Saya sering mendapat pertanyaan, “apa yang paling membuat Anda bersemangat tentang masa depan data science?”
Ketika para ahli membahas terobosan paling menarik, mereka sering menyoroti pekerjaan di garis terdepan bidang ini. Mereka mungkin membahas deep learning dan bagaimana teknologi tersebut memungkinkan komputer mengalahkan manusia dalam permainan Go, bagaimana kemajuan AI memungkinkan mobil otonom, atau bagaimana teknologi seperti Spark dan Hadoop memungkinkan komputasi pada set data yang sangat besar.
Saya punya jawaban yang berbeda untuk pertanyaan itu. Saya membahasnya secara rinci dalam webinar DataCamp terbaru kami, Mendemokratisasi Data Science di Perusahaan Anda, dan saya akan berbagi beberapa pemikiran saya di sini.
Membuat yang mustahil menjadi mungkin; membuat yang mungkin menjadi mudah
Bayangkan Anda hidup pada tahun 1903, dan seseorang menanyakan kemajuan paling menarik yang terjadi dalam transportasi. Ada jawaban mudah: 3 Desember 1903 menandai penerbangan pertama pesawat yang lebih berat dari udara, dilakukan oleh Wright bersaudara di Kitty Hawk. Jika Anda ditanya pertanyaan yang sama pada tahun 1969, Anda mungkin akan menjawab “pendaratan Apollo 11 di bulan.” Keduanya merupakan jawaban yang sepenuhnya wajar, berfokus pada momen pertama dalam sejarah transportasi: membuat yang mustahil menjadi mungkin.
Tetapi izinkan saya menawarkan sudut pandang lain. Tahun 1903 bukan hanya tahun penerbangan pertama pesawat yang lebih berat dari udara, melainkan juga tahun berdirinya Ford Motor Company. Dalam beberapa tahun, Ford memperkenalkan Model T, yang secara luas diakui mengubah mobil dari barang mewah menjadi moda transportasi yang terjangkau. Dan meski 1969 menyaksikan pertama kalinya manusia berjalan di bulan, tahun itu juga menandai penerbangan perdana Boeing 747, “jumbo jet” pertama. Peningkatan kapasitas penumpang membuat perjalanan udara lebih mungkin diakses oleh semua orang. Saya akan menyebut ini sebagai membuat yang mungkin menjadi mudah.
Menurut saya, pertanyaan “apa yang menarik dalam data science” memiliki jawaban serupa. Terobosan yang ramai dibicarakan seperti deep learning, mobil otonom, atau big data membuat yang mustahil menjadi mungkin: seperti penerbangan pertama Wright bersaudara atau pendaratan di bulan, semua itu memicu reaksi “saya tidak percaya kita bisa melakukan itu!”
Namun ada revolusi kedua: menyebarnya keterampilan data science, baik pemrograman maupun analisis statistik, ke komunitas yang lebih luas.
Semakin banyak orang, dari beragam latar belakang dan lintas departemen serta industri, memanfaatkan alat dan keterampilan data science untuk menyelesaikan pekerjaan mereka. Beberapa perubahan tersebut meliputi
- Pertumbuhan jumlah orang yang menggunakan Python dan R untuk menganalisis data
- Antarmuka ke perangkat statistik yang makin intuitif
- Kemajuan dalam pendidikan statistik dan pemrograman
Kebanyakan hal ini tidak melibatkan metode statistik baru atau pendekatan AI, sama seperti Model T bukan mobil pertama dan Boeing 747 bukan pesawat pertama. Yang membuatnya menarik adalah semakin banyaknya orang yang mampu memanfaatkannya.
Apa yang berubah dalam data science?
Pertumbuhan bahasa pemrograman untuk data science. Beberapa tahun terakhir menyaksikan lonjakan penggunaan bahasa pemrograman untuk data science. Seperti terlihat dalam analisis di blog Stack Overflow, Python berpotensi menjadi bahasa pemrograman dengan pertumbuhan tercepat di dunia, dan sebagian besar berkat ekosistem alat untuk data science. Bahasa R menunjukkan pertumbuhan yang sama mengesankannya, terutama di industri seperti akademia, kesehatan, pemerintahan, dan konsultan.
Source: Stack OverflowUsabilitas bahasa dan alat pemrograman yang makin baik. Banyak pertumbuhan ini tidak berasal dari metode baru dalam statistik, pembelajaran mesin, atau AI, melainkan dari peningkatan dalam membuat metode yang ada menjadi lebih mudah digunakan. Salah satu contohnya adalah paket pandas di Python, yang menstrukturkan data ke dalam objek bernama DataFrame sehingga memungkinkan analisis yang kuat dan intuitif.
Source: Stack OverflowPandas berfokus pada membuat metode transformasi data yang ada menjadi lebih intuitif. Seperti yang dibagikan pencipta pandas, Wes McKinney, dalam sebuah wawancara di Quartz, “ini memungkinkan orang menganalisis dan bekerja dengan data meskipun mereka bukan ilmuwan komputer ahli. Anda tetap harus menulis kode, tetapi kodenya dibuat intuitif dan mudah diakses. Ini membantu orang melampaui sekadar menggunakan Excel untuk analisis data.” Pandas menjadi tulang punggung track Data Scientist with Python di DataCamp.
Dalam bahasa R, tidyverse menawarkan revolusi usabilitas yang sama menariknya. Ini adalah kumpulan paket yang dirancang untuk memudahkan transformasi, visualisasi, dan pemodelan data. Seperti yang saya , saya menemukan tidyverse sangat intuitif untuk memperkenalkan metode visualisasi data kepada pemula, dan analisis menegaskan bahwa ini termasuk bagian dengan pertumbuhan tercepat di ekosistem R.
Pendidikan yang lebih baik. Meluasnya aktivitas dalam bahasa pemrograman data science berasal dari orang-orang baru yang bergabung dengan komunitas, baik dari bidang rekayasa perangkat lunak lainnya maupun dari karier yang sama sekali berbeda. Itu berarti sebagian dari revolusi data science tidak hanya pada bagaimana alat tersebut dibangun, tetapi juga bagaimana cara mengajarkannya.
Kursus data science interaktif di DataCamp kami telah mengajarkan ratusan ribu orang cara menganalisis dan memvisualisasikan data, termasuk banyak yang belum pernah pemrograman sebelumnya. Membuat kurva pembelajaran menjadi lebih landai adalah bagian krusial dari upaya mendemokratisasi data science.
Apa arti semua ini bagi perusahaan Anda?
Saat seseorang bertanya apakah Anda sudah memanfaatkan data science sepenuhnya, Anda tidak harus langsung beranggapan perlu menambahkan chatbot ke produk Anda, atau menggelontorkan dana kepada konsultan yang mengklaim menggunakan deep learning. Sebaliknya, lihatlah bagaimana orang-orang di perusahaan Anda memanfaatkan analisis dan visualisasi data.
Memang hebat jika sebuah lab di Google dapat menggunakan AI untuk membangun mobil otonom. Namun sama menariknya ketika seorang manajer pemasaran dapat menggunakan R untuk memvisualisasikan efektivitas iklan mereka, atau ketika tim keuangan dapat menggunakan Python untuk memprediksi pendapatan masa depan.
Jika Anda ingin memahami lebih jauh bagaimana revolusi dalam data science ini dapat memengaruhi perusahaan Anda, ikuti webinar kami tentang Mendemokratisasi Data Science di Perusahaan Anda.
