Kenali Perbedaan Data Analyst dan Data Scientist

Data scientist dan data analyst merupakan profesi ‘in-demand’ yang menarik banyak perhatian khususnya para pekerja di bidang teknologi.

Kedua profesi yang kini menjadi profesi idaman banyak orang karena pendapatan yang diperoleh cukup fantastis, serta diprediksi menjadi profesi yang sangat dibutuhkan lebih dari 10 tahun ke depan.

Jika kamu memperhatikan di platform pencarian kerja untuk profesi di bidang data, kamu mungkin pernah melihat daftar lowongan data scientist dan data analyst disertai dengan deskripsi pekerjaan yang terkesan mirip.

Walaupun kedua bidang tersebut saling berhubungan, namun untuk ruang lingkup, tanggung jawab, serta hasil dan tujuan data scientist serta data analyst cukup bervariasi.

Apa saja perbedaan dari kedua role tersebut? Simak artikel berikut untuk mengenal lebih dalam perbedaan data scientist dan data analyst!

Deskripsi pekerjaan data analyst dan data scientist

Berbicara mengenai deskripsi pekerjaan, mungkin bagi sebagian orang masih sulit membedakan antara pekerjaan data analyst dan data scientist.

Data analyst lebih berfokus pada day-to-day analysis data suatu perusahaan. Seorang data analyst bertugas untuk menganalisis data spesifik pada sumber-sumber tertentu.

Contohnya seperti melakukan analisis terhadap audiens sosial media perusahaan dengan mencari tahu hal-hal berikut:

• rentang umur para pengunjung,
• dominasi jenis kelamin yang mengikuti sosial media,
• jumlah likes dan views pada rentang waktu tertentu, dan masih banyak lagi.

Analisis tersebut kemudian dapat dimanfaatkan untuk banyak hal, contohnya ialah menentukan pada pukul berapa audiens wanita dengan rentang umur 17-25 tahun paling banyak mengunjungi sosial media.

Kemudian insight tersebut dapat diteruskan kepada tim lainnya untuk menentukan waktu yang paling tepat dalam memposting campaign atau konten tertentu.

Jika data analyst bertugas untuk menganalisis data secara spesifik pada sumber tertentu, data scientist bertugas untuk mengumpulkan data dari berbagai macam sumber yang ada, menganalisis data, serta membangun model untuk membantu pengambilan keputusan yang ber-impact pada bisnis.

Maka dari itu, data scientist perlu melakukan perubahan bentuk data menjadi format yang sesuai–structured dan unstructured data.

Hal ini bertujuan untuk memastikan data telah seragam ketika memasuki tahap selanjutnya.

Data scientist mengandalkan algoritma dalam mengolah data dan mambangun machine learning model agar yang dapat digunakan untuk jangka panjang di suatu perusahaan.

Singkatnya, data scientist menciptakan banyak pertanyaan baru dan melakukan riset lewat penggunaan data, sedangkan data analyst mencari jawaban terhadap pernyataan yang sudah ada dengan menggali insight dari suatu sumber data.

Peran dan tanggung jawab data analyst dan data scientist

Data analyst ahli dalam menerjemah. Mereka menganalisis data yang dikumpulkan, mengaturnya, dan membersihkannya sehingga jelas dan berguna.

Data analyst berperan dalam membuat saran dan keputusan berdasarkan informasi yang dikumpulkan.

Mereka bekerja sebagai bagian dari tim yang mengubah angka mentah menjadi informasi yang akan membantu bisnis membuat keputusan dan investasi yang cerdas serta menerjemah bagaimana keputusan tersebut dapat mempengaruhi pelanggan untuk memajukan bisnis.

Adapun peran seorang data analyst adalah sebagai berikut:

• Menganalisis tren dan pola masa lalu dan saat ini
• Melakukan peramalan dalam program seperti Excel
• Membuat dashboard
• Menafsirkan data dan mengkomunikasikannya dengan jelas

Data scientist mengembangkan alat yang akan digunakan oleh seorang data analyst. Mereka membuat algoritma, membangun model, dan merancang sistem pengambilan data.

Data Scientist dituntut untuk selalu memikirkan cara baru dalam mengumpulkan, menyimpan, serta mengolah data.

Mereka juga seorang pemecah masalah yang andal untuk membantu para stakeholders menganalisis berbagai permasalahan yang sedang dihadapi bisnis.

Adapun peran seorang Data Scientist adalah sebagai berikut:

• Melatih dan mengembangkan model machine learning
• Membuat otomatisasi yang menyederhanakan daily tasks dari pengumpulan dan interpretasi data
• Mengembangkan infrastruktur yang dapat menangani big data
• Menggunakan analitik prediktif untuk mengidentifikasi tren masa depan
• Mengkomunikasikan knowledge kepada para stakeholders, serta membantu mendukung pengambilan keputusan berdasarkan data

Skill yang dibutuhkan data analyst dan data scientist

Data analyst menyelesaikan permasalahan dengan memanfaatkan banyak tools, sedangkan data scientist menyelesaikan permasalahan dengan menulis coding untuk membuat algoritma menggunakan bahasa pemrograman tertentu.

Data scientist tidak hanya begantung pada tools yang sudah jadi saja. Maka dari itu, seorang data scientist dituntut untuk menguasai bahasa pemrograman.

Berikut skill yang dibutuhkan oleh masing-masing profesi.

Output/hasil kekerjaan data Analyst dan data scientist

Dari peran dan tanggung jawab, sudah dapat diketahui bahwa orientasi dari masing-masing pekerjaan berbeda. Maka output atau hasil yang diperoleh tiap profesi tentu berbeda pula.

Data analyst menghasilkan insight yang dapat membantu day-to-day operasi dari perusahaan.

Output yang diharapkan dari seorang data analysis diantaranya:

• Up and cross-selling
• Market basket analysis
• Customer analysis and experience
• Social media analysis, dll.

Data scientist menghasilkan model yang dapat dimanfaatkan perusahaan dalam jangka panjang.

Data scientist mengolah data untuk mencari suatu permasalahan dan mencari solusi serta jawaban dari permasalahan tersebut.

Output yang diharapkan dari seorang data scientist diantaranya:

• Fraud and risk detection
• Sentiment analysis
• Automating risk
• Automating management
• Advertisement optimization, dll.

Jenjang pendidikan untuk data analyst dan data scientist

Sebagian besar peran data analyst memerlukan setidaknya gelar Sarjana di bidang seperti matematika, statistika, ilmu komputer, atau keuangan.

Berbeda dengan data scientist yang kerap memiliki gelar Magister atau Doktoral dalam data science, information technology, matematika, atau statistik.

Gelar pendidikan bukanlah hal yang paling penting untuk kamu berkarier di kedua profesi ini. Hal yang menjadi penting adalah skill, portfolio, dan business acumen.

Berikut adalah grafik yang menggambarkan level pendidikan seorang predictive analytics (data analyst) dengan data scientist.

Umumnya memperoleh gelar menjadi jalur utama menuju karier di bidang data, namun, di masa sekarang ini, kebutuhan kedua profesi ini lebih besar permintaannya daripada talent yang tersedia. Juga tidak jarang beberapa opsi untuk berkarier di bidang ini baru muncul bagi setelah memiliki gelar di luar bidang data atau muncul dari pengalaman yang sama sekali berbeda sebelumnya.

Kamu dapat membangun skill yang dibutuhkan untuk menjadi data analyst dan data scientist dengan belajar (dan bonus mendapatkan sertifikat profesional) tentang data analytics dan data science dari sumber-sumber belajar di Internet.

Mulai dari yang gratis sepereti rekaman kuliah-kuliah kampus terkemuka di YouTube, Free Course dan Intro Program dari Pacmann, online course lainnya, sampai dengan yang berbayar seperti bootcamp, Career Upgrader Program Pacmann, dll.

Kamu juga dapat belajar mengenai data analytics dari perusahaan-perusahaan ternama dunia seperti Google atau IBM–mereka punya online course yang bisa diakses di Coursera.

Jika baru saja memulai, kamu bisa mulai belajar tentang data analytics sebelum berkembang belajar tentang data science.

Pada case ini, Pacmann hadir untuk membantu kamu belajar data science secara mendalam mulai dari hal fundamental sampai dengan advanced dan tetap beginner-friendly meskipun baru saja mulai belajar data–alih-alih belajar hanya sampai tahapan data analyst’s skill, kamu akan belajar sampai dengan model deployment (data scientist’s skill).

Pacmann di bawah Sekolah Data punya beberapa program:

• Analytics and Data Science
• Statistics
• Artificial Intelligence and Machine Learning Engineer

Bagi kamu yang baru memulai, bergabung di Analytics and Data Science Program adalah langkah yang tepat.

Bagi yang sudah mulai bekerja sebagai data analyst, bergabung di program ini akan membuat kamu lebih mudah mengakselerasi karier sebagai data scientist.

Perkembangan karier data analyst dan data scientist

Jika membahas terkait perkembangan karier, kedua profesi tersebut memiliki umur karier yang cukup panjang. Mengingat data analyst dan data scientist adalah profesi yang paling dicari dalam 5 tahun ke belakang, maka diprediksi bahwa kebutuhan ini terus meningkat selama lebih dari 10 tahun ke depan.

Terbukti dengan semakin banyaknya perusahaan yang sadar akan pentingnya memahami data milik mereka sendiri.

Seorang data analyst dapat memulai kariernya pada tingkat pemula di mana tanggung jawab utama mereka tidak jauh dari membuat pelaporan dan dashboard.

Langkah selanjutnya mungkin terlibat dalam strategi atau teknik analisis tingkat lanjut.

Mengambil langkah lebih jauh, seorang data analyst tingkat lanjut mungkin tertarik pada peran manajerial dan menjadi manajer analisis setelah bekerja selama lebih dari 5 tahun.

Dalam beberapa kasus, seorang data analyst dapat melanjutkan pendidikan mereka dan mengasah keterampilan mereka untuk menjadi seorang data scientist.

Itu artinya, profesi data scientist belum cocok untuk seorang pemula atau bagi mereka yang memang belum mempunyai skill yang dibutuhkan.

Pada awal mula perkembangan profesi data scientist, dibutuhkan pengalaman lebih dari 3 tahun di bidang data untuk menjadi data scientist. Maka dari itu, banyak orang memilih memulai karier menjadi data analyst selama kurang lebih 3 tahun dan kemudian melangkah ke jenjang yang lebih advance yaitu menjadi data scientist.

Namun saat itu, hal yang paling penting adalah lagi-lagi skill, portfolio, dan business acumen.

Gaji data analyst dan data scientist

Terkait pendapatan, terdapat perbedaan antara data analyst dan data scientist.

Walau keduanya menghasilkan pendapatan di angka yang cukup fantastis, penghasilan data scientist lebih banyak dari data analyst. Hal ini sejalan dengan kualifikasi skill yang diminta, tanggung jawab dalam role, dan banyak faktor lainnya.

Berdasarkan data dari Indeed, gaji pokok rata-rata untuk data analyst di AS adalah sekitar $75.000 per tahun.

Adapun gaji pokok rata-rata untuk data scientist di AS secara signifikan lebih tinggi yaitu mencapai angka lebih dari $120.000 per tahun. Untuk posisi senior data scientist, mencapai angka lebih dari $150.000 per tahun.

Di Indonesia sendiri, menurut data yang dikumpulkan oleh Glassdoor, rata-rata gaji data analyst mulai di angka Rp8.000.000 hingga Rp25.000.000 per bulan untuk level pemula dan mencapai Rp40.000.000 per bulan untuk level senior.

Sementara rata-rata gaji data scientist mulai di angka Rp10.000.000 hingga Rp25.000.000 per bulan untuk level pemula dan mencapai Rp83.000.000 per bulan untuk level senior.

Salah satu cara untuk meningkatkan gaji adalah dengan mendapatkan gelar yang lebih tinggi. The Burtch-Works Study tahun 2020 menyatakan bahwa hal ini berlaku pada 94% data scientist dan 83% data analyst memiliki gelar yang lebih tinggi.

Mereka juga mencatat bahwa sebagian kecil dari data professional ini memilih gelar lanjutan dalam bisnis, seperti MBA, dan sebagian besar lainnya memilih bidang seperti data science atau matematika.

Maka dari itu, jika ingin mendapatkan penghasilan yang cukup besar, kamu dapat melanjutkan pendidikan ke jenjang Magister hingga Doktoral.

Cara lainnya dan merupakan cara yang paling obvious adalah dengan membangun skill dan portfolio.

Hal ini bisa dicapai dengan cara:

• mengerjakan side project,
• bergabung dengan kelas-kelas pembelajaran, dan
• sesederhana meng-update ilmu dan skill.

Pacmann dapat membantu kamu dalam hal ini–mulai dari free course, kelas, sampai dengan diskusi langsung bersama dengan data professional.

Cek informasi lengkap tentang program-program Pacmann.