Makalah Tentang

INTERNET of THINKS DALAM INDUSTRI BISNIS,

KEUANGAN, DAN LAINNYA

Disusun Oleh :
Putri Angelica (40011423620003)
M. Hisyam Faiq (40011423620007)
Rahma Dinasita (40011423620014)
Salfa Syafira (40011423620018)
Rifa Haninda (40011423620024)
Rifaldi Tegar (40011423620029 )
Mikhael Roi (40011423620036)
Alfina Damayanti (40011423620050)
Retno Yuniar (40011423620056)

D4 AKUNTANSI PERPAJAKAN
SEKOLAH VOKASI
UNIVERSITAS DIPONEGORO
2023
 Definisi IoT

Internet of Things (IoT) adalah konsep di mana objek atau perangkat yang terhubung ke internet
dapat saling berkomunikasi dan bertukar data. Konsep ini memungkinkan pengguna untuk
mengontrol dan memantau perangkat mereka dari jarak jauh melalui aplikasi atau platform khusus.

Contoh kasus nyata dari IoT adalah smart home, di mana lampu, AC, dan perangkat elektronik
lainnya dapat dikontrol melalui smartphone atau speaker pintar seperti Amazon Echo atau Google
Home.

Transformasi Bisnis dan Keuangan

Internet of Things atau IoT adalah jaringan perangkat yang saling terhubung dan dapat
berkomunikasi satu sama lain. Dalam dunia bisnis dan keuangan, IoT dapat membawa
perubahan besar dalam hal efisiensi, produktivitas, dan pengalaman pelanggan.

Dengan menggunakan teknologi sensor dan konektivitas internet, perusahaan dapat

mengumpulkan data secara real-time dan menggunakannya untuk meningkatkan proses bisnis
mereka. Hal ini dapat menghasilkan efisiensi yang lebih tinggi, biaya yang lebih rendah, dan
pengalaman pelanggan yang lebih baik.

Penerapan IoT dalam Bisnis

IoT dapat digunakan dalam industri bisnis untuk meningkatkan efisiensi dan produktivitas.
Misalnya, sebuah pabrik dapat menggunakan sensor IoT pada mesin-mesin produksinya
untuk memantau kondisi mesin secara real-time. Hal ini dapat membantu mengurangi waktu
downtime dan meningkatkan produktivitas. Selain itu, IoT juga dapat meningkatkan
pengalaman pelanggan.
 Penerapan IoT dalam Keuangan
IoT dapat memberikan manfaat besar bagi industri keuangan. Salah satu contohnya
adalah penggunaan sensor untuk memantau suhu ruangan server bank. Jika suhu
terlalu tinggi, sistem akan memberi peringatan kepada petugas untuk segera
menyelesaikan masalah tersebut. Dengan demikian, risiko kerusakan server dapat
diminimalkan dan keamanan data nasabah tetap terjaga.

Selain itu, IoT juga dapat digunakan untuk meningkatkan pengalaman pelanggan.
Misalnya, bank dapat menggunakan teknologi beacon untuk memberikan
penawaran khusus kepada nasabah yang berada di dekat cabang bank. Hal ini dapat
meningkatkan loyalitas pelanggan dan membantu bank untuk mendapatkan lebih
banyak bisnis.

Implementasi IoT Dalam Berbagai Industri

1. Pertanian

Sensor yang terhubung ke internet dan teknologi akan memungkinkan petani dan pekerja
pertanian untuk melacak tanaman dan ternak dengan lebih baik, mengukur data sumber daya
di pertanian, dan memungkinkan drone membantu survei lahan.

2. Manufaktur

Analisis dan data yang ditangkap oleh perangkat IoT akan memungkinkan mereka yang
bekerja di sektor ini untuk membuat wawasan dan pengoptimalan yang sebelumnya tampak
tidak mungkin dilakukan.

3. Transportasi

Penerapan teknologi IoT yang menjangkau seluruh perusahaan akan meningkatkan

produktivitas serta pemantauan dan perutean logistik.
4. Komunikasi

Dengan kemampuan IoT, perusahaan telekomunikasi mendapatkan kesempatan untuk

memperluas penawaran mereka dengan solusi dan layanan baru yang inovatif sekaligus
mendapatkan keunggulan kompetitif.

1. Pengertian Data

Menurut Kuswandi dan E. Mutiara pengertian data adalah sekumpulan informasi yang
diperoleh dari suatu pengamatan yang dapat berupa simbol, angka, dan juga properti.
Dalam konteks Internet of Things (IoT), konsep data mengacu pada data yang
dihasilkan oleh berbagai perangkat dan sensor yang terhubung ke internet.

2. Konsep Data Penting dalam IoT

Beberapa konsep data penting dalam IoT meliputi:
a. Sensor Data: Data yang dihasilkan oleh sensor-sensor fisik, seperti
suhu, kelembaban, tekanan, atau gerakan. Sensor ini mengumpulkan
informasi dari lingkungan sekitarnya.
b. Data Streaming: Data yang dikirim secara terus-menerus dari
perangkat IoT ke server atau platform pengolahan data untuk analisis real-
time.
 c. Big Data: IoT menghasilkan volume data besar yang memerlukan
teknologi pengolahan data skala besar untuk menganalisis dan
mengekstraksi informasi berharga.
d. Data Analytics: Konsep ini melibatkan penggunaan algoritma dan
teknik analisis data untuk mengidentifikasi pola, tren, atau wawasan dari
data IoT.
e. Data Security: Keamanan data adalah aspek penting dalam IoT karena
data yang dihasilkan harus dilindungi dari akses yang tidak sah atau
peretasan.
f. Data Integrasi: Data dari berbagai perangkat IoT yang berbeda harus
diintegrasikan agar dapat memberikan gambaran yang lengkap dan
komprehensif.
g. Data Monetization: Beberapa organisasi menggunakan data IoT untuk
menciptakan nilai tambah atau mendapatkan pendapatan dengan menjual
atau memanfaatkan data mereka.

3. Manfaat Data dalam IoT

Data memiliki peran yang sangat penting dalam Internet of Things (IoT) dan
berfungsi dalam beberapa cara kunci:

1. Pemantauan dan Pengumpulan Informas

Data adalah fondasi dari IoT. Perangkat IoT mengumpulkan data dari berbagai
sensor, perangkat, dan lingkungan sekitarnya. Ini mencakup data seperti suhu,
kelembaban, tekanan, lokasi, dan banyak parameter lainnya.

2. Analisis dan Wawasan

Data yang dikumpulkan oleh perangkat IoT dianalisis untuk mendapatkan
wawasan yang berharga. Analisis data ini dapat membantu mengidentifikasi
tren, pola, atau masalah yang perlu segera diatasi.

3. Pengambilan Keputusan Otomatis

Data dari IoT dapat digunakan untuk membuat keputusan otomatis. Misalnya,
dalam pertanian pintar, data suhu tanah dan kelembaban dapat digunakan
untuk mengatur irigasi secara otomatis.

4. Penerapan Data dalam IoT

Penerapan data dalam Internet of Things (IoT) melibatkan pengumpulan, pengiriman, dan
analisis data dari berbagai sumber sensor yang terhubung ke jaringan.
a. Rumah Pintar (Smart Home)
▪︎Sumber Data
Sensor suhu, sensor gerak, sensor kelembaban, kamera keamanan,
perangkat listrik terhubung (seperti lampu, thermostat).
▪︎Penerapan
Mengumpulkan data dari sensor-sensor ini untuk mengotomatisasi pengaturan
suhu, pencahayaan, keamanan, dan efisiensi energi.

b. Kendaraan Terhubung (Connected Vehicles)

▪︎Sumber Data
GPS, sensor kecepatan, sensor tekanan ban, sensor bahan bakar, sensor mesin.
 ▪︎Penerapan
Mengumpulkan data dari kendaraan untuk pemantauan keamanan,
pemeliharaan yang tepat waktu, perutean cerdas, dan asuransi berbasis
perilaku pengemudi.

c. Pertanian Pintar (Smart Agriculture)

▪︎Sumber Data
Sensor tanah, sensor cuaca, sensor kelembaban tanah, kamera pemantauan.
▪︎Menggunakan data ini untuk mengoptimalkan irigasi, pemupukan, dan
manajemen tanaman berdasarkan kondisi tanah dan cuaca yang terukur.

d. Kesehatan Pintar (Smart Healthcare)

▪︎Sumber Data
Sensor medis wearable (misalnya, monitor detak jantung, alat pengukur
glukosa), peralatan medis terhubung, sistem pencatatan kesehatan elektronik.
▪︎Penerapan
Mengumpulkan data pasien secara terus-menerus untuk pemantauan penyakit
kronis, diagnosis dini, dan perawatan yang lebih efisien.

e. Manufaktur Pintar (Smart Manufacturing)

▪︎Sumber Data
Sensor produksi, sensor kualitas, IoT-enabled machinery.
Penerapan.

BIG DATA
1. Pengenalan Big Data
 Definisi Big Data
Salah satu definisi Big data dikemukakan oleh Gartner yang mengatakan bahwa
bigdata adalah aset informasi yang bervolume sangat besar bergerak sangat cepat,
dan amat bervariasi yang membutuhkan cara baru pemrosesan untuk memperbaiki
pembuatan keputusan, menemukan pemahaman dan mengoptimalkan proses.

 Perbedaan antara data biasa dan Big Data.

Perbedaan antara data dan big data terletak pada volume, kecepatan, keragaman,
dan kompleksitasnya.

Berikut adalah perbedaan utama antara data dan big data:

Data Big Data

Volume Data merupakan istilah yang Big data merujuk pada volume data
mencakup semua jenis informasi yang sangat besar, sering kali melebihi
yang dapat disimpan dalam kemampuan sistem konvensional untuk
berbagai format dan ukuran. mengelola dan mengolahnya.
Volume data bisa kecil atau besar,
tergantung pada konteksnya. Data
dapat disimpan dalam file kecil
hingga basis data yang lebih besar.
Kecepatan Data dapat masuk dalam berbagai Big data sering kali melibatkan aliran
kecepatan, tergantung pada sumber data dalam waktu nyata, seperti data
dan jenisnya. Sebagai contoh, data sensor IoT, data media sosial yang
transaksi bisnis umumnya masuk terus berubah, dan lainnya yang masuk
dengan kecepatan yang lebih lambat dengan kecepatan tinggi.
daripada data sensor yang
dihasilkan secara real-time.

Keragaman Data dapat memiliki berbagai Big data seringkali memiliki

format, termasuk data terstruktur keragaman yang lebih besar dalam
(seperti tabel database), data semi- hal format dan sumber data,
terstruktur (seperti dokumen XML termasuk data yang tidak terstruktur
atau JSON), dan data tidak dan data yang diperoleh dari
terstruktur (seperti teks bebas berbagai jenis perangkat.
dalam dokumen atau media
sosial).
Kompleksitas Data biasanya memiliki tingkat Big data seringkali memiliki tingkat
kompleksitas yang lebih rendah, kompleksitas yang lebih tinggi
terutama jika data tersebut karena melibatkan banyak sumber
terstruktur dengan baik dalam data yang berbeda, dan perlu
database. mengatasi masalah seperti analisis
data real-time, identifikasi pola yang
rumit, dan lainnya.

Tujuan Pengolaan Data biasanya diolah untuk Big data seringkali diolah untuk
mendapatkan wawasan yang lebih mendapatkan wawasan yang lebih
mendalam atau untuk keperluan dalam dan kompleks, termasuk
tertentu, seperti laporan bisnis analisis prediktif, pengambilan
atau analisis tren. keputusan real-time, dan penemuan
pola yang mungkin tidak terlihat
dalam data kecil.

2. Karakteristik Big Data

Pengertian Dari big data sebenarnya dapat dibagi lagi ke dalam 3 bagian yang dikenal
dengan 3V. Berikut penjelasan singkat dari 3V:
Karakteristik Penjelasan
No Deskrpsi
Big Data Singkat
Kualitas dari data yang dikumpulkan dan disimpan.
1 Volume Size of Data
besaran data yang digunakan dalam TB
Speed of
2 Velocity Kecepatan transfer antara sumber dan tujuan data
Data
3 Value Importance Hal yang merepresentasikan nilai bisnis yang
 of Data dihasilkan oleh big data

Analisis Data

1. Pengertian Analisis Data

Analisis data adalah proses pengolahan data untuk tujuan menemukan informasi
yang berguna yang dapat dijadikan sebagai dasar pengambilan keputusan untuk
memecahkan suatu masalah.

2. Jenis Analisis Data

A. Teknik Analisis Data Kualitatif

Analisis data kualitatif adalah analisis data yang diperoleh dari proses pengumpulan
data, dimulai dengan kajian pustaka, partisipasi, dan wawancara.
Jenis analisis data kualitatif :
 Analisis konten
 Analisis wacana
 Analisis naratif

B. Teknik Analisis Data Kuantitatif

Teknik ini merupakan teknik pengelolaan data yang bersifat numerik dan statistik.
Berikut adalah teknik analisis data untuk penelitian kuantitatif.
Jenis analisis data kuantitatif :
 Statistik deskriptif
 Statistis inferensial

3. Alur Data

•Ingest: Pengumpulan Data

Tahap pertama dari alur data adalah peresapan. Selama tahap ini, data dikumpulkan
dari berbagai sumber dan dipindahkan ke dalam sistem di mana data tersebut dapat
disimpan. Data dapat dikumpulkan sebagai streaming yang berkelanjutan atau sebagai
serangkaian peristiwa terpisah.

•Persiapan: Pemrosesan Data

Tahap berikutnya dari alur data menyiapkan data untuk digunakan dan menyimpan
informasi dalam sistem yang dapat diakses oleh pengguna dan aplikasi. Untuk
memaksimalkan kualitas data, data harus dibersihkan dan ditransformasikan menjadi
informasi yang dapat dengan mudah diakses dan ditanyakan.

•Analisis: Pemodelan Data

 Pada tahap berikutnya dari alur data, data yang tersimpan dianalisis, dan algoritme
pemodelan dibuat. Data dapat dianalisis oleh platform analitik menyeluruh seperti
SAP, Oracle, atau SAS—atau diproses dalam skala besar oleh alat seperti Apache
Spark*.

•Tindakan: Pengambilan Keputusan

Setelah data diserap, disiapkan, dan dianalisis, data siap untuk ditindaklanjuti.
Visualisasi dan pelaporan data membantu mengomunikasikan hasil analitik.

4. Tipe Analitik Data

•Analitik Deskriptif
Analitik deskriptif digunakan untuk meringkas dan memvisualisasikan data historis.
Dengan kata lain, hal ini memberi tahu organisasi apa yang sudah terjadi.
•Analisis Diagnostik
Seiring dengan semakin matangnya upaya analitik, organisasi mulai mengajukan
pertanyaan yang lebih sulit dari data historis mereka. Analitik diagnostik tidak hanya
memeriksa apa yang terjadi, tetapi juga mengapa hal itu terjadi. Untuk melakukan
analitik diagnostik, analis harus mampu membuat kueri terperinci untuk
mengidentifikasi tren dan sebab-akibat.
•Analisis Prediktif
Analisis prediktif menciptakan perkiraan hasil yang mungkin terjadi berdasarkan tren
yang teridentifikasi dan model statistik yang berasal dari data historis.
•Analisis Preskriptif
Jenis analitik canggih lainnya adalah analitik preskriptif. Dengan analitik preskriptif,
yang merekomendasikan solusi terbaik berdasarkan analitik prediktif, evolusi menuju
pengambilan keputusan berbasis data yang sebenarnya sudah lengkap.

5. Kasus Penggunaan Analitik Data

•Manufaktur
Bagi produsen mobil, kendali mutu menghemat uang—dan menjaga keselamatan
jiwa. Di pabrik otomatis Audi, para analis menggunakan pengambilan sampel untuk
memastikan kualitas pengelasan.

•Layanan Kesehatan
Melatih AI untuk membaca rontgen dada dapat membantu pasien dan penyedia
layanan mendapatkan diagnosis lebih cepat.

•Telekomunikasi
Smartphone dan internet seluler telah menciptakan jumlah data seluler yang belum
pernah terjadi sebelumnya.

Implementasi Data Dalam Bisnis

 Pengertian Data dalam bisnis
Data bisnis adalah semua informasi yang terkait dengan suatu perusahaan, seperti data
penjualan, informasi kontak pelanggan, bahkan statistik lalu lintas situs web. Secara
sederhana, pengertian data bisnis adalah sedikit informasi yang berhubungan dengan jalannya
perusahaan.
Data dalam bisnis dapat mencakup sejumlah elemen seperti:
[Link] Operasional
Operating expenses (OPEX) atau biaya operasional adalah elemen yang tidak bisa
dihindari dalam suatu bisnis atau perusahaan. Karena biaya ini harus diperhitungkan dengan
seksama dan seminimal mungkin ketika suatu perusahaan hendak melakukan perumusan
biaya.
[Link] data Penjualan
Strategi data penjualan merupakan suatu data perencanaan yang dilakukan dengan penuh
perhitungan agar penjualan produk dan jasa meningkat sesuai data yang sudah di rencanakan
sebelumnya.
[Link] data Pelanggan
Hal ini mencakup Informasi data pelanggan yang dimiliki oleh seseorang atau kelompok
yang membeli dan memakai produk dari suatu bisnis, di mana data tersebut terdiri dari nama,
jenis kelamin, usia, riwayat pembelian, riwayat pencarian produk, dan lainnya.
 Beberapa Jenis Data Bisnis yang perlu dilindungi oleh Perusahaan
1. Data terkait Sumber Daya Manusia
Setiap bisnis memiliki karyawan, yang berarti mereka memiliki informasi sensitif
terkait dengan sumber daya manusia (SDM). Data penggajian dan catatan lain yang
berisi informasi pribadi tentu harus dilindungi, namun banyak orang lalai untuk
memberikan perlindungan yang tepat. Diantaranya terkait komunikasi mengenai
kinerja proyek dan materi lain yang bisa sangat merusak perusahaan jika bocor.
2. Data Sensitif di Cloud
Dalam Perusahaan atau organisasi yang memanfaatkan teknologi cloud secara
efektif mengalihdayakan sebagian infrastruktur informasi mereka ke pihak ketiga
yang biasanya menangani data beberapa klien pada peralatan yang [Link]
demikian, setiap informasi sensitif yang dikirimkan ke dan dari cloud, disimpan di
cloud, dan/atau digunakan di cloud, berisiko, dan harus dilindungi secara memadai.
3. Seluruh Komunikasi
Banyak organisasi menerapkan teknologi signifikan untuk mengamankan
informasi sensitif dengan tepat di dalam email, tetapi tidak banyak mengambil
tindakan untuk mengamankan data yang berada di infrastruktur bentuk komunikasi
lain seperti aplikasi obrolan.

4. Data Diakses, Ditangani, atau Disediakan Oleh Pihak Ketiga

Banyak pihak tidak mengamankan data dan sistem secara memadai dari risiko
yang ditimbulkan ketika mereka mengizinkan pihak luar untuk menangani data
mereka atau mengakses sumber daya mereka.
5. Backup Data
Banyak perusahaan yang menghabiskan banyak uang untuk melindungi data,
namun mengabaikan melindungi informasi yang sama secara memadai ketika
disimpan didalam backup .

 Fungsi dan Tata Kelola Data dalam meningkatkan kualitas bisnis

Tata kelola data merupakan sebuah persyaratan yang perlu dimiliki oleh
perusahaan dalam lingkungan industri yang bergerak cepat dengan tingkat persaingan
yang tinggi. Tata kelola data merupakan sistem yang mampu mengelola data-data
perusahaan sehingga dapat menyimpan dan menggunakan data yang seefektif
mungkin. Tata kelola data sistemdirancang untuk menentukan personel di dalam
 perusahaan yang memiliki otoritas dan kendali atas aset data dan bagaimana aset-aset
tersebut dapat digunakan.
 Tujuan dari adanya tata kelola data ini adalah untuk mengatasi pasar
kompetisi sehingga tercipta kompetisi yang optimal dan sehat, kemudian
untuk membantu dalam menjadi relevan dengan pesaing yang satu dengan
yang lain jauh lebih terlindungi dan kembali bersaing dengan sehat.
 Manfaat dari adanya tata kelola data antara lain adalah adanya
pemahaman umum tentang data, peningkatan kualitas data, memberikan
perspektif baru dari setiap pelanggan dan entitas bisnis lainnya, sistem
pemeliharaan dan manajemen risiko yang konsisten, serta kualitas
manajemen data yang lebih baik.
Sistem tata kelola data dalam bisnis memiliki elemen-elemen di dalamnya, berikut
merupakan elemen dari tata kelola data :
1. Pemetaan dan klasifikasi data
Pemetaan data dalam sistem membantu perusahaan untuk mendokumentasikan aset
data dan memberikan gambaran mengenai bagaimana data masuk ke dalam suatu
system perusahaan. Kumpulan data yang berbeda-beda kemudian dapat
diklasifikasikan berdasarkan faktor-faktor tertentu dimana klasifikasi data ini akan
mempengaruhi bagaimana kebijakan tata kelola data diterapkan pada suatu
kumpulan data.
2. Glosarium bisnis
Glosarium bisnis berisi definisi istilah dan konsep bisnis yang akan digunakan dalam
perusahaan. Misalnya seperti definisi dari pelanggan yang aktif. Dengan adanya
pemahaman umum untuk data bisnis, pengelolaan bisnis glossary dapat membantu
upaya tata kelola data untuk meningkatkan kualitas bisnis perusahaan.
3. Katalog data
Pengelolaan katalog data mencakup pengumpulan metadata dari sistem dan
penggunaannya untuk membuat inventaris terindeks dari aset data yang tersedia.

IMPLEMENTASI BIG DATA DALAM BISNIS

Pada praktiknya, big data dapat diterapkan dalam berbagai macam aplikasi dalam
[Link] ini adalah beberapa contoh penerapan big data dalam bisnis :
1. Analisis Pelanggan
Perusahaan dapat mengumpulkan data dari transaksi pelanggan, pilihan produk, dan
perilaku online pelanggan, kemudian menganalisis data tersebut menggunakan algoritma dan
teknik analisis khusus untuk menemukan pola dan tren [Link] menerapkan big data
untuk menganalisis, perusahaan dapat mengetahui preferensi pelanggan serta menyesuaikan
strategi pemasaran dan penjualan yang sesuai dengan kebutuhan pelanggan.
2. Pemasaran Tertarget
Dalam praktik pemasaran tertarget, perusahaan dapat mengumpulkan data dari media
sosial, iklan online, dan website, kemudian menganalisis data tersebut. Dengan menerapkan
big data untuk melakukan pemasaran tertarget, perusahaan dapat mengetahui demografis,
minat, dan perilaku target pasar yang tepat, sehingga dapat membuat iklan yang lebih relevan
dan efektif.
3. Optimisasi Produksi
Dengan menerapkan big data untuk optimasi produksi, perusahaan dapat mengetahui
kelemahan proses produksi dan mengambil tindakan perbaikan yang diperlukan. Dengan
demikian, perusahaan dapat meningkatkan efisiensi produksi, menurunkan biaya produksi,
dan memperoleh keuntungan yang lebih besar.
4. Prediksi Penjualan
 Dengan memprediksi penjualan pada masa depan, perusahaan dapat mengelola
persediaan dan produksi dengan lebih [Link] itu, perusahaan juga dapat
mengoptimalkan promosi dan pemasaran dengan memilih waktu yang tepat dan menargetkan
pasar yang tepat sesuai dengan prediksi penjualan.
5. Analisis Risiko
Analisis risiko adalah proses menilai risiko bisnis dengan memanfaatkan data yang
tersedia .Melalui big data, perusahaan dapat mengetahui risiko yang mungkin terjadi pada
masa depan, menilai risiko tersebut, dan mengambil tindakan pencegahan yang
[Link] demikian, perusahaan dapat mengambil keputusan yang bijaksana dan
meminimalkan risiko bisnis dengan memanfaatkan data yang tersedia.
6. Pemantauan Kinerja
Melalui big data, perusahaan dapat mengetahui kinerja bisnis secara rinci dan mengambil
tindakan perbaikan yang diperlukan. Sebagai contoh, perusahaan dapat mengidentifikasi
masalah keuangan seperti tingkat laba yang rendah atau tingkat utang yang tinggi, atau
mengidentifikasi masalah sumber daya manusia seperti tingkat turnover yang tinggi.
7. Peningkatan Kualitas
Perusahaan dapat mengumpulkan dan menganalisis data dari pengalaman belanja
pelanggan, produk atau layanan, dan proses pembuatannya untuk meningkatkan kualitas
produk dan pelayanan. Selain itu, perusahaan juga dapat menggunakan big data untuk
meningkatkan inovasi dengan menemukan ide-ide baru.
Manfaat Implementasi Big Data dalam Bisnis
 Pengambilan Keputusan yang Lebih Baik.
 Peningkatan Efisiensi
 Peningkatan Pengalaman Pelanggan
 Inovasi Produk dan Layanan
 Deteksi Penipuan dan Keamanan
 Keunggulan Kompetitif

DAFTAR PUSTAKA
Author. “Analitik Data Memberikan Informasi untuk Keputusan yang Lebih Baik”,
Dari [Link]
[Link]
Author. “TEKNIK ANALISIS DATA”
Dari [Link]
Author. (2022). “Pentingnya Big Data, Fungsi, serta Contoh Penerapan Big Data”
Dari [Link]
Author (2023). “7 Contoh Penerapan Big Data dalam Sektor Bisnis”
Dari [Link]
Ayomi, Ginas (2022). “Mengenal Fungsi dan Implementasi Tata Kelola Data dalam
Meningkatkan Kualitas Bisnis” Dari [Link]
dan-implementasi-data-governance-dalam-meningkatkan-kualitas-bisnis/
Cholissodin, Imam, and E. Riyandani. "Analisis Big Data." Fakultas Ilmu Komputer,
Universitas Brawijaya, Malang (2016): 197-469
Dari [Link]
Khansa, Amira(2021). “Pengertian Data: Fungsi, Manfaat, Jenis, dan Contohnya”
Dari [Link]
Narendra, Albertus Pramukti. "Data besar, data analisis, dan pengembangan kompetensi
pustakawan." Record and Library Journal 1.2 (2015): 83-93
Phintraco Group. “Implementasi Big Data di Berbagai Bidang”
Syafii, Mukhtar (2022). “12 Jenis Data Bisnis yang Wajib Diamankan Perusahaan”
Dari [Link]