Data is the new oil adalah ungkapan yang populer belakangan ini. Hal itu menunjukkan pentingnya data bagi organisasi masa kini. Namun, memiliki data saja tanpa diolah, misalnya untuk mendapatkan informasi dan prediksi, tentunya mengurangi manfaat yang diperoleh. Oleh karena itu diperlukan berbagai teknologi yang bisa membantu organisasi mulai dari menyimpan data, menganalisis data, sampai mendapatkan prediksi berdasarkan data tersebut. AWS (Amazon Web Services) mengeklaim memiliki tawaran yang paling lengkap sehubungan perjalanan data yang dimaksud. Hal itu ditekankan oleh AWS pada AWS re:Invent 2021 yang digelar secara hibrida dari Las Vegas, Amerika Serikat pada tanggal 29 November sampai 3 Desember 2021 lalu. AWS pun menyampaikan berbagai layanan dan fitur baru sehubungan data agar makin memudahkan para organisasi memanfaatkan data untuk melakukan inovasi.
“Data adalah kekuatan dasar yang menenagai aneka insight dan prediksi yang membantu Anda membuat keputusan lebih baik dan menyebabkan berbagai inovasi yang benar-benar baru,” ujar Dr. Swami Sivasubramanian (Vice President of Amazon Machine Learning) ketika menegaskan bahwa invensi kembali adalah digerakkan oleh data pada keynote AWS re:Invent 2021-nya.
“Sekarang dengan data yang begitu beragam menyebar lebih cepat dari kebanyakan perusahaan bisa menge-track-nya, memiliki data dan benar-benar mendapatkan nilai dari data itu adalah suatu hal yang menantang untuk dilakukan. Namun, memanfaatkan data ini sekalipun menantang adalah sangat penting untuk bisnis Anda saat ini, tetapi juga pada masa depan. Ini adalah 'the survival of the most informed' dan mereka yang bisa menggunakan data itu secara aktif untuk membuat keputusan-keputusan yang lebih baik, lebih terinformasi; merespons lebih cepat terhadap yang tidak diduga; dan menemukan aneka peluang yang benar-benar baru adalah mereka yang sesungguhnya akan berkembang dengan sukses,” jelas Dr. Swami Sivasubramanian lebih lanjut.
Kumar Chellapilla (General Manager, Human-in-the-loop ML/AI Services, Amazon Web Services; kiri atas) berbincang-bincang dengan Mark Judd (Executive Manager of Digital Future, AusNet Services; kanan atas), James Smith (Vice President of data Science, Omnilytics; kiri bawah), dan Kunal Prasad (Co-founder dan COO, CropIn) perihal pemanfaatan ML. Bincang-bincang tersebut dilakukan belum lama ini sehubungan AWS re:Invent 2021.
Sebagai pelopor public cloud, AWS bisa dibilang sejak awal memang sudah menyediakan layanan sehubungan data. AWS menyebutkan layanan pertamanya yang tersedia secara umum adalah Amazon S3. Diluncurkan 15 tahun lalu, Amazon S3 merupakan layanan untuk menyimpan data. Kini, AWS mengeklaim sebanyak lebih dari 1,5 juta konsumen menggunakan layanan basis data, analytics, maupun ML (machine learning)-nya. Konsumen yang menggunakan layanan-layanan AWS sehubungan data itu pun berasal dari berbagai belahan dunia. Di Asia Pasifik misalnya terdapat CropIn, AusNet Services, dan Omnilytics. Ketiganya menggunakan layanan ML dari AWS.
CropIn merupakan perusahaan agritech asal India. Cropin memiliki visi untuk memaksimalkan nilai yang dihasilkan tanah sehubungan pertanian dan memberikan dampak terhadap agrobisnis global dengan teknologi. Salah satu penggunaan ML yang dilakukan Cropin adalah untuk membantu petani sehubungan finansial. Cropin menyebutkan banyak petani yang ingin meminjam uang dari bank, tetapi petani tersebut tidak memiliki catatan transaksi finansial yang bisa digunakan bank untuk membuat penilaian kelayakan kredit. Memanfaatkan data dari satelit dan ML, Cropin bisa membuat gambaran akan kinerja panen lahan pertanian dari petani bersangkutan untuk tiga tahun terakhir. Gambaran tersebut kemudian dimanfaatkan untuk penilaian kelayakan kredit dari petani bersangkutan yang bisa digunakan bank untuk keperluan pinjaman tadi.
Omnilytics yang berkantor pusat di Singapura menyebutkan dirinya sebagai platform market intelligence retail yang bertujuan untuk menghantarkan data ke para retail, baik yang besar maupun yang kecil. Omnilytics menggunakan ML untuk mendapatkan nilai/manfaat dari data tersebut. Omnilytics menggunakan ML untuk memberikan insight yang memungkinkan konsumennya membuat keputusan bisnis yang bukan sekadar baik, melainkan keputusan bisnis yang baik pada tingkatan granular. Ambil contoh baju atasan yang ada di pasar. Dengan insight yang diberikan Omnilytics, retail diklaim bisa mengambil keputusan bukan sekadar terhadap baju atasan secara umum; melainkan terhadap aneka detail akan baju atasan itu, seperti jenis baju atasan, warna baju atasan, dan bentuk baju atasan.
AusNet Services adalah perusahaan energi Australia yang memiliki dan mengoperasikan jaringan transmisi listrik, jaringan distribusi listrik, dan jaringan distribusi gas di negara bagian Victoria, Australia. AusNet Services menggunakan ML antara lain untuk membantunya mengoperasikan jaringan-jarigan tersebut secara lebih hemat biaya. AusNet Services mencontohkan vegetasi. Dengan bantuan ML, AusNet Services bisa memantau vegetasi dan memprediksi pertumbuhannya secara lebih akurat dan efisien — untuk selanjutnya mengambil langkah yang sesuai. Vegetasi tentunya bisa mengganggu maupun membahayakan operasi dari AusNet Services. Kabel listrik yang digunakan misalnya bisa terputus apabila tumbuhan di sekitarnya bertumbuh tidak terkendali. Tumbuhan tersebut pun bisa mengakibatkan kebakaran.
Terdapat belasan layanan dan fitur baru yang disampaikan oleh Dr. Swami Sivasubramanian pada keynote AWS re:Invent 2021-nya. Empat di antara layanan dan fitur baru itu adalah Amazon DevOps Guru for RDS, Amazon DynamoDB Standard-Infrequent Access table class, Amazon SageMaker Serverless Inference, dan Amazon SageMaker Studio Lab.
Amazon DevOps Guru for RDS
Amazon DevOps Guru for RDS merupakan fitur baru dari Amazon DevOps Guru untuk Amazon RDS. Amazon DevOps Guru for RDS menggunakan ML untuk secara otomatis mendeteksi dan mendiagnosis permasalahan kinerja dan operasional basis data lalu memberikan rekomendasi untuk memperbaiki permasalahan tersebut. AWS menegaskan bahwa permasalahan basis data sering kali kompleks dan tidak mudah untuk menemukan sumber permasalahannya, serta sejalan dengan itu tidak mudah pula untuk mengatasi permasalahan yang dimaksud.
Amazon DevOps Guru for RDS memudahkan organisasi untuk mendeteksi permasalahan basis data dan menemukan sumber permasalahannya serta mengatasinya. AWS menambahkan bahwa Amazon DevOps Guru for RDS dibangun untuk Amazon Aurora dan membolehkan organisasi untuk beroleh solusi akan permasalahan dalam hitungan menit bukan jam maupun hari. Amazon DevOps Guru for RDS telah tersedia secara umum saat diumumkan.
Pada AWS re:Invent 2021, Dr. Swami Sivasubramanian menegaskan pentingnya menjadi organisasi yang data-driven agar bisa berkembang dengan sukses.
Amazon DynamoDB Standard-Infrequent Access Table Class
Amazon DynamoDB Standard-Infrequent Access table class merupakan kelas tabel baru pada Amazon DynamoDB. AWS menghadirkan Amazon DynamoDB Standard-Infrequent Access table class untuk menyimpan data yang jarang diakses, tetapi tetap memiliki kinerja dan ketersediaan yang tinggi ala Amazon DynamoDB. Sebelum ada kelas tabel baru ini, organisasi yang ingin menyimpan data yang jarang diakses pada Amazon DynamoDB agar tetap beroleh kelebihan seperti kecepatan, harus menggunakan Amazon DynamoDB Standard table class. Dengan kata lain organisasi mengeluarkan biaya yang serupa dengan data yang sering diakses. Amazon DynamoDB Standard-Infrequent Access table class menawarkan biaya penyimpanan yang lebih ringan sampai 60%.
AWS menambahkan Amazon DynamoDB Standard-Infrequent Access table class menawarkan kinerja, ketahanan, scaling, dan ketersediaan yang serupa dengan Amazon DynamoDB Standard table class. Selain itu, organisasi juga bisa beralih dari satu kelas tabel ke kelas tabel yang lain kapan saja. Amazon DynamoDB Standard-Infrequent Access table class telah tersedia sejak disampaikan.
Amazon SageMaker Serverless Inference
Seperti sebutannya, Amazon SageMaker Serverless Inference adalah opsi baru yang membolehkan organisasi yang menggunakan Amazon SageMaker men-deploy model ML-nya untuk inference tanpa perlu mengurusi infrastruktur yang menjalankannya. AWS menyebutkan dengan hadirnya Amazon SageMaker Serverless Inference, organisasi bisa menyerahkan urusan infrastruktur kepada Amazon SageMaker. Amazon SageMaker yang akan mengatur perihal komputasi yang menenagai inference bersangkutan. Organisasi hanya membayar sesuai durasi inference berjalan dan jumlah data yang diproses. Amazon SageMaker Serverless Inference saat disampaikan masih berupa preview.
Amazon SageMaker Studio Lab
Amazon SageMaker Studio Lab adalah layanan baru yang memudahkan pengembang dan pihak lain untuk belajar ML maupun bereksperimen dengannya. Amazon SageMaker Studio Lab bisa digunakan secara gratis dan diklaim tidak membutuhkan setup alias pengaturan untuk mengunakannya. Amazon SageMaker Studio Lab, ditenagai oleh teknologi yang sama dengan Amazon SageMaker, memberikan pengembang dan pihak lain yang menggunakannya akses terhadap perkakas, kerangka kerja, dan library ML. Amazon SageMaker Studio Lab juga memberikan 15 GB penyimpanan yang persistent, serta sampai 12 jam sumber daya CPU dan sampai 4 jam sumber daya GPU untuk setiap sesi.
Menariknya lagi, pendaftaran untuk Amazon SageMaker Studio Lab disebutkan AWS menggunakan alamat e-mail, tentunya yang valid. Apabila setelah selesai belajar dan bereksperimen, proyek yang ada hendak digunakan pada lingkungan produksi; misalnya untuk digunakan organisasi; Amazon SageMaker Studio Lab mendukung migrasi proyek tersebut ke Amazon SageMaker secara mudah. Amazon SageMaker Studio Lab ketika dimumumkan masih berupa preview.