Step by Step Membuat Portfolio Data Science
Data science pada dasarnya adalah gabungan beberapa disiplin ilmu seperti big data, data mining dan machine learning. Saat ini, data scientist menggunakan data science untuk kegiatan pengumpulan dan analisis banyak data yang tidak terstruktur dari suatu organisasi atau perusahaan.
Data scientist adalah profesional yang mencatat, membersihkan noise dan bulk data, memanfaatkan matematika dan skill coding untuk memproses data dan memperoleh insights yang relevan. Perusahaan kemudian menggunakan insights tersebut untuk meningkatkan layanan pelanggan, kualitas produk, komunikasi antar organisasi, dan masih banyak lagi.
Di era big data, peluang karir data scientist sangat besar. Tak heran jika semakin banyak orang yang secara serius menekuni bidang data science. Data scientist adalah role yang memerlukan skill praktik yang hanya bisa dilakukan dengan kegiatan hands-on atau mengerjakan project secara langsung.
Project-project tersebut bisa digunakan sebagai portofolio. Pada artikel kali ini DQLab akan membagikan cara mudah membuat portfolio data science yang bisa kamu kerjakan sendiri. Jadi, simak artikel berikut ini sampai akhir!
1. Menentukan Masalah yang Ingin Diselesaikan
Hal pertama yang harus dilakukan adalah membuat list masalah yang ingin dipecahkan. Tidak perlu muluk-muluk, kok! Kamu bisa mulai dari masalah sederhana yang ada di sekitarmu. Misalnya, kamu bisa mencatat semua pengeluaranmu dalam beberapa bulan kemudian memvisualisasikannya dalam bentu dashboard.
Dengan begitu, kamu bisa menganalisis pengeluaran tidak penting apa yang harus dibuang atau dikurangi sehingga kamu bisa lebih banyak saving.
Baca juga: Algoritma Data Science dalam Big Company
2. Mencari Data Pendukung
Setelah kamu mendapatkan masalah yang ingin kamu selesaikan, kamu bisa mulai mencari data yang bisa mendukung tercapainya solusi yang kamu inginkan. Data ini bisa berasal dari data internal, misalnya data pribadi yang kamu miliki ataupun data eksternal yang bisa kamu ambil di berbagai sumber. Kamu juga bisa melakukan scraping untuk mendapatkan data dari website atau social media.
3. Menentukan Metode dan Mulai Analisis Data
Setelah kamu mendapatkan data yang kamu perlukan, saatnya untuk menentukan best method agar data yang kamu miliki dapat menjawab permasalahan yang kamu angkat. Ada banyak metode yang bisa kamu gunakan, mulai dari metode sederhana seperti statistik deskriptif hingga metode yang cukup kompleks. Dalam satu project, kamu juga bisa menggunakan lebih dari satu metode, loh!
Hal penting yang tidak boleh kamu lupakan adalah menentukan tools yang tepat karena tidak semua tools bisa digunakan untuk menganalisis data berukuran cukup besar. Jadi pastikan tools yang kamu gunakan sesuai dengan jumlah data yang kamu miliki, ya!
4. Interpretasi Hasil Analisis dan Publikasi
Setelah analisis selesai, kamu harus menginterpretasikan hasil analisisnya karena tidak semua orang memahami dan bisa membaca data. Interpretasi ini tidak hanya mengkalimatkan angka yang ada di hasil analisis tetapi juga makna dari angka tersebut. Hal ini akan mempermudah orang lain yang ingin membaca project-mu.
Setelah interpretasi selesai, jangan lupa untuk mempublikasikan project-mu, ya! Hal ini agar project yang telah kamu kerjakan mudah diakses dan dibaca oleh orang lain, terutama oleh recruiter ketika kamu melamar pekerjaan. Ada banyak platform yang bisa kamu gunakan, misalnya google slide, website, blogspot, medium, bahkan social media seperti Instagram.
Baca juga: Memahami Keunggulan dan Manfaat Data Science dalam Dunia Bisnis
Yuk persiapkan dirimu untuk terjun di dunia data dengan mempelajari berbagai teori data science menggunakan modul dari DQLab! Kita juga bisa praktik langsung menulis script bahasa pemrograman populer seperti python dan R dengan live code editor yang ada di dalam modul DQLab.
Klik button di bawah ini atau sign up melalui DQLab.id untuk mengakses FREE MODUL ‘Introduction to Data Science’ dengan R atau Python dan nikmati experience unik menggunakan live code editor dari DQLab.
Penulis: Galuh Nurvinda K