Data Cerdas: Menavigasi Perintis Baru IoT dan Big Data
Mengumpulkan data belum pernah semudah ini. Dengan beberapa klik, bisnis dapat menikmati teknologi cloud paling canggih, siap untuk menangkap dan menyimpan jumlah informasi yang besar. Namun, satu dekade yang lalu, menskalakan pengumpulan data adalah hak istimewa yang tersedia untuk perusahaan besar yang mampu membayar server mahal dan insinyur spesialis.
Saat ini, Internet of Things (IoT) mengubah setiap perangkat menjadi generator data. Pada 2020, satu orang bertanggung jawab untuk menghasilkan 1,7 MB data setiap detik. Lebih mencolok lagi, kendaraan otonom dapat menghasilkan 11 TB data dalam satu hari—angka yang diproyeksi hanya akan terus naik.
Untuk ilmuwan data, kelimpahan informasi adalah berkah dan tantangan sekaligus. Ketika model deep-learning baru mencapai akurasi 92 persen, respons instinktif adalah menyalahkan data yang tidak cukup. “Jika kita mengumpulkan lebih banyak data, model akan membaik,” kita sering berkata, berharap kuantitas akan menyelesaikan semua masalah.
Ini mengarah pada pertanyaan kritis: Berapa banyak data yang benar-benar cukup? Dan, lebih penting lagi, berapa banyak data yang berlebihan?
Dalam lingkaran machine learning, kekhawatiran ini jarang diungkapkan, meskipun Big Data dapat menjadi beban 40 zettabyte. Jika data adalah minyak baru, ia harus diolah; pengakumulasi yang tidak terkendala mengancam keberlanjutan dan keamanan.
Mungkin masalah sebenarnya adalah Big Data bukan jawaban definitif untuk AI. Kita perlu mempertimbangkan apa yang kita kumpulkan.
Digitalisasi awal menuntut seleksi data yang hati-hati karena biaya tinggi, yang memfoster tanggung jawab dan fokus kualitas. Seiring dengan semakin murahnya penyimpanan dan daya komputasi, kuantitas melebihi kualitas, mengubah data menjadi komoditas. Kita tidak lagi bertanya apakah data yang kita kumpulkan benar-benar menambah nilai.
Data tua dan menurun. Tidak semua informasi dibuat sama—ratusan selfie memiliki nilai analitik yang sangat berbeda dari basis data literatur medis yang komprehensif. Memproses data yang usang atau redundan membuang sumber daya dan dapat menyesatkan model.
Sementara penyimpanan yang lebih murah dan komputasi yang lebih cepat menyegarkan, mereka hanya tetap berjalan jika keahlian manusia berevolusi seiring dengan Moore’s Law. Tanpa membedakan data mana yang benar-benar memberi tahu keputusan, kita risiko tenggelam dalam kebisingan daripada menghasilkan wawasan.
