Pemrosesan, analisis, dan visualisasi data dilakukan menggunakan R dan paket-paket terkait. Notebook dan berkas-berkas terkait dapat ditemukan di sini.
Menurut kamus Merriam-Webster, data adalah informasi faktual yang digunakan sebagai dasar penalaran, diskusi, atau perhitungan. Dengan definisi ini, data pada dasarnya adalah setiap potongan informasi yang dikumpulkan yang dapat digunakan serta diproses dan dianalisis lebih lanjut untuk memperoleh wawasan. Data lazim diasosiasikan dengan komputer karena biasanya dihasilkan dan disimpan di komputer, namun data sudah ada jauh lebih lama daripada yang kita bayangkan.
Sejarah Data
Contoh paling awal manusia menyimpan dan menganalisis data berasal dari tahun 18000 SM, ketika ditemukan bahwa manusia prasejarah menggunakan tongkat hitung sebagai sarana melakukan perhitungan sederhana. Suku-suku Paleolitik ini membuat takik pada tongkat dan tulang untuk melacak aktivitas mereka, seperti berdagang dan memantau persediaan. Pada 2400 SM, sempoa, perangkat yang digunakan untuk melakukan perhitungan, diciptakan di Babilonia.
Sepanjang sejarah, perkembangan berkelanjutan dalam pengumpulan, pemrosesan, dan analisis data terlihat melalui berbagai tulisan pada tablet batu, tanah liat, papirus, kayu, dan gulungan kertas. Seiring ditemukannya lebih banyak bentuk data, kebutuhan untuk memproses, mengumpulkan, menyimpan, dan menganalisisnya juga ikut berkembang.
Ketika masyarakat manusia menjadi lebih maju, tuntutan untuk memproses data pun meningkat. Pada 1800-an, sensus mulai dilakukan di Amerika Serikat. Jumlah titik data dalam sensus meningkat secara eksponensial hingga Biro Sensus AS memperkirakan akan membutuhkan waktu bertahun-tahun bahkan puluhan tahun untuk mengumpulkan dan menganalisis semua data sensus. Ini sangat bermasalah karena penyusunan dan analisis data sensus saat ini baru akan selesai ketika sensus berikutnya akan dimulai atau sudah dimulai. Untungnya, seorang insinyur dan penemu muda bernama Herman Hollerith mengembangkan Hollerith Tabulating Machine—sebuah mesin tabulasi elektromekanis yang memangkas waktu yang dibutuhkan untuk mengumpulkan dan menganalisis data sensus dari bertahun-tahun menjadi hanya beberapa bulan. Karena itu, Hollerith dianggap sebagai bapak komputasi otomatis modern dan kemudian dikenal sebagai pendiri IBM.
Melompat ke 1900-an, lahirlah komputer. Dengan hadirnya mesin komputasi yang lebih bertenaga, muncul pula kebutuhan yang lebih canggih untuk penyimpanan data. Fritz Pfleumer, seorang insinyur Jerman-Austria, menemukan metode penyimpanan informasi secara magnetik pada pita. Beberapa prinsip dari temuannya masih digunakan hingga kini untuk penyimpanan data digital. Pada era ini, istilah “business intelligence” semakin populer seiring meningkatnya kebutuhan akan perangkat lunak dan sistem untuk menganalisis kinerja komersial dan operasional.
Revolusi data benar-benar berubah ketika Tim Berners-Lee menciptakan World Wide Web, atau Internet, pada 1989. Hal ini memicu berbagi informasi secara otomatis di antara orang-orang di seluruh dunia. Artinya, saat ini lebih banyak data dibagikan, dibuat, dan disimpan, sehingga memunculkan cara-cara baru untuk mengumpulkan, menggunakan, dan menganalisis data.
Transisi ke “Big Data”
Karena pertumbuhan internet yang luar biasa pada 1990-an dan perkembangan stabil komputer pribadi serta perangkat komputasi pada umumnya, jumlah perangkat yang terhubung online (dan konsekuensinya jumlah data yang dibuat) tumbuh pesat.
Walau konsep Big Data telah ada bahkan sebelum 1990-an, baru pada 2005 Roger Mougalas secara resmi memberinya label. Ia menggambarkannya sebagai “sekumpulan data besar yang hampir mustahil untuk dikelola dan diproses menggunakan alat business intelligence tradisional.”
Big Data adalah istilah untuk menggambarkan volume data yang sangat besar—baik terstruktur maupun tidak terstruktur—yang membanjiri organisasi setiap hari. Ia mencakup volume informasi, kecepatan pembuatannya serta pengumpulannya, dan keragaman atau cakupan titik data yang dicakup.
Mengingat ukuran dan kompleksitas Big Data, proses mengumpulkan, mengorganisasi, dan menganalisisnya untuk menemukan pola dan informasi berguna lainnya telah menjadi bagian penting dalam membantu banyak organisasi mengambil keputusan bisnis. Pada gilirannya, hal ini memunculkan ilmu data—bidang interdisipliner yang menggunakan metode ilmiah, proses, algoritma, dan sistem dari volume data yang besar untuk mengungkap pola dan memungkinkan para pemimpin bisnis menarik wawasan yang terinformasi.
Apa Saja Peran di Bidang Ilmu Data?
Menurut IBM, ilmu data adalah pendekatan multidisipliner untuk mengekstraksi wawasan yang dapat ditindaklanjuti dari volume data yang besar dan terus meningkat yang dikumpulkan dan dibuat oleh organisasi masa kini. Bidang ini umumnya memerlukan keahlian ilmu komputer dan sains murni karena ilmuwan data menerapkan metode ilmiah dalam pendekatannya, serta menggunakan analitik prediktif dan kecerdasan buatan untuk mengekstrak wawasan dari data. Lihat panduan lengkap kami tentang 'apa itu ilmu data' untuk definisi yang lebih mendalam.
Saat ini, “ilmu data” sering digunakan oleh bisnis dan organisasi sebagai istilah payung untuk proses menangani sejumlah besar data, baik itu menyiapkan, membersihkan, menganalisis, atau memvisualisasikan data untuk mengungkap pola. Berikut hanyalah beberapa karier di ilmu data yang dapat ditempuh:
-
Data Scientist
Data scientist perlu mampu menerapkan matematika, statistika, dan metode ilmiah; menggunakan berbagai alat dan teknik untuk membersihkan serta menyiapkan data; melakukan analitik prediktif dan kecerdasan buatan; serta menjelaskan bagaimana hasil ini dapat digunakan untuk memberikan solusi berbasis data bagi masalah bisnis. Mereka membutuhkan keterampilan teknis yang jauh lebih banyak daripada data analyst. Sebagai awal, Anda dapat mengambil kursus berorientasi ilmu data seperti berikut di DataCamp: Introduction to Python for Data Science dan Introduction to R.
-
Data Analyst
Data analyst mengumpulkan, memproses, dan melakukan analisis data statistik untuk menghasilkan kesimpulan bermakna bagi organisasi. Mereka mentransformasi dan memanipulasi kumpulan data besar menjadi bentuk yang dapat digunakan, seperti laporan atau presentasi. Mereka juga membantu proses pengambilan keputusan dengan menelusuri pola penting dan memperoleh wawasan dari data yang kemudian dapat mereka komunikasikan secara efektif kepada para pemimpin organisasi untuk mendukung keputusan bisnis. Kursus-kursus di DataCamp ini dapat membantu Anda memulai karier sebagai data analyst: Introduction to SQL dan Exploratory Data Analysis in SQL.
-
Data Engineer
Data engineer bertanggung jawab atas persiapan, pemrosesan, dan pengelolaan data yang dikumpulkan dan disimpan untuk keperluan analitik atau operasional. Seperti insinyur tradisional, data engineer membangun dan memelihara “pipeline” data yang menghubungkan data dari satu sistem ke sistem lain, sehingga informasi dapat diakses oleh data scientist. Karena itu, data engineer perlu memahami sejumlah bahasa pemrograman yang digunakan dalam ilmu data seperti Python, R, dan SQL. Topik terkait data engineering seperti berikut tersedia di DataCamp: Introduction to Data Engineering dan Understanding Data Engineering.
-
Data Architect
Data architect terutama merancang dan membuat cetak biru untuk sistem manajemen data yang kemudian dibangun oleh data engineer. Sejalan dengan arsitek tradisional, data architect adalah “visioner” karena mereka bertanggung jawab memvisualisasikan dan merancang kerangka kerja manajemen data suatu organisasi. Selain itu, data architect meningkatkan kinerja sistem yang ada, memastikan sistem dapat diakses oleh administrator basis data dan analis. Anda dapat mengambil kursus terkait arsitektur data seperti berikut yang tersedia di DataCamp: AWS Cloud Concepts dan Database Design
-
Business Intelligence (BI) Developer
BI developer adalah insinyur khusus yang menggunakan alat perangkat lunak untuk mengubah data menjadi wawasan berguna yang membantu keputusan bisnis. Mereka bertanggung jawab menyederhanakan informasi teknis agar mudah dipahami semua orang di perusahaan. Singkatnya, mereka membuat dan menjalankan laporan yang memuat data yang mereka temukan menggunakan alat business intelligence, lalu mengalihbahasakan informasi tersebut ke istilah yang lebih awam. Kursus penggunaan alat terkait business intelligence seperti Microsoft Power BI dan Tableau tersedia di DataCamp, misalnya: Introduction to Power BI dan Analyzing Data in Tableau
-
Statistician
Mengingat statistika adalah salah satu fondasi utama ilmu data, banyak statistician dapat dengan mudah beralih ke bidang ilmu data. Statistician terutama bertanggung jawab atas pengumpulan dan penanganan data. Mereka menentukan data apa yang dibutuhkan dan bagaimana cara mengumpulkannya. Selain itu, mereka merancang eksperimen, menganalisis dan menafsirkan data, serta melaporkan kesimpulan. Anda dapat meninjau kursus pengantar statistika berikut di DataCamp: Introduction to Statistical Modeling in R dan Introduction to Statistics in Spreadsheets.
-
Machine Learning Engineer
Machine learning engineer adalah kelompok insinyur khusus lainnya yang berfokus pada penelitian, pembangunan, dan perancangan sistem kecerdasan buatan (AI) dan pembelajaran mesin (ML) untuk mengotomatisasi model prediktif. Pada dasarnya, mereka mengembangkan algoritma yang menggunakan data masukan dan memanfaatkan model statistik untuk memprediksi keluaran, sambil terus memperbarui keluaran saat data baru tersedia. DataCamp memiliki banyak kursus terkait pembelajaran mesin yang mungkin bermanfaat bagi Anda, seperti: Understanding Machine Learning dan Machine Learning with caret in R.
Pencarian kerja cepat secara online dapat memberi Anda gambaran mengenai jalur karier ilmu data mana di atas yang paling banyak diminati. Grafik di bawah ini menunjukkan lowongan per jalur karier menurut Indeed USA per 8 Desember 2021.
Data architect tampaknya menjadi jalur karier ilmu data yang paling diminati, karena perannya penting dalam menciptakan sistem manajemen data yang kemudian digunakan oleh profesional ilmu data lainnya. Berikutnya adalah machine learning engineer, mengingat pentingnya memanfaatkan kecerdasan buatan untuk memprediksi hasil di banyak perusahaan teknologi.
Yang paling sedikit diminati adalah statistician, terutama karena banyak statistician tradisional kini beralih menjadi data scientist. Tren ini diperkirakan akan terus berlanjut mengingat betapa mudahnya bagi statistician untuk beralih dari statistika murni ke ilmu data karena mereka sudah memiliki pengetahuan dasar yang dibutuhkan untuk menjadi data scientist seutuhnya.
Ilmu data tidak melambat
Bidang ilmu data meroket popularitasnya pada 2010-an, terutama ketika “Data Scientist” dinobatkan oleh Harvard Business Review sebagai “pekerjaan terseksi abad ke-21.” Istilah “Data Scientist” menjadi begitu populer hingga menjadi ungkapan yang umum dan tren. Meski sebutan “pekerjaan terseksi” terdengar janggal pada awalnya, ini terutama merujuk pada fakta bahwa data scientist tidak hanya sangat diminati, tetapi juga mahal untuk direkrut dan sulit dipertahankan.
Tidak diragukan lagi bahwa ilmu data sangat populer saat ini, namun pertanyaan yang lebih baik adalah, akankah tetap populer di masa depan? Berdasarkan proyeksi ketenagakerjaan, tampaknya demikian. Data dari Proyeksi Ketenagakerjaan 2020–2030 Biro Statistik Tenaga Kerja AS menunjukkan bahwa karier ilmu data, yang mencakup statistika, ilmu data, dan pekerjaan berbasis matematika serta sains lainnya seperti data engineering, akan menunjukkan tingkat pertumbuhan yang sangat tinggi dalam persentase perubahan dari 2020 hingga 2030. Statistician berada di peringkat ke-14 secara keseluruhan, sementara data scientist dan pekerjaan ilmu matematika lainnya berada di peringkat ke-31 dari total 790 pekerjaan yang disertakan dalam data.
Walau porsi statistician dan data scientist dari total angkatan kerja relatif kecil dibandingkan pekerjaan lain, angka-angka tersebut diperkirakan akan meningkat pada tahun-tahun berikutnya seiring jalur karier ilmu data semakin populer. Gambar di bawah menunjukkan bagaimana statistician, data scientist, dan pekerjaan ilmu matematika lainnya dibandingkan dengan pekerjaan lain yang memiliki proyeksi pertumbuhan tinggi.
Bidang yang benar-benar bernilai tinggi
Salah satu alasan utama mengapa ilmu data populer adalah karena merupakan salah satu pekerjaan dengan bayaran tertinggi di dunia. Gambar di bawah menunjukkan rentang gaji untuk 10 pekerjaan berbeda—termasuk data scientist dan data analyst—di Kota New York. Data diperoleh dari Teleport, situs yang mengagregasi data tentang kondisi hidup (misalnya gaji) di berbagai kota.
Menurut Teleport, data scientist memiliki gaji median tahunan tertinggi ke-4 di Kota New York sebesar \$114.105, tepat di belakang Eksekutif Tingkat C dan tenaga kesehatan. Faktanya, di beberapa kota lain seperti Manila, data scientist berada setinggi peringkat ke-2, tepat di belakang Eksekutif Tingkat C. Ini menunjukkan betapa menggiurkannya pekerjaan ini. Pekerjaan data analyst, meski tidak segemuk posisi ilmu data, tetap tidak bisa diremehkan. Dengan gaji median tahunan $61.818, data analyst masih memperoleh sekitar pendapatan rumah tangga rata-rata di Kota New York.
Terus tumbuh di pasar kerja
Alasan utama lainnya mengapa ilmu data populer adalah karena cara organisasi saat ini mengintegrasikan prinsip-prinsip ilmu data dalam operasi harian mereka. Grafik di bawah ini menunjukkan 10 industri teratas yang melibatkan ilmu data dalam pekerjaannya. Sampel data dari 8.000 perusahaan berorientasi ilmu data diekstrak dari Diffbot, grafik pengetahuan terbesar di dunia.
Tidak mengherankan jika Perusahaan Perangkat Lunak—termasuk perusahaan teknologi seperti Google, Apple, dan Uber—berada di puncak. Bagaimanapun, pertumbuhan luar biasa big data disebabkan oleh terciptanya internet, yang sangat terkait dengan perangkat lunak dan teknologi. Ilmu data memang berpusat pada pemrosesan banyak informasi menggunakan berbagai alat dan teknologi.
Berikutnya adalah perusahaan jasa keuangan, yang terdorong oleh munculnya perusahaan fintech. Paduan kata “finance” dan “technology,” perusahaan fintech mengintegrasikan teknologi dan inovasi dalam layanan serta penawarannya untuk meningkatkan penyampaian kepada pelanggan dan mendisrupsi layanan keuangan tradisional. Karena melibatkan penanganan data dalam jumlah besar seperti informasi pelanggan, perusahaan jasa keuangan melihat potensi alat ilmu data untuk membantu menyederhanakan dan mengoptimalkan proses mereka serta meningkatkan layanan.
Kesimpulannya, apakah layak menempuh karier di ilmu data?
Dengan semua yang telah dijelaskan di atas, jawabannya tentu saja ya! Soal jalur karier ilmu data spesifik yang sebaiknya Anda pilih, ini terutama bergantung pada kekuatan individu dan minat umum Anda. Yang penting, salah satu dari karier yang disebutkan di atas pasti akan bernilai untuk ditempuh.
Sebagai jalur karier yang sangat menguntungkan dan tampaknya tidak menunjukkan tanda-tanda melambat dari segi popularitas, ilmu data akan terus membentuk dan memengaruhi cara bisnis dan organisasi beroperasi selama bertahun-tahun ke depan.
