Sejak beberapa tahun lalu, data science sempat menjadi perbincangan hangat di kalangan profesional dan pengusaha, khususnya bagi mereka yang selalu berkutat dengan data dalam pekerjaan sehari-harinya.
Istilah “data science” pertama kali dicetuskan oleh Peter Naur, seorang pakar ilmu komputer berkebangsaan Denmark pada tahun 1974.
Peter mengusulkan nama tersebut sebagai istilah alternatif untuk ilmu komputer.
Barulah pada tahun 1996, International Federation of Classification Societies menggelar konferensi yang membahas secara khusus terkait topik data science untuk pertama kalinya.
Data science kini telah digunakan di berbagai sektor oleh banyak pihak, baik dari sisi regulator maupun operator.
Data science dapat membantu seseorang dalam pengambilan keputusan secara efektif dan terukur.
Apa itu data science?
Data science adalah sebuah ilmu penelitian yang mempelajari proses pengolahan data untuk mengekstrak informasi.
Bidang ini menggabungkan berbagai macam teknik dari disiplin ilmu lainnya, mulai dari matematika, statistik, ilmu komputer dan sistem informasi, hingga strategi bisnis.
Dalam data science terdapat tiga komponen yang menjadi pondasi inti dalam setiap prosesnya, yaitu organising, packaging, dan delivering data.
Ketiganya disebut dengan istilah “The OPD of Data”.
- Organising merupakan proses penyimpanan data yang terintegrasi dengan manajemen data.
- Packaging adalah proses manipulasi/sintetik dan penggabungan data mentah yang nantinya akan dipresentasikan.
- Delivering adalah proses final untuk memastikan bahwa informasi data sudah bisa diakses dan dimengerti oleh pihak-pihak yang menggunakan/membutuhkannya.
Fungsi dan penerapan data science
Data science memiliki fungsi yang luas dan dapat digunakan untuk membantu hampir setiap aspek operasional dan strategi, baik untuk kepentingan bisnis maupun regulasi.
Jika dilihat secara garis besar, fungsi data science adalah sebagai berikut:
- Prediksi – Misalnya seperti menyediakan informasi tentang konsumen untuk membantu perusahaan membuat kampanye pemasaran yang lebih relevan dalam meningkatkan penjualan produk.
- Deteksi – Misalnya seperti mendeteksi transaksi mencurigakan dan mencegah serangan siber ataupun ancaman keamanan lainnya dalam sistem TI.
- Pengambilan keputusan – Misalnya seperti membuat rencana dan strategi bisnis berdasarkan data perilaku konsumen, tren pasar, dan persaingan.
- Klasifikasi – Misalnya seperti mengoptimalkan pengelolaan rantai pasokan, inventaris produk, jaringan distribusi, dan layanan pelanggan.
- Rekomendasi – Misalnya seperti menampilkan rekomendasi konten di halaman media sosial berdasarkan jenis-jenis konten tertentu yang paling sering dilihat pengguna.
Perbedaan data science dan data analysis
Secara sekilas, baik data science maupun data analysis tampak mirip karena sama-sama menangani data dan melakukan analisis.
Meski begitu, terdapat perbedaan cakupan pekerjaan yang mencolok dari keduanya.
Data science menuntut lebih banyak pekerjaan dibanding data analysis.
Peran data science dibutuhkan sebelum proses data analysis dapat dimulai, karena hasil pekerjaan data science bisa menentukan akurasi hasil analisa di tahap selanjutnya.
Data analysis mengerjakan data yang sudah terstruktur rapi dengan tujuan yang lebih jelas.
Sementara data science harus memecahkan data-data mentah yang belum pasti dan belum tentu terstruktur.
Secara sederhana, data science harus menyiapkan sekumpulan data melalui proses-proses tertentu sebelum akhirnya dapat digunakan dalam data analysis.
Data science juga berperan dalam membangun dan merancang proses baru.
Hal ini dilakukan dengan tujuan menciptakan pemodelan data untuk menghasilkan custom analysis yang akurat.
Contoh penerapan data science
Melalui penjelasan sebelumnya dapat disimpulkan bahwa data science bertujuan untuk menyajikan wawasan dan perspektif melalui data-data yang telah dikelola dan dianalisis.
Oleh karenanya, data science dapat diterapkan oleh perusahaan untuk berbagai kebutuhan bisnis, mulai dari menentukan dynamic pricing, mendeteksi aktivitas mencurigakan dan potensi kecurangan (fraud detection), hingga membuat algoritma pencarian.
Di samping itu, pemerintah juga telah menggunakan data science dalam skala yang lebih besar lagi pada berbagai sektor vital, meliputi kesehatan, keamanan, pendidikan, pertanian, dan berbagai sektor lainnya.
Penerapan data science oleh perusahaan
Perusahaan-perusahaan besar di berbagai belahan dunia telah menggunakan data science dalam bisnis mereka, termasuk perusahaan e-commerce.
Menentukan harga jual produk yang tepat, menemukan impuls pembelian yang potensial, dan menampilkan hasil pencarian dapat direncanakan dengan baik melalui data yang diolah oleh para data scientist di perusahaan e-commerce.
Misalnya saja Tokopedia, proses data science telah banyak menghasilkan inovasi untuk memperkuat sistem bisnis di salah satu e-commerce terbesar di Indonesia dan Asia Tenggara ini.
Salah satu inovasi penting yang dihasilkan data scientist di Tokopedia adalah melakukan ranking model untuk deretan produk yang relevan sesuai kebutuhan konsumen.
Perusahaan fintech juga dapat menerapkan data science untuk kebutuhan fraud detection–salah satu portfolio dari Valiance.
Nyatanya, sebagian besar perusahaan fintech hingga bank memang telah menggunakan data science untuk hal ini.
Data science membantu mereka untuk menandai pola-pola penipuan dan kecurangan dalam sistem perusahaan melalui pengelompokkan, klasifikasi, dan segmentasi data.
Yang lebih menarik lagi, data science juga telah digunakan secara efektif di dunia olahraga profesional.
Contohnya pada tahun lalu ketika Manchester United merekrut direktur data science pertama mereka untuk memaksimalkan performa pemain di lapangan.
Penerapan data science oleh pemerintah
Mengingat ada banyak sekali data yang harus dikelola dan dianalisis oleh pemerintah, data science dapat menjadi solusi efektif untuk membantu proses tersebut.
Di beberapa negara, seperti di Amerika Serikat contohnya, instansi-instansi pemerintahan telah mengadopsi data science secara luas.
Presiden Barrack Obama selama masa pemerintahannya sempat berinvestasi lebih dari $200 juta untuk penelitian big data dan meluncurkan portal data.gov.
Dan hingga saat ini, pemerintah AS menggunakan data science untuk meningkatkan kualitas pelayanan kepada masyarakat.
Di bidang kesehatan, Food and Drug Administration (FDA) menggunakan teknologi big data dalam program transfer teknologi untuk menganalisis dan memahami pola penyakit bawaan makanan.
Dalam hal ini, data science digunakan untuk menentukan respon produk yang terkontaminasi dalam pasokan makanan secara lebih efektif.
National Institutes of Health (NIH) juga memperkenalkan inisiatif yang dijuluki Big Data to Knowledge (BD2K) untuk keperluan penelitian biomedis.
BD2K menyediakan akses untuk mengakses, memanipulasi, dan menganalisis big data di bidang biomedis untuk memahami lebih lanjut terkait penyakit dan kesehatan manusia.
Ada pula penerapan data science di bidang keamanan, seperti yang dilakukan Departemen Keamanan Dalam Negeri AS.
Badan tersebut menggunakan strategi big data yang mencakup kemampuan berbagi data untuk mengintegrasikan dan membandingkan data dari berbagai badan keamanan untuk memprediksi atau mengidentifikasi potensi ancaman terhadap negara.
Salah satu contoh kasus yang paling terkenal adalah ketika penegak hukum AS menggunakan data science saat kejadian Bom Boston.
Mereka berhasil menganalisis lebih dari 480.000 gambar dengan cepat dan mengklasifikasikan profil berdasarkan deskripsi tersangka.
Selain itu, data science juga digunakan oleh Badan Penerbangan dan Antariksa Nasional AS (NASA) yang bekerja sama dengan Dinas Kehutanan AS untuk meningkatkan strategi terintegrasi untuk memprediksi kondisi tanah, cuaca, dan risiko kebakaran hutan.
Mahir mengolah data lewat Sekolah Data Pacmann
Di era transformasi digital seperti saat ini, dunia semakin membutuhkan lebih banyak ahli data untuk memecahkan solusi dari setiap permasalahan.
Lewat Sekolah Data Pacmann, kamu akan mendapatkan ekosistem pendidikan berkualitas dengan kurikulum yang mendalam untuk investasi karir di masa depan.
Materi akan dipaparkan secara bertahap dan komprehensif, mulai dari:
- data visualization,
- data wrangling,
- statistics for business,
- business analytics,
- machine learning process, dsb.
Untuk informasi lengkapnya, cek halaman Sekolah Data Pacmann.
Further reading:
5 Ways Data Science and Machine Learning Impact Business
Artikel Popular
Data Engineer dan ML Engineer: Perbedaan Tanggung Jawab, Skill, dan Gaji
July 23, 2023
Mengenal Data Preprocessing: Langkah Awal dalam Data Mining
July 21, 2023
Apa yang Dimaksud dengan Machine Learning?
July 21, 2023
Ini Dia Alasan Mengapa Data Scientist Digaji Besar!
July 20, 2023
Pentingnya Business Intelligence (BI) Dashboard untuk Pengambilan Keputusan Bisnis
July 19, 2023