Perbedaan: Data Science vs Big Data vs Data Analytics - Ahmad Amiruddin

PERBEDAAN: Data Science vs Big Data vs Data Analytics

Jumlah data digital bertumbuh dengan sangat cepat. Diperkirakan pada tahun 2020 sekitar 1,7 Megabyte informasi dihasilkan tiap detiknya oleh tiap individu masyarakat dunia. Ditulisan kali ini saya akan membahas tentang Data Sciece, Big Data, dan Data Analystics. Mulai dari pengertian masing-masing, keterampilan yang dibutuhkan serta besaran gaji. Informasi dari tulisan ini sebagian besar berasal dari Avantika Monnappa di simplilearn.com.

• Data Science

Bidang yang berurusan dengan data yang tidak terstruktur dan terstruktur, Ilmu Data adalah bidang yang terdiri dari segala sesuatu yang berkaitan dengan data cleansing, preparation, and analysis.

• Big Data

Sesuai dengan Big Data sehingga mengacu pada volume data yang sangat besar sehingga tidak dapat diproses dengan efektif oleh aplikasi tradisional yang ada. Dimulai dengan kumpulan data yang mentah dan tidak mungkin disimpan oleh satu memory computer. Big Data dianalisis untuk menghasilkan keputusan utamanya strategi bisnis yang lebih baik.

• Data Analytics

Merupakan ilmu yang memeriksa data mentah untuk menyimpulkan informasi yang diproses. Data Analytics melibatkan penerapan proses algoritmik untuk memperoleh gambaran. Misalnya memproses beberapa set data untuk mencari korelasi antara satu sama lain.

Adapun menurut saya Data Science, Big Data dan Data Analytics merupakan satu kesatuan yang dimulai dengan seleksi data dan berakhir sehingga menghasilkan sebuah aksi/keputus/langkah oleh perusahaan.  Ketiganya menggunakan data sebagai basis melakukan tindakan yang menghasilkan output yang berbeda-beda.

Sumber: (Griffith University: Big Data Analytics: Opportunities, Challenges and the Future).

Untuk lebih jelasnya, saya akan membuat artikel khusus yang membahas hubungan ketiganya lain waktu. 

1. APLIKASI DATA SCIENCE

• Pencarian Internet

Mesin pencari memanfaatkan algoritma Data Science untuk memberikan hasil terbaik untuk permintaan pencarian dalam sepersekian detik.

• Iklan Digital

Seluruh spektrum pemasaran digital menggunakan algoritma sains data - mulai dari spanduk display hingga papan iklan digital.

• Sistem Rekomendasi

Sistem merekomendasikan tidak hanya memudahkan untuk menemukan produk yang relevan dari miliaran produk yang tersedia tetapi juga menambah banyak pengalaman pengguna. Banyak perusahaan menggunakan sistem ini untuk mempromosikan produk dan saran mereka sesuai dengan tuntutan pengguna dan relevansi informasi. Rekomendasi tersebut didasarkan pada hasil pencarian pengguna sebelumnya.

2. APLIKASI BIG DATA

• Big Data untuk Layanan Keuangan

Perusahaan kartu kredit, bank ritel, penasihat manajemen kekayaan pribadi, perusahaan asuransi, dana ventura dan bank investasi kelembagaan menggunakan data besar untuk layanan keuangan mereka. Big Data untuk layanan keuangan untuk menganalisis pelanggan, kepatuhan, penipuan dan operasional.

• Big Data dalam Komunikasi

Beruna untuk mendapatkan pelanggan baru, mempertahankan pelanggan dan memperluas basis pelanggan saat ini adalah prioritas utama bagi penyedia layanan telekomunikasi. Solusi untuk tantangan ini terletak pada kemampuan untuk menggabungkan dan menganalisis massa data yang dihasilkan pelanggan dan data yang dihasilkan mesin yang dibuat setiap hari.

3. APLIKASI DATA ANALYTICS

• Kesehatan

Tantangan utama bagi rumah sakit dengan tekanan biaya yang semakin ketat adalah untuk merawat sebanyak mungkin pasien secara efisien, dengan mengingat peningkatan kualitas perawatan. Instrumen dan data mesin semakin banyak digunakan untuk melacak serta mengoptimalkan aliran pasien, perawatan, dan peralatan yang digunakan di rumah sakit. Diperkirakan akan ada peningkatan efisiensi 1% yang dapat menghasilkan lebih dari $ 63 miliar dalam penghematan perawatan kesehatan global.

• Perjalanan

Data Analytics dapat mengoptimalkan pengalaman pembelian melalui analisis data seluler / weblog dan media sosial. Pemandangan wisata dapat memperoleh wawasan tentang keinginan dan preferensi pelanggan. Produk dapat dijual dengan mengkorelasikan penjualan saat ini dengan peningkatan penelusuran berikutnya yang meningkatkan konversi penelusuran untuk membeli melalui paket dan penawaran khusus. Rekomendasi perjalanan yang dipersonalisasi juga dapat disampaikan oleh analitik data berdasarkan data media sosial.

• Game

Analisis Data membantu dalam mengumpulkan data untuk dioptimalkan dan dihabiskan di dalam maupun di seluruh game. Perusahaan game mendapatkan wawasan tentang ketidaksukaan, hubungan, dan suka dari pengguna.

• Manajemen energi

Sebagian besar perusahaan menggunakan analisis data untuk manajemen energi, termasuk manajemen smart-grid, optimisasi energi, distribusi energi dan otomatisasi bangunan di perusahaan utilitas. Aplikasi di sini berpusat pada pengontrolan dan pemantauan perangkat jaringan, pengiriman kru dan kelola pemadaman layanan. Utilitas diberi kemampuan untuk mengintegrasikan jutaan titik data dalam kinerja jaringan dan memungkinkan para insinyur menggunakan analitik untuk memantau jaringan.

~ Keterampilan Diperlukan untuk Menjadi Ilmuwan Data

• Pendidikan: 88% memiliki gelar Master, dan 46% memiliki gelar PhD
• Pengetahuan mendalam tentang SAS atau R: Untuk Ilmu Data, R umumnya lebih disukai.
• Python coding: Python adalah bahasa pengkodean paling umum yang digunakan dalam ilmu data, bersama dengan Java, Perl, C / C ++.
• Platform Hadoop: Meskipun tidak selalu merupakan persyaratan, mengetahui platform Hadoop masih lebih disukai untuk bidang ini. Memiliki sedikit pengalaman dalam Hive atau Babi juga merupakan nilai jual yang sangat besar.
• Database SQL / coding: Meskipun NoSQL dan Hadoop telah menjadi bagian penting dari latar belakang Ilmu Data, masih lebih disukai jika Anda dapat menulis dan menjalankan query kompleks dalam SQL.
• Bekerja dengan data yang tidak terstruktur: Adalah penting bahwa Data Scientist dapat bekerja dengan data yang tidak terstruktur, baik itu di media sosial, umpan video, atau audio.

~ Keterampilan Diperlukan untuk Menjadi Spesialis Big Data

• Keahlian analitis: Kemampuan untuk dapat memahami tumpukan data yang Anda dapatkan. Dengan keterampilan analitis, Anda akan dapat menentukan data mana yang relevan dengan solusi Anda, lebih seperti pemecahan masalah.
• Kreativitas: Anda harus memiliki kemampuan untuk menciptakan metode baru untuk mengumpulkan, menafsirkan, dan menganalisis strategi data. Ini adalah keterampilan yang sangat cocok untuk dimiliki.
• Keterampilan matematika dan statistik: “Angka-angka” yang bagus dan kuno. Ini sangat diperlukan, baik dalam ilmu data, analisis data, atau data besar.
• Ilmu komputer: Komputer adalah alat kerja di balik setiap strategi data. Pemrogram akan memiliki kebutuhan konstan untuk menghasilkan algoritma untuk mengolah data menjadi wawasan.
• Keahlian bisnis: profesional Big Data perlu memiliki pemahaman tentang tujuan bisnis yang ada, serta proses yang mendasari yang mendorong pertumbuhan bisnis serta keuntungannya.

~ Keterampilan Yang Diperlukan untuk Menjadi Analis Data

• Keterampilan pemrograman: Mengetahui bahasa pemrograman adalah R dan Python sangat penting bagi analis data apa pun.
• Keahlian statistik dan matematika: Statistik deskriptif dan inferensial dan desain eksperimental adalah suatu keharusan bagi para ilmuwan data.
• Keterampilan belajar mesin
• Keahlian penanganan data: Kemampuan memetakan data mentah dan mengubahnya menjadi format lain yang memungkinkan konsumsi data yang lebih nyaman.
• Keterampilan Komunikasi dan Visualisasi Data
• Intuisi Data: sangat penting bagi seorang profesional untuk dapat berpikir seperti seorang analis data.

• Gaji Data Science

Menurut Glassdoor , gaji rata-rata Data Scientist adalah $ 108.224 per tahun.

• Gaji Spesialis Big Data

Menurut Glassdoor , gaji rata-rata dari Spesialis Big Data adalah $ 106.784 per tahun.

• Gaji Data Analytics

Menurut Glassdoor , gaji rata-rata untuk seorang Analis Data adalah $ 61.473 per tahun.

Gaji meningkat sesuai pengetahuan dan keahlian yang kamu miliki.

Sekarang setelah Anda mengetahui perbedaannya, mana yang menurut Anda paling cocok untuk Anda - Ilmu Data? Data besar? Atau Analisis Data?

Related Posts