mentransformasi penyampaian perkhidmatan : …

Dr. Yusminar binti Yunus

Pengarah Bahagian Kerajaan Digital

MAMPU, JPM

Seminar Kerajaan Digital 28 SEPTEMBER 2017 Kuching, Sarawak

MENTRANSFORMASI PENYAMPAIAN

PERKHIDMATAN : PROGRAM BERPACUKAN DATA -

ANALITIS DATA RAYA

MAMPU, JPM

KANDUNGAN

Pengenalan

Faedah Analitis Data Raya

Inisiatif Analitis Data Raya

Cabaran

Kesimpulan

2

1

2

3

4

5

DATA YANG KIAN MENINGKAT…

Data collected in

694,445SEARCH QUERIES

168MILLIONEMAILS SENT

iPHONE APPLICATIONS DOWNLOADED

13,000+

320+ NEW

TWITTER ACCOUNTS

SECSBIG DATA ANALYTICS

Better Decision Making

Better Targeting

Behavioural Prediction

5

DEFINISI

4

Analitis Data Raya (Big Data Analytics) adalahproses menganalisis data raya untuk merungkai

corak tersembunyi dan perkaitan yang tidakdiketahui dari maklumat yang berkaitan.

(Sumber: Whalts.com)

Data Raya (Big Data) adalah maklumat yang mempunyai jumlah tinggi (high-volume), halaju

tinggi (high-velocity) dan variasi tinggi (high-variety) yang memerlukan pemprosesan

maklumat secara kos efektif dan inovatif untukmendapat makna yang mendalam (insights) dan

membuat keputusan. (Sumber: Gartner)

Sains Data (Data Science) melibatkan pengenalpastian kes bisnes dan data untuk menjawab persoalan kes

bisnes, pembersihan data, analisis data, visualisasi data dan menyampaikan insights kepada kumpulan sasaran.

(Sumber: Executive Data Science, 2016)

6

KEMATANGAN ANALITIS DATA RAYA

Source: IDC, MDeC (2014)

AP

eJ

BD

A M

atu

rity

Mo

de

lStage 1

Ad Hoc

Stage 2

Opportunistic

Stage 3

Repeatable

Stage 4

ManagedStage 5

OptimizedBusiness

Value

Indonesia

Thailand

Korea

Taiwan

India

China

Singapore

Australia

Hong Kong

Where we want

to be

We are here

2016

2020

Stage of Maturity

Ad Hoc• Limited business value• Projects unbudgeted• Process undefined• Experimental and silo-ed

Repeatable• Business value realised• Projects budgeted• Process documented • Consistent adoption

PENILAIAN KEMATANGAN BDA

7

Intent (niat) : Mengukur strategi, bajet, prestasi, metrik, penajaan, justifikasi projek dan program.

Data : Mengukur kualiti, relevan, ketersediaan, kebolehpercayaan, tadbir urus, keselamatan, dankebolehcapaian pelbagai data berstruktur.

Technology (teknologi) : Mengukur kesesuaian, kebolehgunaan, integrasi, sokongan untuk piawaian, danprestasi teknologi dan seni bina IT ke atas beban kerjayang berkaitan.

People (modal insan) : Mengukur kemahiran teknologi dan analitik, kolaborasi intra dan antara kumpulan, serta struktur organisasi, kepimpinan, latihan, dan kesediaan budaya.

Process (proses) : Mengukur proses pengumpulan data, konsolidasi, integrasi, analisis, penyebaran maklumatdan penggunaan dan membuat keputusan.

10

Functionality, Performance, Adoption

Ad-hoc

Opportunistic

Managed

Optimized

Repeatable

10

5 DIMENSI

Source: IDC

Bagaimana ia

boleh berlaku?

Analisis

PreskriptifApa akan

berlaku?

Analisis

PrediktifKenapa

berlaku? Pandangan Jauh

(Foresight)Analisis

DignostikApa telah

berlaku?Pemahaman

Analisis

Deskriptif(Insight)

Pengalaman

(Hindsight)

Kesukaran Sumber: Gartner

1

2

3

4

JENIS ANALITIS DATA RAYA

9

Prestasi

kewangan

lebih baik

9%

Lain-lain

6%

FAEDAH ANALITIS DATA RAYAPengesanan

risiko

9%Membuat

keputusan

lebih baik

50%Hubungan lebih

baik dengan

pelanggan

10%

Perancangan

strategi lebih

baik

Ramalan Wabak

Penyakit

Keselamatan

Cyber

Pertahanan

Negara

16%

Sumber: Peer Research BDA Survey 2015

Ramalan dan

Penyegahan

Jenayah

Ramalan

Bencana atau

Cuaca

Farmasi dan Ubat

KES BISNES ANALITIS DATA RAYA

Maklumat PintarPengesanan

Penipuan Cukai

Ekonomi dan

Kewangan

14

MEMANFAATKAN ANALITIS DATA RAYA

9

11

Analitis Data Raya membantu kita hidup lebih sihat melalui R&D pencegahan penyakit seperti cardiovascular, osteoporosis dsbnya


Melalui analitis data DNA manusia, data penyakit dan kesihatan membolehkan kitamemahami punca penyakitpenuaan dan mengatasinyaagar kita lebih sihat dan nampak muda …

Human Longevity Inc., is

founded by J. Craig Venter to

solve the diseases of aging

via the power of human

genomics, informatics, next

generation DNA sequencing

technologies, and stem cell

advances.

The company’s main

investor is Tan Sri Lim Kok

Thay, Genting Berhad’s

chairman and Chief

Executive

PENJAGAAN KESIHATAN

12

Denmark findtoilet.dk menggunakan data mengenaikemudahan tandas awam bagi

menunjukkan lokasi tandas awamyang dikehendakki.

UK Mapumental menggunakan data tentang harga rumah, masa yang

diambil untuk perjalanan ke tempatkerja dan kualiti persekitarankawasan perumahan untuk

memudahkan orang awam membelirumah yang sesuai mengikut

kemampuan.


PENEMPATAN & KEMUDAHAN AWAM

Pernahkan anda sedar.. iklan pada browser anda sama dengan sesuatu yang anda baru sahaja beli@lihat untuk beli???

Justeru, anda perlu berterima kasih kepada data raya kerana ia bertanggungjawab bagi apa "barangan baru dilihat"

atau "cadangan yang akan dibeli” pada browser anda. Ini membolehkan syarikat perniagaan mensasarkan pelanggan

dengan iklan khusus kepada anda. Ia mungkin baik untuk anda, tetapi tidak baik untuk dompet anda!


MEMBELI-BELAH DALAM TALIAN

14

14

Mengetahui tentang kadar jenayah di bandar-bandar bolehmenjejaskan kediaman anda…data raya telah banyak mengurangkan

jumlah kecurian dan pecah rumah yang berlaku.

Jabatan polis di Los Angeles dan Santa Cruz, California menggunakandata raya untuk menentukan di mana mereka paling diperlukan dan

di mana jenayah paling kerap berlaku.


PENCEGAHAN JENAYAH

PUNCA KUASA

16

JITIK BIL.1/2014 (28 MAC 2014)

Analitis Data Raya (DRSA)Meminta semua agensi kerajaan 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) dan Data Terbuka Sektor Awam.

Mesyuarat mengambil maklum:• Kementerian Komunikasi dan

Multimedia Malaysia (KKMM) dengan kerjasama MAMPU dan MDEC membangunkan Kerangka Data Raya Kerajaan Malaysia

• MAMPU dan MDEC berkolaboratif 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.

19

17

RANCANGAN MALAYSIA KESEBELAS(2016 -2020)

Mempertingkatkan

pengurusan projek untuk

menghasilkan outcome

yang lebih baik dan cepat

Memperkukuh

pengurusan bakat

untuk perkhidmatan

awam masa hadapan

Mempertingkatkan

penyampaian

perkhidmatan dengan

mengutamakan rakyatMerasionalisasikan

institusi sektor

awam untuk

meningkatkan

produktiviti dan

prestasi

Memanfaatkan pihak

berkuasa tempatan

untuk menyediakan

perkhidmatan berkualiti

di peringkat tempatan

Memanfaatkan data

bagi meningkatkan

outcome dan

mengurangkan kos

Metodologi

Rangka Kerja

Pekeliling

Platfom

Tadbir Urus

12

3

4

56

7

8

9

Program Inovasi

Pembangunan Kompetensi

Khidmat Perundingan

Data Terbuka, Perkongsian Data, Klasifikasi Data

20

PROGRAM BERPACUKAN DATA SEKTOR AWAM

19

KERANGKA ANALITIS DATA RAYA NASIONAL

20

RANGKA KERJA ANALITIS DATA RAYA SEKTOR AWAM (DRSA)

Memahami Bisnes

1

Definisi Keperluan

2

Perolehan dan

Eksplorasi Data

3

Pembangunan

Model Analisis

4Pembangunan

Produk Data

5

Transisi kepada Produksi

6

Pemantauan

7

KITARAN PROJEK

Permulaan projek baru ataukitaran peningkatan sistem Mengenal pasti kes bisnes, objektif,

pengguna, operasi dan keperluan

Penyataan masalah, soalan bisnes dan keperluan pengguna

Pemprosesan dan Eksplorasi data

Pembangunan model dan analisis

Dashboard, visualisasi

dan laporan

Pemantauan berdasarkan

keperluan bisnes

METODOLOGIANALITIS DATA RAYA SEKTOR AWAM (DRSA)

23

22

Perkakasan

Virtualization Server

SAS VA/LASR Master

Hadoop Slave NodePostgres-XL Data Node

Gluster Node

40GbE network switch

Perisian

Red Hat Enterprise LinuxRed Hat Enterprise for Virtual Data Center

Red Hat EnterpriseHortonworks Data Platform StandardSAS Visual Analytics

Red Hat Storage StandardJBOSS Data VirtualizationPostgres-XLMi-MorpheMi-IntelligenceMi-CLIPOpenRefineMod Security Web Application

PLATFORMANALITIS DATA RAYA SEKTOR AWAM (DRSA)

24

23

Urusetia MAMPU

Pejabat Pengurusan

Projek

PeringkatAgensi

TADBIR URUSANALITIS DATA RAYA SEKTOR AWAM (DRSA)

243 JANUARI 2017

PEKELILING PELAKSANAANANALITIS DATA RAYA SEKTOR AWAM (aDRSA)

25

BDA-Digital Government Open

Innovation Network

(BDA-GDOIN)

- Proof of Concept dari 29 Januari 2015 hingga 28 Januari 2016- Kolaboratif StrategikMAMPU-MDeC-MIMOS dengan 4 agensi iaituMOF, JAKIM, JPS dan NAHRIM

Analitis Data Raya Sektor Awam

(DRSA)

- Projek Rintis dari 10 Mac 2015 hingga 9 Mac 2016- Melibatkan 4 agensiiaitu MAMPU, KPDNKK, KKM dan PDRM - Penyediaaninfrastruktur untukpelaksanaan DRSA olehagensi Sektor Awam

Transfomasi Perkhidmatan Optimasi Data

Kerajaan (TDDA)

- Proof of Concept dari 1 Oktober 2015 hingga 31 Disember 2015- Dilaksanakan bagi use case Price of Goods- Kolaboratif StrategikMAMPU dengan 5 agensi iaitu KPDNKK, MOA, LKIM, FAMA, MOF, DoSM

Peluasan AnalitisDRSA

- Dilaksanakan dari 23 November 2016 hingga22 November 2017- Pembangunan produkdata secara coachingoleh syarikat, MAMPU dan 12 agensi- Membangunkanmodel analisis, prediktif dan machine learning menggunakananalytics tool R Studio

2 3 41

26

INISIATIF ANALITIS DATA RAYA SEKTOR AWAM

Meninjau pelampau islam

di kalangan rakyat

Malaysia

Analitik data bagi

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 dalam peta

Malaysia

Membangunkan pangkalan

pengetahuan banjir

berdasarkan gabungan data

sensor dan media sosial

PROJEK BDA-OPEN INNOVATION NETWORK (BDA-DGOIN)

• Dilaksanakan secara Proof Of Concept (POC)

• Kolaboratif Strategik MAMPU-MDEC-MIMOS bersama MOF, JAKIM, JPS dan NAHRIM (5 kes bisnes)

129 Jan 2015 – 28 Jan 2016

27

Ramalan banjir di Malaysia berasaskan data 90 tahun daripada NAHRIM iaitu jumlah

hujan (rainfall), melorot (runoff) dan aliran (streamflow). Maklumat ramalan ini penting

untuk diperolehi lebih awal supaya agensi bertanggungjawab berkaitan dengan banjir

bolehlah membuat persediaan awal bagi mengurangkan kemalangan atau kerugian

nyawa mahu pun aset.27

PoC BDA-DGOIN :

UNJURAN TABURAN HUJAN

28

Rangka

kerja

Platform di PDSA

dalam 1Gov*Net

1

2

3

54

Metodologi

Garis Panduan

Pembangunan Empat Analitis

Pencegahan Jenayah

PemantauanHarga

Ramalan Penyakit Berjangkit

AnalisisSentimen

Tadbir

urus

PROJEK RINTIS ANALITIS DATA RAYA SEKTOR AWAM (DRSA)

• Pelaksanaan Rintis diketuai oleh MAMPU

• Empat (4) agensi terlibat adalah: MAMPU, KPDNKK, KKM dan PDRM (4 kes bisnes)

210 Mac 2015 – 9 Mac 2016

30

Korelasi data kes kecurian motosikal dan data lokasi tapak

pembinaan. Taburan lokasi kes kecurian motosikal di tapak pembinaan

membantu PDRM memantau lokasi dan masa kejadian. Ini membolehkan

PDRM merancang kekerapan masa rondaan di lokasi yang banyak berlaku

kes jenayah.

PENCEGAHAN JENAYAH

31

30

Analisis korelasi antara bilangan kes penyakit Tangan Kaki dan Mulut (HFMD)

dan data cuaca (jumlah hujan dan suhu), penghasilannya adalah kes

penyakit meningkat apabila suhu adalah tinggi. Korelasi ini boleh digunakan

bagi meramal kemungkinan pertambahan bilangan kes HFMD pada masa

hadapan.

RAMALAN PENYAKIT BERJANGKIT

32

PEMANTAUAN HARGA

Trend harga ayam mengikut premis dalam kawasan parlimen berdasarkan pengiraan

BQ-1 : Who have been charging products more than what constitute fair price?

Very Expensive :

50% more than

mode price in

parliament

Expensive :

30% more than mode

price in parliament

Standard :

30% range of mode

price in parliament

Cheap :

30% less than mode

price in parliament

Very Cheap:

50% less than mode

price in parliament

33

TRANSFORMASI PERKHIDMATAN OPTIMASIDATA KERAJAAN

• GDOTS Proof Of Concept (POC)

dilaksanakan pada tahun 2015

menggunakan perkhidmatan analitis

data pihak ketiga

• 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

• Projek GDOTS mulai pada Ogos

2017 hingga Julai 2018 bagi

membangunkan enam (6) kes bisnes

dengan memberi fokus kepada

golongan miskin bandar (urban poor)

• Menghasilkan analisis atau laporan

dalam mengenal pasti punca

perubahan harga

• Kolaboratif Strategik MAMPU bersama

KPDNKK, MOA, LKIM, FAMA, MOF,

DOSM

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

BIL. AKTVITI M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4 M1 M2 M3 M4

1 Commercial Related

- Letter of Award

- Contract Management

2 Project Team Mobilization

- Project Inception & Governance

- Team Mobilization

-

3 Project Implementation

- Kick Off Meeting

- Project Management

- Development of Use Cases

- Step 1 - 3

-

Mesyuarat J/K Teknikal dan

Pemandu - Bayaran 2

- Step 4 - 5

-


Pemandu - Bayaran 3

- Step 6

-


Pemandu - Bayaran 4

- Step 7

- Insights Reporting

-


Pemandu - Bayaran 5

4 Project Closure and Sign-Off


Pemandu - Bayaran 1

BULAN 12BULAN 1 BULAN 2 BULAN 3 BULAN 4 BULAN 5 BULAN 6 BULAN 7 BULAN 8 BULAN 9 BULAN 10 BULAN 11

Payment Milestone 10%





Project Closure

Kick-Off

LOA

3 bulan (1 Okt 2015 hingga 31 Disember 2015 )

12 bulan (mulai Ogos 2017 hingga Julai 2018)

34

3

PELUASAN ANALITIS DATA RAYA SEKTOR AWAM (DRSA)

• Pembangunan produk data secara coaching oleh Syarikat dan MAMPU dengan agensi Sektor Awam.

• Mengikut metodologi DRSA dan Data Analytic Project Lifecycle meliputi hands-on training bagi self-development dalam

pembangunan produk data/BDA

• Pembangunan produk data melalui aktiviti pengumpulan, pembersihan dan eksplorasi data, membangunkan model analisis,

prediktif dan machine learning menggunakan analytics tool R Studio.

• Tempoh Pelaksanaan: 12 Bulan (23 Nov 2016 - 22 Nov 2017)

BIL. KEMENTERIAN/AGENSI BUSINESS CASE

1. Kementerian Kewangan Malaysia (MOF) Pemantauan Media Sosial Berkaitan Kementerian Kewangan Bagi

Kerajaan Sekarang

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 Terhadap Kerajaan Malaysia

4

35

Kementerian Perdagangan Antarabangsa dan Industri (MITI)

Kes Bisnes Pengurusan permasalahan industri pengeluaranhalal.

Objektif Meningkatkan nilai perdagangan negara melaluipembangunan Industri Kecil dan Sederhana (IKS)dengan fokus industri halal dalam mencapaibeberapa matlamat berikut.

HASIL ANALISIS PELUASAN ANALITIS DATA RAYA RAYA SEKTOR AWAM (DRSA)

36

Impak jumlah pensijilan halal dalam sebulan terhadap nilai eksport halal

Jumlah syarikat yang mempunyai sijil halal memberi impak positif kepada jumlah eksport

produk halal dan berupaya memperkasa perdagangan eksport halal negara.

INSIGHTS:

❖ Untuk memperkasa perdagangan eksport halal negara, pensijilan halal perlu

dipertingkatkan lagi melalui promosi dan publisiti.

Analisis Dignostik

HASIL ANALISIS

37

Nilai eksport halal kluster Halal Ingredient (Ramuan Halal)

❖ Halal Ingredients menyumbang sebanyak 31.08% daripada keseluruhan nilai eksport halal

(2012-2016).

INSIGHT:

❖ Halal Ingredients (ramuan halal) dijangka menjadi kluster yang mendapat permintaan

tinggi oleh pengimport dan menyumbang kepada peningkatan nilai eksport halal untuk

beberapa tahun akan datang.

Nilai Eksport Kluster Halal Ingredients

2012

2013

2014

2015

2016

Analisis Prediktif

HASIL ANALISIS

38

Ramalan nilai eksport halal untuk tahun akan datang

INSIGHT:

❖ Melalui analitis data, HDC berjaya membuat ramalan yang lebih sistematik dan seterusnya

memantau prestasi eksport halal dengan cekap dan berkesan.

❖ Ramalan nilai eksport halal tahun 2017 dijangka meningkat dari MYR 42.12 bilion (2016)

kepada MYR 45.02 bilion.

❖ Ramalan nilai eksport halal tahun 2018 dijangka meningkat dari MYR 45.02 bilion kepada MYR

45.74 bilion.

Analisis Prediktif

HASIL ANALISIS

39

41

Kurang kesediaan agensi pemilik data untuk berkongsi data sedia ada

Menangani isu-isu keselamatan berkaitan data raya

Mengenal pasti kes bisnes yang tepat mengikut keperluan (isu, permasalahan - problem statement)

Mendapatkan sumber yang mencukupi dan kemahiran dalam bidang berkaitan untuk pelaksanaan

Mendapatkan busines/domain bagi “Subject Matter Expert”

CABARAN

FAKTOR KEJAYAAN KRITIKAL

44

Komitmen tinggi Subject Matter Expert (SME) daripadasetiap domain/kluster

Pengetahuan dan kemahiran dalam Sains Data

Sokongan padu pengurusan atasan agensi

Ketersediaan data

Program pengurusan perubahan

Tadbir urus yang mantap

44

‘BIG DATA’ VALUE

BIG DATAis not about the size of the data,

it is about the value gained from the data analytics

45

DATA SCIENCEis not about the data,

it is about using science to manage data and turn it into valuable insights for business creation, strategies and

decision making

46

BERSAMA-SAMA MELAKSANAKAN TRANSFORMSI

[email protected]

mentransformasi penyampaian perkhidmatan : …

Documents