Penggunaan data akan menghasilkan data baru lagi. Data akan berkembang biak, mirip virus. Produksi data dari waktu ke waktu telah meningkat secara eksponensial. Kehadiran Internet of Things (IoT) turut berperanan.
Sebagai ilustrasi, sebuah bank di Indonesia beberapa tahun lalu senantiasa merekam sekitar 25 juta data transaksi per hari. Mungkin sekarang telah dobel produksi datanya per hari.
Menurut perhitungan, di seluruh dunia jumlah data akan menjadi dobel setiap dua tahun. Namun data ini masih akan tetap berupa data bila tidak diolah menjadi informasi.
Hal ini telah menciptakan kebutuhan tenaga ahli yang dapat menangani proses penyimpanan data, pengolahan (penggalian) data dan analisis data secara efektif.
Saat ini data telah berperan sebagai minyak (sumber energi) baru bagi bisnis yang bisa dimanfaatkan untuk pengumpulan wawasan penting dan meningkatkan kinerja bisnis agar bisa tumbuh di pasar.
Tapi siapa yang akan mengumpulkan wawasan itu? Siapa yang akan memproses semua data mentah yang telah dikumpulkan?
Semuanya akan dilakukan oleh seorang yang ahli Data Science atau pun Data Analytics.
Keduanya akan mengidentifikasi pola yang ada di dalam data. Itu akan dilakukan dengan melibatkan penggunaan statistik, data base, alat visualisasi, pemrograman tradisional, dan machine learning.
Kedua istilah tersebut sering digunakan secara bergantian. Ini bisa dimaklumi karena Data Analytics merupakan bagian dari Data Science.
Secara ringkas, Data Analytics lebih berfokus untuk pengolahan data historis dalam konteks tertentu.
Sedangkan Data Science lebih berfokus pada pengolahan data dengan learning algorithm (machine learning, deep learning) sebagai pemodelan prediktif atas suatu fenomena terhadap fenomena lainnya.
Data Analytics
Seorang yang ahli Data Analytics akan banyak menggunakan statistik deskriptif dan visualisasi data untuk menggali pemahaman terhadap informasi yang terkandung di data historis. Ia akan menggali data (data mining) dan menganalisa data (data analysis).
Data analysis akan menjawab pertanyaan yang bisa digunakan di dalam proses pengambilan keputusan bisnis yang dapat ditindaklanjuti dengan lebih baik.
Sekalipun seseorang tidak terlalu menguasai pemrograman komputer, ia masih bisa mempelajari Data Analytics. Ia bisa menggunakan software aplikasi yang sudah tersedia untuk visualisasi data dan penyajian statistik deskriptif. Hasilnya bisa ditampilkan di data-driven dashboard.
Excel merupakan salah satu alat analisis data yang paling banyak digunakan. Banyak analis data yang sukses hanya hanya dengan pemahaman dasar tentang statistika.
Data Science
Seorang yang ahli Data Science akan berfokus untuk menemukan pertanyaan baru yang mungkin tidak disadari sebelumnya agar segera diperoleh jawabannya untuk mendorong inovasi.
Data Science merupakan perpaduan multi-disiplin bidang ilmu yang melibatkan pengembangan algoritma, inferensi data, dan pemodelan prediktif.
Data Science akan mengekstrak pengetahuan dari kumpulan data agar bisa dimanfaatkan untuk memecahkan masalah yang kompleks secara analitik.
Karakter dari Data Science yang seperti ini terbukti telah mengubah cara pandang (paradigma) para ilmuwan di dalam melakukan penelitian dan aktifitas ilmiah lainnya di berbagai bidang ilmu dan teknologi.
Ia akan berupaya untuk memukan pertanyaan yang tepat dan sekaligus berupaya untuk menemukan jawabannya. Baik itu berkaitan dengan aktifitas bisnis maupun aktifitas ilmiah.
Seorang yang ahli Data Science akan banyak berurusan dengan pemodelan terhadap data generating process (DGP).
Ini ditempuh melalui penggunaan learning algorithm (machine learning dan deep learning) yang hasilnya akan dimanfaatkan untuk menarik kesimpulan (inferensi) tentang apa yang sesungguhnya telah terjadi dan untuk memprediksi apa yang akan terjadi.
A Simple Notebook 