Data science adalah pekerjaan mengubah data mentah menjadi keputusan yang dapat ditindaklanjuti, dengan menggabungkan statistik, pemrograman, dan pemahaman atas domain masalahnya. Topik ini memetakan peran-peran yang ada di bidang ini, menjelaskan di mana nilai data science benar-benar tercipta, dan menutupnya dengan satu putaran kecil dari data sampai keputusan agar peta tersebut terasa nyata. Setelah membaca topik ini, pembaca dapat membedakan tiga peran utama serta menempatkan setiap pekerjaan data pada tingkat nilainya.
Tiga peran yang saling bertumpuk#
Tiga peran yang paling sering muncul di industri adalah data analyst, data scientist, dan data engineer. Ketiganya bekerja pada bahan yang sama, yaitu data, tetapi pertanyaannya berbeda. Analis menjawab pertanyaan tentang masa lalu, scientist membangun prediksi dan pengukuran yang lebih ketat, sedangkan engineer membangun infrastruktur yang membuat keduanya mungkin. Tabel berikut merangkum perbedaannya.
| Peran | Pertanyaan inti | Keluaran khas | Perkakas utama |
|---|---|---|---|
| Data analyst | Apa yang terjadi dan mengapa | Laporan, visualisasi, ringkasan eksekutif | SQL, Excel, pandas, alat BI |
| Data scientist | Apa yang akan terjadi dan apa yang sebaiknya dilakukan | Model, pengukuran eksperimen, prototipe | Python, pandas, scikit-learn |
| Data engineer | Bagaimana data mengalir secara andal | Pipeline, tabel bersih, katalog data | SQL, Spark, alat orkestrasi |
Pada tim yang kecil, ketiga peran tersebut sering dirangkap oleh satu orang, dan di banyak perusahaan rangkapan itulah yang disebut data science. Rangkapan ini penting dipahami sejak awal karena artinya satu praktisi harus nyaman menulis SQL, membersihkan data yang berantakan, memilih grafik yang jujur, dan menjelaskan hasilnya secara tertulis. Jalur ini disusun persis mengikuti cakupan tersebut, dari pertanyaan sampai penyerahan proyek.
Di mana nilai data science tercipta#
Nilai data science sering digambarkan sebagai empat tingkat analisis yang semakin sulit tetapi semakin tindak lanjutnya semakin kuat. Pemahaman urutan ini menolong pembaca menilai permintaan pekerjaan yang realistis.
- Deskriptif menjawab apa yang terjadi, misalnya jumlah kunjungan per bulan. Hampir semua pekerjaan data sehari-hari berada di tingkat ini.
- Diagnostik menjawab mengapa hal itu terjadi, misalnya kenaikan tunggakan yang ternyata terkonsentrasi pada satu cabang layanan.
- Prediktif menjawab apa yang kemungkinan terjadi, misalnya perkiraan antrean pekan depan.
- Preskriptif menjawab apa yang sebaiknya dilakukan, misalnya penjadwalan petugas berdasarkan perkiraan tersebut.
Tingkat tinggi tidak selalu lebih berguna daripada tingkat rendah. Sebuah grafik deskriptif yang tepat dapat memutuskan kebijakan lebih cepat daripada model prediksi yang rumit tetapi tidak dipahami pemangku kepentingannya. Kerangka ini juga menjelaskan mengapa statistik diajarkan sebelum machine learning pada jalur ini, sebab tingkat diagnostik dan prediktif sama-sama bertumpu pada penalaran statistik yang disiplin.
Satu putaran kecil dari data ke keputusan#
Contoh berikut memperlihatkan bentuk paling sederhana dari pekerjaan ini.
Sebuah ruang baca umum menerima pertanyaan dari pengelolanya, yaitu apakah jam
buka akhir pekan perlu diperpanjang. Data yang tersedia hanya satu pekan
pencatatan kunjungan. Berkas putaran_kecil.py menghitung ringkasannya.
"""Contoh satu putaran kecil: dari data kunjungan ke keputusan jam buka."""
hari = ["Senin", "Selasa", "Rabu", "Kamis", "Jumat", "Sabtu", "Minggu"]
kunjungan = [48, 51, 46, 88, 102, 140, 55]
total = sum(kunjungan)
rata_rata = total / len(kunjungan)
hari_tersibuk = hari[kunjungan.index(max(kunjungan))]
print(f"Total kunjungan seminggu : {total}")
print(f"Rata-rata per hari : {rata_rata:.1f}")
print(f"Hari tersibuk : {hari_tersibuk} ({max(kunjungan)} kunjungan)")Total kunjungan seminggu : 530
Rata-rata per hari : 75.7
Hari tersibuk : Sabtu (140 kunjungan)Angka pada keluaran tersebut bukan kesimpulan akhir, melainkan bahan pertanyaan lanjutan. Sabtu mencatat kunjungan hampir dua kali rata-rata hari kerja, sehingga hipotesisnya adalah permintaan akhir pekan yang tinggi. Pertanyaan pemantiknya pun jelas, yaitu apakah pola ini berulang pada pekan pekan lain atau hanya kebetulan satu pekan. Siklus kecil ini, dari pertanyaan ke angka lalu ke pertanyaan baru, adalah bentuk paling murni dari pekerjaan data science dan akan diperbesar pada seluruh jalur ini.
Batas dengan bidang tetangga#
Data science sering tertukar dengan business intelligence (BI) dan dengan machine learning engineering. BI berfokus pada pelaporan yang teratur atas data bisnis, biasanya melalui dashboard dan gudang data, dan sebagian besar tidak membangun model. Machine learning engineering berfokus pada penerapan model ke sistem produksi yang andal, lengkap dengan pengujian dan pemantauan. Data science berada di antara keduanya, yaitu meneliti, mengukur, dan memprototipkan, lalu menyerahkan hasilnya ke kedua arah tersebut.
Batas yang paling sering dilanggar adalah ketika sebuah analisis diklaim sebagai prediksi tanpa pengujian yang layak. Analisis yang menjelaskan masa lalu tidak otomatis mampu meramalkan masa depan, dan perbedaan disiplin inilah yang dipelajari pada modul statistik dan modul machine learning.
Kesalahan umum#
Kesalahan pertama adalah memulai dari perkakas alih-alih dari pertanyaan. Lembar kerja yang penuh model tetapi tidak menjawab keputusan apa pun adalah pekerjaan yang tidak selesai, sedangkan satu angka yang tepat sering lebih bernilai. Kebiasaan yang baik adalah menuliskan keputusan yang hendak didukung sebelum membuka notebook.
Kesalahan kedua adalah menyamakan data science dengan machine learning. Sebagian besar pekerjaan nyata adalah memperoleh data, membersihkannya, dan menjelaskan temuan, sedangkan pemodelan adalah bagian akhir yang paling kecil. Cetak biru jalur ini pun mengalokasikan porsi terbesar pada pembersihan, eksplorasi, dan komunikasi.
Kesalahan ketiga adalah mengabaikan konteks domain. Angka yang sama dapat bermakna berbeda pada domain yang berbeda, misalnya nilai PM2.5 yang tinggi pada stasiun dekat jalan raya adalah pola yang wajar, bukan kekacauan data. Pertanyaan kepada pemilik data selalu lebih murah daripada kekeliruan analisis yang baru ditemukan belakangan.
Ringkasan#
- Data science menggabungkan statistik, pemrograman, dan pengetahuan domain untuk mengubah data menjadi keputusan.
- Tiga peran intinya adalah data analyst, data scientist, dan data engineer, yang sering dirangkap pada tim kecil.
- Nilainya bertingkat dari deskriptif, diagnostik, prediktif, sampai preskriptif, dan tingkat yang lebih tinggi tidak otomatis lebih berguna.
- Satu putaran kerja dimulai dari pertanyaan, bukan dari perkakas, dan selalu melahirkan pertanyaan lanjutan yang lebih tajam.
Referensi#
- Python for Data Analysis, 3rd Edition — Wes McKinney, O’Reilly — rujukan perkakas baku yang ditulis pencipta pandas.
- Data Science Specialization — Johns Hopkins University, Coursera — silabus publik sertifikasi universitas dengan masa berjalan terpanjang.
- Getting Started — pandas documentation — dokumentasi resmi pandas yang dipakai sepanjang jalur ini.