Mengenal Data Science dan Peluang Karirnya di Indonesia

Sesungguhnya, sejak sebelum era digital sepopuler saat ini, data sudah menjadi hal yang sangat penting. Pada tulisan kali ini saya akan membahas tuntas tentang apa itu Data Science.

Dalam sebuah perusahaan misalnya, informasi terkait kepegawaian hingga rincian keuangan pasti selalu ditata dengan baik. Biasanya, sebuah perusahaan akan mempunyai ruang arsip tersendiri yang berisi folder tebal.

Namun, sejak era digital yang memengaruhi cepatnya laju informasi, nilai sebuah data jadi berkali-kali lipat lebih tinggi. Apa pun dapat menjadi potensi informasi baru, dari mana pun asalnya.

Maka dari itu, tidak heran bila kemudian muncul istilah ‘data is a new currency’, terutama di dunia bisnis.

Data Saja Tidak Memiliki Makna

Walau begitu, sebenarnya data merupakan hal yang sangat pasif dan tidak memiliki makna apa pun. Data boleh jadi akan sangat berharga, tetapi boleh jadi pula merupakan hal yang tak berarti apa-apa.

Karena pada dasarnya, yang terpenting adalah informasi yang bisa dihasilkan oleh data itu sendiri, bukan hanya keberadaan data. Untuk lebih mudah memahami, perhatikan ilustrasi berikut :

Perusahaan A mempunyai data penjualan di bulan ini sebesar 100 juta rupiah. Sementara itu, total biaya yang dikeluarkan untuk produksi adalah 80 juta rupiah. Angka 100 juta dan 80 juta ini saja tidak akan berarti apa-apa bagi perusahaan tersebut, bukan?

Barulah bila perusahaan menghitung selisih di antaranya untuk mengetahui profit, membandingkan angka penjualan bulan ini dan bulan sebelumnya untuk menentukan strategi selanjutnya, dan mendapatkan bentuk informasi lainnya, data 100 juta dan 80 juta tadi baru berharga.

Nah, untuk mengakomodasi kebutuhan mengolah data menjadi informasi inilah lahir yang kemudian disebut data science dan data scientist. Apa makna kedua istilah ini?

Memahami Data Science dan Data Scientist

Data science merupakan sebuah ilmu pengetahuan yang bersifat interdisiplin alias mengombinasikan berbagai bidang ilmu pengetahuan.

Secara umum, data science akan mempelajari secara khusus tentang data (terutama yang bersifat kuantitatif), baik yang terstruktur maupun tidak terstruktur.

Sementara itu, istilah data scientist adalah istilah umum yang diberikan kepada mereka yang menjalani profesi dalam bidang data science.

Aktivitas yang dilakukan tidak lain adalah mengolah data yang sebelumnya disiapkan oleh data engineer agar dapat menjadi sebuah informasi yang berguna bagi kepentingan perusahaan tersebut.

Mengapa Data Science Dibutuhkan Industri?

Setiap aktivitas bisnis tentu mempunyai orientasi pada laba dan pertumbuhannya. Nah, dalam rangka mencapai tujuan tersebut, industri pun akan melakukan berbagai pendekatan yang mendukung, baik secara internal maupun eksternal.

Kumpulan dari hasil pendekatan yang dilakukan inilah yang kemudian dapat diproses dengan metode data science.

Seperti contoh, sebuah perusahaan e-commerce X sedang berusaha untuk meningkatkan profit.

Mereka kemudian mencari tahu produk apa yang paling banyak dibeli dari database, mencari tahu produk apa yang sedang banyak dicari, mencari tahu apa yang sedang menjadi tren di pasar melalui pencarian kata kunci di mesin pencari, media promosi apa yang paling banyak menjaring konsumen, dan lain-lain.

Dengan data science, data-data yang terkumpulkan tersebut kemudian diolah untuk memperoleh sebuah simpulan.

Simpulan ini kemudian dapat menjadi bahan pertimbangan bagi pemangku kebijakan untuk menyusun strategi ke depannya.

Peran Data Science di Industri

Semakin hari, jumlah data yang dihasilkan oleh manusia maupun perangkat pendukung semakin bertambah dan besar. Dari kacamata bisnis, hal ini sesungguhnya sangat menguntungkan.

Pasalnya, semakin banyak data berarti semakin banyak dan detail informasi yang bisa diperoleh dan dimanfaatkan untuk memenangkan persaingan bisnis.

Namun, tanpa pemanfaatan data science, peluang masif ini justru dapat terlewatkan begitu saja. Seperti yang disampaikan sebelumnya, data science pada dasarnya merupakan metode dan proses untuk menghasilkan informasi.

Dengan kemudahan komputasi dan keseluruhan proses, perusahaan pun akan lebih efisien dalam mengambil langkah-langkah strategis untuk mendukung kegiatan bisnisnya.

Big Data

Dalam skala yang lebih besar, aplikasi data science yang sekarang sedang marak adalah terkait big data. Seperti namanya, big data merupakan keseluruhan proses data dalam volume yang sangat besar dan tidak mampu ditampung oleh basis data konvensional.

Tentu, big data mempunyai tingkat kompleksitas yang sangat tinggi dan membutuhkan dasar-dasar data science yang kuat untuk menghasilkan keluaran yang tepat dan utuh.

Adapun karakter dari big data itu sendiri dikenal dengan istilah 3Vs yang terdiri atas volume, velocity, dan variety.

  • Volume merupakan istilah yang digunakan untuk menyebut batas besaran data yang akan diolah. Tidak main-main, ukuran data yang diproses pada big data sudah mencapai tingkat terabyte (1012 bytes) dan bahkan petabyte (1015 bytes). Bisa dibayangkan bukan, dengan data sebanyak ini, betapa rumitnya keseluruhan proses yang dibutuhkan?
  • Velocity dapat didefinisikan sebagai volume data pada skala waktu tertentu (atau dapat juga diartikan sebagai kecepatan interaksi data) yang diperoleh dari berbagai sumber. Rerata, velocity mencapai hingga 30 GBps. Angka ini dapat terus naik seiring dengan semakin banyaknya pula data yang dihimpun oleh sebuah industri. Adapun beberapa software yang biasa digunakan untuk mengolah data ini antara lain Apache Kafka, Apache Flume, dan Apache Sqoop.
  • Variety adalah jenis data digital, yakni data terstruktur, data semi terstruktur, dan data tidak terstruktur.
  • Data terstruktur  merujuk pada data yang telah dikelola, diproses, dan dimanipulasi dalam RMDMBS (Relational Database Management System). Contoh yang paling mudah untuk jenis data ini antara lain data tabel masukan survei yang dibuat pada situs web, data pendaftaran peserta workshop yang dibuat pada situs web, dan sebagainya.
  • Data semi terstruktur merujuk pada data yang telah mempunyai struktur tetapi belum seutuhnya terorganisasi dalam sistem basis data. Seperti contoh, masing-masing data sudah dilabeli atau mempunyai tag tertentu, tetapi isian datanya berbeda.
  • Data tidak terstruktur merujuk pada data yang sama sekali mentah—belum diolah dalam bentuk apa pun. Contoh paling sederhana jenis data ini adalah foto dan video yang diperoleh dari kamera, email, maupun sumber lain tanpa dimasukkan ke dalam sistem basis data yang spesifik.

Business Intelligence

Dalam perkembangannya, sebuah istilah lain yang juga kian populer digunakan adalah Business Intelligence (BI).

Secara umum, data science dan business intelligence sebenarnya tidak memiliki banyak perbedaan. Keduanya sama-sama mengolah data untuk kemudian menghasilkan keluaran yang berharga.

Hanya saja, bila ditelaah lebih jauh, tujuan utama business intelligence sebetulnya adalah untuk melakukan konversi data menjadi sebuah insight bisnis.

Nantinya, keluaran ini dapat menjadi bahan pertimbangan para pemangku jabatan di perusahaan untuk membuat kebijakan-kebijakan strategis dan terukur.

Selain itu, data business intelligence diperoleh secara alami dari proses bisnis yang dilakukan.

Satu lagi yang membedakan antara business intelligence dan data science adalah pada sumber data. Bila data science memiliki sumber data yang terbagi atas tiga jenis (seperti yang telah disebutkan sebelumnya), maka tidak demikian dengan business intelligence.

Business intelligence hanya mengolah jenis data terstruktur saja dan keluaran yang dihasilkan pun biasanya menuntut dibuat dalam bentuk laporan maupun dasbor khusus yang dapat memberikan visual bagi pengguna data.

Dasar-Dasar Ilmu Data Science

Sebagai bidang ilmu pengetahuan yang bersifat interdisiplin, tentu ada banyak kompetensi yang perlu dipelajari.

Oleh karena data science akan selalu berkutat dengan data, maka kemampuan analisis menjadi keterampilan dasar yang perlu dimiliki.

Konsep matematika dan statistik tentu mutlak diperlukan. Ilmu matematika akan sangat digunakan untuk operasi perhitungan yang bersifat kuantitatif.

Dasar-dasar kalkulus dan aljabar linier adalah sebuah keharusan yang tidak dapat ditoleransi. Pasalnya, subjek bidang studi ini akan sangat digunakan dalam aplikasi membangun model keputusan dan membuat perkiraaan serta memperhitungan prediksi tertentu.

Sementara itu, ilmu statistik juga akan beriringan digunakan dalam membuat simulasi skenario serta validasi hipotesis yang diperoleh dari pengolahan data.

Selain dua cabang ilmu di atas, data science juga menuntut keterampilan dalam bidang pemrograman alias coding.

Skill ini akan diperlukan untuk memberikan instruksi dalam komputer untuk melakukan manipulasi, analisis, dan visualisasi data yang sudah dikumpulkan dan disusun rapi.

Biasanya, bahasa pemrograman yang digunakan untuk keperluan analisis adalah Phyton. Sementara itu, untuk melakukan query pada sumber data, SQL adalah standar yang paling umum diaplikasikan.

Adapun empat format umum dalam analisis data melalui coding adalah Scripts (*.py, *ipynb, *.r), Comma-Separated Values (CSV), berkas analisis tabel (*.xlsx, *.qgs), dan berkas pemrograman web (*.html, *.svg).

Masalah Yang Dapat Diselesaikan Data Scientist

Menjadi seorang data scientist dituntut untuk memiliki keterampilan yang cukup kompleks. Selain mampu melakukan analisis terhadap data yang kompleks, skill lain yang tak kalah penting adalah kecakapan dalam berkomunikasi.

Kecakapan dalam berkomunikasi yang dimaksud pun tidak hanya sebatas secara verbal, tetapi juga melalui tulisan.

Pasalnya, segala informasi terkait data yang diolah harus tersampaikan dengan baik tanpa adanya kecacatan sehingga menjadi informasi yang utuh.

Data scientist harus mampu menyampaikan simpulan data yang kompleks menjadi lebih sederhana tanpa kehilangan substansinya sehingga dapat diterima lebih mudah bagi pengguna data nantinya.

Apa Saja yang Dikerjakan oleh Data Scientist?

Bila diperinci, ada beberapa tugas yang perlu dilakukan oleh seorang data scientist. Setidaknya, menurut Dave Holtz, seorang pakar dan praktisi data science di Facebook, berikut adalah tugas data scientist sesuai dengan pengalamannya.

1. Analisis Data Perusahaan

Seperti yang berkali-kali disampaikan, data science akan selalu berkaitan dengan analisis data. Biasanya, seorang data scientist di perusahaan berskala menengah akan berkutat dengan tabel pivot Microsoft Excel, query SQL, mengolah data dalam MATLAB, dan sebagainya.

Selain itu, beberapa perusahaan juga mungkin akan meminta data scientist melakukan analisis akun Google Analytic dalam kaitannya dengan bisnis penjualan.

2. Penelitian Data

Umumnya, tugas ini akan dikerjakan oleh seorang data scientist yang bekerja di perusahaan yang bergerak di bidang jasa analisis seperti Histat, Google Analytic, PIWIK, dan sebagainya.

Sesuai dengan job desc-nya, maka kemampuan dalam bidang ilmu matematika, fisika, dan statistik sangatlah dibutuhkan untuk menjalankannya.

Data yang diteliti kemudian dapat diimplementasikan pada produk analytical platform perusahaan itu sendiri atau suatu cara dalam menentukan keputusan konsumen pengguna jasa analisis mereka.

3. Penanggung Jawab Data Kualitas Perusahaan

Tidak hanya hal-hal yang bersifat fisik, data pun mempunyai infrastruktur tersendiri. Terutama bagi perusahaan yang memiliki trafik data tinggi baik yang bersumber dari eksternal (seperti konsumen pada e-commerce) maupun internal, memiliki data scientist adalah wajib hukumnya.

Mereka akan dipercaya untuk menyiapkan infrastruktur data yang baik, berikut kemudahan dalam akses dan analisis data nantinya.

4. Big Data

Biasanya, pengelolaan big data sebuah perusahaan justru dipercayakan pada pihak ketiga yang memang secara spesifik berkecimpung dalam big data.

Namun, bukan berarti perusahaan tersebut pada akhirnya akan melakukan rekrutmen khusus untuk menangani data science dengan jumlah data scientist yang lebih banyak dibandingkan perusahaan lainnya.

Adapun kualifikasi data scientist yang dicari umumnya individu yang telah terbiasa dan mahir dalam mengoperasikan platform khusus big data seperti Hive dan Hadoop.

Beberapa perusahaan yang membutuhkan big data antara lain perusahaan telekomunikasi dan marketplace.

Baca juga : Apa itu DevOps ? Bagaimana peluang kerjanya ?

Bagaimana Peluang Kerja Data Scientist di Indonesia?

Melihat bagaimana teknologi digital telah mengubah dunia dan akan terus memelesat, peluang karir seorang data scientist sangatlah cerah.

Sebuah data menyebutkan bahwa di Amerika Serikat, terjadi peningkatan kebutuhan sebesar 75% terhadap profesi data scientist dari tahun 2015 ke 2018.

Bahkan, situs Forbes di Januari 2019 kemarin menyebutkan bahwa data scientist merupakan profesi terbaik menurut Glassdoor selama empat tahun berturut-turut dengan rata-rata gaji terendah yang ditawarkan adalah $108,000 setiap tahunnya.

Sementara itu, bagaimana peluang kerja data scientist di Indonesia?

Kini, Indonesia tengah bersiap menyambut indutri 4.0. Pemerintah pun telah mendukung gerakan ini.

Di sisi lain, industri berbasis teknologi—yang tentu akan menitikberatkan data sebagai sumber aset utamanya—juga mengalami pertumbuhan positif setiap tahunnya.

Secara kuantitatif, Indonesia menjadi negara dengan jumlah startup terbanyak keempat di dunia dan pertama di kawasan Asia Tenggara. Bila ditotal, ada lebih dari 2.000 startup yang ada di Indonesia.

Hanya saja, bila skalanya masih dominan berada di level startup kecil. Dikutip dari situs Tech in Asia, berikut adalah rincian startup di Indonesia.

  • Startup kecil : 2.010
  • Little ponnies (>USD 10 juta) : 16
  • Nexicorn (> USD 100 juta) : 7
  • Unicorn (>USD 1 miliar) : 4

Angka-angka ini diprediksi akan terus bertambah, termasuk dari startup yang masih berada di level Nexicorn akan naik menjadi Unicorn dan seterusnya.

Dengan demikian, akan semakin banyak dan besar data-data yang perlu diolah. Dampaknya, akan semakin banyak pula tenaga ahli—dalam hal ini data scientist—yang dibutuhkan untuk mendukung keberlangsungan dan perkembangan bisnis tersebut.

Selain itu, data scientist juga tidak melulu berpusat pada startup. Adanya digital disruptive juga mau tidak mau membuat perusahaan yang tidak berbasis teknologi pun menjadi lebih perhatian terhadap pentingnya data dan teknologi digital.

Baik BUMN maupun perusahaan swasta, kini sudah mulai melakukan transformasi digital yang juga membutuhkan lebih banyak sumber daya ahli di bidang data science untuk mempercepat proses transisi tersebut.

Pada dasarnya, data science merupakan metode yang sangat fundamental untuk keperluan bisnis di era digital yang sangat kental dengan isu digital disruptive.

Bila tak ingin tertinggal lebih jauh, setiap industri wajib memiliki data scientist untuk mempertahankan dan mengembangkan posisi bisnisnya.

Melihat tren digital yang juga terus berkembang, menjadi seorang data scientist pun merupakan pilihan dengan prospek yang sangat cerah.

Mau Belajar Data Science Dari Yang Paling Dasar?

Dengan besarnya peluang karir Data Scientist, khususnya di Indonesia, masih terkendala dengan minimnya talenta berbakat yang siap terjun ke industri.

Bidang keilmuan ini masih cukup baru di Indonesia. Sehingga, tim Cilsy berinisiasi untuk memecahkan masalah ini dengan solusi terbaik dan tepat sasaran.

Oleh karenanya lahirlah Bootcamp Data Science.

Yakni sebuah program pembelajaran komprehensif secara online yang akan membentuk Anda dari awam hingga siap menjadi seorang Data Scientist untuk terjun ke industri.

Bootcamp Data Science dirancang dengan kurikulum belajar Profesional dipadukan dengan trainer pengajar seorang praktisi Data Scientist. Sehingga diharapkan hasilnya bisa maksimal.

Mau belajar Data Science dari yang paling dasar ? Di Bootcamp Data Science Anda bisa belajar kapanpun dan dimanapun, karena sifatnya online sehingga sangat fleksibel. Selengkapnya :

Lihat informasi Bootcamp Data Science

Teknologi berkembang sangat pesat. Kalau Anda ingin meningkatkan skill dan karir lebih baik, sangat saya rekomendasikan untuk mengikuti Bootcamp Data Science di Cilsy.

Selain materinya lengkap, biayanya pun bisa dicicil !

Saya tidak akan menjelaskan panjang lebar lagi tentang Bootcamp Data Science disini. Silahkan klik link di atas untuk tau informasinya lebih lengkap ya.

Review Artikel Ini

Kualitas isi & gaya bahasa artikel :

Isi Form Feedback

Berikan alasan Anda memberikan review rendah

RajaBackLink.com

Yakin Ngga Mau Komen ?

Yuk diskusi cerdas. Gunakan nama asli agar komentar Anda disetujui.