201 Views

Hai sobat softscients, kali ini kita akan bahas sedikit mengenai pengertian dan keahlian yang diperlukan untuk menjadi Data Engineer, Analyst , dan Scientist.

Pada tahun 2020 atau 8 tahun yang lalu tepatnya 2012, Harvard Business Review menyebut data science  sebagai “Pekerjaan Terseksi di Abad 21”. Apalagi saat ini ada ribuan video, cuitan twitter, status di FB, foto-foto di instagram serta artikel di seluruh Internet yang memberikan gambaran indah seputar bidang data science.

Lebih kocaknya lagi dengan gaya marketingnya: “Yang harus Anda lakukan adalah mempelajari keterampilan A, B, dan C,” kata mereka. “Daftar bootcamp dan lakukan tiga kursus online. Maka Anda siap untuk mendapatkan pekerjaan di data science! ”

Secara pribadi, saya rasa siapa pun bisa menjadi data science selama kalian berdedikasi  serta mencurahkan waktu dan pekerjaan yang tepat. Namun, juga kalian harus menikmati apa yang kalian lakukan (bahasa kerennya yaitu passion). Jika hanya terjun ke lapangan dan melakukan transisi karier yang terburu-buru dengan sedikit pengetahuan tentang apa yang kalian geluti maka hal ini cukup mengenaskan karena bisa saja kalian  menghabiskan bertahun-tahun hidup dengan melakukan sesuatu yang tidak kalian sukai.

Pembahasan ini tidak mendiskreditkan mengenai syarat-syarat menjadi data scientist karena saat ini sudah banyak tools siap pakai tanpa perlu melakukan pemahaman yang menyeluruh mengenai statistika merupakan hal yang paling mendasar bagi seorang data scientist. Walaupun begitu ilmu statistika dasar akan tetap diperlukan untuk mengembangkan software machine learning yang berfungsi sebagai fundamentalnya. Sama seperti saya mengenal bahasa pemrograman karena hanya sebuah tools saja, sehingga fokusnya bukan di bahasa pemrograman akan tetapi pada algoritma yang digunakan. Bahasa pemrograman dipilih sesuai dengan ketersediaan library. Mari kita bahas sedikit mengenai Data engineer, Data Analyst, dan Data Scientist

Data Engineer

Jika kalian belum pernah mendengar sebelumnya, “bahwa data yang ada secara nyata itu berantakan alias tidak terstruktur”. Beragam data ini dikumpulkan dari berbagai sumber yang berbeda seperti ponsel, CCTV, dan perangkat lain sehingga data ini tidak terstruktur!

Data-data tersebut perlu dibersihkan dan disalurkan/pertukaran, dan disimpan dalam format terstruktur sehingga data scientist dan analis dapat mengerjakannya. Seorang insinyur / data engineer tidak perlu mengetahui machine learning atau analisis data!

Tugas mereka adalah membuat infrastruktur untuk mengelola big data. Keahlian bagi seorang data engineer yaitu perlu menulis kueri yang sangat kompleks untuk mengelola kumpulan data yang besar. Karena itu, mereka perlu mengetahui bahasa kueri dengan sangat baik. Bergantung pada perusahaan tempat mereka bekerja, ini bisa berupa bahasa SQL atau NoSQL.

Data analyst

Seorang data analyst adalah orang yang memperoleh wawasan dari data yang telah dibersihkan oleh data engineer . Tugas dari data analyst yaitu melakukan pencarian pola dan pencilan (outlier/anomali data) dalam data, dan mendapatkan makna (bahasa gaulnya adalah mendapatkan wawasan-insight), untuk menjawab pertanyaan data yang kompleks.

Peran seorang analis di sebuah perusahaan: Bayangkan ini – Perusahaan A menjual permen. Mereka ingin tahu apakah ada perubahan dalam penjualan permen selama periode lockdown.

Analis kemudian akan menanyakan data, dan melihat tren dalam penjualan permen sebelum, selama, dan setelah lockdown. Untuk menyajikan data ini, analis juga dapat membuat visualisasi – bagan dan grafik yang menggambarkan kenaikan atau penurunan penjualan permen.

Ini adalah contoh yang sangat mendasar, tetapi cukup untuk menggambarkan peran seorang data analyst di sebuah perusahaan. Seorang analis data mungkin juga diharuskan memiliki beberapa pengetahuan domain bisnis, untuk memahami permintaan klien dan menyampaikan sesuai dengan kebutuhan mereka. Seorang analis tidak perlu memiliki pengetahuan pembelajaran mesin, dan tidak perlu membuat atau melakukan pemodelan prediktif apa pun.

Keterampilan: Seorang analis perlu mengetahui bahasa query, yang akan berbeda berdasarkan perusahaan tempat mereka berada. Pengetahuan tentang satu atau lebih bahasa pemrograman sangat penting. Tugas utama seorang analis memperoleh wawasan dari data, jadi tidak perlu membuat atau menulis ke tabel data. Malahan yang diperlukan yaitu pengetahuan tentang alat visualisasi.

Data Science

Seorang data science / Scientist adalah orang yang menerapkan teknik pembelajaran mesin untuk menghasilkan model prediktif melalui perancangan algoritma dan menghasilkan prediksi berdasarkan data yang disediakan. Mereka membangun model statistik, dan melakukan hal-hal seperti membuat sistem rekomendasi atau deteksi penipuan/fraud.

Bergantung pada perusahaan tempat mereka berada, data scientist mungkin juga diharapkan memiliki keterampilan analis – kemampuan untuk menerima permintaan bisnis, memperoleh wawasan, dan menghasilkan visualisasi.

Istilah  data science unicorn sering digunakan akhir-akhir ini. Unicorn adalah orang yang mampu:

  • Memunculkan model pembelajaran mesin dan membuat prediksi.
  • Memiliki pengetahuan khusus domain dan kemampuan untuk menerjemahkan permintaan bisnis menjadi masalah data.
  • Menganalisis data dan menghasilkan wawasan bisnis.
  • Mempresentasikan / mengkomunikasikan wawasan ini kepada klien.

Singkatnya, data science unicorn adalah seseorang yang mengetahui pembelajaran mesin dan data analitik, memiliki pengetahuan domain, dan mampu mengkomunikasikan wawasan mereka. Namun, di sebagian besar perusahaan berbasis data, pekerjaan ini dipisahkan. Tugas utama seorang data scientist adalah membuat model pembelajaran mesin dan menghasilkan prediksi.

Keahlian yang dibutuhkan untuk menjadi data scientitst: Penguasaan satu atau lebih bahasa pemrograman, latar belakang matematika yang kuat, statistik, pembelajaran mesin.

Nah sobat softscients semuanya, kalian sekarang sudah tahu ketiga profesi masing-masing diatas, untuk mendukung hal diatas, sobat bisa ikuti terus update artikel/postingan di website ini

ref:

https://towardsdatascience.com/

https://www.ibm.com/blogs/ibm-training/the-data-scientist-versus-the-data-analyst/

 

Leave a Reply

Your email address will not be published. Required fields are marked *

+ 56 = 59