Uploaded by User54439

Tugas OLC 1 SIM

advertisement
Tugas Makalah
Sistem Informasi Manajemen
OLC-1
Big Data dan Implementasi Dalam StartUp Gojek
Dosen Pengajar:
Deborah Herby, S.Kom., M.MSI
Disusun Oleh:
Nama: Fendyanto
NIM: 31190038
FAKULTAS TEKNOLOGI DAN DESAIN
UNIVERSITAS BUNDA MULIA
2020 – 2021
DAFTAR ISI
DAFTAR ISI .............................................................................................................................ii
Kata Pengantar ......................................................................................................................... iii
Pengenalan Big Data .................................................................................................................. 1
1.1
Sejarah Big Data.......................................................................................................... 1
1.2
Definisi Big Data ......................................................................................................... 2
1.2.1 Sumber Perolehan Data ........................................................................................... 2
1.2.2 Karakteristik Big Data ............................................................................................. 3
1.2.3 Cara Kerja Big Data ................................................................................................ 4
Analisa Penggunaan Big Data dalam Gojek .............................................................................. 7
2.1
Pengenalan Gojek dan Big Data.................................................................................. 7
2.1.1 Profil Go-jek ............................................................................................................ 7
2.1.2 Implementasi Big Data dalam Gojek....................................................................... 8
2.1.3 Ekosistem Big Data Dalam Go-jek ......................................................................... 9
2.1.4 Dampak Penggunaan Big Data dalam Gojek ........................................................ 10
2.1.5 Tiga Tujuan utama Big Data Gojek menurut Nadiem Makariem ......................... 12
2.2
Big Data dan North Star Metrik Gojek ..................................................................... 12
2.2.1 Core Value Go-Jek ................................................................................................ 14
2.2.2 North Star Metrik Go-Jek ...................................................................................... 14
Kesimpulan .............................................................................................................................. 15
Daftar Pustaka .......................................................................................................................... 16
DAFTAR GAMBAR
gambar
gambar
gambar
gambar
1 (Karakteristik Big Data)
2 (Arsitektur Sistem Informasi Data Tradisional)
3 (Arsitektur Sistem Informasi Big Data)
4 (Gojek Data Architecture)
ii
3
5
5
9
Kata Pengantar
Dengan memanjatkan puji dan syukur ke hadirat Tuhan Yang Maha Esa, yang telah
melimpahkan rahmat, hidayah, dan inayah-Nya kepada kami, sehingga saya dapat
menyelesaikan makalah dengan judul BIG DATA dan IMPLEMENTASI DALAM STARTUP
GO-JEK.
Makalah ini telah saya susun dengan maksimal dan mendapatkan bantuan dari berbagai
pihak dan sumber sehingga dapat memperlancar pembuatan makalah ini. Untuk itu saya
menyampaikan banyak terima kasih kepada semua pihak yang telah berkontribusi dalam
pembuatan makalah ini.
Terlepas dari semua itu, saya menyadari sepenuhnya bahwa masih ada kekurangan baik
dari segi susunan kalimat maupun tata bahasanya. Oleh karena itu dengan tangan terbuka saya
menerima segala saran dan kritik dari pembaca agar saya dapat memperbaiki makalah ilmiah
ini.
Akhir kata saya berharap semoga makalah ini dapat memberikan manfaat maupun
inpirasi terhadap pembaca.
Tangerang, 14 Februari 2020
Penyusun
iii
Pengenalan Big Data
1.1 Sejarah Big Data
Sebelum kita mempelajari lebih jauh mengenai Big Data, tentunya kita perlu
memahami asal muasal dan sejarah perkembang dari Big Data, adapun dalam topik ini
saya akan memberikan urutan sejarah perkembangan Big Data secara singkat.
1944 -
Fremont Rider, Pustakawan universitas Wesleyan. Dia memperkirakan bahwa
Perpustakaan yang ada di amerika serikat ukurannya meningkat dua kali lipat
setiap 16 tahun
1961 -
Derek Price. Dia mendiagramkan pertumbuhan pengetahuan ilmiah dengan cara
melihat jumlah pertumbuhan jurnal ilmiah dan makalah
1967 -
B.A. Marron dan P.A.D. De Maine menerbitkan "Automatic data compression"
dalam Komunikasi dari ACM, yang menyatakan bahwa "ledakan informasi”
tercatat dalam beberapa tahun terakhir membuatnya penting bahwa persyaratan
penyimpanan untuk semua informasi harus dijaga agar tetap minimum.
1971 -
Arthur Miller Menulis dalam “The Assault on Privacy” menyatakan, "Terlalu banyak
informasi yang harus diukur dari seseorang, sehingga jumlah bit kapasitas informasi
orang tersebut tidak sebanding dengan jumlah bit kapasitas tempat penyimpanan
berkas tersebut".
1975 -
Departemen Pos dan Telekomunikasi di Jepang mulai melakukan Arus Informasi
Sensus, pelacakan volume informasi yang beredar di Jepang (ide pertama kali diusulkan
dalam makalah 1969)
1980 -
I.A. Tjomsland memberikan ceramah berjudul "Where do we go from here?"
Di IEEE Keempat Symposium on Mass Storage Systems, dia mengatakan "Mereka
yang terkait dengan perangkat penyimpanan lama menyadari bahwa Hukum
parkinson Pertama dapat diparafrasekan untuk menggambarkan Industry
kami 'Data mengembang untuk mengisi ruang yang tersedia'.
1981 -
Kantor Pusat statistic hungaria memulai proyek penelitian untuk menjelaskan informasi
indsutri negara, termasuk mengukur Volume informasi dalam bit.
1990 -
Peter J. Denning menerbitkan " Saving All the Bits " (PDF) dalam American
Scientist . Mengatakan Denning: "[keharusan bagi para ilmuwan] untuk menyimpan
semua bit hasil penemuan ke dalam sebuah perangkat penyimpanan bervolume
besar untuk memprediksi pola tanpa memahami arti dari pola tersebut.
1
1996 -
Penyimpanan digital menjadi tempat penyimpanan yang lebih hemat biaya untuk
menyimpan data daripada kertas menurut RJT Morris dan BJ Truskowski, dalam
" The Evolution of Storage Systems ," IBM Systems Journal
1997 -
Michael Cox dan David Ellsworth menerbitkan tentang Visualisasi set data
umumnya cukup besar, membebani kapasitas memori utama, disk lokal, dan bahkan
disk jarak jauh. Dan mereka menyebutnya masalah BIG DATA.
2000 -
Peter Lyman dan Hal R. Varian di UC Berkeley menerbitkan bahwa pada tahun
1999, dunia menghasilkan sekitar 1,5 exabytes informasi unik, atau sekitar 250
megabytes untuk setiap pria, wanita dan anak di bumi
2005 -
Hadoop, sebuah open-source software untuk mengumpulkan dan menganalisa
data dikembangkan pada tahun yang sama.
1.2 Definisi Big Data
Secara umum big data dapat diartikan sebagai sebuah kumpulan data yang
berukuran sangat besar (volume), sangat cepat berubah/bertumbuh (velocity), hadir
dalam beragam bentuk/format (variety), serta memiliki nilai tertentu (value), dengan
catatan jika berasal dari sumber yang akurat (veracity). Hal utama yang membedakan
big data dengan kumpulan data konvensional terletak pada mekanisme pengelolaannya.
Sistem basis data relasional yang saat ini umum digunakan, sudah dirasakan tidak
mampu menangani kompleksitas big data secara optimal
1.2.1 Sumber Perolehan Data
Dilihat melalui kacamata riset-riset ilmiah terkini, sumber-sumber
perolehan big data dapat dikelompokkan ke dalam tiga sumber utama,
yaitu: media sosial dan blogs, lalu lintas data (secara eksternal/internal),
dan mesin temu balik informasi (search engine). Media sosial memiliki
kontribusi yang sangat besar sebagai sumber data 'tersembunyi' yang
sangat cepat berubah dan hadir dalam berbagai formatnya, baik berupa
teks, gambar maupun video (multimedia). Digitalisasi media juga
merupakan salah satu sumber pendukung data, sebagai contoh Dulu
mungkin Anda hanya membaca buku dalam bentuk fisik. Sekarang
sudah ada layanan seperti Kindle yang memungkinkan Anda untuk
membaca eBook.
2
Amazon juga pasti mencatat buku apa saja yang Anda baca agar mereka
bisa merekomendasikan buku yang sesuai dengan apa yang Anda baca.
1.2.2 Karakteristik Big Data
Terdapat 3 dimensi awal Big Data, yaitu 3V : Volume, Variety, dan
Velocity.
gambar 1 (Karakteristik Big Data)
a. Volume : Big Data dirancang untuk memproses data dengan
volume/ukuran yang sangat besar. Mungkin karakteristik ini yang
paling mudah dimengerti karena besarnya data. Volume juga
mengacu pada jumlah massa data, bahwa organisasi berusaha untuk
memanfaatkan data untuk meningkatkan pengambilan keputusan
yang banyak perusahaan di banyak negara. Volume data juga terus
meningkat sehingga tidak dapat diprediksi jumlah pasti dan juga
ukuran dari data sekitar lebih kecil dari petabyte sampai zetabyte.
b. Variety : Big Data dirancang untuk memproses berbagai jenis data
yang tersedia. Jenis data tradisional yang awalnya terstrukur, namun
seiring dengan perkembangan zaman, semakin banyak pula data
yang semakin tidak terstruktur. Data yang belum terstruktur seperti
text, audio, dan file lainnya, sehingga data seperti ini memerlukan
waktu lebih lama untuk diproses agar dapat diketahui arti dari datadata tersebut.
3
c. Velocity : Big Data memiliki kecepatan yang sangat cepat, dimana
data diterima dan mungkin langsung digunakan. Biasanya kecepatan
tertinggi aliran data langsung dialirkan langsung ke memori
dibandingkan yang ditulis ke disk. Internet menjadikan Big Data
dapat beroperasi secara nyata atau mendekati waktu nyata dan akan
membutuhkan evaluasi dan tindakan secara real time.
1.2.3 Cara Kerja Big Data
Dalam perusahaan, Big Data digunakan untuk mendapatkan banyak ide
untuk melakukan perencanaan perusahaan. Berikut adalah 3 langkah
cara kerja Big Data secara umum.
a. Integrasi Data : Big Data memerlukan integrasi data yang cukup
rumit, berbeda dengan data tradisional yang bisa ditangani dengan
ETL (Extract, Transform, Load). Alasannya karena Big Data terdiri
dari sekumpulan input yang berbeda-beda dan harus diproses
sebelum benar-benar bisa diolah. Misalkan client kita mempunyai
data berupa komentar di ruang public, foto-foto di media sosial, atau
bahkan traffic website. Data-data tersebut harus disusun sesuai
dengan format yang seragam terlebih dahulu sebelum dapat diproses
lebih lanjut.
b. Manage : Big Data akan memanage data yang telah dikumpulkan
dalam satu tempat penyimpanan. Salah satu framework umum yang
digunakan untuk mengolah data berukuran besar secra terdistribusi
adalah Hadoop.
c. Analisis Data : Big Data menggunakan machine learning dan
artificial intelligence sehingga data-data bisa dianalisis dengan baik.
Beberapa teknik dalam analisis Big Data diantaranya:
 Analisis Teks, merupakan proses menganalisis data teks
(unstructured-data) seperti blog, email, forum, tweet, forum
dan bentuk lainnya.
4
 Data Minning, merupakan suatu proses menemukan
hubungan yang berarti, pola, dan kecenderungan dari
sekumpulan besar data dengan menggunakan teknik
pengenalan pola seperti statisik dan matematika.
 Machine Learning
 Analisis Prediksi
 Analisis Statistik
 NLP (Natural Language Processing)
gambar 2 (Arsitektur Sistem Informasi Data Tradisional)
gambar 3 (Arsitektur Sistem Informasi Big Data)
Untuk Big Data, digunakan teknik yang dikenal sebagai Map Reduce,
memfilter data berdasarkan pada data yang spesifik pada strategi
penemuan. Setelah data yang difilter ditemukan, maka akan dianalisis
secara langsung, dimasukkan ke dalam unstructured database yang lain,
dikirimkan ke dalam perangkat mobile atau digabungkan ke dalam
lingkungan data warehouse tradisional dan berkolerasi pada data
terstruktur.
5
Namun, setelah proses Map Reduce ada kemungkinan akan terjadi
reduksi hasil dalam lingkungan data warehouse sehingga dapat
memanfaatkan pelaporan business intelligence, statistik, semantik, dan
kemampuan korelasi yang biasa.
Akan sangat ideal untuk memiliki kemampuan analitik yang
mengkombinasikan perangkat BI bersamaan dengan visualisasi big data
dan kemampuan query. Kedua, untuk memfasilitasi analisis dalam
laingkungan Hadoop, lingkungan sandbox dapat dibuat.
6
Analisa Penggunaan Big Data dalam Gojek
2.1 Pengenalan Gojek dan Big Data
Go-jek mempunyai tim khusus untuk mengelola Big Data mereka. Dimana
tugas ini diserahkan pada divisi Bussines Intellingence yang di dalamnya berisi orangorang dengan kemampuan analisa data yang baik. Crystal Widjaja yang menjabat
sebagai SVP Bussines Intellingence Go-Jek Indonesia mengatakan bahwa mereka
bertugas membangun fondasi data.
2.1.1 Profil Go-jek
Gojek merupakan sebuah perusahaan berbasis Start-Up yang menjadi
platform berbentuk aplikasi transportasi umum online bagi masyarakat di
Indonesia. Terhitung sudah sepuluh tahun Gojek berdiri sejak 2010.
Berikut 16 produk jasa yang tersedia dalam aplikasi Gojek hingga saat ini :
•
Go-Ride
•
Go-Shop
•
Go-Car
•
Go-Mart
•
Go-Bluebird •
Go-Box
•
Go-Food
•
Go-Massage
•
Go-Send
•
Go-Clean
•
Go-Points
•
Go-Glam
•
Go-Pulsa
•
Go-Tix
•
Go-Bills
•
Go-Auto
Melihat dari beragamnya produk jasa yang ditawarkan, maka tidak heran
apabila Go-jek hingga saat ini tercatat memiliki mitra pengemudi sejumlah
900.000 di 50 kota, 100.000 merchant, dan 15 juta pengguna aktif, serta
100.000 juta transaksi berhasil setiap bulannya. Tentunya semua kegiatan
yang berlangsung akan menghasilkan jutaan data mentah, sebagai contoh
data pribadi customer maupun driver, data rekam jejak perjalanan, daftar
belanjaan customer, makanan favorit customer, jadwal pijat, dan masih
banyak lagi data lainnya.
7
2.1.2 Implementasi Big Data dalam Gojek
Semua interaksi yang dilakukan pengguna dalam aplikasi merupakan data
mentah yang bisa mereka ketahui dalam Big Data. Go-Jek adalah perusahaan
yang memiliki jumlah pengguna yang besar, dimana pasti memiliki data
mentah dalam jumlah besar. Data itu kemudian diolah dan dianalisa agar
menjadi informasi yang berguna bagi berbagai divisi dan perusahaan itu
sendiri. Dalam pengaturan data Go-Jek melakukannya berdasarkan
pengelompokan jenis-jenis jasa yang disediakannya seperti Go-Food, GoRide, Go-Box dan lain sebagainya. Selain itu Go-Jek juga melakukan
pengaturan data yang dikelompokan berdasarkan unit bisnis seperti
keuangan, pemasaran, operasional, dan lain sebagainya.
Go-Jek juga melakukan pengaturan data berdasarkan jenis acara seperti
pemesanan, penawaran, dan pembatalan.
Melalui Big Data Go-Jek dapat menganalisis seluruh data yang masuk dan
dikonversikan oleh tim divisi Data Science mereka yang dipimpin oleh
Crystal Widjaja. Divisi Data Science ini bertugas untuk mengamati,
memilah,
mengurai,
mengelompokan
dan
menganalisi
hingga
menginterpretasikan data tersebut untuk kemudian memastikan tim divisi
produk yang bersangkutan mendapatkan informasi yang bersangkutan guna
dijadikan sebagai faktor penentu langkah strategis.
8
2.1.3 Ekosistem Big Data Dalam Go-jek
Ekosistem Big Data dalam Gojek menggunakan jenis infrastruktur yang
beragam. Berita terbaru hingga hari ini adalah Gojek menggunakan Google
BigQuery dan Google BigStorage untuk proses warehousing mereka. Hal ini
dinilai sangat sesuai dengan mereka, karena Gojek hanya perlu membayar
biaya untuk penyewaan VPS tanpa harus membangun infrastruktur milik
mereka sendiri.
gambar 4 (Gojek Data Architecture)
Sisi Backend dari aplikasi Gojek terdiri dari beberapa jenis DBMS, yaitu
MongoDB, PostgreSQL, dan MySQL(walaupun pada kabar terbaru mereka
mulai beralih dengan menggunakan MariaDB). Seluruh DBMS ini tentunya
mempunyai fungsi yang berbeda-beda, misalkan PostgreSQL dipilih karena
mendukung open connection yang lebih besar dari MySQL. Backend Gojek
juga dibantu dengan bahasa Ruby yang menfasilitasi penggunaan database
yang beragam, sehingga mereka menggunakan Apache Kafka sebagai
aggregator data source ke ETL.
Data tersebut diproses terlebih dahulu melalui ETL process (Extract,
Transform, Load). Dalam proses ini, Gojek memanfaatkan Pentaho, Python,
Logstash, dan Java. Tentu saja fungsi dari seluruh komponen ini berbedabeda. Pentaho berfungsi untuk melakukan proses ETL multi-node lalu data
di-passing ke BigQuery.
9
Python berfungsi untuk proses machine learning, karena machine learning
memiliki efisiensi tinggi dalam melakukan proses transform. Logstash
merupakan bagian dari Elastic, bersama dengan Elastic Search dan Elastic
Kibana. Kegunaan yang paling terlihat dari Logstash adalah log processing
pada server Gojek.
Tahap selanjutnya adalah warehousing. Gojek telah mengimplementasikan
Google BigQuery dan Google Cloud Storage. Google BigQuery
memfasilitasi Gojek untuk me-request data menggunakan Google Query
dengan waktu pemrosesan kurang dari 20 detik. Tentu saja proses ini akan
menghemat waktu dan infrastruktur karena seluruh proses dijalankan di
cloud.
Google Cloude Storage sendiri mirip dengan Amazon Web Service S3
(digunakan oleh Traveloka dan Tiket.com). Fungsinya adalah menjadi data
warehouse dari seluruh data Gojek. Tujuan dari implementasi ini adalah
untuk membangun kekuatan backend yang besar sehingga tidak mengganggu
proses bisnis yang ada.
Tahap terakhir adalah data presentation. Di tahap ini, Gojek melakukan data
visualization untuk diarahkan menjadi informasi yang berguna bagi C-level.
Gojek menggunakan Tableau sebagai data visualization platform. Tableau
menghasilkan bagan dan grafik yang berisi informasi dari data yang diolah
Gojek. Tableau memiliki fungsionalitas yang tinggi dan dapat beroperasi
langsung dengan Google Cloud Storage.
2.1.4 Dampak Penggunaan Big Data dalam Gojek
Dengan Big Data, wawasan dan informasi yang didapat tidak hanya
digunakan untuk optimalisasi bisnis yang sudah ada, tetapi juga berpeluang
menciptakan bisnis baru. Sebagai contoh, ketika Gojek pada awalnya hanya
menyediakan layanan transportasi Go-Ride dan Go-Car. Mereka melihat
adanya pola data kecenderungan pelanggan untuk pergi ke destinasi kuliner,
Dari data tersebut mereka mendapatkan informasi dan wawasan sehingga
membuat layanan pesan-antar makanan yaitu Go-Food yang pada masa ini
sangat memberikan kontribusi terhadap Gojek.
10
Selain itu, Gojek juga dengan berdasarkan pada pola data pelanggan yang
mereka miliki, mereka dapat memprediksi pola perilaku yang dimiliki oleh
pelanggan.
Sebagai contoh pengaturan destinasi tujuan dan penjemputan yang telah
terautomatisasi secara langsung, misalkan ketika anda mempunyai kebiasaan
untuk pergi ke suatu mall yang sama setiap akhir pecan menggunakan fitur
Go-Ride atau Go-Car, maka Gojek secara langsung akan memunculkan opsi
prediksi destinasi secara otomatis. Karena Gojek mampu membaca dan
menebak itu semua, maka konsumen akan semakin sedikit untuk melakukan
aktivitas untuk pemesanannya atau melakukakn ‘klik’ pada gadged-nya
masing masing, “Itu berarti membuat konsumen semakin senang dan
memunculkan adiktif” kata Nadiem Makariem.
Tidak hanya menggunakan Big Data mereka pada pelanggan, namun Gojek
juga menggunakan Big Data mereka terhadap para driver sebagai agen atau
garda terdepan dari produk layanan mereka. Gojek menganalisis konsep
“who gets what” yaitu driver siapa mendapatkan order apa, hal ini dilakukan
Gojek untuk memaksimal pelayanannya terhadap konsumen seperti
manajemen estimasi waktu, estimasi jarak, estimasi kepadatan lalu lintas
maupun kepadatan order kepada merchant tertentu. Sehingga pembatalan
pemesanan sangat minim terjadi. Sebagai contoh seorang driver memiliki
kebiasaan tidak mengambil order Go-Food untuk arah jalan tertentu, jam
tertentu, dan merchant tertentu. Dari data tersebut Gojek akan mengalihkan
dan memilih driver lain yang memiliki perilaku sebaliknya dari driver
sebelumnya. Sehingga pesanan terkonversi menjadi transaksi berhasil.
11
2.1.5 Tiga Tujuan utama Big Data Gojek menurut Nadiem Makariem
Tiga Tujuan Big Data Gojek.
1. Memprediksi dan Menebak
a. Memprediksi lokasi penjemputan dan destinasi (Go-Ride dan
Go-Car).
b. Memprediksi pilihan makanan bagi pelanggan (Go-Food).
2. Mengatur
a. Mengatur preferensi pengemudi dalam memilih lokasi yang
ditempuh dan rute perjalanan untuk menjemput dan
mengantar penumpang (Go-Ride dan Go-Car).
b. Saat pelanggan melakukan pesanan (booking order), sistem
akan merekam ± 120 sinyal yang nantinya menentukan
jarak,restoran, jalur tempuh bagi pengemudi (Go-Food).
3. Mengajar
a. Big Data sebagai rujukan terhadap pakar dan ahli untuk
mengoreksi kekeliruan analisis dan mengambil keputusan.
b. Semakin baik Gojek dapat mengelola Big Data, maka
semakin baik pula reputasinya.
2.2 Big Data dan North Star Metrik Gojek
Mencari metrik yang tepat merupakan suatu hal yang sangat penting bagi sebuat Startup.
Namun seringkali proses ini menimbulkan tanda tanya besar bagi perusahaan startup
yang baru pertama kali berdiri. Hal ini disebabkan karena setiap perusahaan memiliki
karakteristik, produk, visi dan misi yang berbeda, dan perbedaan lainnya. Sehingga tidak
ada ada satu jawaban metrik yang mutlak yang bisa diterapkan di semua kasus.
Menurut Buckley Barlow, seorang growth advisor dan investor, NSM adalah satu faktor
yang berperan dalam kegagalan MySpace dan kesuksesan Facebook. MySpace
menggunakan jumlah sign up sebagai NSM mereka, sementara Facebook fokus pada
jumlah pengguna aktif bulanan sebagai NSM mereka. Jumlah registrasi yang mereka
dapatkan tidak menunjukkan pertumbuhan bisnis mereka karena metrics ini tidak
memberi tahu mereka apakah pengguna yang sign up menggunakan platform mereka.
12
Penggunaan platform adalah metric yang memberitahu mereka apakah customer melihat
value dari produk yang mereka tawarkan. Jika seseorang berhenti menggunakannya,
berarti mereka tidak melihat value dari produk itu. Dengan memperhatikan pengguna
aktif bulanan, Facebook bisa melihat berapa banyak orang yang melihat value dari social
media mereka. Selain itu, Facebook juga bisa melakukan optimasi feed mereka agar
orang semakin betah menggunakan Facebook.
Melalui pernyataan Buckley diatas, dapat kita simpulkan bahwa NSM merupakan suatu
faktor yang sangat penting dalam sebuah perusahaan khususnya startup. Oleh karena itu
pengelolaan Big Data yang baik tidaklah cukup untuk memastikan perusahaan akan
mempunyai strategi bisnis yang akurat dan sesuai. NSM merupakan salah satu faktor
penentu keberhasilan dari sebuah startup.
Unicorn sekelas Gojek pun pernah mengalami masalah yang sama, sebelum akhirnya
mereka menemukan apa yang disebut sebagai North Star Metric. Gojek sempat
menjadikan conversion rate (berapa banyak order yang berhasil selesai dari semua order)
sebagai metrik utama. Tapi mereka menyadari bahwa ini adalah metrik yang salah.
Conversion rate hanya menunjukkan seberapa bagus performa aplikasi. Tapi metrik
tersebut tidak menunjukkan kepuasan driver, pengalaman pengguna, dan apakah value
yang ingin diberikan Gojek tercapai atau tidak.
Dari pengalaman tersebut, Gojek kemudian belajar mengenai pentingnya North Star
Metric. Ketimbang menyimpan segala metrik tanpa tujuan yang jelas, mereka
menentukan satu metrik kunci yang merupakan pedoman keseluruhan perusahaan.
Bagi Gojek, North Star Metric merupakan metrik yang mewakili core value, yang dimana
metrik ini menentukan ke mana arah perusahaan bergerak, apakah suatu fitur dibutuhkan
atau tidak, dan menjadi arahan bagi metrik-metrik lainnya.
13
2.2.1 Core Value Go-Jek
Gojek sendiri memiliki tiga core value yaitu “Speed, Innovation, and Social
Impact”. Para praktiknya, core value ini bertujuan untuk mewujudkan dua
hal, yaitu:
•
Membantu konsumen menghemat waktu dan biaya
•
Mendatangkan penghasilan bagi jutaan partner, driver, dan merchant di
seluruh Indonesia
2.2.2 North Star Metrik Go-Jek
Gojek mengukur kedua core value tersebut lewat satu metrik, yaitu jumlah
transaksi yang berhasil terselesaikan di platform mereka. Menurut Crystal
Widjaja, “Satu transaksi selesai artinya ada satu konsumen yang menghemat
waktu dan biaya, dan ada satu orang driver yang mendapatkan penghasilan,”
dan inilah North Star Metric milik Gojek.
14
Kesimpulan
Berdasarkan pembahasan dalam makalah kali ini, dapat disimpulkan bahwa peranan
Big Data dalam sebuah perusahaan khususnya startup sangatlah penting. Dalam era digitalisasi,
manajemen selalu berevolusi dengan dunia SI dan TI, salah satunya adalah dalam penggunaan
Big Data. Hal ini tentunya sangat memberikan perbedaan mencolok dari semula perusahaan
hanya memanajemen dan memproses data mereka secara konvensional, namun kini perusahaan
harus dapat mengevaluasi cara manajemen mereka agar selalu sesuai dengan perkembangan
jaman dimana data merupakan salah satu aset utama yang mereka miliki dan harus mereka
manage dengan baik dan benar.
Penggunaan SI dan TI dalam organisasi juga harus disertai dengan good management
agar dapat diusahakan secara maksimal dan memberikan dampak yang positif dalam organisasi
tersebut. Sehingga ketika SI dan TI masuk dalam sebuah manajemen, maka bukan hanya
budaya, pekerja, dan manajer yang perlu diperhatikan. Namun teknologi juga menjadi salah
satu faktor yang akan mempengaruhi berbagai sistem manajemen yang ada dalam sebuah
perusahaan.
Sebagai penutup saya mengucapkan terima kasih atas tugas yang diberikan, sehingga
dapat menambah wawasan saya lebih jauh lagi mengenai Big Data dan Implementasinya dalam
sebuah perusahaan. Akhir kata saya meminta maaf sebesar-besarnya apabila terdapat kesalahan
kata maupun pemahaman.
15
Daftar Pustaka

https://www.forbes.com/sites/gilpress/2013/05/09/a-very-short-history-of-bigdata/#2bf0247f65a1

https://idcloudhost.com/mengenal-apa-itu-big-data-sejarah-cara-kerja-dan-peluangbisnis/

https://www.dewaweb.com/blog/big-data/

https://www.academia.edu/29497325/MAKALAH_BIG_DATA?auto=download

https://id.scribd.com/document/393683951/Big-Data-Gojek-docx

https://www.coursehero.com/file/38046692/gojek-bigdatadocx/?justUnlocked=1#/doc/qa

https://www.dewaweb.com/blog/startup-metrics-north-star-metric/

http://edocs.ilkom.unsri.ac.id/1691/1/Mengintip%20Ekosistem%20Big%20Data%20d
i%20Gojek.pdf

https://www.coursehero.com/file/34859968/nort-mtrik-stargojekdocx/?justUnlocked=1#/doc/qa
16
Download