Perbedaan Data Analyst dan Data Scientist: Peran dan Skillset

Seperti yang kita ketahui masih banyak mispersepsi di masyarakat dalam membedakan Data analyst dan Data Scientist, terutama pemula. Memang jika kita mengacu pada industri antara istilah dan job desk-nya tergantung perusahaan masing-masing. Namun, pada artikel ini menjelaskan perbedaan Data analyst dan Data Scientist berdasarkan Peran dan Skillset-nya.

Sebelum membahas perbedaan Data analyst dan Data Scientist kita harus tau dulu apa itu data analysis dan data science. Data analysis adalah proses mengeksplorasi data untuk menemukan pola dengan tujuan membantu membuat keputusan bisnis (business decisions). Data analysis ini salah satu subdomain dari data science. Data analysis mengekstrak data dari berbagai sumber, memvisualisasikan data, membuat laporan, dan mempresentasikan kepada stakeholder/pembuat keputusan.

Data science adalah bidang interdisipliner yang menggunakan pendekatan ilmiah (scientific) untuk mengekstrak insight dari data terstruktur maupun tidak terstruktur. Data science terdiri dari beberapa irisan seperti data analitik, data mining, machine learning dan domain terkait lainnya. Data science tidak sebatas menganalisis data, namun mengembangkan model dan algoritma, seperti klasifikasi, klasterisasi, asosiasi yang digunakan untuk prediksi harga saham, cuaca, penyakit, identifikasi penipuan dll.

Peran Data analyst dan Data Scientist

Berdasarkan peran, data analyst bertugas mengumpulkan, memfilter, memproses, dan menerapkan konsep statistik untuk mencari pola, tren, dan insight dari data untuk membuat suatu keputusan. Tujuan utamanya, membantu sebuah perusahaan atau organisasi memecahkan masalah bisnis menggunakan pola dan tren. Seorang data analyst diharuskan menguasai SQL query, visualization tools, dan menggunakan reporting tool seperti Microsoft Power BI, IBM Cognos, Tableau, dll. Data scientist sendiri lebih mengarah ke teknikal dan matematis. Tabel berikut menjelaskan perbedaan data analyst dan data scientist dari segi peran:

Skillset data analyst dan data scientist

Data analyst adalah seseorang yang menemukan insight dan menghasilkan value dari data untuk membantu decision-makers membuat keputusan. Oleh karena itu skillset yang harus dikuasai seorang data analyst sebagai berikut:

• Exploratory Data Analysis (EDA): EDA digunakan untuk membantu pengecekan data, menemukan pola, menguji hipotesis dan asumsi. Oleh karena itu skill EDA hal yang sangat krusial untuk seorang data analyst.

• Relational Database: SQL diwajibkan untuk seorang data analyst untuk bekerja pada database relasional. Setidaknya menguasai satu tool seperti MySQL atau PostgreSQL.

• Visualization Tools: Pada hakikatnya seseorang lebih mudah melihat data dalam bentuk visualisasi yang indah. Ada sebuah pepatah yang bilang “gambar lebih berbicara dari kata-kata”. Oleh karena itu seorang data analyst harus menguasai visualization tools seperti Tableau, QlikView, Power BI, dan sejenisnya.

• Spreadsheet: Pengetahuan tentang MS Excel, Google sheets, LibreOffice adalah wajib yang berfungsi untuk mengelola data dalam bentuk tabel.

• Storytelling dan skill presentasi: Skill dalam storytelling (bercerita) adalah skill yang sangat diperlukan. Karena seorang data analyst diharuskan mampu dalam menyampaikan hasil dari analisisnya kepada stakeholder untuk membuat sebuah keputusan.

Disisi lain, Data scientist sendiri adalah seseorang yang memecahkan masalah menggunakan data. Lalu, Apakah sesederhana itu? Tentu tidak. Data scientist adalah profesi PaluGada (Apa yang lu mau gue ada) beberapa irisan profesi seperti data analyst, statistikawan, matematikawan, programmer, Machine Learning dan NLP Engineer melebur dalam diri data scientist. Inilah mengapa data science tidak bisa dipelajari dalam hitungan bulan. Menjadi data scientist memerlukan banyak effort dan kesabaran. Mempelajari data science adalah sebuah perjalanan. Berikut skillset yang harus dimiliki data scientist:

• Matematika dan Statistika: Pengetahuan tentang matematika dan statistika diperlukan karena algoritma machine learning pondasinya adalah matematika dan statistika.

• Database: Dalam berinteraksi dengan database dibutuhkan alat komunikasi yaitu SQL. Seorang data scientist diharuskan menguasai SQL untuk berinteraksi dengan data.

• Machine Learning: Seorang data scientist perlu pengetahuan tentang teknik machine learning seperti teknik supervised dan unsupervised. Supervised sendiri seperti klasifikasi, regresi sedangkan unsupervised seperti klasterisasi dan dimensionality reduction.

• Programming Skill: Pemrograman membantu data scientist dalam mengotomatiskan solusi yang dibuat. Oleh karena itu pengetahuan tentang pemrograman dibutuhkan. Untuk saat ini bahasa pemrograman yang banyak dipakai pada bidang data science adalah Python dan R.

• Storytelling dan skill presentasi: Mengkomunikasikan hasil dalam bentuk storytelling (cerita) melalui presentasi powerpoint.

• Teknologi Big Data: Di zaman digital seperti sekarang data ada dimana-mana. Semua orang bisa menghasilkan data. Dengan banjirnya data lalu lahirlah konsep Big Data. Data Scientist sendiri perlu pengetahuan tentang Teknologi Big Data seperti Hadoop dan Spark untuk membantu mengembangkan solusi Big Data.

• Teknologi Deep Learning: Deep learning tools seperti Tensorflow, PyTorch dan Keras digunakan dalam bidang NLP dan Computer Vision.

Kesimpulan

Melihat perbandingan antara data analyst dan data scientist berdasarkan peran dan skillset, didapatkan beberapa kesimpulan sebagai berikut:

• Data Scientist berorientasi pada ranah riset dan akademis (research-oriented) sedangkan data analyst lebih berorientasi pada penerapan (application-oriented).

• Data scientist diharapkan memprediksi kejadian di masa depan sedangkan data analyst mengekstraksi insight yang berguna dari data.

• Data Scientist mengembangkan pertanyaan mereka sendiri sedangkan data analyst menemukan jawaban atas pertanyaan yang diberikan.

• Data scientist menjawab pertanyaan “what is going to happen?”, sedangkan data analyst menjawab pertanyaan “what has happened so far”.

Referensi :