Cameron White adalah analis di tim data science Fruit of the Loom dan seorang jutawan XP di DataCamp. Profil LinkedIn-nya dengan bangga menyatakan: “Lebih dari 200 kursus, lebih dari 10.000 latihan, lebih dari satu juta XP, dan hampir seluruh skill track serta career track diselesaikan di DataCamp.”
Ia juga seorang ayah tunggal yang sibuk dengan seorang putra kecil, dan waktu adalah komoditasnya yang paling berharga.
Menjadi mahir data dengan DataCamp
Saat ini, Cameron terampil menggunakan Python dan R serta mahir dalam banyak tugas data science, mulai dari ETL hingga pemodelan deret waktu hingga analitik teks, dan lainnya. Namun lima tahun lalu, kondisinya tidak demikian. Ia baru saja menyelesaikan program sarjana matematika dan statistika, dan sebagian besar tugas kuliahnya sangat teoretis, dengan beberapa mata kuliah statistika terapan. Ia mendapatkan magang di Fruit of the Loom yang kemudian berlanjut menjadi peran penuh waktu di tim data science yang baru dibentuk. Masalahnya? Ia tidak tahu jenis tugas apa yang sebenarnya dikerjakan data scientist atau bagaimana mereka menyelesaikannya.
Saya masih ingat jelas saat menerima tawaran kerja dan mendengar istilah data scientist, tetapi saat itu saya tidak tahu apa sebenarnya itu.
Untuk mempersiapkan perannya di Fruit of the Loom, Cameron mencari platform online untuk membangun keterampilan data science dengan cepat. Ia mencoba salah satu kompetitor kami namun mendapati kursus mereka “tidak sesuai dengan kebutuhan [sebagai] pelajar.” Ia menemukan DataCamp pada 2015 dan langsung tertarik dengan pendekatan belajar sambil praktik kami.
Saya suka bisa belajar sesuai kecepatan saya sendiri dengan DataCamp.
Cameron menghargai fleksibilitas platform DataCamp, yang memungkinkannya mendapatkan pengalaman belajar mulus di desktop dan seluler. Ia dapat belajar kapan pun memiliki jeda 30 menit dalam jadwalnya, misalnya setelah menidurkan putranya. Ia juga menyukai konten video kami dan menilainya “sangat singkat, tetapi bermanfaat.”
Ia juga menyukai kualitas pengajaran kami—kami hanya bekerja dengan pakar terkemuka di bidang data science, beberapa di antaranya secara aktif membuat dan merawat tool dan paket yang Cameron gunakan setiap hari.
Banyak kursus diajarkan langsung oleh pembuat paketnya! Siapa lagi yang bisa menjadi pengajar lebih baik daripada penulis paket?
Dampak bisnis dari belajar di DataCamp
Cameron berusaha menyisihkan satu jam setiap hari untuk belajar di DataCamp, dan ia bisa menerapkan pembelajarannya langsung ke pekerjaan “di banyak kesempatan, bahkan kadang keesokan harinya!”
Misalnya, ia belum pernah mendengar tentang Tidyverse sebelum mengeksplor kurikulum R kami, dan kini, timnya menggunakan prinsip data rapi “hampir setiap hari, di hampir setiap proyek.” Ia juga telah menggunakan banyak metodologi pemodelan yang diajarkan di DataCamp dalam berbagai skenario pemodelan harga.
Setelah mengikuti Data Manipulation in R with dplyr, Cameron mengalami peningkatan kinerja yang besar, baik dalam waktu pemrosesan dataset besar maupun waktu pengodean. Keterampilan ini mudah diterapkan dan ia dengan antusias membagikan pembelajarannya kepada rekan kerja, membantu membangun antusiasme internal untuk R dan dplyr.
Salah satu proyek besar yang ia kerjakan adalah kolaborasi analitik prediktif dengan Microsoft. Mereka menemukan bahwa penurunan suhu 12 derajat dalam enam hari secara langsung mendorong sejumlah besar konsumen untuk membeli pakaian musim dingin. Temuan ini memungkinkan mereka menyiapkan rantai pasok secara proaktif untuk memenuhi kebutuhan geografis yang berbeda dan mengoptimalkan penjualan produk fleece dan produk cuaca dingin lainnya dari Fruit of the Loom. Untuk proyek ini, Cameron dan timnya menerapkan banyak pembelajaran dari kursus DataCamp yang berfokus pada SQL, impor dan pembersihan data di R, serta pemodelan lanjutan.
Menghemat 196 hari kerja dengan DataCamp
Dampak DataCamp pada pekerjaan Cameron sangat besar. Mari lihat berapa banyak waktu yang ia hemat menurut perhitungannya sendiri setelah empat tahun belajar di DataCamp.
- Cameron bekerja kira-kira 200 hari per tahun, jadi sekitar 800 hari selama empat tahun. Dari 800 hari itu, ia memperkirakan sekitar 20% waktunya dihabiskan untuk aktif menulis kode, sehingga menjadi 160 hari kerja (atau 1.280 jam kerja).
- Dari waktu pengodean aktif tersebut, ia memperkirakan sekitar 40% (atau 512 jam) dihabiskan untuk analisis data eksploratif yang dipercepatan dengan konsep Tidy yang dipelajari dari DataCamp. Dari 512 jam tersebut, ia memperkirakan penggunaan prinsip Tidy menghemat sekitar setengah dari waktu yang dihabiskan.
- Pada 60% waktu Cameron lainnya, sekitar 10% dihabiskan untuk membantu orang lain dengan pertanyaan pengodean—penurunan besar sejak timnya mulai menggunakan DataCamp.
- Cameron memperkirakan sisa waktu, mendekati 700 jam, dihabiskan untuk pekerjaan yang lebih maju seperti pemodelan menggunakan konsep dari kursus kami tentang paket caret, membuat aplikasi Shiny, atau menarik data dari web. Ia memberikan apresiasi khusus untuk kursus Writing Efficient R Code oleh Colin Gillespie, yang sangat membantu meningkatkan waktu runtime-nya.
- Berdasarkan perkiraan kasarnya, ia melihat peningkatan sebesar 675 jam dalam pengodean langsung per tahun. Ini bahkan belum termasuk percepatan besar dalam waktu yang dihemat selama sesi non-pengodean, seperti saat timnya pertama kali merancang garis besar proyek. Metodologi baru yang dipelajari di DataCamp memberikan percepatan signifikan pada fase ini. Ia memperkirakan telah menghemat 70% waktu atau 896 jam.
Secara total, Cameron telah menghemat perkiraan 1.571 jam kerja atau 196 hari kerja selama empat tahun terakhir! Seperti yang kami sebutkan di awal artikel ini, waktu adalah komoditas paling berharga bagi Cameron—jadi ia sangat piawai memaksimalkannya.
Bagaimana DataCamp mendorong kolaborasi
Tim Cameron memanfaatkan langganan DataCamp mereka untuk mempelajari topik baru saat memiliki waktu luang di kantor. Mereka cukup kompetitif dan sesekali saling menantang soal XP DataCamp, yang membantu “membuat suasana tetap menarik.”
Selain itu, tim memiliki target formal untuk memenuhi sejumlah jam pelatihan setiap tahun, dan mereka terutama menggunakan DataCamp untuk mencapainya.
Pertumbuhan tim terlihat jelas dari banyaknya metodologi, algoritma, dan proses baru yang kami temukan di situs.
Membantu tim memetakan perjalanan menuju kemahiran data
Bagi Cameron, bagian tersulit saat memulai karier di data science adalah mengetahui dari mana harus memulai dan ke mana memfokuskan upaya. Ia merasa DataCamp melakukan pekerjaan luar biasa dalam membimbing pembelajarannya melalui skill track dan career track kami.
Data science adalah jalur karier yang sangat menarik, menyenangkan, dan memuaskan, dan platform DataCamp sangat membantu saya meraih sukses di bidang ini.
Pelajari lebih lanjut tentang perjalanan kemahiran data Cameron, dan terhubung dengannya di LinkedIn dan Twitter.
Untuk mengevaluasi bagaimana DataCamp dapat membantu tim Anda menjadi andal dalam data science dan analitik, kunjungi datacamp.com/business atau jadwalkan demo platform kami.
