Kenalan Yuk Sama Data Science!
Halo Data Mense!
Pada artikel kali ini, aku akan mengajak Data Mense untuk memahami lebih jauh cakupan bidang data science.
Artikel sebelumnya sudah dikatakan di pengantar kalau hampir setiap tindakan yang kita lakukan sadar atau tidak sadar pasti menghasilkan data yang bisa diolah untuk menjadi informasi. Data-data tersebut datang dari segala arah: computer, smartphone, kamera, dan lain-lain yang berhubungan dengan teknologi. Data terbentuk dari interaksi kita di social media, di setiap SS (screen shot) yang kita ambil, setiap pap yang kita buat. Bahkan sesederhana buka maps untuk mencari SPBU terdekat.
Pernahkah terpikirkan di benak Data Mense,
“buat apa semua data ini?, siapa yang mau menghabiskan waktu untuk mengumpulkan data-data itu?”
Data-data itu berguna, sobat. Dan yang ngumpulin disebut data engineer. Beda dari data scientist yang kerjaannya menggali wawasan agar bisa menindaklanjuti informasi yang didapatkan, data engineer tugasnya mendapatkan, menyusun, dan memadatkan volume data yang luar biasa banyak dengan cara-cara baru dan inovatif.
Istilahnya, data engineer yang mengumpulkan datanya, data scientist yang mikir data itu mau diapain. Data science menghasilkan data insights (baca: pemahaman data). Pemahaman yang dimaksud ialah data tersebut dapat ditindaklanjuti, memiliki kesimpulan atau prediksi yang dapat digunakan untuk meningkatkan mutu bisnis, investasi, kesehatan, atau bahkan gaya hidup sosial.
"Siapakah si data scientist itu?"
Orang-orang kebanyakan beranggapan bahwa cuma perusahaan besar yang butuh menerapkan metode-metode data science untuk mengoptimalkan bisnisnya, tetapi sebenarnya tidak sepicik itu, ferguso!
Data yang terus-menerus berkembang biak ini menuntut untuk dipahami, dan tuntutannya melengket di banyak aspek kultur hidup moderen, misalnya: penumpang Gojek yang mengharapkan driver Gojek menjemputnya di lokasi yang tepat sesuai titik.
Tapi Gojek tergolong perusahaan besar, sih.
Intinya, organisasi dari semua ukuran mulai menyadari bahwa mereka dalam keadaan berenang atau tenggelam di keadaan:
• data menentukan tindakan yang diambil oleh orang-orang,
• kompetitif,
• pengetahuan data penting karena kini pengetahuan data muncul sebagai fungsi inti dan persyaratan di garis bisnis.
Jadi siapa yang bisa menggunakan metode data science?
Siapapun yang memiliki pengetahuan atau pelatihan terkait dapat menggunakan pemahaman akan data mereka untuk meningkatkan taraf hidup mereka, karir mereka, dan kesejahteraan bisnis mereka. Saat pengambilan keputusan, orang-orang sering hanya dengan menebak, memutuskan, lalu mengharapkan hasil yang terbaik. Namun, dengan pemahaman akan data, seseorang bisa memiliki akses ke visi yang terprediktif harus melakukan apa untuk mendapatkan hasil yang mereka butuhkan.
Nah, “pemahaman data” apa yang selama ini kubicarakan, antara lain contohnya:
• Sistem bisnis : Optimalkan pengembalian investasi untuk setiap aktivitas yang terukur
• Teknisi pengembangan strategi pemasaran : Menggunakan pemahaman data dan analitik prediktif untuk mengidentifikasi strategi pemasaran, mengeliminasi upaya yang gagal, dan menguji strategi pemasaran yang baru.
• Jaga keamanan : aplikasi kepolisian yang membantu petugas penegak hukum memprediksi dan mencegah terjadinya kegiatan criminal setempat
• Orang yang ingin menjadikan dunia tempat yang lebih baik : menggunakan dan menganalisis data sosial, data seluler, data dari situs web, untuk meningkatkan efektivitas respon kemanusiaan terhadap bencana, epidemi, masalah kelangkaan pangan, dll.
Kepingan Puzzle Gambaran Data Science.
Untuk menerapkan data science, Data Mense harus memiliki pengetahuan analitik matematika dan statistika, kepiawaian pengkodean yang diperlukan, dan bidang keahlian di subjek materi disiplin ilmu yang ingin dikaji. Tanpa ketiga kemampuan itu, seseorang tidak bisa disebut sebagai data scientist.
Beberapa pekerjaan yang menggunakan metode data science disetiap disiplin ilmu:
• Data scientist teknologi iklan
• Direktur analis digital perbankan
• Data scientist bidang klinik
• Data scientist analisis geospasial
• Analis politik
• Data scientist personalisasi ritel
• Analis informatika di bidang farmakometrik
Adapun komponen-komponen yang berperan di data science:
1. Mengumpulkan, Mempertanyakan, dan Mengonsumsi data
2. Mengaplikasikan pemodelan matematis
3. Memperoleh pemahaman dari metode statistika
4. Pengkodean
5. Mengaplikasikan hasil data science pada problem
Gitu deh!
Segitu gitu informasi kali ini yaa, Data Mense 😎
