu, mil pertama dan terakhir tidak
akan bersatu untuk memungkinkan pemantauan proses bisnis (seperti yang terlihat dalam data
IoT) dan bereaksi sesuai.
Modern Data Hubs
Data hubtidak lagi hanya sekadar “Roach Motel,” tempat data diperiksa tetapi jarang kembali
keluar. Modern Data Hubsmenjaga perpindahan data dengan kualitas yang solid, organisasi, dan
tata kelola dengan memasukkan alat-alat canggih untuk orkestrasi, kurasi data, kumpulan data
dan berlangganan.