Tugas dan Tanggung Jawab Data Scientist

Mengenal Data Scientist Lebih Dalam

Data scientist merupakan salah satu profesi yang seksi saat ini, dan kemungkinan besar untuk profesi ini akan menjadi profesi yang masih tetap exis sampai 5 tahun mendatang.

Apa itu Data Scientist?

Merujuk The Balance Careers, data scientist pada awalanya hanya digunakan di dunia akademik saja. Dimana seorang data scientist menjadi orang yang menganalisis data-data yang bertujuan untuk hasil penelitian atau jurnal ilmiah

Namun, Saat ini data scientist sudah berlaih menjadi profesi yang sangat menjanjikan.

Data scientist adalah profesi yang menarik, meski memang membutuhkan banyak kemampuan dasar seperti matematika, computer programming, dan juga statistika.

Rata-rata gaji fresh graduate di posisi data scientist bisa mencapai 7,5 juta rupiah per bulan, sementara dengan pengalaman hingga 2 tahun bisa mencapai 12 sampai 15 juta rupiah perbulan.

Keahlian/Skill yang Dibutuhkan seorang Data Scientist.

Untuk menjadi seorang profesional tentu saja membutuhkan Keahlian/skill yang mumpuni, termasuk menjadi seorang data scientist.

Berikut ini beberapa skill yang Anda butuhkan jika ingin menjadi seorang data scientist.

Kemampuan Statistika
Posisi data scientist membutuhkan kemampuan statistika dalam setiap pekerjaannya. Kenapa? Karena kemampuan statistika ini akan menolong mereka dalam menginterpretasi dan menganalisis data. Minimal, kemampuan statistika yang harus dimiliki adalah descriptive statistics dan probability theory (teori membaca peluang). Dua kemampuan ini akan menolong dalam memberikan interpretasi dan keputusan bisnis yang baik, dengan basis data.
Bahasa Pemrograman R/Phyton
Siapa bilang kemampuan bahasa pemrograman tidak penting? Bagi data scientist, kemampuan ini wajib dimiliki, karena ia berkaitan dengan data itu sendiri. Dengan bahasa pemrograman, sebuah data bisa dimanipulasi menggunakan algoritma tertentu sehingga bisa menghasilkan sebuah insight dari data. Phyton dan R adalah bahasa pemrograman yang sangat sering dipakai. Mengapa harus Phyton dan R? Karena Phyton dan R ini menyajikan fitur Numeric dan Scientific di dalamnya. Selain itu, dengan fitur lain berupa Scikitlearn, algoritma bisa dilakukan dengan mudah, tanpa harus menghabiskan banyak waktu. Dengan begitu, algoritma dari data akan keluar dan hal itu bisa memberikan masukan bisnis yang baik bagi perusahaan.
Data extraction, transformation, dan loading.
Kemampuan data extraction, lalu mentransformasikannya menjadi sebuah format tertentu, dan me-load atau menyimpannya ke sebuah tempat penyimpanan data, menjadi kemampuan wajib yang dimiliki data scientist.
Data Wrangling
Tidak hanya memasukkan ke tempat penyimpanan data, seorang data scientist juga mesti bisa mengatur agar penyimpanan data menjadi rapi. Di sinilah kemampuan data wrangling diperlukan. Terkadang, data yang berada di dalam data warehouse tergolong inkonsisten. Oleh karena itu, perlu untuk membersihkan dan menyatukan data yang berantakan dan kompleks agar lebih mudah diakses dan dianalisis. Proses itu sendiri dinamakan sebagai data wrangling.
Secara umum, data wrangling dapat diartikan sebagai konversi
dan pemetaan data dari bentuk “mentah”-nya ke format lain yang lebih
bernilai dan tepat untuk pekerjaan lanjutan seperti data analytics dan machine learning.
Machine and anvanced Machine Learning.
Machine learning adalah mesin yang diciptakan untuk membantu membuat analisa dan keputusan yang tepat berbasiskan data. Dengan membuat machine learning, perusahaan bisa memanfaatkan data dengan maksimal. Lalu, ada advanced machine learning, atau biasa disebut deep learning. Di sini, seorang data scientist akan menciptakan semacam otak manusia di dalam komputer, menggunakan Artificial Neurons. Kebanyakan perusahaan sudah menggunakan ini. Kelak, machine learning dan deep learning ini juga perlu dilatih untuk memahami data. Maka, seorang data scientist juga harus bisa mengajari deep learning ini kemampuan untuk mengakses dan mengelola big data. Big data ini adalah sebuah set data yang besar, dan harus dipahami dengan saksama karena ia terkadang tidak terstruktur. Di sinilah machine learning harus diajari cara mengelola big data, agar insight yang dihasilkan bagus.
Data Visualizaton
Data visualization jadi kemampuan terakhir yang mesti dimiliki data scientist. Jadi, data yang sudah dianalisis, diolah, dan dibongkar insight-nya, harus disajikan dalam bentuk yang mudah dimengerti.
Nah, di sinilah kemampuan data visualization diperlukan. Tools–tools seperti Tableau, Power BI, mesti dipahami. Tools–tools tersebut akan membantu seseorang untuk menyajikan data dalam bentuk yang mudah dipahami.
Meski demikian, beberapa perusahaan tidak mensyaratkan kemampuan untuk melakukan visualisasi data. Pasalnya di beberapa perusahaan, peran ini dikerjakan oleh data analyst.