Apakah Ekonom Bisa Berkarir Jadi Data Scientist?

Ekonom switch career jadi data scientist? Bisa!

Tren belajar data science dan perkenalan industri data yang sebenarnya adalah logic dan tentang solving problem telah menyita banyak perhatian beberapa tahun terkahir ini.

Kemudian, dengan machine learning yang semakin marak digunakan, tidak heran bila permintaan akan data scientist di berbagai sektor terus meningkat dari waktu ke waktu.

Ditambah lagi, pekerjaan sebagai data scientist juga menawarkan penghasilan yang cukup menggiurkan.

Lalu, apakah mungkin bila kita banting setir dari karir yang saat ini dijalani dan masuk ke industri data scientist?

Ya, tentu, jawabannya sangat mungkin.

Selama ada niat yang diikuti dengan usaha kuat untuk belajar data science, pasti akan ada jalannya.

Hal ini juga berlaku bagi ekonom yang berasal dari bidang sosial, bukan dari bidang Science Technology Engineering and Math (STEM).

Walaupun berasal dari bidang sosial, apa yang dipelajari ekonom tidak jauh berbeda dengan apa yang basic yang dipelajari ketika belajar data science

Mari kita bahas!

Alasan mengapa ekonom sangat mungkin berkarir sebagai data scientist!

Ekonom Memiliki Latar Belakang Teknikal yang Kuat

Ketika kuliah, mahasiswa ekonomi mendapatkan mata kuliah teknikal yang menjadi dasar dari data science dan machine learning, contohnya statistik dan ekonometrika.

Jadi, walaupun tidak berlatar STEM, jalan belajar yang ditempuh ekonom tidak akan curam karena mereka telah memiliki fondasi statistik yang kuat.

Di samping itu, apa yang mereka dapatkan ketika kuliah sama seperti apa yang digunakan data scientist, hanya berbeda nama saja.

Sebagai contoh, ekonom biasa menyebut ‘independent variable’, namun data scientist menyebutnya ‘feature matrix’ padahal keduanya mengacu pada hal yang sama.

Ekonom Terbiasa Meneliti Kausalitas

Kausalitas atau hubungan sebab akibat telah menjadi makanan sehari-hari seorang ekonom.

Ketika menjadi seorang data scientist, ekonom dapat memanfaatkan kemampuan menganalisis hubungan kausalitas untuk mendapatkan perspektif yang lebih luas mengenai data yang mereka olah.

Kemampuan ini juga melengkapi kemampuan data scientist yang cenderung melihat prediksi, bukan hubungan sebab akibat dari suatu masalah.

Sebagai contoh, misalkan ada data set yang berisi jutaan data pembayaran pinjaman komersial di salah satu bank dari tahap pengajuan hingga pembayaran pinjaman.

Seorang ekonom akan meneliti ‘apa faktor utama yang meningkatkan risiko kredit pinjaman komersial?’.

Di sisi lain, seorang data scientist akan berfokus pada ‘apa model terbaik untuk memprediksi risiko kredit dari pinjaman komersial?’.

Hasil analisa keduanya dapat saling melengkapi dan dijadikan sebagai acuan pembuatan kebijakan di bank bersangkutan.

Ekonom Mempelajari Berbagai Bidang

Kalau mendengar kata ‘ekonom’, wajar bila yang terbesit di benak orang-orang adalah ‘inflasi’, ‘suku bunga’, ‘pengeluaran pemerintah’, dan hal-hal menyangkut keuangan.

Namun, apa yang dipelajari ekonom lebih dari itu loh! Ekonom juga mempelajari berbagai bidang seperti matematika, kesehatan, politik, sumber daya alam, pertanian, dan masih banyak lagi.

Intinya, ekonomi merupakan bidang yang interdisciplinary.

Sama seperti ekonom, seorang data scientist juga bekerja atau ditempatkan di berbagai industri.

Maka dari itu, ketika ekonom memilih untuk menjadi data scientist, ia tidak akan ‘kagok’ bila bekerja di industri non keuangan.

Ekonom Paham Cara Melakukan Survei dan Eksperimen

Dengan pengetahuan cara pengumpulan data konvensional yang dimiliki oleh ekonom, ketika ia berpindah karir menjadi seorang data scientist, ia akan dengan mudah menentukan pendekatan machine learning apa yang cocok digunakan pada suatu kasus.

Nah, sampai sini, kita bisa sepakat bahwa ekonom sangat mungkin belajar data science.

Lalu, bagaimana caranya ekonom masuk ke dunia data scientist?

Pastinya, seorang ekonom harus belajar software yang biasa digunakan dalam machine learning.

Software machine learning lebih mengarah ke open source programming seperti Python, R, dll.

Tidak usah takut bila software ini tidak dipelajari ketika kuliah sebab banyak sumber belajar yang dapat diakses.

Di Sekolah Data Pacmann, diajarkan secara mendalam tentang data science. Mulai dari hal dan konsep fundamental sampai dengan model deployment–termasuk juga penggunaan software dan tools lainnya.

Informasi lebih lanjut mengenai kelas dapat diakses di halaman Sekolah Data Science.

Selain itu, ekonom juga harus mengadopsi pola pikir baru di luar kausalitas.

Contohnya, ekonom mungkin bingung ketika baru belajar data science dan mengenal neural network algorithm yang lebih mengarah ke pola dibandingkan hubungan kausalitas.

Seluruh hal ini cukup mendasari kalau ekonom juga bisa career change ke industri data sebagai data scientist.

Paham mengenai ekonomi dan bisnis jadi added value yang sangat bagus dan dibutuhkan seorang data scientist.

Pada akhirnya, seluruh pengolahan data ini juga punya goals yang sama yaitu business growth dan making impact.