Cara Membangun Tim Data yang Unggul

Organisasi Membutuhkan Tim Data yang Unggul

Saat ini organisasi menghasilkan lebih banyak data daripada sebelumnya. Forbes menyebutkan lebih dari 2,5 kuintiliun byte data dihasilkan setiap hari pada 2018, dengan lebih dari 90 persen data di dunia dihasilkan dalam dua tahun sebelum artikel tersebut dipublikasikan. Negara-negara individu menghasilkan data yang bahkan lebih banyak. Pada 2018, CNBC melaporkan bahwa Tiongkok menghasilkan 7,6 zettabyte data. Angka ini diperkirakan meningkat menjadi 48,6 ZB pada 2025. AS juga menghasilkan jumlah data yang serupa.

Ada banyak wawasan praktis bernilai yang tersedia dalam data ini yang belum dimanfaatkan. Menurut Forrester, 60 hingga 73 persen data organisasi tidak dimanfaatkan dalam analitik.

Organisasi yang sukses dan berbasis data memanfaatkan data dalam skala besar untuk menghasilkan nilai. Misalnya, Uber berinvestasi besar-besaran dalam pembuatan platform untuk secara efisien mengirimkan lebih dari 100 petabyte data yang tersedia kepada tim data mereka melalui antarmuka sederhana yang mereka skalakan untuk mendukung lebih dari 1 miliar pesanan Uber Eats dengan jarak tempuh lebih dari 24 juta mil. Melalui pengujian A/B, Netflix menghasilkan 20 hingga 30 persen tayangan lebih banyak hanya dengan mengubah gambar yang terkait dengan film atau acara TV.

Jelas ada wawasan bernilai tinggi yang tersedia bagi organisasi yang dapat menavigasi lanskap data mereka yang kompleks dan besar dengan sukses. Jenis penciptaan nilai ini hanya dapat dicapai melalui tim data yang berkinerja tinggi dan komprehensif.

Peran Data untuk Tim Data yang Unggul

Banyak peran kunci diperlukan untuk membangun tim data yang sukses. Dalam white paper ini, DataCamp menggambarkan delapan peran, atau persona, yang dapat ditemukan di organisasi mana pun yang berbasis data. Meskipun jabatan mungkin berbeda antara satu organisasi dan lainnya, kami akan menguraikan lima peran yang membentuk tim data yang kuat: analis bisnis, analis data, data scientist, machine learning scientist, dan data engineer.

Analis Bisnis

Analis Bisnis meningkatkan profitabilitas dan efisiensi dari wawasan data. Mereka melengkapi pengetahuan mendalam tentang domain bisnis dengan keterampilan analisis dan visualisasi data, serta melaporkan wawasan kepada pengguna data.

Keterampilan Utama: Manipulasi Data, Visualisasi Data, Pelaporan, Statistik Dasar Alat: Spreadsheet (Excel, Google Sheets), alat Business Intelligence (Tableau, PowerBI), SQL

Rekomendasi Kursus: Introduction to SQL, Data Analysis in Spreadsheets / Excel, Marketing Analytics in Spreadsheets, Financial Analytics in Spreadsheets

Analis Data

Analis Data memainkan peran yang mirip dengan analis bisnis dalam menganalisis dan mengekstrak wawasan dari data untuk mendorong hasil bisnis. Karena itu, keterampilan mereka juga tumpang tindih; namun, analis data menjawab masalah yang kurang terdefinisi yang memerlukan pemahaman lebih tinggi tentang alur kerja analisis data, dan memanfaatkan kombinasi alat yang menggunakan kode dan tanpa kode

Keterampilan Utama: Manipulasi Data, Visualisasi Data, Pelaporan, Impor dan Pembersihan Data, Probabilitas, dan Statistik

Alat: R atau Python, Spreadsheet (Excel, Google Sheets), alat Business Intelligence (Tableau, PowerBI), SQL

Rekomendasi Kursus: Data Analyst Career Track (R - 16 kursus/Python - 16 kursus), Cleaning Data in R/Python, Time Series Analysis in SQL

Data Scientist

Data Scientist memainkan peran yang jauh lebih teknis di organisasi, bekerja terutama dengan alat berbasis kode untuk menyelidiki, mengekstrak, dan menghasilkan wawasan serta nilai dari data. Data scientist memerlukan pemahaman yang kuat tentang alur kerja analisis data dan machine learning serta kemampuan untuk bekerja dengan tipe data non-standar dan alat big data.

Keterampilan Utama: Manipulasi Data, Visualisasi Data, Pelaporan, Impor dan Pembersihan Data, Probabilitas dan Statistik, Machine Learning,

Alat: R, Python, Scala, alat big data (Airflow, Spark), SQL, alat baris perintah (Git, Shell)

Rekomendasi Kursus: Data Scientist Career Track (R - 22 kursus/Python - 23 kursus), Sentiment Analysis in Python, Introduction to Git

Machine Learning Scientist

Machine Learning Scientist bertanggung jawab mengembangkan sistem machine learning dalam skala besar. Mereka menghasilkan prediksi dari data menggunakan berbagai jenis model machine learning untuk memecahkan masalah seperti memprediksi churn dan customer lifetime value, serta bertanggung jawab untuk menerapkan model-model ini agar dapat digunakan oleh organisasi.

Keterampilan Utama: Manipulasi Data, Visualisasi Data, Impor dan Pembersihan Data, Probabilitas dan Statistik, Machine Learning, Data Engineering Alat: R, Python, Scala, alat big data (Airflow, Spark), SQL, alat baris perintah (Git, Shell) Rekomendasi Kursus: Machine Learning Scientists Career Track (R - 14 kursus/Python - 23 kursus), Image Processing in Python, Machine Learning with PySpark

Data Engineer

Data engineer bertanggung jawab membuat pipeline data yang membantu organisasi mendapatkan data yang tepat kepada orang yang tepat. Mereka menggabungkan sejumlah besar data dari berbagai sumber ke satu lokasi terpusat, sehingga berbagai peran data dapat bekerja dengan data yang bersih, relevan, patuh, dan dapat ditindaklanjuti.

Keterampilan Utama: Manipulasi Data, Impor dan Pembersihan Data, Data Engineering, Pemrograman Lanjutan Alat: Python, Scala, alat big data (Airflow, Spark), SQL, alat baris perintah (Git, Shell), Platform Cloud (mis., AWS) Rekomendasi Kursus: Data Engineer with Python Career Track (25 kursus), Introduction to Airflow in Python, Streaming Data with AWS Kinesis and Lambda

Cara Membuat Tim Data yang Unggul

Studi Kasus

Dengan pemahaman tingkat tinggi tentang tanggung jawab tiap peran, mari kita lihat bagaimana masing-masing peran ini berinteraksi dalam konteks bisnis untuk mendorong nilai melalui contoh nyata, ketika tim data mengekstrak nilai dari model churn pelanggan.

Dalam konteks ini, data engineer memastikan data scientist dan machine learning scientist memiliki akses ke data berkualitas tinggi yang mereka perlukan untuk mengembangkan dan mengoperasionalkan model. Mereka akan memastikan kualitas data dan izin yang tepat untuk setiap dataset ditegakkan. Mereka juga akan menyajikan data dengan cara yang mudah diakses beserta metadata dan variabel yang diperlukan untuk analisis yang efektif.

Berikutnya, data scientist dan machine learning scientist akan bekerja sama membuat model yang akurat untuk memprediksi churn pelanggan. Mereka perlu memastikan modelnya akurat, dapat diinterpretasikan, dan dapat diterapkan dalam proses bisnis, serta memastikan model tetap akurat pada data yang belum terlihat setelah diterapkan.

Terakhir, analis data dan analis bisnis akan bekerja sama memanfaatkan keluaran model untuk membuat keputusan yang mendorong nilai bisnis. Mereka dapat mengalokasikan belanja pemasaran berdasarkan pelanggan mana yang lebih mungkin churn, dan memberikan alasan berbasis fakta kepada pengambil keputusan mengapa segmen pelanggan tertentu lebih mungkin churn.

Seperti kebanyakan proyek data, setiap peran berkontribusi dalam mengekstrak nilai dari data.

Jalur menuju tim data yang efektif dimulai dari orang-orang Anda

Peran data sangat diminati meskipun terjadi penurunan perekrutan baru-baru ini akibat pandemi, dan dua kali menempati tiga besar dalam laporan tahunan pekerjaan yang berkembang pesat dari LinkedIn. Pada akhir 2020, Deloitte menyatakan bahwa 23% organisasi memiliki kesenjangan besar atau ekstrem antara kebutuhan AI dan kemampuan saat ini. Pada 2021, Deloitte menerbitkan laporan yang menyatakan bahwa untuk menghadapi kekurangan dalam perekrutan posisi data, organisasi harus melakukan perekrutan selektif dan peningkatan keterampilan yang terarah.

Mengingat kelangkaan talenta data, organisasi harus memadukan perekrutan selektif dengan peningkatan keterampilan untuk membentuk tim data yang sangat terampil dan mampu menciptakan nilai. Organisasi dapat melakukannya dengan menyediakan jalur pembelajaran yang dipersonalisasi bagi karyawan yang disesuaikan khusus untuk peran-peran ini. Di DataCamp, kami menyediakan perjalanan belajar yang dipersonalisasi berdasarkan tingkat keterampilan dan tujuan pembelajaran yang diinginkan, memungkinkan mereka untuk menilai, belajar, berlatih, dan menerapkan keterampilan data baru. Dengan DataCamp for Business, pembelajar dapat memanfaatkan jalur belajar khusus yang memungkinkan organisasi menyesuaikan program pembelajaran dengan sasaran dan tantangan spesifik mereka. Pelajari lebih lanjut tentang bagaimana Anda dapat mentransformasi talenta Anda dengan DataCamp.

DataCamp for Business menyediakan platform pembelajaran interaktif bagi perusahaan yang perlu meningkatkan dan menyegarkan keterampilan karyawan dalam bidang data. Dengan topik mulai dari literasi data dan data science hingga data engineering dan machine learning, lebih dari 1.600 perusahaan mempercayai DataCamp for Business untuk meningkatkan keterampilan talenta mereka.