Data scientist
Data scientist mengubah pertanyaan komersial yang belum jelas menjadi pertanyaan yang bisa dijawab bukti, lalu menjawabnya dengan jujur â termasuk ketika temuan jujurnya adalah bahwa bukti tidak mendukung kesimpulan yang diharapkan seseorang. Nilainya terletak pada perumusan masalah dan ketelitiannya, bukan pada model yang mungkin muncul di sepanjang jalan. Panduan ini menjelaskan disiplinnya dan kondisi yang memunculkan kebutuhannya.
Apa yang dikerjakan seorang data scientist?
Data scientist menjawab pertanyaan dengan data. Pekerjaannya dimulai dengan mengubah pertanyaan bisnis yang kabur menjadi pertanyaan yang spesifik dan terukur, lalu memilih pendekatan yang mampu menopang kesimpulan yang dicari: analisis deskriptif, eksperimen yang dirancang, studi observasional dengan asumsinya dinyatakan terbuka, atau model prediktif yang dipakai untuk menghasilkan sebuah estimasi. Termasuk di dalamnya mengukur seberapa besar ketidakpastian hasilnya, mengidentifikasi confounder dan efek seleksi yang bisa membuatnya menyesatkan, serta menyajikan temuan kepada pengambil keputusan dalam bentuk yang menopang sebuah keputusan tanpa melebih-lebihkan apa yang sebenarnya berhasil ditunjukkan.
Perumusan masalah menghasilkan sebagian besar nilainya dan paling sedikit mendapat perhatian. "Mengapa pelanggan pergi" tidak bisa dijawab dalam bentuk itu: tidak ada populasi, tidak ada periode, tidak ada pembanding, dan tidak ada definisi tentang pergi. Mengubahnya menjadi sesuatu yang bisa dijawab â kohort mana, diukur dalam rentang berapa, dibandingkan dengan siapa, dan hasil seperti apa yang akan mengubah rencananya â menentukan apakah pekerjaan sesudahnya layak dikerjakan sama sekali. Analis yang langsung menulis query pasti menghasilkan sesuatu; apakah hasil itu relevan dengan keputusannya adalah soal yang lain.
Pertanyaan teknis yang selalu berulang adalah apakah hubungan yang teramati benar-benar menopang tindakan yang sedang dipertimbangkan. Sebagian pertanyaan bisa dituntaskan dengan randomisasi lalu menunggu; banyak lainnya tidak bisa, karena perubahannya mengenai semua orang sekaligus, karena randomisasi tidak etis, atau karena peristiwanya sudah terjadi. Untuk kasus itu, praktisi harus memilih desain â perbandingan tren antarkelompok yang sebanding, sebuah instrumen, diskontinuitas pada ambang kelayakan, atau matching pada karakteristik yang teramati â dan menyatakan secara eksplisit asumsi yang menopang kesimpulannya, karena asumsi itulah titik terlemah temuannya dan sudah sepantasnya ada yang diberi tahu di mana letaknya.
Komunikasi di peran ini adalah keterampilan teknis, bukan keterampilan pelengkap. Interval kepercayaan yang diratakan menjadi satu angka di slide justru kehilangan informasi yang paling menentukan keputusannya. Mengetahui ketidakpastian mana yang penting bagi pilihan yang sedang dihadapi, dan menyampaikannya sedemikian rupa sehingga orang non-spesialis bisa menimbangnya tanpa tersesat maupun lumpuh, adalah bagian dari analisisnya dan bukan urusan presentasi belakangan.
Kapan tim membutuhkan kapabilitas ini
Pelaporan memberi tahu organisasi apa yang terjadi. Berikut tekanan yang muncul ketika organisasi perlu tahu mengapa, atau apa yang akan terjadi bila ia bertindak berbeda.
Keputusan bersandar pada dashboard yang tidak pernah dipertanyakan
Sebuah grafik bergerak lalu rencana berubah, tanpa ada yang bertanya apakah pergerakannya lebih besar daripada derau, apakah populasinya berubah, atau apakah definisi di balik metriknya masih berarti sama seperti saat pertama ditulis.
Eksperimen berjalan tetapi tidak ada yang mempercayai hasilnya
Tes dihentikan begitu hasilnya tampak bagus, beberapa metrik diperiksa sampai salah satunya signifikan, sampelnya terlalu kecil untuk mendeteksi efek yang benar-benar dipedulikan orang, dan penempatan kelompok bocor satu sama lain. Programnya menghasilkan kesimpulan dengan laju yang sehat dan organisasinya diam-diam berhenti memercayainya.
Sebuah metrik telah berubah menjadi target
Sebuah angka masuk ke skema kompensasi atau paket laporan direksi, lalu perilaku menata ulang dirinya di sekitar upaya menaikkannya. Harus ada yang menyatakan dengan jelas apa yang ditangkap dan tidak ditangkap angka itu, serta apa yang dikorbankan untuk menggerakkannya.
Klaim observasional hendak menentukan belanja
Sebuah kanal, fitur, atau kampanye disebut mendorong suatu hasil berdasarkan korelasi di dashboard. Sebelum anggaran mengikuti, harus ada yang memastikan apakah efeknya nyata atau orang-orang yang terpapar itu memang sudah pasti akan konversi.
Pertanyaannya adalah mengapa, bukan apa
Instrumentasi melaporkan event dengan akurat dan tidak menjelaskan apa pun. Memahami sebab menuntut entah eksperimen yang dirancang lebih dahulu atau desain observasional yang dipilih secara sadar, dan tidak satu pun muncul dari menatap grafik lebih lama.
Perkiraan dibutuhkan dan presisi semu itu berbahaya
Perencanaan permintaan, kapasitas, atau jumlah orang menuntut sebuah proyeksi. Satu angka tunggal membawa keyakinan tersirat yang tidak pernah diperiksa siapa pun, dan merencanakan di atasnya tanpa rentang berarti cadangan risikonya ditentukan oleh optimisme, bukan oleh bukti.
Kapabilitas inti
Perumusan masalah
Mengubah permintaan yang ambigu menjadi pertanyaan yang punya populasi, periode, pembanding, dan keputusan yang melekat padanya â serta menetapkan lebih dahulu hasil mana saja yang akan mengubah tindakan siapa pun.
Desain eksperimen
Memilih unit randomisasi, menghitung ukuran sampel dan durasi yang dibutuhkan untuk mendeteksi efek yang layak ditindaklanjuti, menetapkan metrik pengaman, dan mengunci aturan keputusan sebelum observasi pertama masuk.
Causal inference dari data observasional
Menerapkan desain yang sesuai untuk situasi ketika randomisasi mustahil â perbandingan tren antarkelompok, instrumen, ambang kelayakan, matching â dan menyatakan secara gamblang asumsi yang dituntut masing-masing.
Ketelitian statistik
Pengambilan sampel dan biasnya, perbandingan berganda, efek survivorship dan seleksi, perbedaan antara hasil yang signifikan dan hasil yang bermakna, serta memeriksa asumsi alih-alih mewarisinya dari contoh di buku teks.
Kritik terhadap datanya sendiri
Memastikan bagaimana sebuah dataset bisa ada sebelum menggunakannya: apa yang sebenarnya dicatat instrumentasinya, kapan sebuah definisi berubah, apa arti data yang hilang, dan record mana yang diam-diam tersingkir.
Pemodelan untuk memahami
Menggunakan model untuk mengestimasi sebuah besaran atau mencirikan sebuah hubungan, dengan perhatian pada spesifikasi, kolinearitas, perilaku di luar sampel, dan interpretabilitas, dalam konteks ketika keluarannya menjadi bahan pertimbangan orang alih-alih melayani permintaan langsung.
Definisi metrik
Menyusun metrik yang mencerminkan hasil yang benar-benar diinginkan organisasi, tahan dimanipulasi, membedakan indikator awal dari indikator lambat, dan tetap sebanding ketika produk atau populasinya berubah.
Mengukur ketidakpastian
Menyertakan rentang dan asumsi yang dinyatakan pada setiap estimasi, terbuka tentang apa yang belum diketahui, serta membedakan variasi sampel dari ketidakpastian yang jauh lebih besar yang muncul dari pilihan desainnya.
Penyajian kepada pengambil keputusan
Memilih bentuk visual dan narasi yang membuat temuan beserta batasnya terbaca dalam waktu yang bersedia diberikan pengambil keputusan, tanpa mengubur catatan keterbatasan maupun bersembunyi di baliknya.
Analisis yang reproducible
Kode dalam version control, query dan input data yang tercatat, serta environment yang dinyatakan, sehingga sebuah kesimpulan bisa dijalankan ulang, ditantang, dan ditinjau kembali setelah keadaannya bergerak.
Ekosistem teknologi
Berikut teknologi yang umum dipakai dalam data science. Daftar ini menggambarkan lanskap disiplinnya secara umum sebagaimana dipraktikkan di pasar, bukan klaim tentang perangkat yang dikuasai engineer mana pun. Tooling justru paling sedikit membedakan kandidat di bidang ini, karena penalaran yang membuat sebuah analisis layak dipercaya sama saja apa pun bahasa yang mengungkapkannya.
Bahasa pemrograman
- Python
- R
- SQL
Library analisis
- pandas
- Polars
- NumPy
- SciPy
- statsmodels
- scikit-learn
Causal inference dan metode Bayesian
- DoWhy
- EconML
- CausalImpact
- PyMC
- Stan
Notebook dan pelaporan
- Jupyter
- Quarto
- R Markdown
- Streamlit
Visualisasi
- matplotlib
- seaborn
- plotly
- ggplot2
- Vega-Lite
Akses data
- dbt
- BigQuery
- Snowflake
- DuckDB
- Databricks
Platform eksperimentasi
- GrowthBook
- Statsig
- Eppo
- Optimizely
Bagaimana peran ini bekerja dengan tim Anda
Engineer bekerja di dalam tim Anda, mengikuti prioritas dan standar Anda. Anda yang mengarahkan pekerjaannya; Talent.ID menangani hubungan kerjanya. Pembagian di bawah ini adalah keseluruhan pengaturannya.
Tetap milik Anda
- Produk
- Prioritas bisnis
- Roadmap
- Arsitektur
- Prioritas sprint
- Standar engineering
- Kolaborasi teknis sehari-hari
Ditangani Talent.ID
- Hubungan kerja
- Payroll
- Benefit karyawan
- Administrasi talenta
- Hubungan karyawan berkelanjutan
Seperti apa ini dalam praktik
Skenario hipotetis, ditulis untuk menunjukkan bagaimana model kerjanya diterapkan. Ini bukan klien Talent.ID dan bukan proyek yang pernah dikerjakan.
- Tantangan
- Sebuah tim komersial sedang menentukan ke mana belanjanya dipusatkan. Bukti yang tersedia berupa sekumpulan korelasi yang ditarik dari dashboard, program pengujian yang hasilnya tidak konsisten dan tidak lagi dipercaya secara internal, serta sebuah proyeksi yang disajikan sebagai satu angka tanpa rentang apa pun.
- Pendekatan
- Tambahan kapasitas analitis bekerja di dalam praktik yang sudah dijalankan tim â konvensi review mereka, tooling mereka, ritme pelaporan mereka, dan standar analitis yang sudah mereka tetapkan. Tim internal tetap memegang prioritas bisnis dan menentukan apa yang diselidiki; kapasitas tambahan berkontribusi pada desain studi, analisis, dan pelaporan bersama mereka, bukan sebagai fungsi terpisah.
- Yang ditambahkan ke tim
- Tim dapat menggarap lebih banyak pertanyaan secara benar tanpa memindahkan pertimbangan tentang pertanyaan mana yang penting. Apa yang diselidiki, dan bukti seperti apa yang dianggap cukup untuk bertindak, tetap berada pada orang-orang yang bertanggung jawab atas keputusannya.
Disiplin terkait
Pertanyaan yang sering diajukan
- Apa bedanya data scientist dan data analyst?
- Analis terutama berurusan dengan menggambarkan apa yang terjadi: pelaporan, dashboard, definisi metrik, dan menjawab pertanyaan yang bentuknya sudah pasti. Data scientist mengambil pertanyaan yang bentuknya belum pasti â merancang studi, membedakan efek dari kebetulan, mengukur seberapa yakin siapa pun boleh merasa. Batasnya bergeser antarorganisasi dan gelar jabatan mengikutinya dengan buruk, jadi lebih baik menguraikan pekerjaan sebenarnya dalam brief daripada bersandar pada labelnya.
- Apa bedanya data scientist dan machine learning engineer?
- Data scientist menetapkan apa yang seharusnya diukur dan apakah efek yang diklaim itu nyata; machine learning engineer membangun dan memelihara sistem yang melatih dan menyajikan sebuah model. Banyak sekali pekerjaan data science yang berharga sama sekali tidak menghasilkan model, dan banyak sekali pekerjaan machine learning engineering yang berurusan dengan pipeline, serving, dan drift alih-alih dengan pemilihan pertanyaan. Tim yang berharap satu orang mencakup keduanya biasanya mendapati satu sisi terabaikan, dan sisi mana yang terabaikan bergantung pada di mana minat orang itu berada.
- Apakah data scientist membangun model produksi?
- Mereka sering membangun versi pertamanya, dan versi itu umumnya dimaksudkan untuk menguji apakah pendekatannya layak, bukan untuk melayani trafik. Begitu sesuatu harus berjalan terus-menerus, memenuhi anggaran latensi, dipantau terhadap penurunan kualitas, dan dibangun ulang secara terjadwal, ia menjadi tanggung jawab engineering. Memperlakukan prototipe sebagai sistem produksi adalah kesalahan yang umum dan mahal, dan biasanya dilakukan oleh organisasinya, bukan oleh orang yang menulisnya.
- Apakah kami membutuhkan data scientist atau sekadar pelaporan yang lebih baik?
- Bila pertanyaan yang menggantung adalah tentang apa yang terjadi dan pada siapa, jawabannya adalah instrumentasi yang lebih baik, definisi yang lebih bersih, dan waktu analis â dan menambah orang dengan keterampilan riset untuk melayani permintaan dashboard adalah cara yang andal untuk kehilangan orang itu dalam setahun. Bila pertanyaannya adalah mengapa sesuatu terjadi, apakah sebuah intervensi berhasil, atau apa yang akan terjadi di bawah rencana lain, maka inilah kapabilitas yang dibutuhkan, dan pelaporan tidak akan pernah menuntaskannya sebagus apa pun ia menjadi.
- Seberapa penting pengetahuan domain?
- Cukup penting, karena perumusan masalah bergantung padanya: mengetahui perbandingan mana yang adil, pola musiman mana yang biasa, dan penjelasan mana yang tidak masuk akal secara operasional. Namun ini juga yang paling bisa diperoleh di antara semua persyaratannya. Praktisi yang teliti dan menghabiskan minggu-minggu pertamanya berbicara dengan orang-orang yang menjalankan bisnis biasanya mengungguli orang dengan pemahaman sektor yang dalam tetapi metodenya longgar.
- Mengapa penambahan orang di data science sering mengecewakan?
- Penyebabnya jarang bersifat teknis. Pola yang berulang adalah jarak dari keputusannya: pekerjaan dipesan sebagai permintaan alih-alih sebagai pertanyaan, temuan tiba setelah pilihan diambil, data yang mendasarinya ternyata tidak andal, dan tidak ada jalur yang mapan dari kesimpulan menuju tindakan. Praktisi yang cakap yang ditempatkan dalam susunan seperti itu menghasilkan analisis bagus yang tidak mengubah apa pun, dan biasanya pergi.
- Bagaimana data scientist bekerja dengan tim engineering yang sudah ada?
- Dalam skema penambahan kapasitas tim, arah pekerjaannya tetap di tangan Anda: standar analitis Anda, praktik review Anda, prioritas Anda, dan roadmap Anda yang menentukan apa yang diselidiki dan dengan urutan apa, dan kolaborasinya berlangsung dengan tim Anda sendiri. Sisi kepegawaian berada pada Talent.ID â hubungan kerja, payroll dan benefit karyawan, administrasi talenta yang menyertainya, serta hubungan karyawan yang berkelanjutan.
Ceritakan kebutuhan tim Anda
Jelaskan kekurangannya â pekerjaannya, stack-nya, cara tim Anda berjalan â dan kami akan menyampaikan apa yang dapat kami dukung. Bila bukan sesuatu yang bisa kami bantu, kami akan mengatakannya.