Data Scientist Adalah The Sexiest Job, Kok Bisa? Yuk Cari Tahu Sebabnya!
Data scientist adalah pekerjaan yang sedang banyak digandrungi. Tak heran jika pekerjaan ini dijuluki sebagai "The Sexiest Job of the 21st Century" oleh Harvard Business Review. Apa yang ada di benakmu ketika mendengar kata data scientist? apakah pekerjaan itu menggambarkan seseorang yang pandai computer science? big data? komputasi dan ilmu coding? Statistika, ekonomi, matematika, atau ilmu eksak lainnya? Yap, semua jawaban tersebut benar. Tapi, tidak hanya itu, seorang data scientist bisa mencari pola dan tren dalam kumpulan big data menggunakan berbagai alat, teknik, dan pemikiran kritis untuk mendapatkan solusi praktis untuk suatu masalah menggunakan data real.
Menurut Hugo Bowne Andersen di HBR, "Data scientists use online experiments, among other methods, to achieve sustainable growth. They also clean, prepare, validate structured and unstructured data to build machine learning pipelines, and personalized data products to better understand their business and customers and to make better decisions." Artinya, seorang data scientist dituntut untuk menguasai berbagai teknik mulai dari preprocessing, processing, hingga visualisasi data. Akibat perannya yang sangat penting, banyak perusahaan mulai merekrut data scientist untuk membantu meningkatkan performa perusahaan. Tak tanggung-tanggung, gaji yang ditawarkan pun cukup besar. Lalu, apa yang dilakukan oleh seorang data scientist hingga pekerjaan ini dijuluki dengan "The Sexiest Job in 21st Century"? Penasaran? Yuk simak artikel berikut ini!
1. Data Scientist adalah "Penanya" yang Hebat
Setiap orang yang terjun dalam proyek data science pasti memiliki ekspektasi atau harapan pada proyek ini. Cara paling mudah untuk memahami ekspektasi atau harapan seseorang adalah dengan mengajukan beberapa pertanyaan. Pertanyaan ini nantinya dapat digunakan sebagai rumusan masalah pada sebuah proyek. Pertanyaan yang baik adalah pertanyaan yang sama dengan asumsi orang-orang dan jawaban yang baik adalah kesuksesan yang terukur tanpa perlu banyak biaya. Menurut Mark Schindler, seorang penulis di TowardsDataScience.com, pertanyaan dibagi menjadi tiga kategori yaitu, pertanyaan apa yang bisa data scientist jawab sekarang, pertanyaan apa yang dapat data scientist jawab jika ia sedikit menggali data saat ini, dan pertanyaan apa yang tidak bisa data scientist jawab karena ia belum memiliki datanya.
Beberapa contoh pertanyaan berdasarkan kategori tersebut adalah berapa banyak unduhan yang kita miliki dalam 30 hari terakhir? Pertanyaan ini termasuk dalam kategori pertama. Untuk kategori kedua, contoh pertanyaan yang bisa diterapkan adalah berapa demografi usia pengguna yang paling sering dalam 30 hari terakhir? Sedangkan pertanyaan untuk kategori ketiga adalah Berapa lama sesi rata-rata dari kuartil pengguna teratas dan terbawah?
Latihan bertanya ini pada dasarnya tidak hanya dilakukan oleh data scientist tetapi bisa dilakukan oleh seluruh penggiat bisnis untuk mengetahui hal-hal tentang bisnis dan data yang dapat pelaku bisnis jawab
Baca juga : Mengenal Profesi Data Scientist
2. Data Scientist Memahami Cara Mengidentifikasi Sumber Data dan Value-nya.
Menurut buku berjudul "Think Like a Data Scientist workbook" karya Bill Schmarzo, CTO praktik big data di Dell EMC, agar sebuah bisnis dapat mencapai tujuannya, seorang data scientist menggunakan analitik prediktif dan preskriptif untuk menemukan jawaban yang tepat. Bill menyebutkan bahwa seorang data scientist harus bisa mengidentifikasi sumber-sumber data. Dalam buku tersebut, Bill membagi sumber data menjadi tiga, yaitu data sistem operasional dan transaksi historis termasuk data ERP, keuangan, SDM, rantai pasokan, otomatisasi dan pemasaran tenaga penjualan. Kemungkinan besar data ini tidak tersedia di platform yang mudah diakses sehingga seorang data scientist harus mengambil dari catatan di departemen tertentu di sebuah perusahaan. Sumber data yang kedua adalah sumber data internal. Sumber data ini tidak terstruktur seperti percakapan email, komentar konsumen, studi klinis, makalah penelitian, dan catatan dari interaksi karyawan dan pelanggan. Sumber data yang terakhir adalah sumber data eksternal yang meliputi media sosial, umpan berita, cuaca, lalu lintas, ekonomi, makalah penelitian, dan data domain publik dari lembaga pemerintah dan perguruan tinggi.
Setelah data scientist mengidentifikasi berbagai sumber data, langkah selanjutnya adalah menilai nilai bisnis yang dibawa setiap sumber yang dapat mendukung keputusan bisnis tertentu. Seorang data scientist akan menyiapkan spreadsheet dan memplot sumber data sebagai judul baris di kolom vertikal pertama, lalu memplot keputusan bisnis sebagai judul kolom horizontal di baris pertama. Beberapa fungsi data dalam keputusan bisnis adalah untuk meningkatkan lalu lintas toko, meningkatkan pendapatan tas belanja, dan meningkatkan efektivitas promosi.
3. Membantu Perusahaan Menjadi Perusahaan yang "Melek Data"
Hila Lamm, seorang Chief Strategy Officer di Firefly.AI mengatakan bahwa data science masih merupakan campuran dari penelitian dan seni di dunia korporat. Data science merupakan teknik dan alat terbaik yang akan memberi solusi mengenai machine learning yang terukur dan dapat diprediksi, sehingga para eksekutif akan merasa percaya diri menggabungkan teknik machine learning sebagai bagian dari pengembangan produk reguler atau proses BI. Kurangnya data scientist menyebabkan banyak industri belum menemukan alternatif dan kurangnya pemanfaatan data science. Organisasi mungkin paham bahwa data adalah aset strategis, tetapi belum dapat menggunakannya dengan efektif. Oleh karena itu, perusahaan harus berupaya untuk mendorong inovasi di seluruh perusahaan. Data scientist dapat membantu tim lain dengan mengadakan pelatihan untuk meningkatkan literasi data dan mempromosikan budaya data untuk mengidentifikasi ide-ide inovatif. Hal ini akan menjadi peluang bagi data scientist untuk mengimplementasikan machine learning dan AI untuk mengumpulkan dan membedah data. Pekerjaan data scientist akan lebih mudah jika semua lingkungan perusahaan sudah mensupport kinerjanya dan tidak terlalu timpang.
Baca juga : Yuk Kenal Role Data Scientist, Profesi Menarik Dengan Gaji Besar
4. Yuk, Mulai Belajar Data Science bersama DQLab secara GRATIS!
Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industi! Sign up sekarang untuk #MulaiBelajarData di DQLab!
Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":
Buat Akun Gratis dengan Signup di DQLab.id/signup
Akses module Introduction to Data Science
Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab
Subscribe DQLab.id untuk Akses Semua Module Premium!
Penulis: Galuh Nurvinda Kurniawati
Editor: Annissa Widya Davita