Cara Mengatasi Tantangan Saat Menskalakan Proyek Data Science

Kita berada di penghujung Era Informasi.

Namun, pertanian dan industri tidak hilang pada pertengahan 1900-an ketika Era Informasi menyerap Era Industri. Demikian pula, Era Informasi akan—atau sudah?—terserap ke dalam era baru yang memacu adrenalin yang kita jalani sekarang: Era Pengalaman.

Jika Era Informasi berfokus pada pengumpulan data dalam jumlah masif, maka Era Pengalaman berfokus pada menganalisisnya dan menemukan apa yang bisa dilakukan untuk kita—membuatnya bekerja untuk kita.

Di sinilah ilmuwan data seperti Anda berperan. Semakin banyak organisasi membentuk tim data science untuk mengekstrak wawasan dari aliran data yang terus-menerus. U.S. Bureau of Labor Statistics memperkirakan pekerjaan data science akan meningkat 35% sebelum 2033.

Bandingkan dengan rata-rata pertumbuhan pekerjaan nasional 3% di seluruh industri.

Statistik ini menggembirakan, tetapi tingginya permintaan untuk pekerjaan ilmuwan data berarti ada kebutuhan besar akan wawasan berbasis data, dan setiap organisasi menginginkan porsi besar dari itu.

Tekanannya bisa terasa menyesakkan. Bagaimana tim Anda bisa mengikuti permintaan organisasi akan wawasan berbasis data? Bagaimana Anda dapat meningkatkan jumlah proyek data science yang bisa ditangani tim tanpa menguras sumber daya?

Semua kembali pada organisasi. Dengan tata kelola data dan sistem perencanaan sprint yang tertata rapi, Anda bisa melakukan lebih dari yang pernah Anda bayangkan.

Apa itu Tata Kelola Data, dan Mengapa Penting?

Tata kelola data adalah sistem yang digunakan tim untuk mengelola siklus hidup data yang dikumpulkannya. Dengan rencana tata kelola data yang efektif, tim Anda tetap teratur dan mematuhi peraturan penting tingkat negara bagian, federal, dan global.

Anda mungkin bertanya-tanya, “Apa perbedaan antara tata kelola data vs. manajemen data?” Anggap saja begini:

• Tata kelola data menetapkan kebijakan dan prosedur yang mengatur bagaimana Anda memperoleh, menggunakan, dan mengamankan data Anda.
• Manajemen data adalah bagaimana Anda kemudian mengumpulkan, memproses, menyimpan, menganalisis, dan menafsirkan data tersebut.

Dengan kata lain, tata kelola data menyiapkan kerangka kerja untuk manajemen data dan mengawasi proses-proses tersebut. Anda dapat mempelajari lebih lanjut tentang konsep tata kelola data di DataCamp.

Sebagian besar organisasi memiliki rencana tata kelola default pada tingkat mikro—satu untuk alat bisnis tertentu dan satu lagi untuk fungsi terpisah. Sebagai ilmuwan data, tugas Anda adalah merampingkan tata kelola data menjadi satu mesin yang sangat terorganisasi dan terkendali ketat.

Apakah butuh banyak pekerjaan di awal? Ya. Tetapi setelah Anda menyiapkannya, Anda akan siap untuk mengelola dataset yang lebih besar dan menangani lebih banyak proyek. Untuk memahami konsep ini dengan cepat, lihat Data Governance Fundamentals Cheat Sheet dari DataCamp, panduan praktis untuk merujuk konsep utama dan praktik terbaik.

Menyiapkan Kerangka Kerja Tata Kelola Data

Proses tata kelola data dimulai dengan membangun tim.

Anda dan ilmuwan data lain di organisasi Anda perlu bekerja sama untuk menerapkan program tata kelola data. Jabatan dan tanggung jawab persisnya akan bervariasi tergantung pada organisasi Anda, tetapi secara umum, organisasi Anda perlu menunjuk empat peran:

• Data steward: Mengelola program tata kelola, memastikan keamanan, dan menjadi penghubung antara bisnis dan tim TI
• Arsitek data: Merancang sistem yang akan memproses dan menyimpan data serta membantu data steward mengikuti kebijakan tata kelola
• Penjaga data (data custodian): Memindahkan, menyimpan, mengamankan, dan mengawasi penggunaan data
• Analis data: Menafsirkan data dan mengubahnya menjadi wawasan yang dapat ditindaklanjuti bagi bisnis

Bergantung pada ukuran perusahaan Anda, Anda mungkin memerlukan lebih dari satu orang untuk setiap peran. Beberapa organisasi juga memiliki administrator atau dewan data yang mengawasi pembuatan kebijakan tata kelola data.

Membangun strategi yang komprehensif sangat penting, dan modul DataCamp tentang Membuat Strategi Tata Kelola Data dapat memberi Anda pendekatan terstruktur untuk proses ini.

Menjabarkan kebijakan tata kelola data

Setelah Anda membangun tim, Anda dapat berkolaborasi untuk mendefinisikan kebijakan tata kelola data yang akan diikuti semua orang.

Pikirkan pertanyaan-pertanyaan ini:

• Bagaimana perusahaan Anda akan menggunakan dan mengelola data sesuai praktik terbaik tata kelola data?
• Siapa yang akan membuat keputusan tentang penggunaan data seiring teknologi berkembang pesat?
• Bagaimana organisasi mengharapkan pengguna akhir mendapatkan manfaat dari data?

Jelajahi jawabannya dan gunakan untuk membuat kebijakan tata kelola data utama Anda. Anggap itu sebagai payung yang melindungi subkebijakan yang Anda bangun seputar standar, budaya data, dan keamanan.

Menentukan kebutuhan standar, langkah keamanan, dan budaya data Anda

Sekarang, Anda perlu memikirkan standar data. Data tidak akan banyak berguna jika kualitasnya tidak prima. Standar apa yang harus dipenuhi data? Bagaimana tim Anda akan menyaring data yang tidak memenuhinya? Memahami dan memastikan kualitas data adalah hal yang utama. Selami lebih dalam topik ini dengan Kursus Pengantar Kualitas Data dari DataCamp.

Agenda berikutnya adalah keamanan. Tentukan:

• Bagaimana Anda akan mengklasifikasikan data—publik, privat, rahasia, terbatas, dan seterusnya
• Siapa yang akan memiliki akses ke setiap klasifikasi
• Bagaimana Anda akan mengenkripsi data untuk menjaganya tetap aman dari penyimpanan hingga transmisi dan kembali lagi
• Sistem peringatan untuk memberi tahu tim Anda tentang pelanggaran keamanan
• Kebijakan tentang bagaimana Anda akan menangani setiap pelanggaran
• Jadwal pengujian dan audit untuk memastikan program berjalan sesuai rencana

Terakhir, salah satu hal terpenting yang bisa dilakukan tim tata kelola data Anda adalah menjaga seluruh organisasi tetap terinformasi tentang bagaimana data dapat membantu mereka. Menjaga orang tetap terinformasi membantu menciptakan budaya di mana data dihargai dan dirawat, seperti aset yang memang seharusnya.

Jadi, bagaimana Anda bisa membuat sesuatu yang tampak membosankan seperti data menarik bagi seluruh organisasi?

Buat data itu “hidup”.

Tunjukkan kepada organisasi Anda secara tepat bagaimana data membuat pekerjaan mereka lebih mudah. Adakan presentasi triwulanan dengan bagan dan visual yang menunjukkan bagaimana data memengaruhi keputusan perusahaan. Kirimkan ringkasan informatif atau buletin bulanan dengan tema serupa. Sediakan kursus untuk seluruh perusahaan yang membantu karyawan meningkatkan literasi data mereka.

Organisasi yang peduli pada datanya akan membantu menegakkan kebijakan, prosedur, dan standar yang Anda tetapkan. Standar dan struktur ini akan memudahkan tim data science Anda untuk menangani lebih banyak proyek tanpa mengorbankan kualitas atau keamanan data.

Dan sekarang Anda siap untuk sprint.

Perencanaan Sprint untuk Tim Data Science

Anda telah membangun kerangka kerja agar data dapat bergerak dengan aman dan efisien di seluruh organisasi Anda. Sekarang saatnya melihat bagaimana perencanaan ala sprint bisa bekerja untuk Anda. Memang, perencanaan sprint adalah bagian dari sistem manajemen proyek scrum yang digunakan dalam pengembangan perangkat lunak. Tetapi ini juga bekerja dengan baik untuk tata kelola dan manajemen data.

Itu karena, seperti pengembangan perangkat lunak, manajemen data melibatkan jutaan komponen yang bergerak. Secara harfiah.

Pertama, mari bicara tentang apa itu sprint.

Sprint adalah kerangka waktu yang sudah ditentukan di mana tim Anda akan mengerjakan tugas untuk mencapai satu tujuan utama. Meskipun sprint bisa sepanjang yang Anda mau, biasanya berlangsung satu hingga empat minggu. Sering kali, ini cukup waktu bagi tim data science Anda untuk menyelesaikan proyek kecil hingga menengah.

Di waktu lain, tim Anda perlu menjalankan beberapa sprint untuk menyelesaikan satu proyek raksasa. Anda tahu, proyek yang mengharuskan Anda menghasilkan dataset besar dan membawanya melalui seluruh siklus hidup dari pengumpulan hingga interpretasi.

Sebelum sprint dimulai, tim Anda akan bertemu untuk memetakannya.

Dengan begitu, ketika sprint resmi dimulai, semua orang tahu persis apa yang harus dilakukan selama jam kerja. Menurut metodologi Scrum, rapat perencanaan sprint sebaiknya tidak berlangsung lebih dari dua jam untuk setiap minggu sprint.

Misalnya, organisasi layanan kesehatan Anda memberi Anda proyek yang lebih kecil. Tim Anda perlu mencari tahu mengapa tombol ajakan bertindak (CTA) di beranda perusahaan berkinerja buruk. Tombol CTA tersebut mendorong pasien untuk menjadwalkan skrining kanker yang penting.

Untuk menyelesaikan masalah ini, Anda perlu:

• Menganalisis data historis yang memberi tahu Anda tentang target audiens tombol CTA
• Merancang satu hingga dua varian baru tombol CTA
• Melakukan uji A/B pada varian terhadap satu sama lain dan terhadap versi asli
• Mengumpulkan, memproses, dan menganalisis data selama periode tertentu
• Menyajikan wawasan yang dapat ditindaklanjuti untuk membantu tim pemasaran memilih tombol CTA yang tepat

Tim pemasaran menginginkan hasil dalam tiga minggu.

Ini adalah tenggat yang ketat untuk uji A/B, tetapi tim Anda siap. Anda akan mengadakan sesi perencanaan sprint selama tiga jam untuk sprint tiga minggu Anda.

Kita akan menggunakan skenario ini untuk menunjukkan seperti apa perencanaan sprint bagi tim data science.

1. Tetapkan tujuan sprint dan kerangka waktunya

Dua pertanyaan pertama yang harus ditanyakan tim Anda selama perencanaan sprint adalah:

• Hasil apa yang kita inginkan dari sprint ini?
• Berapa kerangka waktu yang realistis bagi kita untuk mencapai hasil ini?

Tim pemasaran telah memberi Anda hasil ideal, yaitu tombol CTA yang mendapat dua kali klik dibandingkan yang saat ini.

Dan Anda sudah tahu Anda memiliki tiga minggu untuk menyelesaikan sprint.

Anda siap melangkah ke tahap berikutnya.

2. Tulis user story Anda

Dalam pengembangan perangkat lunak, user story adalah deskripsi produk akhir dari sudut pandang pengguna. Ini adalah tugas kreatif yang ditulis dalam bahasa yang lugas dan alami. Tujuannya adalah menempatkan tim pengembang pada posisi pengguna akhir dan mengaitkan poin cerita dengan tugas konkret dalam sprint.

Anda bisa melakukan hal serupa untuk proyek data science Anda.

Kembali ke proyek tombol CTA contoh kita. Departemen pemasaran ingin pengguna terdorong untuk mengklik tombol CTA untuk skrining kanker gratis. Artinya, Anda perlu menempatkan diri pada posisi seseorang yang menjumpai tombol tersebut di situs web organisasi layanan kesehatan.

Jawab pertanyaan seperti ini saat Anda menulis user story:

• Siapa orang yang akan mengklik tombol CTA baru?
• Kekhawatiran terkait kesehatan apa yang membuat mereka gelisah di malam hari?
• Mengapa mereka akan mendapat manfaat dari skrining kanker?
• Bagaimana tombol menyampaikan manfaat tersebut secara jelas dan ringkas?
• Bagaimana teks dan grafik di sekitar tombol membuat mereka merasa?
• Apa pada warna, font, dan copy tombol yang mendorong mereka untuk mengklik?
• Mengapa orang ini akan mengklik tombol CTA?

Anda dapat menyesuaikan pertanyaan-pertanyaan ini untuk proyek Anda. Fokus pada hasilnya dan telusuri mundur hingga Anda memahami bagaimana hasil itu berinteraksi dengan dan menguntungkan pengguna.

Jika Anda dapat mencocokkan poin-poin spesifik dalam cerita Anda dengan tugas dalam sprint, itu bahkan lebih baik. Ini akan membantu Anda pada langkah ketiga dalam perjalanan perencanaan ala sprint.

3. Tugaskan tugas sprint ke setiap anggota tim

Sekarang, Anda seharusnya sudah tahu tugas apa yang perlu dilakukan dan mengapa perlu dilakukan.

Saatnya menugaskan setiap anggota tim data science Anda satu tugas untuk diselesaikan dalam kerangka waktu sprint. Anda mungkin perlu memecah beberapa tugas menjadi bagian yang lebih kecil. Anda juga perlu mengidentifikasi ketergantungan. Misalnya, tim data science Anda tidak akan dapat menguji varian tombol CTA baru sampai mereka membangunnya.

Pertimbangkan untuk menggunakan perangkat lunak manajemen tugas untuk melacak siapa yang bertanggung jawab atas setiap tugas dan memastikan bahwa ketergantungan diidentifikasi dan dikelola dengan jelas.

Buat kerangka berapa lama setiap sub-tugas dan tugas seharusnya berlangsung. Tetapkan jam sprint untuk masing-masing. Periksa dengan tim Anda untuk memastikan jamnya terasa wajar dan bisa dikerjakan.

Ingat bahwa jam-jam ini adalah perkiraan dan hal-hal dapat dan akan berubah. Jika Anda khawatir tentang jadwal, komunikasikan hal itu dengan departemen yang meminta proyek. Negosiasikan perkiraan waktu yang lebih panjang jika diperlukan. Selalu merupakan ide yang baik untuk menambahkan buffer waktu pada sebuah proyek. Tim Anda dapat menggunakannya untuk mengevaluasi kemajuan dan menyesuaikan diri terhadap masalah apa pun.

Mengebut menyelesaikan proyek dapat menghabiskan lebih banyak waktu dan uang ke depannya—dan itulah masalah yang ingin dihindari oleh perencanaan sprint.

Tata Kelola Data dan Perencanaan Sprint: Pasangan Sempurna

Seiring data science menjadi semakin populer di Era Pengalaman yang menarik ini, tim Anda akan mengerjakan puluhan proyek secara bersamaan.

Tetap tenang dan terus sprint.

Maksud kami:

• Tentukan perkiraan tanggal jatuh tempo untuk setiap proyek
• Bagi setiap proyek menjadi satu atau beberapa sprint
• Tugaskan sprint yang berbeda ke sub-tim yang berbeda dalam departemen Anda ATAU jadwalkan sprint sesuai dengan proyek mana yang lebih dulu jatuh tempo
• Adakan sesi perencanaan sprint untuk setiap sprint/proyek

Sekarang Anda akan melihat saat Anda dan tim mencapai sasaran demi sasaran yang memuaskan. Dengan kerangka kerja tata kelola data yang telah diterapkan, mengelola arus data yang konstan akan menjadi proses yang mulus dan aman.

Dan jika ada gangguan yang mengguncang perjalanan, Anda telah memiliki kebijakan dan prosedur untuk menanganinya tanpa berkeringat.

Pemikiran Akhir

Saat Anda memulai perjalanan menskalakan proyek data science, ingatlah bahwa pembelajaran dan adaptasi berkelanjutan adalah kunci keberhasilan. Untuk lebih meningkatkan keterampilan dan pengetahuan Anda, jelajahi kursus komprehensif DataCamp tentang tata kelola data, seperti Kursus Konsep Tata Kelola Data, dan tetap selangkah lebih maju di Era Pengalaman.