IDF15: Analisis Data Lebih Cepat, Hasil Lebih Bermanfaat

Salah satu kegunaan yang bisa didapatkan dari perangkat Internet of Things (IoT) adalah data dalam bentuk tidak terstruktur dalam jumlah yang sangat banyak, yang bila dipelajari lebih lanjut akan menghasilkan informasi yang sangat berguna untuk berbagai hal. Tentunya, untuk mengolah Big Data tersebut, banyak sekali tantangan yang harus dihadapi. Perwakilan dari Intel, Diane Bryant, Senior VP & General Manager Data Center Group, dan Doug Davis, Senior VP & General Manager IoT Group, yang membawakan Mega Session IoT dan Big Data mencoba menjelaskan upaya dari Intel untuk pengolahan Big Data dengan lebih baik.

Tantangan: Pengolahan Big Data

Intel telah menyediakan dasar dari pengembangan perangkat kreatif untuk pengalaman baru, menyediakan cara untuk mempercepat pengembangannya, serta teknologi-teknologi pendukungnya. Namun, masih ada satu tantangan yang perlu diselesaikan agar manfaat dari perangkat kreatif, dengan basis IoT, dapat dirasakan secara luas, yaitu pengolahan Big Data dari sekitar perangkat IoT tersebut. Ya, dewasa ini, data bisa dikatakan sebagai mata uang digital di dunia, karena hasil olahan dari Big Data bisa menjadi informasi yang tidak ternilai harganya.

Hambatan terkait rumitnya pengolahan Big Data tersebut membawa masalah tersendiri. Makin banyaknya perangkat IoT yang bisa mengumpulkan data tentu saja berimbas pada makin banyaknya data yang menumpuk sebelum diolah. Tingkat kerumitan dan jumlah data yang harus diolah membuat tidak banyak orang yang mau berurusan dengan pengolahan Big Data ini, padahal agar dapat dimanfaatkan, Big Data harus diolah terlebih dahulu. Untuk itulah, Intel mendukung terciptanya algoritma pengolahan Big Data yang lebih baik, yang memungkinkan didapatkannya hasil dengan lebih cepat dengan memanfaatkan penyederhanaan proses pengolahan tersebut.

Salah satu bentuk dari penyederhanaan proses pengolahan Big Data adalah dengan memanfaatkan Streaming SQL. Streaming SQL sendiri disebut sebagai jembatan yang mempermudah pihak yang mengelola Big Data untuk mendapatkan hanya data-data yang mereka butuhkan di suatu waktu dengan cara memanggil data-data tertentu tersebut dari kumpulan data dalam jumlah besar. Hal ini tentu saja menyederhanakan analisa Big Data karena data-data yang mungkin tidak dibutuhkan tidak akan diolah menjadi informasi.

Implementasi Pengolahan Cepat untuk Hasil yang Lebih Bermanfaat

 

Solusi Streaming SQL untuk pengolahan Big Data yang lebih sederhana, yang tentunya berimbas pada makin cepatnya proses pengolahan tersebut, telah diimplementasikan oleh JD.com. Perusahaan ini memanfaatkan real time analytics untuk mendukung bisnis mereka. Saat ini, JD.com memiliki 100 juta pelanggan, dan mereka butuh melakukan analisis dari kebiasaan pelanggan mereka untuk mengambil langkah yang tepat dalam menghadapi masing-masing pelanggan, misalnya untuk memberikan rekomendasi. Hasilnya, mereka mendapatkan peningkatan performa hingga 3x lipat!

Teknologi di Balik Pengolahan Data yang Lebih Cepat

Kunci dari pengolahan data yang lebih cepat, selain pada algoritma yang digunakan, juga ada pada hardware yang mumpuni yang mendukung pemrosesan cepat tersebut. Untuk urusan prosesor, Intel sendiri tentunya memiliki lini lengkap yang memungkinkan hal tersebut. Namun, perlu diingat, kecepatan pemrosesan data tidak hanya tergantung dari performa prosesor yang melakukan tugasnya, tetapi juga dari performa media tempat data-data tersebut disimpan.

JD.com sendiri mengakui bahwa mereka menggunakan sistem storage skala besar dengan basis SSD dari Intel untuk Big Data mereka. Untuk ke depannya, Intel sendiri telah siap menghadirkan performa storage yang lebih dari yang ada saat ini. Salah satunya adalah melalui hasil dari 3D XPoint, memori baru yang dikembangkan Intel.

3D XPoint memungkinkan lahirnya storage kencang dengan harga yang lebih rendah dari saat ini. Hal itu tentunya akan mendorong kapabilitas data center dalam menangani transfer data sehingga bisa diproses dengan lebih cepat. Penggunaan prosesor berperforma tinggi, algoritma pemroses yang lebih efisien, serta storage yang mampu menangani lalu lintas data dengan baik akan mendukung didapatkannya hasil secara lebih cepat, sehingga bisa lebih cepat dimanfaatkan untuk berbagai kepentingan bersama.