Banyak bisnis berusaha untuk menjadi lebih didorong oleh data. Lagi pula, dengan lebih banyak data yang mereka miliki, bisnis harus dapat membuat keputusan yang lebih tepat. Bisnis bahkan menginvestasikan sejumlah besar uang ke dalam pengumpulan data dan teknologi analisis – tetapi apakah itu sepadan?

Artikel ini membahas secara dekat tentang hype bisnis baru-baru ini tentang menjadi berbasis data. Kami juga akan memeriksa mengapa ini menjadi tantangan bagi banyak bisnis. Meskipun berinvestasi dan menggunakan alat yang tepat, seperti pengikis web dan proxy berputar perumahan dari penyedia seperti proksi pintar, data yang buruk masih dapat berdampak negatif pada kinerja bisnis Anda.

Kami akan membahas topik berikut yang terkait dengan data buruk:

  • Mengapa hype tentang menjadi berbasis data?
  • Apa itu data buruk?
  • Apa yang menyebabkan data buruk?

Mengapa Hype Tentang Menjadi Berbasis Data?

Menjadi berbasis data telah menjadi tujuan banyak perusahaan dalam beberapa tahun terakhir. Teknologi dan bisnis terus berkembang, dan industri menjadi lebih kompetitif. Masuk akal bahwa jika Anda memiliki lebih banyak informasi yang Anda inginkan, Anda dapat membuat keputusan yang lebih baik daripada pesaing Anda. Anda tidak hanya akan mampu mengungguli pesaing, tetapi Anda akan dapat melakukan investasi yang lebih baik, menembus pasar baru, dan menguji inovasi dengan lebih cepat.

Alasan ini masuk akal, sehingga bisnis mengambil langkah aktif untuk menjadi lebih didorong oleh data. Dari menginvestasikan jutaan dalam pengumpulan dan analisis data hingga menunjuk tim manajemen data, bisnis menghabiskan banyak waktu, uang, dan energi untuk mendapatkan data yang dapat mereka gunakan untuk meningkatkan kinerja mereka.

Sayangnya, beberapa tantangan menghambat kemajuan ini dalam bentuk data yang buruk. Menggunakan scraper web bersama proxy berputar perumahan baik-baik saja untuk mengumpulkan data. Sayangnya, data yang dikumpulkan awalnya ditulis, diedit, dan diunggah oleh seseorang. Ini berarti ada banyak kesalahan, mulai dari kesalahan ketik dan tata bahasa hingga statistik dan fakta menyesatkan yang lebih serius. Dalam survei baru-baru ini, banyak organisasi percaya bahwa kualitas informasi yang buruk merugikan perusahaan hingga Kerugian $15 juta setahun, meskipun 60% tidak yakin persis berapa banyak kerugian mereka.

Apa Itu Data Buruk?

Data buruk adalah informasi yang salah, palsu, atau tidak akurat.

Contoh Kehidupan Nyata Dari Data Buruk Dalam Tindakan

Selama beberapa tahun terakhir, ada banyak situasi di mana data buruk digunakan, dan organisasi yang bertanggung jawab dipanggil untuk ini. Beberapa yang paling menonjol terjadi selama pandemi Covid-19 baru-baru ini, di mana penyebaran informasi yang salah mencapai proporsi yang luar biasa.

Salah satu contoh situasi seperti itu terjadi di Florida. Senator Negara Bagian, Steve Glazer, menuntut agar negara bagiannya kembali melakukan penguncian ketat atas kekhawatiran meningkatnya kasus Covid di daerah tersebut. Selama periode ini, negara meningkatkan pengujian orang sehat (baik tanpa gejala atau yang dites negatif). Pada saat itu, mereka melaporkan bahwa mereka telah melakukan 6,778,304 tes; dari mereka, hanya 425,616 yang dinyatakan positif. Namun, Senator menggunakan nomor ini sebagai dasar alasannya. Padahal banyak dokter, ahli epidemiologi, ahli virologi, dan ahli imunologi menyatakan bahwa faktor terpenting adalah angka kematian – bukan jumlah kasus positif.

Demikian pula, county Georgia memposting bagan di situs webnya untuk menunjukkan lima kabupaten dengan kasus Covid-19 terbanyak. Namun, mereka menyusun bagan untuk memajukan agenda mereka sendiri daripada menggambarkan kasus secara akurat. Untuk satu, bagan asli menunjukkan tanggal yang sesuai dengan tes positif di X-Axis – namun, ketika Anda melihat lebih dekat, tanggal ini tidak dalam urutan kronologis. Ini membuatnya tampak seperti jumlah untuk setiap kabupaten terus menurun padahal kenyataannya tidak. Masalah lain adalah bahwa kabupaten tidak muncul dalam urutan yang sama pada setiap tanggal tetapi sekali lagi diatur dalam urutan menurun yang membuatnya tampak seperti jumlah kasus menurun.

Situasi yang lebih baru dan tidak terkait terjadi pada tahun 2021 ketika penyiar Fox News, Tucker Carlson, memunculkan grafik. Selama segmen tersebut, penyiar menunjukkan grafik yang menggambarkan bagaimana jumlah orang Amerika yang diidentifikasi sebagai orang Kristen telah menurun. Grafik tersebut menunjukkan bahwa pada tahun 2009 77% penduduk beragama Kristen, sedangkan pada tahun 2019 turun menjadi 65%. Ini bukan penurunan yang besar, tetapi cara mereka menyajikan gerobak, membuatnya terlihat jauh lebih besar dari kenyataan. Mereka melakukan ini dengan memulai sumbu Y pada 58%, yang membuat kesenjangan tampak jauh lebih besar daripada jika mereka memulai pada 0% – yang biasanya merupakan cara terbaik untuk menyajikan statistik berbasis persentase secara akurat.

Apa Penyebab Data Buruk?

Itu dapat dibuat dengan beberapa cara berbeda, beberapa di antaranya meliputi:

  • Kesalahan pengguna seperti ejaan, tata bahasa, penggunaan format yang salah, dll
  • Membuat banyak salinan dengan mengerjakan banyak sistem secara bersamaan
  • Kualitas perangkat lunak yang buruk
  • Kesalahan teknis
  • Perubahan dilakukan pada sumber
  • Fakta atau statistik yang salah digunakan – baik secara sengaja maupun tidak sengaja
  • Individu mendorong agenda mereka sendiri dengan menyebarkan berita palsu

Final Thoughts

Dengan masalah privasi menjadi lebih ketat dan bisnis kehilangan uang karena data yang buruk atau berjuang untuk mendapatkan manfaat yang mereka harapkan dari data, mode berbasis data ini mungkin akan hilang sepenuhnya dalam dekade berikutnya. Ini kemungkinan akan digantikan oleh cara yang lebih efisien dalam mengelola data untuk memastikan akurasi dan keandalan.

Pengarang