Kenali Bedanya Project vs Portofolio Data Scientist
Portofolio data scientist merupakan salah satu dokumen yang menggambarkan kemampuan dan kredibilitas calon kandidat untuk fit in pada posisi data scientist. Tidak dapat dipungkiri, jika rekruter seringkali meminta calon kandidatnya untuk melampirkan portofolio sebagai salah satu requirements dalam administrasi lamaran kerja.
Portofolio data scientist biasanya berisi karya-karya yang dihasilkan oleh calon kandidat mulai dari project yang pernah didapatkan selama bootcamp, sertifikasi, maupun kompetisi data yang pernah diikuti, kemudian dikumpulkan dalam satu dokumen. Dengan portofolio data scientist maka calon kandidat dapat mengaktualisasikan kemampuannya sesuai dengan bidang yang dilamar.
Namun, sebagian orang masih bingung terkait dengan project dan portofolio ini sama atau beda sih? Pasalnya mereka sulit untuk membedakan antara keduanya walaupun memang sama-sama dibutuhkan dalam portofolio data scientist. Kira-kira bedanya dimana ya? Intip informasi lengkapnya melalui artikel berikut ini yuk sahabat DQLab.
1. Mengenal Portofolio Data Scientist
Portofolio data scientist adalah sebuah kumpulan proyek atau pekerjaan yang telah diselesaikan oleh seorang data scientist. Portofolio tersebut biasanya mencakup proyek-proyek yang telah diselesaikan dalam berbagai industri, seperti keuangan, kesehatan, teknologi, dan sebagainya. Portofolio ini biasanya digunakan sebagai alat untuk menunjukkan kemampuan dan keahlian seorang data scientist kepada calon klien.
Dalam membangun portofolio, seorang data scientist biasanya membuat beberapa proyek kecil yang menggambarkan keahlian dan keunggulan mereka di bidang tertentu. Proyek-proyek tersebut mungkin termasuk analisis data, pengembangan model, atau visualisasi data. Selain itu, seorang data scientist juga dapat menambahkan tulisan atau artikel yang menjelaskan pekerjaan yang telah mereka lakukan
Baca juga : Mengenal Profesi Data Scientist
2. Project Data Scientist
Project data scientist, di sisi lain, adalah pekerjaan yang dilakukan oleh seorang data scientist untuk menyelesaikan suatu masalah yang dihadapi oleh sebuah organisasi atau perusahaan. Proyek tersebut mungkin mencakup analisis data, pengembangan model, atau visualisasi data. Tujuannya adalah untuk memberikan solusi yang efektif dan efisien kepada klien atau organisasi yang mempekerjakan data scientist.
Dalam mengerjakan proyek, seorang data scientist biasanya bekerja sama dengan tim yang terdiri dari berbagai orang, termasuk manajer proyek, pengembang, analis bisnis, dan lain sebagainya. Data scientist juga harus mampu berkomunikasi dengan baik dengan klien atau organisasi yang mempekerjakan mereka, serta mengelola proyek dengan baik.
Project data scientist biasanya memerlukan waktu yang lebih lama untuk diselesaikan daripada pembuatan portofolio. Selain itu, project data scientist juga biasanya lebih rumit dan memerlukan penyelesaian yang lebih cepat. Proyek-proyek ini juga biasanya lebih terstruktur dan diatur oleh manajer proyek yang bertanggung jawab atas keseluruhan proyek.
3. Fokus Perbedaan Project dan Portofolio
Portofolio data scientist lebih difokuskan pada kemampuan teknis dan pengalaman kerja Anda. Portofolio ini biasanya berisi contoh-contoh kode, algoritma, dan solusi teknis lainnya yang Anda telah kembangkan selama karir Anda. Portofolio ini dapat berisi proyek-proyek kecil atau besar yang mencakup berbagai teknologi dan platform, termasuk bahasa pemrograman, perangkat lunak, dan perangkat keras yang berbeda.
Di sisi lain, proyek data scientist lebih difokuskan pada masalah bisnis yang spesifik. Proyek ini biasanya dimulai dengan pertanyaan bisnis yang jelas dan kemudian melibatkan pemrosesan data, eksplorasi data, dan analisis untuk menemukan solusi yang memadai. Proyek data scientist biasanya memerlukan kerja tim, dan melibatkan berbagai departemen dalam perusahaan.
Baca juga : Yuk Kenal Role Data Scientist, Profesi Menarik Dengan Gaji Besar
4. Ukuran Project dan Portofolio
Portofolio data scientist umumnya terdiri dari sejumlah kecil proyek yang menyoroti berbagai teknologi yang dikuasai oleh data scientist tersebut. Portofolio ini mungkin tidak memiliki ukuran yang besar, tetapi setiap proyek di dalamnya mencerminkan kemampuan teknis data scientist tersebut.
Proyek data scientist, di sisi lain, cenderung lebih besar dan lebih kompleks. Proyek ini seringkali melibatkan tim data scientist yang terdiri dari beberapa anggota, dan dapat memakan waktu berbulan-bulan atau bahkan tahun untuk diselesaikan. Proyek data scientist yang besar dan kompleks ini biasanya membutuhkan sumber daya dan anggaran yang besar, dan seringkali dilakukan dalam konteks strategis yang lebih luas.
Membuat portofolio data dapat dikatakan sebagai dokumen penting bagi seorang data scientist. Kamu bisa coba membangun portofolio data dengan mengerjakan modul-modul yang ada di DQLab.
Kebetulan DQLab adalah platform belajar online yang berfokus pada pengenalan Data Science & Artificial Intelligence (AI) dengan menggunakan bahasa pemrograman populer seperti Python dan SQL, serta platform edukasi pertama yang mengintegrasi fitur ChatGPT & mengutamakan pembelajaran praktik langsung yang dapat diterapkan di dunia nyata.
Kapan lagi kan belajar data science sambil chat bareng layaknya platform ChatGPT? Dijamin bakalan seru abis. Yuk langsung aja belajar bareng di DQLab yaa!
Penulis: Reyvan Maulid