Data-Driven Decision: Kunci Efektifitas Industri Modern yang Wajib Dikuasai Pemula!

DQLab Berkarya Dibidang Data bersama Iqbal Hanif (DQLab).

Tangerang – Di tengah perkembangan teknologi yang pesat, data-driven decision menjadi kebutuhan mendesak dalam berbagai sektor. Namun, tantangan besar muncul karena masih banyak profesional di industri yang belum memiliki pengetahuan dan keterampilan yang memadai di bidang data. Kurangnya pemahaman ini menjadikan implementasi data-driven decision sebagai permasalahan krusial yang harus segera diatasi untuk memastikan efisiensi dan efektivitas keputusan di berbagai industri.

DQLab sebagai salah satu akselerator data di Indonesia kembali menggelar Free Class Batch 37 yang bertajuk “Berkarya di Bidang Data”. Mengundang Iqbal Hanif, seorang Data Analyst di Telkom Indonesia, membahas peran krusial data analisis dalam berbagai industri seperti telekomunikasi, pertanian, dan UMKM. Hanif menjelaskan bagaimana penggunaan data-driven decision membantu mencapai keputusan yang objektif dan akurat, mengurangi ketergantungan pada intuisi semata. Ia juga menguraikan tahap-tahap dalam data science, berbagai peran di bidang data, serta tren terkini seperti machine learning dan tools yang digunakan. Selain itu, Hanif membagikan panduan karir bagi pemula yang ingin berkiprah di dunia data, serta menekankan pentingnya pelatihan, kompetisi, dan partisipasi dalam komunitas data untuk meraih kesuksesan.

Hanif mengawali sesi dengan menjelaskan penggunaan data analisis di berbagai bidang seperti telekomunikasi, pertanian, UMKM, dan lain sebagainya. Selain itu, fungsi dari data itu sendiri adalah untuk mendukung proses data-driven decision atau pengambilan keputusan berdasarkan data, sehingga bersifat objektif dan tidak merugikan. Hal ini memiliki tantangan dengan pengambilan keputusan yang bersifat subjektif dan masih mengandalkan intuisi, sehingga tidak akurat. 

Contoh paling sederhana dari penggunaan data-driven decision ini adalah penggunaan Apple Watch atau aplikasi lainnya yang terinstal di smartphone untuk mentracking berapa langkah yang kita lakukan setiap hari. Jika mengikuti rekomendasi kesehatan dari dunia kedokteran, manusia seharusnya bergerak sebanyak 5000 – 10.000 sehari. Namun, ketika target itu tidak tercapai, maka aplikasi tersebut dapat memberikan analisis kenapa pergerakan pengguna menurun, memberikan prediksi langkah di hari-hari selanjutnya, serta memberikan rekomendasi untuk mencapai target. 

Hal tersebut adalah salah satu dari sekian banyak contoh pengaplikasian dari data science dalam bidang teknologi dan kesehatan. Oleh karenanya, data science menurut Hanif dapat dijelaskan sebagai sebuah disiplin ilmu yang memanfaatkan metode ilmiah seperti matematika, statistika, algoritma, dan sistem komputer untuk mengekstrak pengetahuan dan wawasan yang berharga dari data terstruktur maupun tidak terstruktur sesuai domain knowledge bidang pekerjaan masing-masing.

Ia juga menjelaskan bagaimana tahap-tahap yang dilakukan dalam data science. Mulai dari analisis deskriptif untuk mengetahui apa yang terjadi dari data atau fenomena yang sedang dianalisis. Selanjutnya, analisis diagnostik untuk mengetahui kenapa fenomena tersebut bisa terjadi. Kemudian, prediktif analisis untuk mengetahui apa yang akan terjadi kedepannya. Terakhir, preskriptif analitis untuk memberikan prediksi yang lebih dalam serta memberikan rekomendasi langkah apa yang harus dilakukan terhadap data tersebut. Semua langkah tersebut harus dilakukan secara berurutan agar dapat menghasilkan keputusan yang akurat.

Selanjutnya, Hanif juga memaparkan tentang role di bidang data. Pertama, data analis yang memiliki tugas utama untuk mengolah data, sehingga untuk profesi tingkat lanjutnya bisa menjadi business analyst atau business intelligence. Kedua, data science yang bertugas untuk mengolah data lebih dalam seperti membuat data modeling, research, dan lain sebagainya. Ketiga, data engineer yang bertugas untuk mempersiapkan dan memelihara sistem database memanfaatkan sistem yang dibuat oleh data scientist. 

Tak hanya itu, tugas-tugas keseharian di bidang data juga dibahas oleh Hanif pada sesi ini. Sesuai dengan tren di bidang data dalam beberapa tahun terakhir ini, Hanif memberikan contoh secara spesifik dalam bidang Machine Learning. Dimana mereka yang bekerja di bidang data biasanya melakukan proses supervised dan unsupervised learning seperti upaya preventif penipuan perbankan, cross selling dan up-selling, prediksi rating TV, prediksi jaringan, segmentasi customer atau users dalam berbagai bidang bisnis. Selanjutnya, para pekerja di bidang data juga melakukan proses analisis deskriptif dengan memanfaatkan statistik untuk mengetahui evaluasi berbagai hal, serta melakukan visualisasi data. Semua contoh tersebut dilakukan dengan framework atau lifecycle The CRoss Industry Standard Process for Data Mining (CRISP-DM).

Lebih lanjut, Hanif memaparkan tools apa saja yang biasa digunakan di bidang data. Tools ini juga dapat disesuaikan dengan kebutuhan pekerjaan masing-masing. Misalnya yang berkaitan dengan database bisa menggunakan MySQL dan PostgreSQL, ETL bisa memakai Pentaho dan Talend, analisis menggunakan R dan Python, serta visualisasi Tableau, Looker Studio, dan Power BI.

Hanif juga memberikan gambaran tentang range gaji di bidang data berdasarkan survei 2023. Dimana seseorang yang bekerja di bidang data dapat memperoleh range gaji yang berbeda, sesuai bidang fokus masing-masing perusahaan. Secara umum range gaji di bidang data di Indonesia berkisar antara Rp5.000.000 – Rp20.000.000. Namun, hal ini juga dapat dipengaruhi oleh jenjang karir mulai dari officer (entry level), junior, middle, senior, hingga principle, kembali ke kebijakan masing-masing perusahaan. Selain itu, range gaji di berbagai perusahaan juga bisa didasarkan pada performa, portofolio, serta pengalaman kerja yang dimiliki. Hal ini juga disebabkan oleh kompetisi yang ketat di bidang data, baik dari preferensi segi pendidikan atau lainnya.

Oleh karenanya, Hanif memberikan rekomendasi career preparation untuk para pemula yang akan berkarir di bidang data agar meningkatkan skill melalui training, berkompetisi melalui berbagai perlombaan, mempublikasi karya atau portofolio data di berbagai platform, memulai karir dengan internship, serta yang paling penting harus bergabung dengan komunitas data. Tujuannya untuk memperluas networking, sehingga memperluas kesempatan untuk meraih karir impian. 

Salah satu langkah yang bisa dimulai adalah dengan mengikuti 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 Machine Learning & AI for Beginner 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