Foto dari situs web Unsplash . Oleh Christina @ wocintechchat.com
Saya telah bekerja sebagai analis data profesional (Analis Data) dan ilmuwan data (Data Scientist). Saya pikir akan sangat membantu untuk berbagi pengalaman untuk setiap posisi, menyoroti perbedaan utama dalam tugas sehari-hari. Saya harap artikel saya akan membantu Anda memutuskan mana yang tepat untuk Anda. Dan mereka yang sudah bekerja mungkin, setelah membacanya, ingin mengubah posisi mereka. Beberapa mulai sebagai analis data dan kemudian berkembang menjadi peneliti. Tidak begitu populer, tetapi yang tidak kalah menarik adalah jalur dari seorang peneliti di posisi rendah ke seorang analis di posisi senior. Kedua posisi memiliki karakteristik mereka sendiri dan memerlukan keterampilan tertentu yang perlu Anda ketahui sebelum mengambil langkah besar berikutnya dalam pengembangan profesional.
Di bawah, berdasarkan pengalaman saya, saya akan memberi tahu Anda apa artinya menjadi analis data dan ilmuwan data, dan saya akan menjawab secara terperinci pertanyaan paling umum tentang setiap posisi.
Analis data
Jika Anda ingin mendeskripsikan data untuk periode sebelumnya atau saat ini dan menyajikan hasil pencarian utama kepada para pemangku kepentingan, visualisasi lengkap dari perubahan dan tren, maka posisi analis data tepat untuk Anda. Posisi yang disebutkan memiliki kesamaan yang telah saya jelaskan di artikel lain yang mencakup persamaan dan perbedaan antara keterampilan yang dibutuhkan untuk posisi ini. Sekarang saya ingin menunjukkan bagaimana peran analis data versus peran ilmuwan data. Sangat penting untuk memahami apa yang diharapkan para spesialis ini dalam pekerjaan sehari-hari mereka. Analis akan berinteraksi dengan orang yang berbeda, banyak berkomunikasi, dan mempertahankan kecepatan penyelesaian tugas - lebih tinggi dari yang dibutuhkan oleh ilmuwan data.
Oleh karena itu, tayangan yang diterima di setiap posisi dapat sangat bervariasi.
Di bawah ini Anda akan menemukan jawaban untuk pertanyaan paling umum tentang apa yang dihadapi data analis.
- Dengan siapa Anda harus bekerja?
Sebagian besar dengan para pemangku kepentingan perusahaan yang meminta peringkasan data, visualisasi temuan dan pelaporan hasil. Komunikasi biasanya saluran verbal atau digital: email, Slack dan Jira. Dalam pengalaman saya, Anda harus bekerja erat dengan sisi manusiawi dan analitis bisnis, bukan rekayasa dan manufaktur.
- Kepada siapa hasil diberikan?
Kemungkinan besar untuk para pemangku kepentingan tersebut. Namun, jika Anda memiliki manajer, Anda melapor kepadanya, dan dia sudah mentransfer data ke pemangku kepentingan. Mungkin juga Anda mengumpulkan kumpulan permintaan, menyusun laporan dan menyajikannya kepada para pemangku kepentingan. Untuk tujuan pelaporan, Anda mungkin memiliki alat seperti Tableau, Google Data Studio, Power BI, dan Tenaga Penjualan yang menyediakan akses mudah ke data seperti file CSV. Alat lain membutuhkan lebih banyak upaya teknis - membangun kueri basis data canggih menggunakan SQL.
- Apa yang akan menjadi langkah kerja di proyek?
Secara signifikan lebih tinggi dari para ilmuwan data. Anda dapat menyiapkan beberapa kumpulan data (kueri) atau melaporkan presentasi harian dan besar dengan output mingguan. Karena Anda tidak membuat model atau membuat prediksi (biasanya), dan hasilnya agak deskriptif dan ad-hoc, segalanya berjalan lebih cepat.
Ilmuwan data
Ilmuwan data sangat berbeda dari analis data. Mereka mungkin menggunakan alat dan bahasa yang sama, tetapi peneliti harus bekerja dengan orang lain pada proyek yang lebih besar (seperti membangun dan menerapkan model pembelajaran mesin) dan menghabiskan lebih banyak waktu untuk itu. Analis data biasanya mengerjakan proyek mereka sendiri: misalnya, satu orang dapat menggunakan panel Tableau untuk menyajikan hasilnya. Data Para ilmuwan memiliki kekuatan untuk mempekerjakan beberapa insinyur dan manajer produk untuk secara efisien menyelesaikan tugas-tugas bisnis dengan alat yang tepat dan solusi berkualitas.
- Dengan siapa Anda harus bekerja?
Tidak seperti analis data, Anda hanya akan berinteraksi dengan pemangku kepentingan pada beberapa masalah, sedangkan untuk masalah lain yang terkait dengan model dan hasil penggunaannya, Anda akan menghubungi insinyur data, insinyur perangkat lunak, dan manajer produk.
- Kepada siapa hasil diberikan?
Anda dapat membaginya dengan pemangku kepentingan, serta dengan insinyur yang perlu memiliki gagasan tentang produk jadi agar, misalnya, untuk mengembangkan UI (antarmuka pengguna) sesuai dengan prediksi Anda.
- Apa yang akan menjadi langkah kerja di proyek?
Mungkin perbedaan terbesar dalam persepsi dan fungsi posisi-posisi ini adalah jumlah waktu untuk setiap proyek. Kecepatan analis data cukup tinggi, dan para ilmuwan data dapat membutuhkan waktu berminggu-minggu atau bahkan berbulan-bulan untuk menyelesaikan suatu proyek. Memodelkan dan menyiapkan proyek data ilmuwan adalah proses yang memakan waktu karena melibatkan pengumpulan data, analisis data eksplorasi, pembuatan model master, iterasi, tuning model, dan ekstraksi hasil.
Kesimpulan
Foto dari situs web Unsplash . Oleh Markus Winkler
Analis dan ilmuwan data menggunakan alat yang sama seperti Tableau, SQL, dan bahkan Python, tetapi tugas profesional mereka bisa sangat berbeda. Kegiatan sehari-hari seorang analis data mencakup lebih banyak pertemuan dan interaksi tatap muka, membutuhkan keterampilan lunak tingkat lanjut dan pelaksanaan proyek yang cepat. Pekerjaan peneliti melibatkan proses yang lebih lama, komunikasi dengan insinyur dan manajer produk, serta membangun model prediksi yang memahami data atau fenomena baru dalam perkembangan mereka, sementara analis fokus pada keadaan masa lalu dan saat ini.
Saya harap artikel itu menarik dan bermanfaat. Terima kasih atas perhatian anda!