Pada 2011, Harvard Business Review menyebut data science sebagai “pekerjaan terseksi abad ke-21”. Sejak itu, permintaan untuk data science terus meningkat. Fortune melaporkan bahwa lowongan untuk data scientist mengalami kenaikan 480% sejak 2016. Pertumbuhan ini begitu besar hingga masih terdapat kekurangan 250.000 profesional data science pada 2020.
Sayangnya, mereka yang mengincar peran di data science bisa merasa patah semangat. Melihat deskripsi pekerjaan data science saja sudah menampilkan daftar keterampilan yang menakutkan. Persaingan ketat untuk posisi data science juga membuat sebagian pelamar ditolak dari pekerjaan impian mereka.
Namun, banyak yang tidak menyadari bahwa lintasan karier seorang data scientist bisa tidak linier. Pekerjaan yang tidak berjudul “data scientist” tetap dapat membekali Anda dengan keterampilan data science yang berharga! Keterampilan ini mencakup statistik, manipulasi data, machine learning, pemrograman, wawasan bisnis, dan kemampuan bercerita–yang semuanya esensial bagi seorang data scientist.
Berikut beberapa peran yang dapat menjadi batu loncatan menuju tujuan Anda menjadi data scientist. Peran teknis dan nonteknis ini dapat membantu Anda menembus industri.
Peran Data Nonteknis
Penerjemah Data/Analis
Disebut McKinsey sebagai “peran baru yang wajib dimiliki,” seorang analytics translator membantu para pemimpin bisnis memprioritaskan masalah bisnis mereka, lalu menyampaikan tujuan bisnis tersebut kepada para profesional data. Analytics translator mendapatkan dukungan dari pemimpin bisnis dan memastikan solusi yang dibangun tim data menghasilkan nilai bisnis.
“Anda terus-menerus memecah konsep teknis dan membuat semua orang berbicara dalam bahasa yang sama,” kata Gruschow, analis teknis di Fortive, saat ia menggambarkan perannya. Menurut McKinsey, kandidat yang baik untuk analytics translator memiliki jiwa kewirausahaan, keterampilan manajemen proyek yang baik, dan kefasihan teknis umum (walau keahlian pemrograman bersifat opsional). Jika Anda memiliki keterampilan ini, peran analytics translator mungkin cocok untuk Anda.
Product Manager Data Science
Product manager (PM) data science memiliki roadmap produk data science dari konseptualisasi hingga peluncuran. Bekerja sama dengan tim bisnis, mereka mengidentifikasi bagaimana data science dapat mengatasi titik nyeri bisnis. PM kemudian bekerja erat dengan profesional data dan pengembang untuk merumuskan kebutuhan produk, mengawasi pengembangan produk, dan menetapkan metrik keberhasilan.
Seorang product manager terus berkomunikasi dengan beragam pemangku kepentingan (Sumber)
Setiap perusahaan memiliki produk data science uniknya. Seorang product manager data science di perusahaan business intelligence mungkin mengawasi pengembangan alat visualisasi data, sementara PM lain di perusahaan streaming mungkin memegang roadmap fitur rekomendasi dalam aplikasi. Mereka yang piawai dalam manajemen pemangku kepentingan dan memiliki pemahaman luas tentang data science sangat cocok untuk peran ini.
Konsultan Strategi Data
Konsultan strategi data merancang, membangun, dan mengimplementasikan strategi data yang meningkatkan kinerja bisnis. Konsultan bekerja dengan pemimpin bisnis untuk menilai kapabilitas data perusahaan, dan mengusulkan roadmap menuju organisasi yang berorientasi data.
Seorang konsultan mengidentifikasi bagaimana perusahaan dapat menggunakan teknologi data untuk mengatasi masalah mereka. Strategi kemungkinan berbeda tergantung pada tingkat kematangan perusahaan. Untuk organisasi baru, konsultan mungkin mengusulkan penerapan alat manajemen dan tata kelola data. Untuk organisasi matang, konsultan bisa menyarankan penggunaan solusi cloud yang inovatif. Mereka yang memiliki latar belakang konsultan sebelumnya mungkin akan tertarik pada peran ini. Selain itu, mereka yang memiliki pengetahuan praktis tentang berbagai kerangka data (seperti tata kelola data, manajemen data, business intelligence, analitik lanjut, machine learning, dan platform cloud) dianggap sangat cocok untuk peran ini.
Technical Project Manager
Technical project manager merencanakan, mengatur, dan mengarahkan proyek data science teknis. Project manager mengelola sumber daya yang tersedia untuk sebuah proyek, memastikan proyek diselesaikan tepat waktu, sesuai anggaran, dan dalam ruang lingkup.
Karena project manager mengawasi proyek dari konsep hingga peluncuran, perannya cukup beragam. Mereka menyusun garis besar proyek, menjadwalkan tugas, mengevaluasi fase, berkomunikasi dengan pemangku kepentingan, dan mengelola visi produk. Untuk mengelola tim proyek lintas fungsi, mereka menggunakan metodologi pengembangan seperti Scrum dan Agile.
Metodologi Agile (Sumber)
Peran technical project cocok bagi mereka dengan pengalaman manajerial sebelumnya. Kandidat dengan latar belakang teknis di data science, rekayasa perangkat lunak, atau UI/UX cenderung memiliki keunggulan untuk mendapatkan peran technical PM.
Technical Writer
Seiring bertambahnya jumlah dan skala produk data science, kebutuhan akan dokumentasi teknis juga meningkat. Dokumentasi yang tepat dan ringkas adalah salah satu cara terbaik bagi pengembang untuk menyampaikan instruksi kepada pengguna akhir.
Contoh dokumentasi teknis oleh Twilio (Sumber)
Seorang technical writer mengisi kesenjangan tersebut dengan menyajikan panduan memulai, dokumentasi produk mendalam, dan materi referensi API untuk produk teknis. Mereka juga berkolaborasi erat dengan engineer pengembang, product manager, dan program manager untuk merancang dokumentasi. Technical writer sebaiknya memiliki latar belakang teknis agar dapat berinteraksi dengan tim teknis dengan mudah. Jika Anda tertarik menekuni penulisan teknis, Anda mungkin ingin menyertakan contoh tulisan teknis di portofolio sebelum memulai pencarian kerja.
Peran Data Teknis
Analis Business Intelligence
Seorang business intelligence (BI) analyst menggunakan analitik dan visualisasi data untuk membantu organisasi mengambil keputusan bisnis berbasis data. Pekerjaan sehari-hari BI analyst meliputi menafsirkan data kunci untuk menghasilkan insight. Untuk mengomunikasikan insight tersebut, BI analyst memelihara metrik dan visualisasi dalam bentuk dasbor atau slide presentasi. Karena itu, BI analyst mahir dalam alat basis data (SQL), alat business intelligence (seperti Tableau), dan alat spreadsheet (seperti Excel).
Salah satu proyek menarik bagi BI analyst adalah mengotomatisasi proses pelaporan yang ada. Misalnya, BI analyst di HelloFresh menghilangkan kebutuhan pelaporan data manual dengan membuat dasbor real-time. Tim pemasaran kemudian memanfaatkan laporan ini untuk mengoptimalkan kampanye pemasaran, dan pada gilirannya meningkatkan retensi pelanggan.
Contoh Dasbor PowerBI
Analis Data
Seorang analis data memiliki banyak kesamaan dengan BI analyst. Seperti BI analyst, analis data bertanggung jawab menyediakan metrik bisnis yang akurat dan mengekstraksi insight yang dapat ditindaklanjuti bagi pemangku kepentingan bisnis untuk mengambil keputusan berbasis data.
Di beberapa perusahaan, analis data mungkin terlibat dalam proyek analitik lanjut. Proyek semacam ini bisa menuntut analis data untuk bermitra dengan tim produk, bisnis, dan engineering guna mendorong keputusan bisnis utama. Misalnya, seorang analis data mungkin ditugasi membuat segmentasi pelanggan yang dapat digunakan untuk merancang strategi khusus per segmen.
Analis data dapat melakukan segmentasi pelanggan (Sumber)
Tergantung cakupan pekerjaan, analis data mungkin tidak hanya perlu memahami SQL, alat BI, dan alat spreadsheet, tetapi juga bahasa pemrograman (seperti Python atau R). Pengetahuan statistik yang kuat juga akan membantu analis data saat mengerjakan proyek analitik lanjut.
Analis MarketingOps
Seorang analis operasi pemasaran mengimplementasikan proses pemasaran dan menganalisis kinerja pemasaran. Proses tersebut dapat mencakup manajemen prospek dan keterlibatan pelanggan menggunakan perangkat lunak CRM. Analis pemasaran menganalisis data pelanggan dan pemasok untuk menemukan peluang dan mengoptimalkan proses pemasaran. Misalnya, seorang analis dapat melakukan analisis corong untuk menemukan mata rantai terlemah dalam proses konversi pelanggan.
Contoh analisis corong (Sumber: Clevertap)
Selain itu, analis marketing ops dapat melakukan uji hipotesis untuk mengoptimalkan kinerja pemasaran. Dengan A/B testing yang tepat, seorang analis mungkin menemukan bahwa emoji dalam judul email secara signifikan meningkatkan rasio klik pada audiens yang lebih muda. Peran ini adalah batu loncatan yang sangat baik bagi mereka yang menyukai pemasaran. Peran ini juga ideal untuk lulusan baru, karena NCSU melaporkan hingga 45% lowongan analis marketing ops memerlukan kurang dari 2 tahun pengalaman dan 80% lowongan memerlukan gelar sarjana.
Analis Keuangan
Analis keuangan menelaah data keuangan, mengidentifikasi peluang investasi, dan mengevaluasi hasil rekomendasi bisnis. Secara khusus, mereka menganalisis keterkaitan antara faktor makroekonomi, kondisi mikroekonomi, dan fundamental perusahaan. Angka-angka keuangan adalah makanan pokok bagi analis keuangan. Untuk mengevaluasi kesehatan perusahaan, mereka menelaah metrik seperti margin kotor, margin bersih, tingkat pertumbuhan, imbal hasil ekuitas, dan laba per saham, di antara lainnya.
Analis juga membuat proyeksi kinerja dan nilai perusahaan di masa depan menggunakan metode statistik (seperti analisis regresi), dan pemodelan keuangan tingkat lanjut (seperti analisis arus kas terdiskonto).
Contoh analisis regresi sederhana yang dilakukan analis keuangan (Sumber)
Mereka yang memiliki gelar sarjana–sebaiknya di bidang akuntansi, ekonomi, keuangan, atau statistika– atau MBA memiliki peluang baik untuk menjadi analis keuangan, menurut Investopedia.
Machine Learning Engineer (MLE)
Menurut LinkedIn, MLE adalah salah satu dari 25 jabatan dengan pertumbuhan tercepat pada 2022. MLE merancang, membangun, dan memproduksi model machine learning. Karena itu, mereka mahir merancang arsitektur model, mengorkestrasi pipeline machine learning, dan memantau solusi ML di produksi.
Misalnya, seorang MLE yang bekerja di perusahaan ride-hailing mungkin memantau waktu yang dibutuhkan AI pencocokan di produksi untuk memasangkan pengemudi dengan penumpang. MLE bekerja dengan data scientist untuk memastikan waktu tersebut tidak melampaui ambang batas yang ditentukan. Peran MLE cocok bagi mereka yang memiliki kemampuan pemrograman kuat, seperti software engineer atau data engineer. MLE juga harus memiliki landasan matematika dan statistika yang kuat serta pemahaman solid tentang model machine learning.
Bangun Karier Data Anda
Pencari kerja antusias yang terfokus pada peran data scientist mungkin melewatkan jabatan-jabatan ini saat mencari kerja. Saran kami? Jangan ragu mengejar jabatan di luar data scientist jika Anda dapat mempelajari keterampilan data science sambil bekerja. Seperti kata Steve Jobs dengan indah, “Anda tidak bisa menghubungkan titik-titik dengan melihat ke depan… jadi Anda harus percaya bahwa titik-titik itu akan terhubung di masa depan Anda.”
Artikel ini awalnya diposting di DataCamp Certified Community, platform eksklusif untuk semua pembelajar yang telah berhasil menyelesaikan salah satu sertifikasi DataCamp. Untuk mendapatkan akses ke komunitas ini dan konten lain yang akan membantu Anda tetap terdepan di industri data, dapatkan sertifikasi hari ini!
