Skill Yang Dimiliki Ilmuwan Data Science
Sederhananya, kemampuan yang dibutuhkan seorang Data Scientist:
1. Pengetahuan Tentang Area Bisnis
Data Scientist tidak dapat dipisahkan dari bidang bisnis dan perlu memiliki pengetahuan bidang bisnis dari masalah penelitian.
2. Kemampuan Pengembangan Program Dan Analisis Dan Pengolahan Data Besar
Secara umum, sebagian besar jurusan data science membutuhkan latar belakang profesional yang terkait dengan pemrograman dan ilmu komputer. Sederhananya, itu adalah keterampilan yang terkait dengan pembelajaran mesin dan teknologi pemrosesan paralel besar-besaran seperti Hadoop dan Mahout yang diperlukan untuk memproses data besar.
3. Kemampuan Matematika, Statistika Dan Data Mining
Selain literasi matematika dan statistik, juga perlu memiliki keterampilan menggunakan perangkat lunak analisis statistik mainstream seperti SPSS dan SAS. Di antara mereka, bahasa pemrograman open source dan lingkungan untuk analisis statistik, seperti R dan Python sangat populer.
4. Kemampuan Visualisasi Data
Kualitas informasi sangat tergantung pada cara penyampaiannya. Sangat penting bagi ilmuwan data untuk menganalisis makna yang terkandung dalam data yang terdiri dari angka, mengembangkan prototipe Web, dan menggunakan API eksternal untuk menyatukan layanan lain seperti bagan, peta, dan Dasbor. Sehingga dapat memvisualisasikan hasil analisis.
Pekerjaan yang terkait dengan Data science mungkin memiliki banyak nama yang berbeda. Perusahaan yang berbeda memiliki nama berikut sesuai dengan latar belakang yang berbeda:
Ilmuwan Data : Banyak perusahaan teknologi menggunakannya dan banyak yang membutuhkan gelar PhD.
Analis Data : Ini lebih banyak digunakan di industri keuangan.
Manajer Risiko / Manajemen Risiko : Lebih banyak digunakan di perusahaan keuangan.
Analis Bisnis : Mirip dengan Analis Data, tetapi lebih fokus pada bisnis dan persyaratan teknis yang relatif rendah.
Insinyur Data : Umumnya, perusahaan teknologi mengadopsi posisi ini dan lebih memilih jurusan CS. Mereka harus bertanggung jawab atas penyimpanan data dan pemrosesan. Mereka memiliki lebih banyak persyaratan untuk sistem dan pemrograman.
Ahli Statistik : Seperti Google, Statistik membutuhkan pemahaman yang lebih dalam tentang statistik probabilitas.
Ilmuwan Statistik : Seperti pada Amazon.
Research Scientist : Terkait dengan Data Analyst.
Proses Pengembangan
Diagram Venn yang digambar oleh Drew Conway untuk menggambarkan Data science:
Ini menunjukkan kemampuan yang dibutuhkan data science: teknologi hitam, pengetahuan matematika dan statistic dan pengetahuan bisnis praktis lainnya.
Mari kita lihat apa yang dikatakan McKinsey.
Pada tahun 2011, McKinsey menerbitkan “Big Data: the next frontier for innovation, competition, and productivity”, yang mengusulkan bahwa banyak perusahaan mulai mendapatkan keunggulan kompetitif dari bakat analitis.
Meskipun ini bukan perusahaan pertama yang mengusulkan konsep ini, ini adalah pertama kalinya diusulkan bahwa kemampuan analisis data juga dapat membantu perusahaan komersial untuk menemukan peluang potensial, tidak hanya untuk perusahaan teknologi.
Kemudian McKinsey percaya bahwa pada tahun 2018, akan ada sekitar 190.000 proyek di Amerika Serikat yang kekurangan “Deep Analytical Talent “, dan kemampuan analisis mendalam ini didorong oleh data besar. Sejauh ini, McKinsey lebih jauh menggambarkan analisis bisnis sebagai kemampuan analisis mendalam.
Kemudian DJ Patil dan Jeff Hammerbacher dalam “Building Data Science Teams” mereka menulis “kemampuan analisis mendalam” McKinsey sebagai ” ilmuwan data “. Mereka menyebutkan dalam artikel:
Analis bisnis tampaknya terlalu membatasi Analis data adalah pesaing mereka, tetapi kami masih merasa bahwa istilah ini terlalu membatasi. …. Kami pikir nama terbaik adalah “ilmuwan data”, karena orang-orang ini perlu menggunakan data dan sains pada saat yang sama untuk menciptakan sesuatu yang baru.
Kemudian, DJ Patil menambahkan beberapa fitur utama untuk menemukan ilmuwan data:
- Profesional dan teknis
Ilmuwan data terbaik harus memiliki kedalaman pengetahuan tentang disiplin ilmu tertentu (keahlian mendalam).
- Keingintahuan (Curiosity)
Seorang ilmuwan data yang baik perlu memiliki rasa ingin tahu yang kuat dan keinginan untuk memanfaatkan hubungan potensial, pemecahan masalah dan membuktikan hipotesis.
- Storytelling
Kemampuan untuk menceritakan kisah yang hidup dengan data, yang dapat membuat komunikasi lebih efektif.
- Cerdas
kreatif memecahkan masalah.
Kemampuan Yang Dibutuhkan Oleh Data Science
Faktanya adalah bahwa keahlian seorang ilmuwan data jauh lebih besar. Seperti kata pepatah, “Yang tahu segalanya bukanlah apa-apa.” Ketika Anda menjadi ilmuwan data, Anda harus sedikit seperti ini, tetapi mungkin istilah yang lebih baik adalah “tahu serba tahu, tahu segalanya”.
![Mengenal Lebih Jauh Tentang Data Science](https://labkom99.com/wp-content/uploads/2022/01/Mengenal-Lebih-Jauh-Tentang-Data-Science.png)
Saya menyusun bagan di bawah ini, yang mencakup sebagian besar keterampilan dan beberapa keterampilan dasar lainnya. Lingkar luar keterampilan inilah yang menjadi dasar untuk menjadi ilmuwan data. Keterampilan di dalam bagan adalah keterampilan yang dimiliki kebanyakan orang dalam satu atau lebih dari mereka. Keterampilan lain dapat dikembangkan dan dipelajari dari waktu ke waktu, tergantung pada siapa Anda.
Data science sebenarnya adalah kombinasi dari beberapa bidang, dan Ilmuwan Data membutuhkan pengetahuan dan kemampuan yang komprehensif di berbagai bidang.
Dengan setiap iterasi, ilmuwan data mulai terlihat semakin mirip dengan unicorn daripada bakat analitik yang dalam.
Ironisnya, ekspektasi yang berkembang dari ilmuwan data adalah produk dari kesuksesan mereka sendiri. Kemampuan untuk menasihati manajer, memahami masalah teknis, dan berkomunikasi (memasukkan daftar tanpa akhir) menunjukkan bahwa para pemimpin bisnis melihat ilmuwan data sebagai jembatan yang pada akhirnya dapat menghubungkan TI dan bisnis dengan cara yang lebih tahan lama dan efisien.
Sayangnya, banyak profesional yang berfokus pada teknologi percaya bahwa kewajiban untuk mengembangkan keterampilan bisnis adalah tugas yang sepele dan tidak perlu. Namun, ini belum tentu.
Intinya, ini adalah kerangka dasar untuk memecahkan masalah bisnis. Meskipun tidak akan membuat Anda menjadi ahli strategi, ini akan membantu memajukan percakapan dan menyelaraskan tujuan Anda dengan bisnis.
Kesimpulan
Data science melibatkan banyak bidang, dan Ilmuwan Data juga membutuhkan berbagai keterampilan. Tidak hanya memahami dan menguasai statistik, data, penambangan data, atau pengetahuan pembelajaran mesin.