Apa itu Data Science?

Bidang data science tampaknya semakin besar dan populer setiap hari. Menurut LinkedIn, data science adalah salah satu bidang pekerjaan yang tumbuh paling cepat pada tahun 2017 dan pada tahun 2020, Glassdoor menempatkan pekerjaan data science sebagai salah satu dari tiga pekerjaan terbaik di Amerika Serikat. Mengingat popularitas data science yang semakin meningkat, tidak mengherankan bahwa lebih banyak orang tertarik dengan bidang ini. Namun, apa itu data science secara tepat?

Mari kita mengenal data science, menghabiskan waktu untuk mendefinisikan data science, mengeksplorasi bagaimana big data dan kecerdasan buatan mengubah bidang ini, mempelajari beberapa alat data science yang umum, dan mengeksaminasi beberapa contoh data science.

Apa itu Data Science?

Sebelum kita dapat mengeksplorasi alat-alat data science atau contoh-contoh, kita ingin mendapatkan definisi yang ringkas tentang data science.

Mendefinisikan “data science” sebenarnya sedikit sulit, karena istilah ini diterapkan pada banyak tugas dan metode penyelidikan dan analisis yang berbeda. Kita dapat memulai dengan mengingatkan diri kita tentang apa yang dimaksud dengan “sains”. Sains adalah studi sistematis tentang dunia fisik dan alam melalui observasi dan eksperimen, dengan tujuan untuk meningkatkan pemahaman manusia tentang proses alam. Kata-kata penting dalam definisi ini adalah “observasi” dan “pemahaman”.

Jika data science adalah proses memahami dunia dari pola-pola dalam data, maka tanggung jawab seorang ilmuwan data adalah untuk mengubah data, menganalisis data, dan mengekstrak pola-pola dari data. Dengan kata lain, seorang ilmuwan data diberikan data dan mereka menggunakan berbagai alat dan teknik untuk memproses data (mempersiapkannya untuk analisis) dan kemudian menganalisis data untuk pola-pola yang bermakna.

Peran seorang ilmuwan data mirip dengan peran seorang ilmuwan tradisional. Keduanya berkaitan dengan analisis data untuk mendukung atau menolak hipotesis tentang bagaimana dunia beroperasi, mencoba memahami pola-pola dalam data untuk meningkatkan pemahaman kita tentang dunia. Ilmuwan data menggunakan metode ilmiah yang sama dengan yang digunakan oleh seorang ilmuwan tradisional. Seorang ilmuwan data memulai dengan mengumpulkan observasi tentang beberapa fenomena yang mereka ingin pelajari. Mereka kemudian merumuskan hipotesis tentang fenomena yang dipertanyakan dan mencoba menemukan data yang menyangkal hipotesis mereka dengan cara tertentu.

Jika hipotesis tidak dibantah oleh data, mereka mungkin dapat mengembangkan teori, atau model, tentang bagaimana fenomena itu bekerja, yang dapat mereka uji lagi dan lagi dengan melihat apakah itu berlaku untuk dataset lain yang serupa. Jika model cukup kuat, jika itu menjelaskan pola-pola dengan baik dan tidak dibantah selama pengujian lain, itu bahkan dapat digunakan untuk memprediksi kejadian masa depan dari fenomena tersebut.

Seorang ilmuwan data biasanya tidak akan mengumpulkan data mereka sendiri melalui eksperimen. Mereka biasanya tidak akan merancang eksperimen dengan kontrol dan uji buta ganda untuk menemukan variabel pengganggu yang mungkin mengganggu hipotesis. Sebagian besar data yang dianalisis oleh seorang ilmuwan data biasanya diperoleh melalui studi observasional dan sistem, yang merupakan cara di mana pekerjaan seorang ilmuwan data mungkin berbeda dari pekerjaan seorang ilmuwan tradisional, yang cenderung melakukan lebih banyak eksperimen.

Namun, seorang ilmuwan data mungkin diminta untuk melakukan bentuk eksperimen yang disebut pengujian A/B di mana penyesuaian dilakukan pada sistem yang mengumpulkan data untuk melihat bagaimana pola-pola data berubah.

Terlepas dari teknik dan alat yang digunakan, data science pada akhirnya bertujuan untuk meningkatkan pemahaman kita tentang dunia dengan membuat sense dari data, dan data diperoleh melalui observasi dan eksperimen. Data science adalah proses menggunakan algoritma, prinsip statistik, dan berbagai alat dan mesin untuk menghasilkan wawasan dari data, wawasan yang membantu kita memahami pola-pola dalam dunia sekitar kita.

Apa yang Dilakukan Ilmuwan Data?

Anda mungkin melihat bahwa setiap kegiatan yang melibatkan analisis data dengan cara ilmiah dapat disebut data science, yang merupakan bagian dari apa yang membuat definisi data science begitu sulit. Untuk membuatnya lebih jelas, mari kita jelajahi beberapa kegiatan yang mungkin dilakukan oleh seorang ilmuwan data setiap hari.

Data science menggabungkan banyak disiplin dan spesialisasi yang berbeda. Foto: Calvin Andrus via Wikimeedia Commons, CC BY SA 3.0 (https://commons.wikimedia.org/wiki/File:DataScienceDisciplines.png)

Pada hari tertentu, seorang ilmuwan data mungkin diminta untuk: membuat skema penyimpanan dan pengambilan data, membuat pipa ETL (ekstrak, transformasi, muat) dan membersihkan data, menggunakan metode statistik, membuat visualisasi data dan dashboard, mengimplementasikan algoritma kecerdasan buatan dan pembelajaran mesin, membuat rekomendasi untuk tindakan berdasarkan data.

Mari kita turunkan tugas-tugas di atas sedikit.

Seorang ilmuwan data mungkin diminta untuk menangani instalasi teknologi yang diperlukan untuk menyimpan dan mengambil data, memperhatikan baik perangkat keras dan perangkat lunak. Orang yang bertanggung jawab atas posisi ini juga mungkin disebut sebagai “Data Engineer“. Namun, beberapa perusahaan memasukkan tanggung jawab ini di bawah peran ilmuwan data. Seorang ilmuwan data mungkin juga perlu membuat, atau membantu membuat, pipa ETL. Data sangat jarang datang dalam format yang tepat seperti yang dibutuhkan oleh seorang ilmuwan data. Sebaliknya, data akan perlu diterima dalam bentuk mentah dari sumber data, diubah menjadi format yang dapat digunakan, dan diproses (seperti memstandarkan data, menghapus redundansi, dan menghapus data yang rusak).

Metode Statistik dalam Data Science

Penerapan statistik diperlukan untuk mengubah sekadar melihat data dan menafsirkannya menjadi ilmu yang sebenarnya. Metode statistik digunakan untuk mengekstrak pola-pola yang relevan dari dataset, dan seorang ilmuwan data perlu memiliki pengetahuan yang baik tentang konsep-konsep statistik. Mereka perlu dapat membedakan korelasi yang bermakna dari korelasi yang semu dengan mengontrol variabel pengganggu. Mereka juga perlu tahu alat yang tepat untuk digunakan untuk menentukan fitur mana dalam dataset yang penting untuk model/memiliki kekuatan prediktif. Seorang ilmuwan data perlu tahu kapan harus menggunakan pendekatan regresi vs. pendekatan klasifikasi, dan kapan harus memperhatikan rata-rata sampel vs. median sampel. Seorang ilmuwan data tidak akan menjadi ilmuwan tanpa keterampilan-keterampilan ini.

Visualisasi Data

Bagian penting dari pekerjaan seorang ilmuwan data adalah mengkomunikasikan temuan mereka kepada orang lain. Jika seorang ilmuwan data tidak dapat mengkomunikasikan temuan mereka secara efektif kepada orang lain, maka implikasi dari temuan mereka tidak penting. Seorang ilmuwan data juga harus menjadi seorang pengisah yang efektif. Ini berarti menghasilkan visualisasi yang mengkomunikasikan poin-poin yang relevan tentang dataset dan pola-pola yang ditemukan di dalamnya. Ada banyak alat visualisasi data yang dapat digunakan oleh seorang ilmuwan data, dan mereka mungkin memvisualisasikan data untuk tujuan eksplorasi awal (analisis data eksploratif) atau memvisualisasikan hasil yang dihasilkan oleh model.

Rekomendasi dan Aplikasi Bisnis

Seorang ilmuwan data perlu memiliki intuisi tentang kebutuhan dan tujuan organisasi atau bisnis mereka. Seorang ilmuwan data perlu memahami hal-hal ini karena mereka perlu tahu jenis variabel dan fitur yang harus mereka analisis, mengeksplorasi pola-pola yang akan membantu organisasi mereka mencapai tujuan mereka. Ilmuwan data perlu menyadari keterbatasan yang mereka hadapi dan asumsi yang dibuat oleh kepemimpinan organisasi.

Pembelajaran Mesin dan Kecerdasan Buatan

Pembelajaran mesin dan algoritma kecerdasan buatan lainnya adalah alat yang digunakan oleh ilmuwan data untuk menganalisis data, mengidentifikasi pola-pola dalam data, menentukan hubungan antara variabel, dan membuat prediksi tentang peristiwa masa depan.

Data Science Tradisional vs. Big Data Science

Seiring dengan perkembangan metode pengumpulan data yang lebih canggih dan database yang lebih besar, perbedaan telah muncul antara data science tradisional dan “big data” science.

Analisis data tradisional dan data science dilakukan dengan analisis deskriptif dan eksploratif, dengan tujuan untuk menemukan pola-pola dan menganalisis hasil kinerja proyek. Metode analisis data tradisional seringkali fokus pada data masa lalu dan data saat ini. Analis data seringkali bekerja dengan data yang sudah dibersihkan dan distandarkan, sedangkan ilmuwan data seringkali bekerja dengan data yang kompleks dan kotor. Teknik analisis data yang lebih maju mungkin digunakan untuk memprediksi perilaku masa depan, meskipun ini lebih sering dilakukan dengan big data, karena model prediktif seringkali memerlukan jumlah data yang besar untuk dibangun secara andal.

“Big data” merujuk pada data yang terlalu besar dan kompleks untuk ditangani dengan teknik dan alat analisis data tradisional. Big data seringkali dikumpulkan melalui platform online dan alat transformasi data canggih digunakan untuk membuat volume data yang besar siap untuk diperiksa oleh ilmuwan data. Seiring dengan pengumpulan data yang terus-menerus, lebih banyak pekerjaan ilmuwan data yang melibatkan analisis big data.

Alat-Alat Data Science

Alat-alat data science yang umum termasuk alat untuk menyimpan data, melakukan analisis data eksploratif, memodelkan data, melakukan ETL, dan memvisualisasikan data. Platform seperti Amazon (AMZN ) Web Services, Microsoft Azure, dan Google Cloud menawarkan alat untuk membantu ilmuwan data menyimpan, mengubah, menganalisis, dan memodelkan data. Ada juga alat data science mandiri seperti Airflow (infrastruktur data) dan Tableau (visualisasi dan analisis data).

Dalam hal algoritma pembelajaran mesin dan kecerdasan buatan yang digunakan untuk memodelkan data, mereka seringkali disediakan melalui modul dan platform data science seperti TensorFlow, PyTorch, dan Azure Machine Learning Studio. Platform seperti ini memungkinkan ilmuwan data membuat perubahan pada dataset mereka, mengkomposisi arsitektur pembelajaran mesin, dan melatih model pembelajaran mesin.

Alat dan perpustakaan data science lainnya yang umum termasuk SAS (untuk pemodelan statistik), Apache Spark (untuk analisis data streaming), D3.js (untuk visualisasi interaktif di browser), dan Jupyter (untuk blok kode interaktif dan visualisasi yang dapat dibagikan).

Foto: Seonjae Jo via Flickr, CC BY SA 2.0 (https://www.flickr.com/photos/130860834@N02/19786840570)

Contoh-Contoh Data Science

Contoh-contoh data science dan aplikasinya ada di mana-mana. Data science memiliki aplikasi dalam segala hal, dari pengiriman makanan, olahraga, lalu lintas, dan kesehatan. Data ada di mana-mana, sehingga data science dapat diterapkan pada segala hal.

Dalam hal makanan, Uber berinvestasi dalam perluasan sistem pengiriman makanan, Uber Eats. Uber Eats perlu mengantarkan makanan kepada orang-orang dalam waktu yang tepat, sementara masih panas dan segar. Agar hal ini terjadi, ilmuwan data perusahaan perlu menggunakan pemodelan statistik yang mempertimbangkan aspek seperti jarak dari restoran ke titik pengiriman, lonjakan hari libur, waktu memasak, dan bahkan kondisi cuaca, semuanya dipertimbangkan dengan tujuan untuk mengoptimalkan waktu pengiriman.

Statistik olahraga digunakan oleh manajer tim untuk menentukan pemain mana yang terbaik dan membentuk tim yang kuat dan dapat diandalkan yang akan memenangkan pertandingan. Salah satu contoh yang terkenal adalah dokumentasi data science yang dilakukan oleh Michael Lewis dalam buku Moneyball, di mana manajer umum tim Oakland Athletics menganalisis berbagai statistik untuk mengidentifikasi pemain berkualitas yang dapat ditandatangani oleh tim dengan biaya yang relatif rendah.

Analisis pola lalu lintas sangat penting untuk pembuatan kendaraan swakemudi. Kendaraan swakemudi harus dapat memprediksi aktivitas di sekitar mereka dan merespons perubahan kondisi jalan, seperti jarak pengereman yang diperlukan saat hujan, serta kehadiran lebih banyak mobil di jalan selama jam sibuk. Di luar kendaraan swakemudi, aplikasi seperti Google Maps menganalisis pola lalu lintas untuk memberitahu komuter berapa lama waktu yang dibutuhkan untuk mencapai tujuan mereka menggunakan berbagai rute dan moda transportasi.

Dalam hal data kesehatan, penglihatan komputer seringkali digabungkan dengan pembelajaran mesin dan teknik kecerdasan buatan lainnya untuk membuat klasifikasi gambar yang dapat memeriksa hal-hal seperti X-ray, FMRIs, dan ultrasonik untuk melihat apakah ada masalah medis potensial yang mungkin muncul dalam pemindaian. Algoritma ini dapat digunakan untuk membantu klinisi mendiagnosis penyakit.

Akhirnya, data science mencakup berbagai kegiatan dan menggabungkan aspek dari berbagai disiplin. Namun, data science selalu berkaitan dengan mengisahkan cerita yang menarik dari data, dan menggunakan data untuk memahami dunia dengan lebih baik.