Pekerjaan dalam bidang big data sudah menjadi pekerjaan yang banyak diminati di Indonesia. Mengutip dari Harvard Business Review, sepuluh tahun lalu Hal Varian, Chief Economic di Google, sempat mengatakan bahwa “The sexy job in the next 10 years will be statisticians”. Hal ini terbukti dengan banyaknya lowongan pekerjaan yang membuka jenis pekerjaan pada bidang big data, seperti Data Analyst dan juga Data Scientist.
Untuk kamu yang belajar dalam bidang machine learning, tentunya sudah tidak asing lagi dengan kedua role tersebut. Mengingat prospek karier pada bidang machine learning juga sangatlah luas dengan munculnya pekerjaan seperti Data Analyst, Data Engineer, Data Scientist, dan juga Machine Learning Engineer.
Pada artikel ini, kita akan mengenal kedua pekerjaan yang satu jenis, tetapi berbeda. Dua peran tersebut adalah pekerjaan Data Analyst dan Data Scientist. Untuk mempermudah membedakan kedua pekerjaan tersebut, kita akan mengenalinya dalam tiga poin.
💻 Mulai Belajar Pemrograman
Belajar pemrograman di Dicoding Academy dan mulai perjalanan Anda sebagai developer profesional.
Daftar Sekarang- Tugas dan Tanggung Jawab
- Tools
- Skills
Mari kita bahas perbedaannya satu per satu!
Tugas dan Tanggung Jawab
Dilihat dari tugas dan tanggung jawab yang diberikan, tentunya Data Analyst dan Data Scientist memiliki peran yang berbeda. Tugas utama Data Analyst adalah memberikan insight dari data yang sudah ada. Biasanya tim Data Analyst menggunakan data historical atau data yang sudah lampau. Data ini bisa didapatkan dari berbagai macam kejadian atau sebuah keputusan yang dibuat.
Tim Data Analyst akan memberikan insight dari data tersebut. Insight yang dihasilkan dibuat dari pertanyaan-pertanyaan yang muncul. Bentuk insight yang didapatkan akan menjadi sebuah informasi untuk kebutuhan identifikasi masalah yang sudah lampau atau menjadi penentu untuk keputusan yang akan datang.
Berbeda dengan tim Data Scientist yang bertugas untuk mengeksplorasi data yang sudah tersedia. Data Scientist akan melakukan eksplorasi untuk mencari tahu data yang berpengaruh untuk masa depan.
Tim Data Scientist bertanggung jawab mencari data yang benar untuk mendapatkan sebuah insight. Eksplorasi yang dilakukan Data Scientist dapat dimulai dari deskriptif analitik, prediktif analitik, hingga preskriptif analitik.
Hasil dari eksplorasi tersebut akan dibuatkan sebuah solusi, misal dibuatkan model machine learning untuk sebuah prediksi atau rekomendasi.
Tools
Kedua tim ini sama-sama bergelut dalam bidang data. Namun, tools yang digunakan untuk mengolah datanya itu berbeda, sobat. Tim Data Analyst biasanya akan memakai tools yang mudah untuk digunakan lewat dashboard. Contoh tools yang digunakan adalah Power BI, Excel, Spreadsheet, Tableau, dan sebagainya. Tim Data Analyst memerlukan tools tersebut untuk memudahkan proses kueri dan juga visualisasi yang dibutuhkan.
Di sisi lain, tim Data Scientist lebih sering menggunakan bahasa pemrograman, seperti Python untuk mengolah data yang ada. Tim Data Scientist lebih banyak menghabiskan waktu di depan kode untuk mendapatkan insight.
Tanggung jawab untuk eksplorasi inilah yang mengharuskan tim Data Scientist harus menggunakan dan mempelajari bahasa pemrograman, seperti Python untuk menyelesaikan masalah yang ada.
Skills
Setelah kita membaca tentang tanggung jawab dari masing-masing profesi. Kita jadi mengetahui bahwa dari tanggung jawab yang diberikan, tentunya diperlukan skills yang dapat mendukung produktivitas untuk kedua tim tersebut.
Untuk seorang Data Analyst, skill pertama yang dibutuhkan adalah skill programming. Skill ini tetap diperlukan untuk kebutuhan analisis. Programming membantu kita mengasah logika dan juga cara berpikir kita untuk menyelesaikan masalah.
Kedua, skill visualisasi dan komunikasi. Skill ini sangat berperan penting untuk seorang Data Analyst untuk menyampaikan insight dari data yang sudah diproses. Kemampuan komunikasi juga sangatlah berpengaruh, untuk menyampaikan sebuah story telling dari insight yang didapatkan.
Ketiga, skill statistika dan matematika. Kemampuan ini dibutuhkan untuk melakukan analisis dan juga perhitungan dari data yang ada. Terakhir, adalah skill data intuition, yaitu kemampuan untuk memahami atau menerapkan konsep yang ada.
Menjadi seorang Data Scientist juga penting untuk memiliki keempat skill yang ada pada seorang Data Analyst. Namun, ada dua skill tambahan untuk seorang Data Scientist, yaitu data wrangling dan juga machine learning.
Pertama adalah skill data wrangling merupakan kemampuan untuk memproses data agar data yang digunakan lebih mudah untuk diproses di kemudian hari.
Kedua adalah skill machine learning, kemampuan ini digunakan untuk melakukan sebuah prediksi untuk mendapatkan insight dari eksplorasi yang dijalankan. Skill machine learning ini berperan penting untuk menyelesaikan masalah yang ada. Contohnya adalah mempercepat proses memberikan rekomendasi dari data yang ada, pengelompokan pengguna, dan sebagainya.
Kesimpulan
Itulah tiga perbedaan seorang Data Analyst dan juga Data Scientist. Untuk mengingat kembali tentang topik yang sudah dibaca, kita dapat mengingat perbedaannya lewat tiga aspek.
Pertama dari tugas atau tanggung jawabnya, kedua dari tools atau alat yang digunakan. Terakhir, dari skills yang dibutuhkan untuk menjadi salah satunya, baik Data Analyst maupun Data Scientist.
Setelah mengetahui perbedaannya, kamu ingin jadi apa, nih?
