Baca Ini Sebelum Beralih Karir ke Ilmu Data - KDnuggets

Diterbitkan Ulang Oleh Plato

Followers: 0

Baca Ini Sebelum Beralih Karir ke Ilmu Data
Gambar oleh Penulis

Anda membaca ini karena Anda berpikir untuk bergabung dengan jajaran ilmuwan data yang bercita-cita tinggi. Dan siapa yang bisa menyalahkanmu? Ilmu data adalah bidang yang sedang berkembang, bahkan satu dekade setelah ilmu data mendapat penghargaan “pekerjaan terseksi” dari Harvard Business Review. Biro Statistik Tenaga Kerja AS saat ini memprediksi tingkat lapangan kerja bagi data scientist akan tumbuh sebesar 35 persen dari tahun 2022 hingga 2032. Bandingkan dengan rata-rata tingkat pertumbuhan lapangan kerja yang hanya sebesar 5 persen.

Ada hal lain yang terjadi untuk itu:

Itu dibayar dengan baik (sekali lagi, BLS ditemukan gaji rata-rata $103k pada tahun 2022)
Hal ini disertai dengan kualitas hidup yang tinggi (lebih tinggi dari rata-rata kebahagiaan terkait pekerjaan menurut ke Penjelajah Karir)
Ada keamanan kerja meskipun ada putaran baru-baru ini PHK – karena ada begitu banyak permintaan untuk peran tersebut

Jadi ada banyak alasan untuk ingin terjun ke lapangan.

Baca Ini Sebelum Beralih Karir ke Ilmu Data
Sumber: https://www.bls.gov/ooh/math/data-scientists.html

Namun ilmu data adalah bidang yang sangat luas, dengan banyak jabatan dan keahlian berbeda yang perlu Anda ketahui sebelum memulai. Artikel ini akan memandu Anda melalui berbagai arah yang dapat Anda tuju, dan apa yang perlu Anda ketahui agar masing-masing arah dapat masuk ke dalam ilmu data.

Untuk membuat transisi sukses ke a karir ilmu data, Anda harus mengikuti pendekatan terstruktur:

Nilai Anda keterampilan ilmu data dan mengidentifikasi kesenjangan.
Dapatkan pengalaman langsung di area di mana Anda lemah.
Jaringan. Bergabunglah dengan kelompok ilmu data, hadiri pertemuan, dan berkontribusi di forum.

Mari selami lebih dalam.

Nilai Posisi Awal Anda

Apa yang sudah Anda ketahui dan bagaimana penerapannya dalam ilmu data? Pikirkan tentang: pengetahuan pemrograman, keterampilan statistik, atau pengalaman analisis data apa pun yang Anda miliki.

Selanjutnya, identifikasi kesenjangan dalam keterampilan Anda, khususnya yang penting untuk ilmu data. SQL adalah suatu keharusan, tetapi pemrograman Python atau R, statistik tingkat lanjut, pembelajaran mesin, dan visualisasi data juga sangat bermanfaat.

Setelah Anda menemukan kesenjangan ini, carilah pendidikan atau pelatihan yang relevan untuk mengisinya. Hal ini dapat dilakukan melalui kursus online, program universitas, bootcamp, atau belajar mandiri, dengan fokus pada pembelajaran praktis dan langsung.

Berpengalaman

Anda tidak boleh hanya menonton video dan membaca postingan blog. Pengalaman langsung sangat penting dalam ilmu data. Terlibat dalam proyek yang memungkinkan Anda menerapkan keterampilan baru Anda dalam skenario dunia nyata. Ini bisa berupa proyek pribadi, kontribusi pada platform sumber terbuka, atau partisipasi dalam kompetisi data seperti yang ada di Kaggle.

Jika Anda memiliki keterampilan awal dasar, Anda mungkin ingin mempertimbangkan untuk mencari magang atau pekerjaan lepas untuk mendapatkan pengalaman industri.

Yang paling penting, mendokumentasikan semua proyek dan pengalaman Anda dalam portofolio, menyoroti proses pemecahan masalah Anda, teknik yang Anda gunakan, dan dampak pekerjaan Anda.

jaringan

Mendobrak ilmu data sering kali bergantung pada siapa yang Anda kenal, selain apa yang Anda ketahui. Temukan mentor, berpartisipasi dalam pertemuan, konferensi, dan lokakarya untuk mempelajari tren baru, dan terlibat dalam komunitas ilmu data online seperti Stack Overflow, GitHub, atau Reddit. Platform ini memungkinkan Anda belajar dari orang lain, berbagi pengetahuan, dan mendapatkan perhatian dalam komunitas ilmu data.

Jika Anda ingin menjadi ilmuwan data dari awal, masuk akal untuk memikirkan keterampilan yang perlu Anda kembangkan sebagai pohon. Ada keterampilan “utama” yang umum untuk setiap pekerjaan ilmu data, dan setiap spesialisasi memiliki keterampilan “cabang” yang terus bercabang ke peran yang lebih terspesialisasi.

Ada tiga keterampilan utama yang dibutuhkan setiap data scientist, apa pun arahnya:

Manipulasi/Perselisihan Data Menggunakan SQL

Ilmu data pada dasarnya bermuara pada penanganan dan pengorganisasian kumpulan data yang besar. Untuk melakukan itu, Anda perlu mengetahui SQL. Dia itu alat penting untuk manipulasi dan perselisihan data.

Baca Ini Sebelum Beralih Karir ke Ilmu Data
Gambar oleh Penulis

Keterampilan Lembut

Ilmu data tidak terjadi dalam ruang hampa. Anda harus bersikap baik dengan orang lain, yang berarti meningkatkan soft skill Anda. Mampu mengkomunikasikan temuan data yang kompleks dengan cara yang jelas dan mudah dipahami kepada pemangku kepentingan non-teknis sama pentingnya dengan keterampilan teknis. Ini termasuk komunikasi yang efektif, pemecahan masalah, dan ketajaman bisnis.

Pemecahan masalah membantu mengatasi tantangan data yang kompleks, sementara kecerdasan bisnis memastikan bahwa solusi berbasis data selaras dengan tujuan organisasi.

Sikap Belajar Konstan

Ilmu data berbeda dari lima tahun lalu. Lihat saja posisi kita saat ini dengan AI dibandingkan tahun 2018. Alat, teknik, dan teori baru terus bermunculan. Oleh karena itu, diperlukan pola pikir belajar yang berkelanjutan agar selalu mengikuti perkembangan terkini dan beradaptasi dengan teknologi dan metodologi baru di lapangan.

Anda memerlukan motivasi diri untuk belajar dan beradaptasi, serta pendekatan proaktif untuk memperoleh pengetahuan dan keterampilan baru.

Meskipun ada keterampilan umum seperti yang saya uraikan di atas, setiap peran memerlukan keahlian spesifiknya sendiri. (Ingat? Cabang.) Misalnya, analisis statistik, keterampilan pemrograman dengan Python/R, dan visualisasi data semuanya khusus untuk pekerjaan yang lebih terspesialisasi dalam ilmu data.

Baca Ini Sebelum Beralih Karir ke Ilmu Data
Gambar oleh Penulis

Mari kita uraikan setiap peran yang terkait dengan ilmu data sehingga Anda dapat melihat apa yang Anda perlukan.

Analis Bisnis/Data

Ya, ini adalah peran ilmu data! Meskipun para penentang tidak setuju, saya tetap yakin Anda dapat memperlakukannya sebagai batu loncatan setidaknya jika Anda ingin memasuki jalur karier ilmu data.

Sebagai seorang analis bisnis atau data, Anda bertanggung jawab untuk menjembatani kesenjangan antara wawasan data dan strategi bisnis. Ini sempurna bagi mereka yang memiliki kemampuan untuk memahami kebutuhan bisnis dan menerjemahkannya ke dalam solusi berbasis data.

Sebagai keterampilan inti, Anda memerlukannya kecerdasan bisnis – tidak mengherankan –, keterampilan analitis yang kuat, kemahiran dalam bahasa kueri data, terutama SQL. Dalam peran ini, Python dan R bersifat opsional karena tugas utamanya adalah perselisihan data.

Ada komponen visualisasi namun bergantung pada pekerjaan Anda, ini bisa berarti membuat dasbor di Tableau atau grafik di Excel.

Data Analytics

Peran ini berfokus pada penafsiran data untuk memberikan wawasan yang dapat ditindaklanjuti. Ini adalah pekerjaan bagus bagi Anda jika Anda senang menerjemahkan angka menjadi cerita dan strategi bisnis.

Anda memerlukan pegangan yang kuat analisis statistik dan visualisasi data – meskipun sekali lagi, ini bisa berupa dasbor tablo dan/atau grafik Excel). Anda juga memerlukan kemahiran dalam hal ini alat analisis 'like' Excel, Tableau, dan SQL. Python/R sekali lagi bersifat opsional, tetapi perlu diingat bahwa Python/R sangat membantu dalam penerapan statistik dan otomatisasi.

Pembelajaran mesin

Ilmuwan Pembelajaran Mesin mengembangkan model dan algoritme prediktif untuk membuat prediksi atau keputusan berdasarkan data. Peran ini cocok bagi mereka yang memiliki minat kuat terhadap AI dan pembuatan model.

Tidak ada kejutan mengenai keterampilan inti: Anda memerlukan a pemahaman mendalam tentang algoritme, pengalaman dengan kerangka pembelajaran mesin seperti TensorFlow dan PyTorch, dan keterampilan pemrograman yang kuat. Python dan/atau R bukan lagi opsional tetapi harus dimiliki.

Rekayasa Data

Peran ini membuat Anda fokus pada arsitektur, pengelolaan, dan pemeliharaan saluran data. Ini cocok untuk individu yang menyukai tantangan teknis dalam mengelola dan mengoptimalkan aliran dan penyimpanan data.

Untuk masuk ke pekerjaan ini, Anda memerlukan ekeahlian dalam manajemen basis data, proses ETL, dan kemahiran dalam teknologi data besar seperti Hadoop dan Spark. Anda juga akan membutuhkannya kemahiran dalam otomatisasi saluran data menggunakan teknologi seperti Airflow.

Business Intelligence

Dalam intelijen bisnis, yang terpenting adalah membangun visualisasi. Ini bagus untuk pendongeng dan orang-orang dengan naluri bisnis yang kuat.

Anda harus menjadi ahli dalam teknologi dasbor seperti Tableau dan Qlik karena itulah alat yang akan Anda gunakan untuk membangun visualisasi Anda. Anda juga memerlukan keterampilan manipulasi data (baca: keterampilan SQL) untuk membantu mengoptimalkan kueri data yang mempercepat kinerja dasbor.

Seperti yang saya sebutkan sebelumnya di artikel ini, ilmu data adalah bidang yang berkembang pesat. Pekerjaan dan peran baru selalu terbuka setiap saat. Untuk kembali ke analogi pohon saya, saya menganggapnya sebagai cabang baru yang ditambahkan ke batang ilmu data utama. Kini terdapat cloud engineer, spesialis SQL, peran DevOps, dan masih banyak lagi – semuanya masih terhubung dengan jalur ilmu data tersebut. Jadi artikel ini hanya memberikan sedikit petunjuk singkat tentang arah yang dapat Anda tempuh dengan ilmu data.

Lebih dari itu, Anda juga harus ingat bahwa ilmu data memiliki tantangan yang melekat pada gaji enam digit tersebut. Ada kurva pembelajaran yang sangat curam, dan pembelajaran tersebut tidak pernah benar-benar berakhir. Teknologi, tren, dan alat-alat baru datang dengan cepat dan sulit – dan jika Anda ingin mempertahankan pekerjaan Anda, Anda harus mengikutinya.

Secara keseluruhan, ini adalah pilihan karier yang bagus. Dengan tiga kompetensi utama yang saya sebutkan, Anda akan diperlengkapi dengan baik untuk menghadapi apa pun peran ilmu data yang menarik bagi Anda.

Nat Rosidi adalah seorang ilmuwan data dan dalam strategi produk. Dia juga seorang profesor yang mengajar analitik, dan merupakan pendiri Goresan Strata, sebuah platform yang membantu ilmuwan data mempersiapkan wawancara mereka dengan pertanyaan wawancara nyata dari perusahaan terkemuka. Terhubung dengan dia di Twitter: StrataScratch or LinkedIn.