Mengenal Spektrum Data Science

By Fajar Muharandy

https://twitter.com/cdixon/status/428914681911070720

Sekitar lima tahun yang lalu sebelum istilah data science menjadi populer, saya sempat berbicara dengan seorang klien saya yang kebetulan memimpin sebuah divisi analytics di tempat kerjanya. Di timnya ada sekitar dua puluh orang yang boleh dibilang semuanya adalah orang yang data savvy. Orang-orang yang selalu penasaran untuk melihat pola dan informasi apa yang ada di belakang tumpukan data yang dihasilkan oleh operasional perusahaan mereka.

Saya bertanya kepada klien saya tersebut bagaimana dia mengatur struktur organisasi di timnya. Jawaban dia sederhana, dia membagi timnya berdasarkan skill dan passion mereka ke dalam tiga kelompok:

  • Hardcore Data Miners
  • Visual Data Miners
  • Conceptual Data Miners

Saat itu memang istilah data science belum terlalu populer, tetapi pengelompokan di atas menarik untuk kita kaitkan dengan aktifitas pekerjaan seorang data scientist di jaman sekarang.

Hardcore

Istilah hardcore mungkin agak berlebihan. Saya pun agak sedikit geli ketika mendengar penjelasan klien saya tentang definisi Hardcore Data Miners menurut versi dia. Menurut dia, Hardcore Data Miners adalah orang yang selalu merasa paling jago karena mereka melakukan aktifitas pengolahan data dengan membuat program. Bisa menggunakan Perl, Python, Java, R, SAS Proc dan lain-lain. Intinya mereka adalah kelompok orang yang mungkin berangkat dari programmer yang selalu merasa dirinya keren ketika bekerja dengan layar gelap console dan command line interface. Saya masih ingat jaman kuliah dulu ketika semua orang sudah menggunakan browser, saya masih suka menggunakan tin? untuk newsreader. Mungkin hal ini yang membuat saya agak geli mendengar definisi Hardcore Data Miners dari klien saya, karena penjelasannya lumayan menohok bagi saya pribadi. Memang harus saya akui ada banyak orang yang punya prinsip bahwa terlihat keren dalam proses mengerjakan sesuatu itu terkadang lebih penting dibandingkan hasil dari pekerjaan itu sendiri.

Visual

Kelompok lain adalah Visual Data Miners. Kelompok ini adalah orang yang biasa melakukan aktifitas pengolahan data atau statistik menggunakan tools seperti SAS Enterprise Miner atau SPSS. Kebanyakan dari mereka adalah orang statistik atau malah business users yang tertarik untuk mengolah data secara langsung. Kelompok ini sebenarnya bisa dibagi lagi menjadi dua. Ada yang lebih suka membuat model atau mengolah data dengan tools yang saya sebut sebelumnya. Tetapi ada juga yang kurang suka dengan statistik namun lebih suka membuat visualisasi dari data untuk kemudian melihat pola yang tersimpan di dalam data dengan menggunakan tools seperti Tableau. Menurut saya dua-duanya sama pentingnya karena keduanya harus saling bekerja sama.

Conceptual

Ini mungkin kelompok yang menurut saya paling menarik namun sering dipandang sebelah mata. Kelompok ini biasanya diisi oleh orang-orang yang dulunya berangkat dari Hardcore Data Miners dan Visual Data Miners yang akhirnya menjadi cukup senior untuk kemudian tinggal memberi arahan kepada timnya untuk melakukan analisis tertentu. Atau malah terkadang mereka adalah business users yang suka punya ide-ide cemerlang tentang apa yang bisa mereka lakukan terhadap data yang mereka miliki tapi tidak tahu menahu cara menulis program R atau menggunakan tools seperti SAS, SPSS atau Tableau. Tools yang biasa digunakan oleh para Conceptual Data Miners adalah kertas dan papan tulis. Mereka biasa membuat konsep mengenai informasi apa yang bisa mereka eksplorasi dari data dan bagaimana caranya. Atau sebaliknya, data apa yang harus mereka eksplorasi untuk menjawab sebuah pertanyaan bisnis.

Ketiga kelompok di atas harus saling bekerja sama di dalam sebuah organisasi. Conceptual Data Miners yang biasanya mengeluarkan ide dan memberi arahan mengenai data apa yang harus dieksplorasi, bagaimana cara mengeksplorasinya, serta benang merah apa yang bisa ditarik untuk menjawab pertanyaan bisnis. Selanjutnya Hardcore Data Miners dan Visual Data Miners yang akan mengolah data menggunakan tools yang mereka sukai, baik tools yang bersifat visual drag and drop maupun programming.

Saya percaya ada pengelompokan lain yang bisa kita buat selain tiga kelompok yang saya jelaskan di atas. Pertanyaannya anda lebih suka disebut sebagai apa?

Bisa jadi ada yang lebih suka menyebut dirinya sebagai Data Wrangler, Data Geek, atau Data Engineer. Bahkan kalau kita mau jujur, istilah Data Science itu sendiri sebenarnya asal muasalnya tidak jelas. Mungkin sekarang orang yang pekerjaannya terkait dengan analisis data lebih suka menyebut dirinya sebagai Data Scientist karena nama itu terdenger lebih menarik.

Saya jadi teringat dulu teman saya yang seorang programmer menuliskan posisi dia di kartu namanya sebagai Code Artist karena dia pikir itu terdengar lebih keren.

Originally published at https://datascience.or.id.

--

--

A place to share and learn about anything related to Data Science curated by Data Science Indonesia members for Data Science People.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store