Kurangnya talenta di ranah data, terutama untuk menjadi Data Scientist di berbagai industri, kini menjadi isu yang sering diperbincangkan baik di tingkat korporasi maupun startup. Untuk menjadi seorang Data Scientist memang tidak mudah, karena kamu perlu memiliki keterampilan baik di bidang statistika, matematika, ilmu komputer, maupun business knowledge atau domain knowledge.

“Karena sulitnya mencari Data Scientist yang bisa ketiganya, dulu saya mencari seseorang yang menguasai statistika, satu lagi computer science, satunya lagi yang menguasai business knowledge dan dapat mengkomunikasikan hasil analisis. Jadi mereka bisa saling melengkapi. Walaupun makin ke sini, kita mencari orang-orang yang memang bisa menguasai ketiga hal tersebut,” ujar Rizki Mardian, Head of Data Qlue Smart City.

Pada hari Kamis, 21 Maret lalu, Algoritma Community bekerja sama dengan Tokopedia menyelenggarakan Algoritma Community Meetup yang mengangkat tema “Tantangan dan Peluang Karier Data Scientist”. Dalam acara ini, kami menghadirkan Rizki Mardian, Laurent Saerang (Principal Data Scientist, Tokopedia), dan Tim Rinaldo (CTO, KoinWorks).

Ketiga expert tadi sama-sama sepakat bahwa salah satu tantangan yang paling sering mereka temui adalah kesulitan dalam mencari talent. Oleh karena itu, mereka mendorong orang-orang yang berminat untuk terjun ke ranah data untuk menekuni profesi Data Scientist.

“Karena potensinya besar sekali, namun masih sedikit peminatnya. Sehingga peluang untuk menjadi Data Scientist di saat sekarang ini sangat terbuka lebar,” ujar Tim.

Laurent, Tim, dan Rizki juga membagikan beberapa soft skill yang perlu dimiliki oleh kalian yang ingin menjajal profesi sebagai Data Scientist.

Curiosity

Menurut Laurent, ada satu pertanyaan yang harus selalu ada di kepala Data Scientst, yaitu: ‘Why?’ atau ‘Kenapa?’. Seorang Data Scientist harus tahu proyek apa yang sedang ia kerjakan, untuk apa, fungsinya apa, dan kenapa ia mengerjakan model atau proyek tersebut.

Laurent menganalogikan kemampuan tersebut dengan menciptakan sebuah mobil.

“Misalnya suatu hari ada proyek untuk membuat mobil. Saya dapat tugas untuk membuat roda. Bisa saja rodanya saya buat kotak, kan? Karena saya tidak tahu roda itu untuk apa, akan diletakkan di mana. Maka penting untuk mencari tahu terlebih dahulu tentang proyek yang kita kerjakan dan apa tujuannya,”

“Data Scientist yang bagus harus tahu kenapa dia membuat sebuah produk. Jadi, dia harus tahu cara kerja bisnis dan model bisnis yang ia tangani itu seperti apa,” ujar Laurent.

Rasa penasaran atau curiousity adalah salah satu sifat yang perlu dimiliki seorang Data Scientist. Rasa penasaran akan mendorong Data Scientist untuk terus mengeksplorasi dan menganalisis data hingga mendapatkan informasi yang baik.

Senada dengan pernyataan Laurent, Tim juga berkata bahwa Data Scientist itu harus mau belajar lebih banyak, selalu penasaran dengan data, dan mau membaca.

“Di KoinWorks, tim Data Science harus rajin baca. Untuk memecahkan suatu permasalahan, kita mencari caranya dengan membaca suatu riset. Lalu kita menemukan lagi riset yang lebih terupdate. Jadi, kita ulik lagi modelnya untuk dapat menyesuaikan dengan riset tersebut dan disesuaikan dengan permasalahan yang kita temui,” cerita Tim.

Creativity

Menurut Rizki, seorang Data Scientist harus kreatif. Dalam kesehariannya, profesi sebagai Data Scientist akan menuntut kamu untuk menemukan solusi yang paling tepat dari permasalahan yang berbeda-beda. Kamu juga mungkin akan perlu berimprovisasi dalam memecahkan suatu masalah.

“Ketika mewawancarai calon Data Scientist, saya akan memberikan dia sebuah problem yang bisa diselesaikan menggunakan cara yang sederhana dan cara yang kompleks. Dari situ, kita dapat mengetahui bagaimana karakter mereka dalam memecahkan masalah. Apakah mereka menggunakan cara yang sederhana, atau cara yang rumit”, ujarnya.

Pernyataan serupa juga disampaikan Laurent dalam sesi keynote. Ia menjelaskan, dalam data science, ada tiga solusi yang bisa digunakan untuk memecahkan masalah, yaitu inisght, formula atau rumus yang digunakan, dan model machine learning.

Tidak semua permasalahan dalam data science harus diselesaikan dengan model machine learning. Di situlah Data Scientist harus pintar-pintar mencari jalan keluar dan berpikir kreatif.

“Kita ibaratkan model machine learning sebagai palu. Kalau masalah yang kamu temui itu adalah paku, tentu palu akan menjadi solusi yang baik. Tapi kalau masalahnya itu kertas, kita tidak perlu menggunakan palu”, jelas Laurent.

Patience & Persistence

Jika kamu ingin menjadi seorang Data Scientist, kamu juga perlu (dan akan terus berlatih) untuk memiliki patience dan persistence, atau kesabaran dan ketekunan. Karena, profesi sebagai seorang Data Scientist membutuhkan komitmen tinggi, memerlukan perhatian pada detail, dan berorientasi pada proses.

Tim menjelaskan bahwa proyek data science bisa bersifat recursive atau berulang. Selesainya pun tidak hanya dalam hitungan bulan, bahkan bisa jadi dalam jangka waktu satu tahun, hasilnya belum kelihatan.

“Jadi bagaimana melihat apakah seorang Data Scientist itu bekerja? Yang kita lihat adalah progresnya, dan berapa persen tingkat akurasi dari proyek yang dikerjakan itu,”

Ia menambahkan, proses kerja data science itu tidak hanya sekali jadi. Kalau ada terbaru lagi yang masuk, maka kita harus mengolah atau menciptakan model lagi. Sebuah proyek akan terus berkembang selama data itu ada.

“Data Scientist itu harus tangguh, karena prosesnya tidak mudah,” ujar Tim.

Laurent juga menceritakan pengalamannya saat pertama kali memasuki ranah data science. Kala itu, ia belajar sendiri dari berbagai sumber secara online. Tak jarang, ia harus meluangkan waktu setelah kerja untuk belajar data science.

“Rasanya memang berat, tapi kalau sudah suka, semua itu tidak akan terasa. Jika kita ingin menjadi Data Scientist, kita memang perlu memiliki persistence, passion, dan kemauan belajar yang tinggi,” tambah Laurent.

Communication

Rizki menekankan pentingnya komunikasi bagi seorang Data Scientist. Karena pada akhirnya, mereka akan membagikan insight yang mereka dapat ke pengambil keputusan atau tim lainnya.

“Kalau kita tidak bisa mengkomunikasikan hal tersebut dengan cara yang mudah dimengerti orang lain, hasil penelitian kita tidak akan berguna. Karena tidak semua orang paham hal-hal yang sifatnya teknis,” ujar Rizki.

“Jadi, perlu bagi seorang Data Scientist untuk dapat memvisualisasikan data dengan baik lalu menyampaikan hasil risetnya dengan bahasa yang ‘manusiawi’.”

Selain itu, seorang Data Scientist juga akan sering bekerjasama dengan divisi lain. Sehingga, mereka perlu menjelaskan kebutuhan data yang akan mereka gunakan. Data Scientist juga perlu untuk mengkomunikasikan perkembangan proyek mereka dan menyesuaikan ekspektasi manajemen dengan kondisi data yang ada. Oleh karena itu, komunikasi adalah kunci bagi seorang Data Scientist karena mereka akan berhubungan dengan orang dari level, divisi, dan latar belakang yang beragam.