memanfaatkan geospatial dalam penyampaian …ngis.mygeoportal.gov.my/sites/default/files/ngis8/bda...
TRANSCRIPT
Dr. Yusminar binti Yunus
Bahagian Kerajaan Digital, MAMPU
MEMANFAATKAN GEOSPATIAL
DALAM PENYAMPAIAN PERKHIDMATAN
BERPACUKAN DATA
Simposium Maklumat Geospatial Kebangsaan Ke-8
10 Julai 2018
01
03 Inisiatif Analitis Data Raya
Latar Belakang
Cabaran dan Peluang04
05Kesimpulan
AGENDA
02 Pengenalan
LATAR BELAKANG
https://www.domo.com/blog/data-never-sleeps-6/
DATA YANG KIAN MENINGKAT
Keputusan tepat berasaskan data
Tumpuan lebih baik
Ramalan berasaskan data
4
5
GEOSPATIAL DAN INISIATIF
BERPACUKAN DATA
DATA
Data Geospatial
PUNCA KUASA
JITIK BIL.1/2014
(28 Mac 2014)
Memutuskan
supaya semua
agensi mengenal
pasti inisiatif
analitis data raya
dalam setiap
perkhidmatan
teras agensi.
MESYUARAT JEMAAH MENTERI
(20 Ogos 2014)
Mesyuarat bersetuju supaya agensi sektor awam
melaksanakan inisiatif Analitis Data Raya (Big
Data Analytics (BDA) :
• Kementerian Komunikasi dan Multimedia
Malaysia (KKMM) dengan kerjasama MAMPU
dan MDEC membangunkan Kerangka Data Raya
Kerajaan.
• MAMPU dan MDEC berkolaborasi untuk
melaksanakan 4 projek rintis BDA kerajaan.
• MDEC menerajui inisiatif BDA sektor swasta dan
MAMPU menerajui BDA sektor awam.
MESYUARAT MPA
BIL. 1 TAHUN 2016
(30 Mac 2016)
Mesyuarat mengambil
perhatian perkongsian
data secara lebih
agresif dalam
kalangan kementerian/
agensi diperlukan untuk
memastikan analisis
yang dibuat lebih tepat
dan menyeluruh.
6
Mempertingkatkan pengurusan
projek untuk menghasilkan
outcome yang lebih baik dan cepat Memperkukuh pengurusan
bakat untuk perkhidmatan
awam masa hadapan
Merasionalisasikan
institusi sektor awam
untuk meningkatkan
produktiviti dan prestasi
Memanfaatkan pihak berkuasa
tempatan untuk menyediakan
perkhidmatan berkualiti di
peringkat tempatan
5 Bidang Fokus Bab 9 : Mentransformasi Perkhidmatan Awam Untuk Produktiviti
RANCANGAN MALAYSIA KE-11
(2016-2020)
7
1
2
3
4
5
Mempertingkatkan
penyampaian perkhidmatan
dengan mengutamakan
rakyat
Memanfaatkan data bagi
meningkatkan outcome
dan mengurangkan kos
PENGENALAN
DEFINISI
Analitis Data Raya (Big Data Analytics) adalah proses
menganalisis data raya untuk merungkai corak
tersembunyi dan perkaitan yang tidak diketahui dari
maklumat yang berkaitan. (Sumber: Whalts.com)
Data Raya (Big Data) adalah data/fakta yang mempunyai
isi padu tinggi (high-volume), halaju tinggi (high-velocity)
dan kepelbagaian tinggi (high-variety) yang memerlukan
pemprosesan maklumat secara kos efektif dan inovatif
untuk mendapat makna yang mendalam (insights) dan
membuat keputusan. (Sumber: Gartner)
Sains Data (Data Science) adalah suatu bidang multi displin untuk
mengekstrak pengetahuan dari data raya yang melibatkan
pengenalpastian kes bisnes untuk menjawab persoalan/masalah;
pengumpulan, pembersihan, analisis, visualisasi data; dan
penyampaian/pembentangan insights kepada kumpulan sasaran.
SECS
9
Rangka
Kerja
Tadbir
Urus
1
2
3
Metodologi
4
5
6
7
8
9
Platform
Pekeliling
Program Inovasi
Data Terbuka
Pembangunan
Kompetensi
Khidmat
Perundingan &
Nasihat
Data Terbuka,
Sharable Data,
Data Terperingkat
PROGRAM BERPACUKAN DATA
10
RANGKA KERJA ANALITIS DATA
RAYA SEKTOR AWAM (DRSA)
11
Urusetia MAMPU
Pejabat
Pengurusan ProjekPeringkat
Agensi
TADBIR URUS ANALITIS DATA
RAYA SEKTOR AWAM (DRSA)
12
Memahami
Bisnes
1
Definisi
Keperluan
2
Analisis
Data
Eksploratori
3
Pembangunan
Model Data
4Pembangunan
Produk Data
5
Pelaksanaan
6
Pemantauan7
KITARAN
PROJEK
Permulaan projek baru atau
kitaran peningkatan sistem Mengenal pasti kes bisnes,
objektif, pengguna dan keperluan
analitis data raya
Pemprosesan dananalisis dataexploratori
Pembangunan
model data dan
analisis
Dashboard,
visualisasi
dan laporan
Pemantauan
berdasarkan
keperluan bisnes
Pernyataan masalah,
soalan bisnes dan
keperluan bisnes
METODOLOGI ANALITIS DATA
RAYA SEKTOR AWAM (DRSA)
13
PerkakasanVirtualization Server
SAS VA/LASR Master
Hadoop Slave Node
Postgres-XL Data Node
Gluster Node
40GbE network switch
PerisianRed Hat Enterprise Linux
Red Hat Enterprise for Virtual Data Center
Red Hat Enterprise
Hortonworks Data Platform Standard
SAS Visual Analytics
Red Hat Storage Standard
JBOSS Data Virtualization
Postgres-XL
Mi-Morphe
Mi-Intelligence
Mi-CLIP
OpenRefine
Mod Security Web Application
R Studio
PLATFORM ANALITIS DATA RAYA
SEKTOR AWAM (DRSA)
14
3 JANUARI 2017
PEKELILING PELAKSANAAN DRSA
15
INISIATIF ANALITIS DATA RAYA
SEKTOR AWAM (DRSA)
PROJEK DRSA 2015-2018
1
2
34
5
Projek Rintis Analitis Data Raya Sektor
Awam (DRSA)
Transformasi Digital Data
Analitik (TDDA)
Peluasan
Analitis Data
Raya Sektor
Awam
Data Optimization
Transformation
Services (GDOTS)
BDA-Digital Government Open Innovation Network
(BDA-GDOIN)
17
Meninjau pelampau
Islam di kalangan rakyat
Malaysia
Menganalisis dan
membina Model Ekonomi
Fiskal
Teknologi
& Platform
Pemudah cara
Pengurusan
1
2
3
5
4
Analisis Sentimen Kos
Sara Hidup yang diperolehi
melalui Media Sosial
Mendapatkan unjuran 90
tahun taburan hujan selaras
dengan kesan limpahan di
tebing sungai
Membangunkan pangkalan
pengetahuan banjir
berdasarkan gabungan data
sensor dan media sosial
• Dilaksanakan secara Proof Of Concept (POC) dari 29 Jan 2015 – 28 Jan 2016 (12 bulan)
• Kolaboratif Strategik MAMPU-MDEC-MIMOS bersama MOF, JAKIM, JPS dan NAHRIM (5 kes
bisnes)
BDA-OPEN INNOVATION NETWORK
(BDA-DGOIN)
18
Rangka
kerja
Platform di PDSA
dalam 1Gov*Net
1
2
3
54
Metodologi
Garis Panduan
Pembangunan Empat Analitis
Pencegahan
Jenayah
Pemantauan
Harga
Ramalan Penyakit
Berjangkit
AnalisisSentimen
Tadbir
urus
• Dilaksanakan secara rintis dari 10 Mac 2015 – 9 Mac 2016 (12 bulan)
• Empat (4) agensi terlibat: MAMPU, KPDNKK, KKM dan PDRM (4 kes bisnes)
28
RINTIS ANALITIS DATA RAYA
SEKTOR AWAM (DRSA)
19
• Dilaksanakan secara proof of concept (POC) dari 1 Oktober 2015 – 31 Disember 2015 (3 bulan)
• Kolaboratif Strategik MAMPU bersama KPDNKK, MOA, LKIM, FAMA, MOF, DOSM bagi kes
bisnes Price of Goods
• Memaparkan trend harga barangan mengikut cuaca (hujan), pelaksanaan GST, musim perayaan,
kenaikan harga petrol dan kenaikan harga tol
0.00%
100.00%
200.00%
300.00%
400.00%
500.00%
600.00%
700.00%
800.00%
900.00%
1000.00%
2012 2013 2014 2015
%Peningkatan/Penurunan(RantaianBekalan)-Selangor
Pendaratan
Borong
Runcit
0.00%
50.00%
100.00%
150.00%
200.00%
250.00%
2012 2013 2014 2015
%Peningkatan/Penurunan(RantaianBekalan)-Kedah
Pendaratan
Borong
Runcit
0.00%
20.00%
40.00%
60.00%
80.00%
100.00%
120.00%
140.00%
160.00%
180.00%
2012 2013 2014 2015
%Peningkatan/Penurunan(RantaianBekalan)-Pahang
Pendaratan
Borong
Runcit
0.00%
20.00%
40.00%
60.00%
80.00%
100.00%
120.00%
140.00%
160.00%
2012 2013 2014 2015
%Peningkatan/Penurunan(RantaianBekalan)-Johor
Pendaratan
Borong
Runcit
TRANSFOMASI DIGITAL DATA
ANALITIK (TTDA)
20
• Pembangunan produk data secara coaching oleh syarikat dan MAMPU dengan agensi Sektor Awam dari 23
Nov 2016 – 22 Nov 2017 (12 bulan).
• Meliputi hands-on training bagi self-development dalam pembangunan produk data/BDA dengan menggunakan
analytics tool R Studio.
BIL. KEMENTERIAN/AGENSI KES BISNES
1. Kementerian Kewangan Malaysia (MOF) Pemantauan Media Sosial Berkaitan Kementerian Kewangan
2. Kementerian Sumber Manusia (KSM) Peningkatan Kebolehpasaran Pekerjaan Kepada Pencari Kerja
3. Suruhanjaya Perkhidmatan Awam (SPA) Seamless Job Recruitment
4. Kementerian Pengangkutan Malaysia (MOT) Perkhidmatan Pelabuhan Klang yang lebih kompetitif dan
efisien
5. Kementerian Pendidikan Malaysia (MOE) Penyelesaian Isu Keciciran Murid daripada Sistem Pendidikan
Malaysia Bagi Pembangunan Modal Insan
6. Jabatan Perikanan Malaysia (DOF), Kementerian
Pertanian dan Industri Asas Tani (MOA)
Pemilihan Kawasan Akuakultur
7. Institut Penyelidikan dan Kemajuan Pertanian
Malaysia (MARDI)
Peningkatan Produktiviti dan Kualiti Padi
8. Kementerian Tenaga, Teknologi Hijau dan Air
(KeTTHA)
Penggunaan Air Domestik di Malaysia
9. Kementerian Perdagangan Antarabangsa dan
Industri (MITI)
Pengurusan Permasalahan Industri Pengeluaran Halal
10. Jabatan Audit Negara Penemuan Audit (Kewangan)
11. MAMPU Pengukuhan Perkhidmatan 1MOCC
12. Bahagian Penyelidikan, JPM Sentimen Semasa Rakyat
PELUASAN ANALITIS DATA RAYA
SEKTOR AWAM (DRSA)
21
Kementerian Perdagangan Antarabangsa dan
Industri (MITI)
- Halal Development Corporation (HDC)
Kes Bisnes Pengurusan permasalahan industri pengeluaran halal
Objektif Meningkatkan nilai perdagangan
negara melalui pembangunan
Industri Kecil dan Sederhana
(IKS) dengan fokus industri halal
HALALB IG DATA
ANALYT ICS
( BDA )
WITH COLLABORATION
PELUASAN DRSA : KES BISNES HDC
22
DASHBOARD HDC : KESELURUHAN
23
DASHBOARD HDC : EKSPORT HALAL
24
DASHBOARD HDC : PENSIJILAN
HALAL
25
DASHBOARD HDC : KORELASI &
ANALYSIS RAMALAN
26
DASHBOARD HDC : ANALISIS SENTIMEN
27
• Membangunkan kes bisnes bagi enam (6) kluster dengan memberi focus kepada golongan miskin bandar
(urban poor) iaitu Demografi, Sosial, Ekonomi, Pengangkutan, Pendidikan dan Kesihatan
• Projek bermula dari 17 Ogos 2017 hingga 31 Disember 2018 dengan kolaborasi pelbagai agensi kerajaan
seperti EPU, ICU, KPKT, PDRM, JKM, MOT, JPN, MOF, KPM, PTPTN dan sebagainya.
LANGKAH 2
PADANAN SISTEM
SUMBER DATA
DARIPADA
KEMENTERIAN
&
AGENSI-
AGENSI
KERAJAAN
LANGKAH 1
KAJIAN AWAL
AKTIVITI
1. Sesi-sesi bengkel2. Kenalpasti tujuan3. Kenalpasti pemilik data4. Senarai semak
LANGKAH 3
PADANAN FUNGSI
LANGKAH 4
PADANAN DATA
LANGKAH 5
PEMPROSESAN
DATA
LANGKAH 6
ANALITIK
LANGKAH 7
PAPARAN
VISUALISASI
1. Sesi-sesi bengkel2. Fahami fungsi-fungsi
sistem3. Kajian keperluan
1. Sesi-sesi bengkel2. Padanan data dan
proses3. Aliran proses data
1. Pembangunan kajian-kajian kes
2. Consolidasi data3. Profil data
1. Pemurnian data 2. Saringan dan migrasi
data
1. Analisis statistik2. Elemen data baru3. Pembangunan platform
visualisasi
1. Paparan visualisasiberdasarkan kepadakajian-kajian kes yang telah dikenalpasti
++
++
++
WAWASAN ANALITIK & LAPORAN
DESCRIPTIVE ANALYTICS
DIAGNOSTIC ANALYTICS
PREDICTIVE ANALYTICS
PRESCRIPTIVE ANALYTICS
1. Merancang dan mengesyor2. Membuat keputusan3. Mengambil tindakan4. Memastikan penguatkuasaan
GOVERNMENT DATA OPTIMIZATION TRANSFORMATION SERVICES (GDOTS)
28
GDOTS : KLUSTER PENGANGKUTAN
29
• Data pergerakan bas/rel dapat membantu
menghasilkan analisis real time
pengguna dapat merancang perjalanan
operator dapat membuat penambahbaikan
atau tindakan susulan
• Data lokasi kejadian kesalahan trafik dapat
mencegah/ mengurangkan kesalahan
memudahkan rakyat untuk lebih
berhati–hati
pihak berkuatkuasa dapat membuat
penguatkuaan atau kempen pencegahan
dengan berkesan
GDOTS : KLUSTER KESIHATAN
30
• Lokasi pesakit dan maklumat trafik dapat
membantu pesakit merancang jadual
lawatan ke klinik/hospital
• Lokasi kejadian wabak dan maklumat
geospatial keadaan persekitaran dapat
membantu analisis punca wabak dan
kaedah pencegahan
GDOTS : KLUSTER PENDIDIKAN
31
• Lokasi pusat pendidikan pra sekolah dan tadika
dapat membantu ibu bapa mengenal pasti
kesesuaian tempat penghantaran anak dari segi
jarak
• Maklumat laluan serta kekerapan bas di kawasan
institusi pendidikan dapat bantu :
pelajar merancang perjalanan
operator perkhidmatan menambah baik
perkhidmatan
• Mengenal pasti tapak baru bagi pembinaan
institusi pengajian berdasarkan taburan penduduk
CABARAN
Pemilik data
kurang
bersedia
untuk kongsi
dataKeselamatan
data
Sumber dan
kemahiran
Sains Data
Ketersediaan
Subject
Matter Expert
Mengenal
pasti kes
bisnes yang
memberi nilai
ISU & CABARAN YANG DIHADAPI
33
Komitmen
tinggi
Subject
Matter Expert
dalam
setiap
domain
Sokongan
padu
pengurusan
atasan
agensi
Kesediaan
agensi
pemilik
data untuk
berkongsi
data
FAKTOR KEJAYAAN KRITIKAL
34
Pengetahuan
dan
kemahiran
dalam
Sains Data
KESIMPULAN
• Data geospatial, data berstuktur agensi dan
data media sosial merupakan elemen penting
dalam program berpacukan data yang akan
membuka lebih banyak potensi dan memberi
nilai tambah kepada pelbagai pihak.
• Perkongsian data membolehkan produk data/
analitis data raya/ aplikasi berpacukan data
dihasilkan yang akan meningkatkan
penyampaian perkhidmatan dan merangsang
pendigitalan negara.
KESIMPULAN
36
Sekian, terima kasih.