Modul 1 — Fundamental Big Data Science & Analytics

Membahas konsep dasar Big Data dan Data Analytics dari perspektif bisnis maupun teknologi. Peserta akan mempelajari karakteristik dan jenis data, proses analisis data, konsep machine learning, berbagai pendekatan analytics, serta peran Business Intelligence dan visualisasi data dalam menghasilkan wawasan yang mendukung pengambilan keputusan. Modul ini juga mengulas manfaat, tantangan, dan pertimbangan penting dalam adopsi Big Data di organisasi.

Pokok Bahasan

• Memahami Big Data
• Terminologi dan Konsep Dasar Big Data
• Pendorong Bisnis Big Data dan Pendorong Teknologi
• Teknologi Enterprise Tradisional yang Berkaitan dengan Big Data
• OLTP, OLAP, ETL, dan Data Warehouse dalam Konteks Big Data
• Karakteristik Data dalam Lingkungan Big Data
• Jenis Dataset dalam Lingkungan Big Data
• Data Terstruktur, Tidak Terstruktur, dan Semi-Terstruktur
• Metadata dan Keakuratan Data (Data Veracity)
• Analisis Dasar dan Analitik
• Analisis Kuantitatif dan Kualitatif
• Jenis-jenis Machine Learning
• Analitik Deskriptif dan Diagnostik
• Analitik Prediktif dan Preskriptif
• Business Intelligence dan Big Data
• Visualisasi Data dan Big Data
• Adopsi Big Data dan Pertimbangan Perencanaan

Modul 2 — Big Data Analysis & Technology Concepts

Membahas konsep dan teknik analisis data modern dalam lingkungan Big Data, termasuk metode statistik, machine learning dasar, serta pendekatan analitik seperti A/B testing, regresi, clustering, dan time series analysis. Peserta juga akan mempelajari analisis data lanjutan seperti sentiment analysis, network analysis, serta filtering techniques, disertai pemahaman konsep teknologi backend yang mendukung ekosistem Big Data seperti storage, processing engine, dan cloud computing.

Pokok Bahasan

• Siklus Hidup Analisis Big Data (dari evaluasi kasus bisnis hingga analisis dan visualisasi data)
• A/B Testing dan Korelasi
• Regresi dan Heat Map (Peta Panas)
• Analisis Deret Waktu (Time Series Analysis)
• Analisis Jaringan dan Analisis Data Spasial
• Klasifikasi dan Clustering
• Filtering, termasuk Collaborative Filtering dan Content-Based Filtering
• Analisis Sentimen dan Text Analytics
• Cluster serta Pemrosesan Beban Kerja Batch dan Transaksional
• Hubungan Cloud Computing dengan Big Data
• Mekanisme Teknologi Dasar Big Data
• Penyimpanan Data Big Data dan Mesin Pemrosesan (Processing Engines)
• Resource Manager, Data Transfer Engine, dan Query Engine
• Analytics Engine, Workflow Engine, dan Coordination Engine

Modul 3 — Big Data Analysis & Technology Lab

Membahas penerapan praktis konsep Big Data melalui serangkaian studi kasus dan latihan berbasis skenario nyata. Peserta akan mengasah kemampuan dalam merancang lingkungan analitik, melakukan analisis data pelanggan, meningkatkan performa bisnis, serta membangun solusi berbasis data untuk berbagai kebutuhan seperti integrasi data, prediksi, dan pengelolaan risiko. Modul ini berfokus pada penggabungan teknik analisis dan teknologi Big Data untuk menyelesaikan permasalahan bisnis secara end-to-end.

Pokok Bahasan

• Latihan Membaca 3.1: Studi Kasus Latar Belakang PLGM
• Latihan Lab 3.2: Merencanakan Lingkungan Big Data BI
• Latihan Lab 3.3: Menganalisis Data Loyalitas Pelanggan
• Latihan Lab 3.4: Mengurangi Ketidakpuasan Pelanggan
• Latihan Lab 3.5: Meningkatkan Penjualan Online PLGM
• Latihan Membaca 3.6: Studi Kasus Latar Belakang LHL
• Latihan Lab 3.7: Merancang Lingkungan Integrasi Data dan Pelaporan
• Latihan Lab 3.8: Mengembangkan Kemampuan Personalisasi Perawatan
• Latihan Lab 3.9: Meningkatkan Kemampuan Riset LHL
• Latihan Membaca 3.10: Studi Kasus Latar Belakang SWP
• Latihan Lab 3.11: Analisis Data Smart Meter
• Latihan Lab 3.12: Meningkatkan Kemampuan Prediksi Permintaan Listrik
• Latihan Lab 3.13: Manajemen Aset dan Identifikasi Risiko