Perbedaan di antara Data Scientist dan Data Analyst
Di era informasi dan teknologi, data semakin membentuk sistem yang kita hadapi sehari-hari.
Mulai dari halaman mesin pencari daring, rekomendasi barang di situs e-commerce, hingga
laporan perusahaan merupakan hasil dari pengolahan data. Istilah ‘Big Data’ pun santer
terdengar. Tidak mengherankan jika profesional yang berkaitan dengan data semakin
dibutuhkan dan jenisnya juga berkembang.
Society for Human Resource Management (SHRM) memprediksi 59% organisasi akan
menambah posisi yang membutuhkan keterampilan analisis data pada tahun 2021. Thomas H.Davenportdan D.J. Patil menulis pada Harvard Business Review bahwa data scientist (ilmuwan
data) adalah pekerjaan paling ‘seksi’ pada abad ke-21. Penelitian LinkedIn juga menemukan
bahwa data scientist menempati urutan ke-2 sebagai profesi yang paling cepat bertumbuh
selama lima tahun belakangan di Amerika Serikat. Terdapat 6,5 kali lebih banyak data scientist
saat ini dibandingkan lima tahun lalu.
Apa sebenarnya data scientist? Apakah hanya nama yang lebih trendy dari data analyst (analis
data)? Dari sisi persamaan, data scientist dan data analyst adalah dua profesi yang berperan
dalam menginterpretasi data hingga pengetahuan yang didapat bisa dicerna oleh seluruh
bagian di suatu organisasi dan menjadi bahan untuk mengambil keputusan. Kedua harus
memiliki ketajaman bisnis, menguasai matematika/statistika dan ilmu komputer/pemrograman.
Bagi yang ingin tetap up-to-date dengan perkembangan industri atau yang sedang memetakan
langkah selanjutnya dalam perjalanan karier, berikut ini adalah perbedaan antara data scientist
dan data analyst.
Data Scientist
Data scientist tidak hanya menganalisis data, tetapi bertanggung jawab untuk mengidentifikasi
tren dan membuat prediksi, seperti menemukan preferensi konsumen, dan memberikan kode
agar menghasilkan produk yang lebih baik. Oleh sebab itu, data scientist juga sering melakukan
percobaan. Data yang diolah oleh data scientist dalam jumlah yang sangat banyak (big data)
dan scientist biasanya lebih umum ditemukan di perusahaan yang besar.
Walaupun memiliki keahlian yang mirip dengan data analyst, ilmu pemrograman seorang data
scientist lebih kuat. Data scientist membutuhkan pelatihan yang lebih daripada data analyst,
karena wajib menjadi ahli berpikir kritis.dan mengaplikasikan teknik data modelling yang lebih
rumit. Bahasa pemrograman yang harus dikuasai antara lain, R, Python, SAS, Hive, MatLab,
SQL, Pig, Spark, dan Hadoop. Selain itu, data scientist mempunyai skill komunikasi termasuk
menarasikan dan memvisualisasikan wawasan yang didapat kepada koleganya.
Data Analyst
Sama seperti data scientist, data analyst bertugas untuk menafsirkan data menjadi insight yang
dapat diterapkan. Proses yang dilakukan oleh seorang data analyst adalah mengubah data
mentah ke format lain (data munging), mengumpulkan, mengolah dan mengaplikasikan
alogaritme pada data yang terstruktur. Bahasa pemrograman yang umum dikuasai antara lain,
R, Python, SQL, NOSQL, HTML, Java Script, C/C++. Namun, bila perusahaan sudah memiliki
data pada volume besar, maka diperlukan seorang data scientist. Bentuk hasil akhir dari kerja
data analyst adalah laporan dan presentasi.
Data Scientist atau Data Analyst: Bagaimana Cara Memilihnya
Sebelum memilih, perlu memperhatikan kecenderungan pribadi. Jika Anda suka bereksplorasi,
memulai sesuatu dari nol dan nyaman dengan ‘ketidakpastian’, maka data science bisa menjadi
tantangan yang menyenangkan. Sedangkan, bila Anda lebih nyaman dengan pekerjaan yang
lebih terstruktur, data analyst lebih cocok.