Kursus
Setelah dijuluki oleh Harvard Business Review sebagai “pekerjaan terseksi abad ke-21” pada 2012, Glassdoor menobatkannya sebagai “pekerjaan terbaik tahun ini” pada 2016.
Namun, pandangan terhadap data scientist berubah cukup signifikan selama empat tahun tersebut: pada 2012, sebagian besar artikel berfokus untuk menjelaskan apa itu data scientist dan apa yang sebenarnya mereka lakukan. Saat itu, pencarian singkat di Google dengan kata “How to become a data scientist” menunjukkan bahwa konsep tersebut memiliki makna berbeda bagi orang yang berbeda. Pada 2016, pencarian ini masih memberikan beragam artikel dan spektrum opini yang luas tentang topik tersebut. Namun, jika dulu data scientist dianggap sebagai sosok yang benar-benar bisa ada, semakin banyak artikel kini yang berfokus menjelaskan mengapa data scientist adalah seekor unicorn.
Sebab belum banyak yang memenuhi ekspektasi tinggi yang telah ditetapkan, meskipun definisi data scientist sendiri belum baku. Iklan lowongan menunjukkan bahwa perusahaan mencari orang yang memiliki keterampilan komunikasi, kreativitas, kecerdikan, rasa ingin tahu, keahlian teknis, … Cara kemampuan-kemampuan ini kadang dijelaskan membuat orang merasa mustahil untuk menjadi data scientist.
Dengan permintaan yang melampaui pasokan, tren tim ilmu data alih-alih individu data scientist semakin meningkat, dan dengannya, fokus baru yang kuat pada apa dan bagaimana ilmu data dijalankan. Namun, sama seperti definisi data scientist, definisi ilmu data itu berwajah banyak, dan ada banyak saran di luar sana bagi mereka yang ingin mempelajari ilmu data. Namun, informasi ini dapat bergantung pada industri dan konteks, serta bersifat personal.
Panduan Ilmu Data 8 Langkah
Untuk memandu Anda melewati rimba informasi dan saran ini, DataCamp telah memperbarui infografik "Menjadi Data Scientist dalam 8 Langkah": kini infografik tersebut memberikan pandangan terkini tentang delapan langkah yang perlu Anda lalui untuk mempelajari ilmu data. Beberapa dari delapan langkah ini akan lebih mudah bagi sebagian orang dibanding yang lain, bergantung pada latar belakang dan pengalaman pribadi, di antara faktor-faktor lainnya.
Namun tujuannya tetap sama, yaitu menjadikannya panduan visual bagi siapa pun yang tertarik mempelajari ilmu data atau bagi siapa pun yang sudah menjadi data scientist atau bagian dari tim ilmu data tetapi menginginkan sumber daya tambahan untuk penyempurnaan lebih lanjut.

Jika Anda sedang mempertimbangkan untuk mempelajari ilmu data atau baru saja memulainya, jangan ciut nyali melihat delapan langkah yang disajikan dalam infografik.
Ilmu data adalah maraton, bukan sprint.
Mempelajari ilmu data memerlukan waktu dan investasi pribadi, namun perjalanannya jauh dari membosankan!
Dan jangan lupa, ada banyak kursus dan sumber daya lainnya yang tersedia untuk menuntun Anda ke arah yang tepat.
