Blog 10 Data Skill yang Wajib Dimiliki oleh Data Professional

10 Data Skill yang Wajib Dimiliki oleh Data Professional

November 10, 2022 8 min read

Sering melihat lowongan pekerjaan sebagai data scientist di LinkedIn? Hal ini bukan tanpa alasan, LinkedIn sendiri mencatat, sejak tahun 2012 hingga sekarang pekerjaan sebagai data scientist sudah meningkat sebanyak 650%.

Lalu bagaimana dengan Indonesia?

Di Indonesia sendiri, selama beberapa bulan terakhir tercatat lebih dari 1000 lowongan pekerjaan untuk data scientist.

Seorang data scientist diwajibkan untuk memiliki dua kemampuan utama yakni secara teknik dan kemampuan non-teknik.

Untuk kamu yang ingin menjadi seorang data scientist, informasi yang ada di dalam artikel ini akan membantu kamu memahami kemampuan-kemampuan yang dibutuhkan.

Apa itu data skills?

Data skills adalah kemampuan teknis maupun non-teknis untuk menganalisis data dan menyampaikan insights yang didapat dari hasil analisis data tersebut.

Umumnya, data skills yang dimiliki oleh seorang data analist atau data scientist, antara lain:

  • SQL untuk menarik data dari sebuah database
  • Programming untuk menganalisis data tersebut
  • Kemampuan berkomunikasi yang baik untuk mengomunikasikan insight

Data skills yang wajib dimiliki oleh data professional

Ada dua kemampuan yang perlu dimiliki oleh seorang data professional yakni kemampuan non-teknis dan kemampuan teknis.

Seorang data professional wajib memiliki kedua kemampuan tersebut.

Berikut penjelasan lengkap mengenai kemampuan teknis dan non-teknis.

Technical skill

Saat melihat deskripsi lowongan pekerjaan sebagai data professional, biasanya akan ada permintaan untuk menguasai beberapa kemampuan teknis.

Banyak technical skills tersebut yang bisa dibangun dan dikembangkan dengan mengikuti course atau pelatihan.

Berikut technical skills yang dibutuhkan untuk menjadi seorang data professional.

Data preparation

Data preparation atau mempersiapkan data adalah proses di mana seorang data professionals mencari, mendapatkan, dan menyiapkan data untuk dilakukan analisis.

Hal tersebut sudah termasuk menemukan data, transformasi data, dan membersihkan data.

Proses ini menjadi bagian penting dalam alur kerja data science dan manajemen data.

Data science workflow done by different role

Terlepas dari tools apa yang digunakan, seorang data scientist perlu untuk memahami apa yang sebenarnya harus dilakukan saat mempersiapkan data ini dan bagaimana skill ini bisa berkontribusi terhadap alur kerja data science.

Memanfaatkan self-services platform analisis

Self-service analytics platform adalah bentuk business intelligence (tools) yang memungkinkan user membuat analisis dan membuat data report sendiri dengan minimal intervensi dari pihak IT.

Self-service platform ini didesain untuk kemudahan dalam pemahaman dan akses langsung pada data.

Platform analisis data yang menerapkan model self-services membantu kamu untuk menampilkan hasil dari proses pengolahan data yang telah dilakukan dan mengeksplor lebih lanjut dataset yang digunakan.

Selain itu juga membantu dalam hal membagikan hasil analisi data tersebut dengan stakeholders yang berasal dari background non-teknis.

Jadi, memanfaatkan platform ini tidak hanya sekadar mampu mengoperasikan, namun juga mengajarkan kepada orang lain untuk memanfaatkannya.

Contoh self-service analytics platform adalah:

  • IBM Watson Analytics,
  • Microsoft Power BI,
  • Looker Studio,
  • Metabase,
  • Tableau, dll.

Efficient and maintainable coding skill

Data professionals berurusan secara langsung dengan program yang berguna untuk menganalisis, memproses, dan memvisualisasikan data, membuat program atau algoritma untuk mengurai data, dan mengumpulkan serta mempersiapkan data melalui API.

Oleh karena itu clean, efficient, and maintainable coding jadi hal yang wajib.

Tidak hanya memudahkan dokumentasi, effective coding juga akan memudahkan dalam hal manajemen, troubleshooting, dan secara overall membantu pekerjaan menjadi lebih mudah.

Perlu diketahui, data professionals mendalami sistem yang diperuntukkan untuk menganalisis dan memproses data sehari-hari, sehingga wajibk untuk memahami cara sistem tersebut bekerja.

Bahasa pemrograman seperti Python dan R adalah yang paling umum digunakan.

Menerapkan matematika dan statistik dengan tepat

Data scientist berhubungan dengan model matematika dan statistik setiap hari dan harus bisa menerapkan dan mengembangkannya.

Matematika dan statistik adalah part wajib di antara data skills yang lain.

Memiliki kemampuan statistik yang kuat memungkinkan data scientist untuk berpikir kritis mengenai dataset beragam yang digunakan dan jenis pertanyaan yang bisa atau tidak bisa dijawab.

Memanfaatkan Machine Learning (ML) dan Artificial Intelligence (AI)

Kemampuan teknis lainnya adalah memanfaatkan ML dan AI di mana kamu harus memahami bagaimana dan kapan ML dan AI digunakan, membangun dan menerapkan model, serta menjelaskan model kepada stakerholders di mana semua mengarah pada satu hal yaitu, kegunaannya untuk bisnis.

Penggunaan ML dan AI akan meningkatkan value kamu sebagai seorang data scientist atau data professional dan membantu pekerjaan kamu menjadi lebih baik dan lebih cepat.

Non-technical skill

Setelah mengenal dan memahami kemampuan teknis yang dibutuhkan untuk menjadi seorang data professional, selanjutnya kamu perlu mengerti kemampuan non-teknis yang perlu dimiliki.

Berikut beberapa non-technical skills yang wajib dikuasai.

Critical thinking

Berpikir kritis dibutuhkan oleh data scientist untuk menemukan insights dan harus bisa membuat pertanyaan yang tepat dan memahami bagaimana hasil tersebut berhubungan dengan bisnis atau mendorong untuk ditindaklanjuti.

Berpikir kritis di data science memiliki arti bahwa kamu melihat masalah dari semua sisi, mempertimbangkan sumber data, dan terus merasa ingin tahu.

Komunikasi efektif

Memiliki kemampuan komunikasi efektif berarti kamu dapat menjelaskan insight dari data dan manfaatnya untuk bisnis, menjelaskan impact dari sebuah tindakan, dan menjelaskan suatu proses sampai menghasilkan kesimpulan dengan baik dan mudah dipahami oleh orang lain.

Di dalam bisnis, seorang data scientist harus mahir dalam menganalisis data, dan harus secara jelas menjelaskan temuan mereka ke stakeholders, baik yang teknis maupun non-teknis.

Proactive problem solver

Kamu tidak bisa menjadi seorang data scientist jika tidak memiliki keinginan untuk memecahkan masalah.

Seorang problem solver yang efektif adalah mereka memiliki keinginan untuk menggali akar masalah, bagaimana pendekatan masalah tersebut, dan mencari solusi untuk menyelesaikannya.

Seorang problem solver akan dengan mudah mengidentifikasi masalah yang terkadang tersembunyi dan kemudian dengan cepat merancang cara menyelesaikannya dan metode seperti apa yang cocok digunakan untuk mendapatkan jawaban terbaik.

Intellectual curiosity

Data scientist harus memiliki rasa penasaran yang mendorong mereka untuk terus mencari jawaban dan terus belajar, menggali lebih dalam dan tidak hanya melihat hasil dari permukaannya saja, berpikir secara kreatif dengan dorongan untuk mengetahui lebih banyak hal, dan terus bertanya “mengapa” karena satu jawaban saja biasanya tidak cukup.

Menjadi seorang data scientist harus memiliki rasa penasaran yang tinggi dan dorongan untuk menemukan dan menjawab pertanyaan yang ditampilkan oleh data, tetapi juga menjawab pertanyaan yang memang tidak pernah ditanyakan.

Business acumen

Menjadi seorang data scientist berarti kamu melakukan dua tugas, tidak hanya harus mengetahui dan mahir dalam data, namun juga harus paham bisnis dan bagaimana data bisa bermanfaat untuk bisnis.

Data professionals harus memahami bisnis dengan dalam, hingga cukup untuk menyelesaikan permasalahan saat ini dan mempertimbangkan bagaimana data bisa mendukung pertumbuhan bisnis di masa depan.


Demikian pembahasan mengenai kemampuan teknis dan non-teknis yang dibutuhkan untuk menjadi seorang data professional.

Satu hal yang perlu kamu perhatikan, hal tersulit dalam menjadi seorang data scientist atau data professional adalah bukan membangun model yang akurat atau mendapatkan data yang bagus dan bersih, tetapi mendefiniskan masalah dan hadir dengan solusi yang masuk akal untuk menghasilkan sebuah solusi.

Seperti yang sudah dijelaskan di atas, untuk mendapatkan solusi terbaik, banyak hal yang perlu dilakukan, jangan terburu-buru untuk menyelesaikan masalah jika kamu belum memahami proses dan first principle-nya terlebih dahulu–juga, jangan lupa pahami konteks dan goal yang ingin dicapai oleh bisnis.

Untuk menghindarinya, kamu perlu mengembangkan data skills yang telah disebutkan di atas.

Salah satu caranya adalah, kamu bisa mengikuti program-program di Sekolah Data Pacmann.

Pacmann menyediakan program yang ramah bagi pemula, membuka peluang karir dan membantu kamu meningkatkan data skills, semua itu dengan waktu belajar yang fleksibel dan learning environment yang mendukung.

Cek informasi lengkapnya di halaman Sekolah Data Pacmann.

Further reading:

10 Essential Skill Sets For Data Scientists

Top 10 Skills for a Data Scientist