Kebutuhan Data Scientist Meningkat 2020, Ini 5 Alur Kerja yang Kamu Wajib Tahu

Kompas.com - 11/12/2019, 19:36 WIB
Salah satu acara meet up yang digelar DQLab bersama Reny Melyani (Data Scientist CT Corp) menjadi ajang mengasah kemampuan data scientist langsung kepada pakar dan praktisi.  DOK. DQLABSalah satu acara meet up yang digelar DQLab bersama Reny Melyani (Data Scientist CT Corp) menjadi ajang mengasah kemampuan data scientist langsung kepada pakar dan praktisi.

KOMPAS.com - Kebutuhan akan profesi data scientist selalu mengalami peningkatan setiap tahunnya. Survei IBM mencatat setidaknya ada kenaikan kebutuhan sebanyak 364.000 data scientist menjadi 2.720.000 di seluruh dunia di pembukaan tahun 2020.

Tentunya memiliki softskill dan hardskill mumpuni diperlukan untuk menjadi seorang data scientist yang kompeten. Selain itu pemahaman mengenai siklus pekerjaan praktisi data nyatanya juga diperlukan.

Hal ini bertujuan agar solusi yang dihasilkan sesuai dengan kebutuhan perusahaan.

DQLab.id, program belajar data science online berbahasa Indonesia yang diinisiasi Universitas Multimedia Nusantara dan PHI-Integration, mendapatkan penjelasan langsung dari Reny Melyani, praktisi data industri retail, mengenai pola pekerjaan yang dilakukan data scientist di perusahaan.

Menurut Reny Melyani ada 5 alur kerja yang harus dipahami seorang data scientist:

1. Pahami bisnis perusahaan

Sebagai praktisi data, kamu harus memahami bisnis apa yang perusahaan jalani. Dengan memahami bisnis perusahaan, kamu akan mengetahui dampak apa yang akan dihasilkan.

Memahami bisnis merupakan langkah awal memetakan masalah dan menghasilkan solusi tepat untuk perusahaan.

2. Data collection

Setelah mengerti bisnis perusahaan, tentu kamu akan mendapatkan banyak data. Data yang diperoleh berasal dari sumber berbeda-beda, pengumpulan data ini memungkinkan praktisi data melakukan uji hipotesis.

“Jika sudah mengerti bisnisnya apa, kemudian kita lakukan yang namanya collection data, dimana data yang diperoleh itu dari sumber yang berbeda-beda,” ujar Reny, Data Scientist CT Corp.

3. Data cleansing

Ternyata seorang praktisi data lebih banyak menghabiskan waktu melakukan data cleansing atau pembersihan data. Hal ini sangat penting dilakukan karena bertujuan mengurangi data tidak lengkap dan menghindari duplikasi data agar data dihasilkan menjadi valid.

Halaman:
Dapatkan Voucher Belanja jutaan rupiah, dengan #JernihBerkomentar di bawah ini! *S&K berlaku
Ikut


Dapatkan Voucher Belanja jutaan rupiah, dengan #JernihBerkomentar di bawah ini! *S&K berlaku
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE
Laporkan Komentar
Terima kasih. Kami sudah menerima laporan Anda. Kami akan menghapus komentar yang bertentangan dengan Panduan Komunitas dan UU ITE.
Close Ads X