Kursus Data Science, Implementasikan Tips Portofolio Data yang Outstanding

Sebagai seorang calon praktisi data, tentunya membangun portofolio data analyst merupakan suatu prasyarat sebelum kalian terjun memasuki ranah industri data. Sederhananya, portofolio data mengisyaratkan bahwa pelamar telah memiliki pengalaman dalam mengerjakan suatu proyek atau challenge yang diberikan oleh kursus data analyst. Pelamar biasanya mencantumkan situs web/blog atau melalui sebuah laman tertentu seperti GitHub yang biasanya dicantumkan ke dalam CV anda. Selain sebagai unjuk kemampuan dalam bidang data analyst, portofolio sangatlah penting bagi fresh graduate maupun experience. Hal tersebut diibaratkan sebagai "pintu gerbang" untuk bisa meraih pekerjaan idaman di industri data. Tidak heran, jika portofolio ini kerap kali digunakan sebagai bukti pengakuan atas keterampilan pelamar dalam menyelesaikan suatu proyek dari kursus data analyst.

Menurut David Robinson, seorang Data Scientist dari DataCamp menjelaskan betapa pentingnya membangun sebuah portofolio data. Portofolio data menunjukkan pengalaman seorang pelamar pernah mengerjakan suatu projects dari kursus data analyst. Hal inilah yang biasanya ditanyakan oleh recruiters ketika interview berlangsung. Harapannya, pelamar bisa menjelaskan kepada recruiter mengenai pengalaman selama mengerjakan proyek yang didapatkan dari kursus data analyst atau mengikuti kompetisi data, kendala dan hambatan yang dialami, hingga sebagai ajang untuk memamerkan keahlian mereka terkait dengan data analyst yang telah mereka dapatkan selama mengikuti kursus data analyst. Oleh karena itu, portofolio data perannya sangat penting bagi pencari kerja di ranah industri data. Pada artikel DQLab kali ini, kita akan membahas tips dalam membangun portofolio data agar terlihat stand out dan memiliki nilai jual lebih kepada HR. Simak artikel selengkapnya berikut ini ya sahabat data!

1.Publikasikan Portofolio Datamu di Berbagai Platform untuk Memamerkan Skill Data Analyst

Dalam membangun sebuah portofolio data, hal yang perlu diputuskan adalah dimana platform yang suitable untuk mempublikasikan portofolio kamu. Jangan  khawatir, tersedia berbagai macam opsi agar portofolio kamu bisa terlihat catchy dan menarik. Mulai dari Jupyter Notebook, GitHub untuk Python, RPubs untuk bahasa pemrograman R, Kaggle, Shinnyapps hingga Tableau Public loh sahabat data. Tentunya, dengan beragam pilihan yang telah disediakan akan sangat membantu sahabat data agar portofolio datanya bisa menjadi daya tarik yang memikat HR saat sesi interview. Dengan melakukan hal ini, kamu bisa memamerkan keterampilan komunikasi dan skill teknis yang berkaitan dengan data science dan data analyst. Orang yang dapat mengkomunikasikan konsep teknis dalam bahasa sederhana dan mudah dipahami sangat dicari oleh recruiters. Kamu juga bisa menggunakan portofolio blog dan coding Anda sebagai tempat untuk mempraktekkannya melalui tulisan dan video. Semoga membantu ya sahabat data.

Baca juga : Data Science: Belajar Analisa Data

2.GitHub: Opsi Tepat untuk Publikasi Portofolio Datamu Agar Terlihat Stand Out

GitHub adalah sebuah aplikasi berbasis website dengan Version Control System (VCS) yang menyediakan layanan untuk menyimpan repository dengan gratis. Repository merupakan tempat yang dapat Anda gunakan untuk menyimpan berbagai file berupa source code. Aplikasi ini termasuk sangat populer dan banyak digunakan termasuk oleh perusahaan-perusahaan besar skala gunia seperti Facebook, Google, dan Twitter. Kemudian, apa hubungannya dengan portofolio data? Github sangat disarankan penggunanya untuk menyimpan portofolio data yang kamu miliki. Dengan berkolaborasi bersama antara programmer dan Data Analyst, kamu bisa saling share project yang dibangun satu sama lain. Dengan kemudahan yang dimiliki oleh GitHub, kita bisa upload project-project sehingga orang-orang dapat melihat coding kita. Sehingga lebih mudah diakses juga oleh recruiters jika nantinya ingin melihat karyanya

Namun, kalian perlu ketahui nih sahabat data. Ternyata ada pros dan cons jika kalian ingin mengupload portofolio data melalui GitHub. Keuntungannya adalah Github adalah standar industri. Maksudnya adalah semua recruiters yang membutuhkan posisi di industri data akan terbiasa dengannya dan memahami cara kerja antarmuka. Selain itu dari segi waktu, terbilang relatif cepat dan mudah untuk menyiapkan proyek kamu di Github. Kamu juga tidak perlu menghabiskan waktu berjam-jam untuk menyiapkan situs. Terakhir yang tidak kalah pentingnya yaitu tidak ada biaya untuk menghosting proyek di GitHub. Namun, kerugiannya adalah karena sangat umum dan tentunya banyak yang menampilkan karya di Github, recruiters mungkin tidak terlalu terkesan dengan upaya anda sebagai seorang pelamar posisi industri data. Memang untuk menampilkan data secara visual tidak semudah di Github. Meskipun Github bagus untuk cuplikan kode, visualisasi data seperti tayangan slide, bagan, dan penceritaan data terkadang lebih baik ditampilkan di situs portofolio khusus. Anda harus tetap aktif di platform dan terus berupaya untuk hadir di sana. Profil Github yang jarang dengan bulan-bulan tidak aktif tidak mengirimkan sinyal yang baik kepada calon pemberi kerja. Setelah Anda membuat portofolio, terlibat dengan pengguna lain, kembali, dan perbarui proyek lama, berkontribusi pada sumber terbuka, dll. Kalian juga bisa membuat portofolio data menggunakan situs khusus seperti Medium maupun penyedia jasa website portofolio untuk menunjang profilmu agar terlihat stand out.

Baca juga : Ingin Menjadi Data Analyst? Yuk, Simak 3 Tipsnya dari Senior Praktisi Data Langsung 

3.Rekomendasi Contoh Situs Portofolio Data dari Data Expert

Disaat kalian menyusun sebuah portofolio data, ada beberapa referensi yang bisa kamu jadikan inspirasi agar profilmu terlihat outstanding. Referensi tersebut datang dari para data expert yang telah ahli di bidang data. Siapa tahu jika sahabat data tertarik untuk melihat, tentu boleh banget. Seperti misalnya, Donne Martin seorang Software Engineer di Facebook dengan fokus pada data privacy. Dia juga merupakan kontributor open source yang rajin, telah membuat dan berkontribusi pada banyak proyek populer di Github. Anda dapat melihat situs portofolionya atau melihat profil LinkedIn-nya. Selanjutnya, Sebastian Raschka yang merupakan asisten profesor statistik di University of Wisconsin-Madison, dengan fokus pada machine learning dan deep learning. Beliau juga penulis buku teks, "Python Machine Learning". Sahabat data bisa meluangkan waktu sejenak untuk melihat portofolionya, akun Github, dan profil LinkedIn beliau dan masih banyak lagi yang lainnya. 

4.Yuk Mulai Belajar Data Science Sekarang!

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 industri data yang sebenarnya! Sign up sekarang untuk #MulaiBelajarData di DQLab!

Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":

1.Buat Akun Gratis dengan Signup di DQLab.id/signup

2.Akses module Introduction to Data Science

3.Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab

4.Subscribe DQLab.id untuk Akses Semua Module Premium!

Penulis: Reyvan Maulid Pradistya

Editor : Annissa Widya

Tags