Data-Driven Decision: Kunci Efektifitas Industri Modern yang Wajib Dikuasai Pemula!
Juli 23, 2024Prospek S2 di Perguruan Tinggi Swasta: Menggali Peluang Karir!
Juli 23, 2024Tangerang – Berbagai teknologi inovatif yang berkembang di era digital ini semakin pesat sejalan dengan perkembangan ilmu di bidang data. Dalam era di mana data menjadi sebuah “emas baru”, kemampuan untuk mengolah dan menganalisis data telah menjadi keterampilan yang sangat berharga. Kemudahan demi kemudahan di berbagai bidang kehidupan dengan bantuan teknologi canggih, terutama teknologi AI, telah mengubah cara kita bekerja, belajar, dan berinteraksi.
Perubahan ini tidak hanya terjadi di sektor bisnis besar, tetapi juga dalam kehidupan sehari-hari kita. Dari aplikasi yang kita gunakan di ponsel hingga sistem rekomendasi di platform streaming, semuanya bergantung pada analisis data. Fenomena ini menggiring generasi muda untuk melirik profesi di bidang data, mulai dari Data Engineer, Data Analyst, hingga Data Scientist. Profesi-profesi ini menawarkan prospek gaji fantastis dan menjanjikan masa depan yang cemerlang, menarik minat banyak orang untuk berkarir di bidang data.
Namun, memulai karir di bidang data tidak selalu mudah. Banyak yang merasa kebingungan di mana harus memulai dan keterampilan apa saja yang dibutuhkan. Untuk menjawab kebutuhan ini, DQLab lagi-lagi mengadakan Free Class Data Science Fundamentals Batch 36 yang diberikan secara gratis khusus untuk pemula yang ingin belajar data. Mengundang Novilia Angraini seorang Data Analyst di PT Amar Bank Indonesia, kelas ini memberikan pengantar yang komprehensif mengenai implementasi data science di berbagai bidang kehidupan, dasar-dasar ilmu data, spesifikasi role di bidang data, hingga prospek gaji di bidang data.
Pada kegiatan ini uniknya Novi memulai kegiatan dengan langsung memaparkan contoh implementasi data sciece di berbagai bidang kehidupan. Pertama, di bidang banking, financial Services, and insurance (BFSI), data science digunakan untuk membantu kebutuhan penilaian kredit, deteksi penipuan, pemodelan risiko, manajemen pinjaman, segmentasi, dan manajemen data customer. Penggunaan data science dalam bidang ini dapat membantu meminimalisir adanya human error dengan memanfaatkan model machine learning secara lebih efektif.
Contoh lain implementasi data science yang jarang diulas oleh pemula juga diberikan oleh Novi adalah di bidang telekomunikasi. Dimana ketik berlangganan provider telekomunikasi biasanya para customer bisa mendapatkan penawaran harga langganan yang berbeda-beda antara customer satu dengan yang lainnya. Hal ini didasarkan pada algoritma transaksi sebelumnya yang dilakukan oleh masing-masing customer. Selain itu, penggunaan data science di bidang telekomunikasi juga bisa digunakan untuk pengoptimalan dan pemeliharaan prediktif jaringan,inovasi produk dan kampanye bertarget (promosi berbasis lokasi yang dikontekstualisasikan), analisis catatan detail panggilan, hingga analisis dan prediksi churn atau pelanggan.
“Contohnya itu Telkomsel, kalau teman-teman sama-sama pakai Telkomsel, kita misalnya buka paket data pembelian harga paketnya pasti beda-beda. Itu terjadi karena Telkomsel membuat kaya personalize customer berdasarkan penggunannya per bulan. Misal biasanya teman-teman ada customer A pakai yang 200 ribu, bulan depannya akan direkomendasikan paket data yang related misalnya 210 ribu. Misal customer B kesehariannya di kantor dan di rumah yang ada wifi, jadi pemakaiannya nggak banyak misal 70 ribu, jadi di bulan depannya direkomendasikan paket yang juga related 75 ribu, dan lainnya. Jadi untung kan. ” -tutur Novi
Selanjutnya, Novi juga menjelaskan tentang proses-proses data science dengan Cross-Industry Standard Process for Data Mining (CRISP-DM) framework. Pertama seorang Data Scientist harus melakukan business understanding untuk menganalisis apa yang akan dilakukan, misalnya segmentasi customer yang sering dan tidak melakukan pembelian. Selanjutnya, melakukan data preparation dengan melakukan pembersihan, dan diteruskan dengan pembuatan modeling. Setelah itu, melakukan evaluasi untuk menganalisis apakah model yang sudah dibuat sudah akurat atau belum. Terakhir, jika datanya sudah siap maka data tersebit bisa dilakukan proses deployement.
Tak hanya itu, Novi juga memberikan gambaran spesifik pembagian jobdesc dari role yang dilakukan masing-masing profesi di bidang data. Mulai dari Data Scientist melakukan proses statistika, matematika, dan algoritma, serta sebagian kecil melakukan proses software engineer dan data communication. Sedangkan Data Analyst, melakukan pengolahan data dengan dan proses data communication dengan menganalisisnya menggunakan statistika dan matematika. Terakhir, Data Engineer hanya berfokus untuk memastikan dan memelihara data warehouse bisa diakses dan digunakan dengan baik oleh Data Analyst dan Scientist. Oleh karenanya, dengan jobdesc yang cukup spesifik tersebut menjadikan prospek gaji yang ditawarkan juga sangat menarik. Misalnya untuk posisi entry level di bidang data bisa mendapatkan range gaji di kisaran Rp6.000.000 – Rp.12.000.000, mid level Rp8.000.000 – Rp25.000.000, dan untuk senior level diatas Rp25.000.000.
“Jadi ini related sih sesuai pengalamanku dulu waktu fresh graduate, tapi aku dapetnya di Data Analyst. Itu aku dulu cuma buat-buat portofolio kaya analisis dan prediksi di Looker Studio, dapat 8 juta jadi itu aman sih. Udah alhamdulilah diatas UMR. Itu menarik sih, pekerjaannya juga menarik karena kita melakukan yang beda dari yang dilakukan orang-orang.” -ujar Novi
Ia juga memberikan gambaran stuktur organisasi tim data science. Menurut Novi, setiap perusahaan memiliki struktur organisasi yang berbeda-beda. Namun, pada umumnya dalam tim data science ada head data team, lead data engineer, data engineer 1 dan 2, lead data analyst, data analyst 1 dan 2, serta lead data scientist, dan data scientist 1 dan 2.
Nah, oleh karena itu, Novi juga memberikan rekomendasi bagi para pemula yang ingin mengoptimalkan persiapan karirnya di bidang data untuk mulai belajar SQL, Python, dan R dengan mengikuti berbagai kursus atau pelatihan untuk mengasah skill-setnya. Salah satunya melalui program Bootcamp Live Class dari DQLab. Dimana terdapat banyak pilihan kelas sesuai masing-masing role yang ingin dipelajari, kurikulum pembelajaran yang telah disesuaikan dengan kebutuhan industri secara komprehensif, modul yang lengkap, bantuan AI Chatbot 24 jam, metode pembelajaran HERO (Hands-On, Experiential Learning & Outcome-based) yang dirancang ramah untuk pemula, dan telah terbukti mencetak talenta-talenta unggulan yang sukses berkarier di bidang data. Jadi, tunggu apa lagi? Yuk, segera persiapkan diri untuk berkarir di bidang data dengan Sign Up atau ikuti Bootcamp Data Analyst with SQL and Python sekarang juga!
by Lisya Zuliasyari | DQLab
Kuliah di Jakarta untuk jurusan program studi Informatika | Sistem Informasi | Teknik Komputer | Teknik Elektro | Teknik Fisika | Akuntansi | Manajemen| Komunikasi Strategis | Jurnalistik | Desain Komunikasi Visual | Film dan Animasi | Arsitektur | D3 Perhotelan , di Universitas Multimedia Nusantara. www.umn.ac.id