Contohsederhananya, Data Analyst bekerja dengan data yang sudah terstruktur dengan tujuan yang lebih tangible, sedangkan Data Science memecahkan hal yang bersifat intangible dengan data mentah yang belum tentu terstruktur. Disitus pencari kerja Kalibrr per September 2021, terdapat 570 lowongan dengan kata kunci data engineer dan data scientist sebanyak 471 lowongan. Kedua posisi ini tidak hanya mencakup lowongan pekerjaan di Indonesia saja. Hal ini menunjukkan kebutuhan dan permintaan yang sangat tinggi akan talenta yang ahli di bidang Big Data. DataAnalyst. Data Analyst bertugas untuk membersihkan, menganalisa dan memvisualisasi banyak data untuk kemudian dicari insight -nya demi kemajuan bisnis sebuah perusahaan atau organisasi. Nantinya data-data tersebut diserahkan ke Data Engineer lalu diberikan kepada Data Scientist untuk ditindaklanjuti seperti ulasan di atas. 3 Skill Dasar Data Scientist dan Data Analyst Seluruh tanggung jawab Data Scientist dan Data Analyst memerlukan skill atau kemampuan dasar yang dapat membantu pekerjaan mereka agar semakin efektif dan efisien. Berikut skill atau kemampuan dasar yang dibutuhkan oleh calon profesi Data Scientist: - Kemampuan untuk memahami software engineering Mulaiberkarir menjadi praktisi Data Analyst, Data Engineer, ataupun Data Scientist tentunya bukan suatu hal yang mustahil. Latar Belakang Pendidikan Ini lho yang Dicari Perusahaan. Untuk menjadi seorang Data Scientist, ternyata beberapa perusahaan memiliki ketentuan dari segi latar belakang pendidikannya. seperti IoT dan Fintech mereka KuasaiSkill Data Analyst untuk Mulai Berkarir di Bidang Data Berkarir Data Analyst, Data Scientist dan Data Engineer atau profesi di bidang data harus di barengi dengan belajar secara konsisten. Tentukan jalan karirmu mau menjadi apa. . Profesi Data Scientist dan Data Analyst merupakan dua profesi yang saat ini sedang digemari oleh banyak individu dan dicari oleh banyak perusahaan, mulai dari perusahaan besar hingga perusahaan baru atau startup. Kebutuhan akan sumber daya manusia dalam kedua profesi ini sangat banyak, namun tidak sebanding dengan ketersediaannya di karena itu, DQLab akan memberikan informasi kepada kalian terkait kedua profesi ini agar kalian dapat mengetahui, memahami, dan menentukan apakah kalian ingin mencoba prospek karir kedua profesi ini. Dalam artikel ini, akan dibahas mengenai pengertian Data Scientist dan Data Analyst, tidak lupa juga mengenai tanggung jawab atau tugas masing-masing profesi. 1. Pengertian Data ScientistMari kita mulai dari profesi Data Scientist, profesi ini menggunakan berbagai cara dan algoritma untuk menganalisis data yang diharapkan dapat menemukan solusi atas suatu masalah yang rumit atau kompleks. Data Scientist memerlukan kemampuan untuk mengungkap suatu pola dengan mengombinasikan beberapa pasang data, seperti perilaku konsumen. Dapat dikatakan bahwa profesi ini akan lebih mengarah kepada hal teknis dalam bidang data, selain itu juga Data Scientist membutuhkan keahlian untuk mengungkap tren yang sedang berlangsung. Apabila profesi ini bekerja dalam suatu bisnis, maka diperlukan juga pengetahuan bisnis supaya tujuan perusahaan dapat juga Mengenal Profesi Data Scientist2. Pengertian Data AnalystBerlanjut kepada profesi Data Analyst, banyak yang mengira bahwa profesi ini memiliki definisi dan tanggung jawab yang sama dengan Data Scientist. Hal tersebut salah besar. Profesi Data Analyst memang memiliki beberapa persamaan dengan Data Scientist, contohnya seperti tugasnya untuk menganalisis cakupan pekerjaan Data Analyst tidak seluas Data Scientist karena profesi ini tidak mengharuskan calon pekerja untuk mengerti bahasa pemrograman. Data Analyst dibutuhkan oleh perusahaan apabila volume data yang dimiliki perusahaan belum sangat besar sehingga tidak dapat menghasilkan data produk. Satu fakta menarik mengenai Data Analyst adalah profesi ini kerap disebut sebagai junior Data Scientist karena memiliki beberapa kemiripan dalam Tanggung Jawab Data ScientistSetelah mengetahui pengertian mengenai profesi Data Scientist, kalian tentu memerlukan informasi terkait tanggung jawab atau pekerjaan seperti apa yang nantinya akan dihadapi apabila kalian menentukan untuk menjalani profesi ini. Terdapat beberapa contoh tanggung jawab yang dapat kalian ketahui, seperti database perusahaan demi peningkatan kinerja model prediksi algoritma, model data, dan kerangka kerja pembuktian sumber data dari setiap informasi yang diperlukan agar tidak merugikan dengan divisi lain yang berkaitan dengan pekerjaan Data Tanggung Jawab Data AnalystBeralih ke profesi Data Analyst, apabila dengan membaca tanggung jawab Data Scientist cukup menantang, kalian juga bisa persiapkan beberapa kompetensi yang dapat diimplementasikan sebagai Data Analyst, apa saja? Yuk simak! Menafsirkan, menganalisa, dan membuat laporan terkait hasil dan mengimplementasikan database, serta strategi data dari berbagai tren atau pola dari kumpulan data yang data dan melakukan peninjauan dengan manajemen terkait kebutuhan bisnis dan dan menentukan peluang bisnis juga Yuk Kenal Role Data Scientist, Profesi Menarik Dengan Gaji Besar5. Tentukan Pilihan Profesi Kalian Bersama DQLabTidak perlu bingung dengan kedua profesi ini, kalian dapat mempelajari semua ilmu seputar profesi Data Analyst dan Data Scientist secara lengkap dan tuntas dengan DQLab. Disini kalian bisa mendapatkan materi pembelajaran dan berlatih dengan praktisi data yang berpengalaman. Apa kalian tertarik? Kalian bisa langsung sign up di untuk mulai belajar dengan mengerjakan module gratis "Introduction Data Science with Python and R". Ayo gabung di dan mulai sesi belajar kalian!Penulis Callista EugeniaEditor Annissa Widya Davita Perbedaan Data Analyst VS Data Scientist VS Data Engineer Photo by Marten Bjork on Unsplash Data Analyst, Data Scientist dan Data Engineer merupakan profesi di bidang data yang sedang populer dicari oleh banyak perusahaan. Salah satu alasannya adalah karena data kini menjadi faktor penting untuk mendukung perusahaan di era digitalisasi untuk bisa bersaing dan berkembang. Ketiga profesi ini berperan penting untuk perusahaan karena tanggung jawab dan tugasnya sangat erat dengan perkembangan teknologi dan pengolahan berbagai data. Tak heran ketiganya memiliki prospek karier yang menjanjikan dan banyak orang tertarik untuk mengetahui lebih lanjut mengenai perbedaan Data Analyst VS Data Scientist VS Data Engineer. Umumnya, perusahaan menggunakan data untuk menganalisis dan memprediksi masa depan untuk memudahkan proses keputusan bisnis, oleh karena itu sumber daya manusia terkait data menjadi bagian penting dari setiap perusahaan, terlepas dari industri, jenis, dan ukurannya. Setidaknya, perusahaan membutuhkan tiga profesi yaitu data analyst vs data scientist vs data engineer yang berperan untuk mengelola berbagai data perusahaan. Meskipun ketiga profesi tersebut sama-sama berkutat di bidang data, namun faktanya ketiganya memiliki banyak perbedaan. Jika kamu tertarik untuk memulai karier di bidang data maka kamu harus mengetahui apa saja perbedaan data analyst vs data scientist vs data engineer, penasaran? Simak terus! Baca juga Apa Itu Data Engineering? Pahami Melalui Konsep Lego Definisi Perbedaan Data Analyst VS Data Scientist VS Data Engineer Photo by Helena Lopes on Unsplash Sebelum mengetahui perbedaan ketiga profesi di bidang data, kamu juga harus memahami terlebih dahulu definisi dari data analyst, data science, dan data engineering. Berikut perbedaanya Data Analysis Data analysis adalah proses penerapan teknik statistik secara sistematis untuk menggambarkan, mengilustrasikan, memadatkan dan mengevaluasi data. Sumber The Office of Research Integrity. Proses tersebut dilakukan untuk mengubah data menjadi informasi yang bermanfaat dan ditarik kesimpulannya untuk membantu perusahaan dalam menyelesaikan suatu permasalahan. Biasanya, perusahaan akan menganalisis data konsumen secara real-time yang lebih akurat sehingga bermanfaat untuk membantu perusahaan mengambil keputusan. Data Science Ilmu yang menggabungkan dan memanfaatkan statistika, komputer, dan domain aplikasi yang cara kerjanya dengan memproses data baik itu data terstruktur maupun data tidak terstruktur untuk mendapatkan informasi yang dibutuhkan perusahaan. Data science juga merupakan rangkaian pengolahan data untuk mengekstrak informasi berharga dari data untuk pengambilan keputusan bisnis, strategis, dan penggunaan lainnya Sumber TechTarget. Data Engineering Berbeda halnya dari data analysis dan data science, data engineering merupakan proses membuat, mendesain, menyimpan, dan memproses data secara real-time untuk membuat data mentah bisa digunakan oleh data analyst dan data scientist Sumber Precisely. Data engineering juga merupakan proses untuk membangun saluran atau alur kerja untuk memastikan proses pergerakan dari satu data ke data yang lainnya berjalan dengan efektif dan efisien. Tugas dan Tanggung Jawab Perbedaan Data Analyst VS Data Scientist VS Data Engineer Photo by Mikey Harris on Unsplash Perbedaan data analyst vs data scientist vs data engineer pertama bisa dilihat dari cakupan tugas dan tanggung jawabnya, diantaranya Data Analyst Data analyst bertugas untuk riset, mengumpulkan, dan menggunakan data untuk mendapatkan suatu kesimpulan sesuai dengan project yang sedang dikerjakan. Umumnya, tanggung jawab seorang data analyst di suatu perusahaan meliputi analisis statistik dan penafsirannya, pemeliharaan dan akuisisi data, hingga merepresentasi data melalui laporan dan visualisasi data. Data Scientist Seorang data scientist bertugas untuk mengumpulkan data yang besar dan mengolah data tersebut menjadi insight baru yang berguna untuk proses pengambilan keputusan. Tanggung jawabnya meliputi analisis, pengoptimalan, dan kinerja dari machine learning, deep learning, dan statistical model. Data Engineer Tugas data engineer adalah mengembangkan platform untuk data-data yang akan diolah dan diterjemahkan oleh data analyst dan data scientist. Cakupan tanggung jawabnya meliputi develop machine learning, mengidentifikasi solusi serta perangkat untuk mengoptimalkan akuisisi data dan kinerja seluruh data pipeline. Baca juga Rekomendasi Job Portal untuk Cari Lowongan Data Science Skills Perbedaan Data Analyst VS Data Scientist VS Data Engineer Photo by Wouter on Unsplash Setelah tahu perbedaan definisi, tugas, dan tanggung jawabnya, kamu juga harus mengetahui perbedaan skills yang dibutuhkan, diantaranya Data Analyst Hard-skills yang dibutuhkan seorang data analyst adalah Spreadsheet, scripting, SQL, data warehouse, kemampuan membuat laporan, visualisasi data, Google Analytics, hingga bahasa pemrograman statistik seperti R dan Python. Data Scientist Hard-skills yang dibutuhkan seorang data analyst adalah Spreadsheet, SQL, machine learning, deep learning, data mining, optimasi data, hingga bahasa pemrograman tingkat lanjut seperti C, C++, Java, dll. Data Engineer Hard-skills yang dibutuhkan seorang data analyst adalah arsitektur data dan pipelining, machine learning, data warehouse, SQL dan database tingkat lanjut, pemrograman tingkat lanjut, Hadoop-based analytics, hingga kemampuan scripting dan visualisasi data. Output Perbedaan Data Analyst VS Data Scientist VS Data Engineer Photo by Surface on Unsplash Perbedaan lain dari data analyst vs data scientist vs data engineer adalah output yang dihasilkan. Biasanya, data analyst menghasilkan output hasil identifikasi berupa informasi yang bermanfaat utamanya bagi pihak perusahaan, sedangkan data scientist menghasilkan output berupa data product seperti mesin rekomendasi yang ditampilkan Youtube, terakhir output yang dihasilkan oleh data engineer biasanya berupa data flow, penyimpanan, dan retrieval system. Prospek Karier Perbedaan Data Analyst VS Data Scientist VS Data Engineer Photo by Firos nv on Unsplash Berbicara mengenai prospek karier, ketiga profesi ini sama-sama memiliki prospek dan jenjang karier yang menjanjikan. Namun, rata-rata gaji ketiga profesi ini memiliki perbedaan. Rata-rata gaji data analyst adalah 10-28 juta/bulan Sumber Glassdoor, data scientist 16-27 juta/bulan Sumber Glassdoor, dan data engineer 10-24 juta/bulan Sumber Glassdoor. Baca juga Apa Itu Data Mengenal Jenis-Jenis Data di Era Digital Rekomendasi Pelatihan Perbedaan Data Analyst VS Data Scientist VS Data Engineer Photo by Surface on Unsplash Jika tertarik untuk memulai karier sebagai data analyst, data scientist, atau data engineer, kamu bisa belajar bersama Bootcamp Digital Skola, bimbingan tutor expert, kurikulum berbasis industri, portofolio, professional branding, comprehensive learning module, dan fasilitas lengkap lainnya akan membuka jalan karier kamu berkarier di bidang data. Penasaran? Berikut ini adalah perbedaan antara peran Business Intelligence, Data Engineer, Data Analyst, dan Data Scientist dalam bidang teknologi informasi dan analisis dataBusiness Intelligence BI BI adalah proses mengumpulkan, mengintegrasikan, menganalisis, dan memvisualisasikan data dari berbagai sumber dalam organisasi untuk mendukung pengambilan keputusan bisnis yang lebih baik. Profesional BI biasanya fokus pada pembuatan laporan dan dashboard, serta mengidentifikasi tren dan pola dalam data yang ada. Mereka sering kali bekerja dengan alat-alat seperti Tableau, Power BI, atau Engineer Data Engineer bertanggung jawab untuk merancang, membangun, dan mengelola infrastruktur data yang memungkinkan organisasi mengakses, menyimpan, dan memproses data dengan efisien dan aman. Mereka biasanya memiliki keahlian dalam basis data, sistem penyimpanan, pemrosesan data mis. Hadoop, Spark, dan bahasa pemrograman seperti Python, Java, atau Scala. Data Engineer sering kali bekerja sama dengan Data Scientist dan Data Analyst untuk menyediakan data yang dibutuhkan untuk analisis dan model Analyst Data Analyst bertugas untuk mengumpulkan, memproses, dan menganalisis data untuk membantu organisasi memahami tren dan mengidentifikasi peluang bisnis. Mereka menggunakan metode statistik, teknik visualisasi data, dan alat analisis seperti Excel, R, atau Python untuk menggali informasi dari data. Data Analyst sering kali berfokus pada analisis deskriptif menganalisis data historis untuk menggambarkan keadaan saat ini dan mungkin bekerja sama dengan BI dan Data Scientist Data Scientist adalah profesional yang mengkombinasikan keahlian dalam statistik, pemrograman, dan pengetahuan bisnis untuk mengembangkan model prediktif dan preskriptif yang membantu organisasi membuat keputusan yang lebih baik. Mereka menggunakan algoritma machine learning, metode analisis lanjutan, dan alat seperti Python, R, atau TensorFlow untuk membangun model yang dapat memprediksi perilaku pelanggan, mengoptimalkan operasi, atau mengidentifikasi risiko. Data Scientist sering kali bekerja dengan Data Engineer dan Data Analyst untuk mengakses dan mempersiapkan data yang diperlukan untuk analisis dan ada perbedaan dalam tanggung jawab dan keahlian yang diperlukan, peran-peran ini sering kali saling melengkapi dan bekerja sama dalam organisasi untuk mengoptimalkan penggunaan data dalam pengambilan keputusan mana ya yang gajinya paling tinggi di antara keempat profesi tersebut?Rentang gaji untuk keempat profesi ini bisa bervariasi tergantung pada faktor-faktor seperti tingkat pengalaman, ukuran perusahaan, industri, dan lokasi. Namun, umumnya Data Scientist cenderung memiliki gaji yang lebih tinggi dibandingkan dengan Data Engineer, Data Analyst, dan Business Intelligence. Berikut ini adalah peringkat umum dari tingkat gaji untuk keempat profesi iniData Scientist Biasanya memiliki gaji tertinggi di antara keempat profesi ini, karena memerlukan keahlian dalam statistik, pemrograman, dan pengetahuan bisnis yang lebih dalam. Data Scientist dengan beberapa tahun pengalaman dan keahlian dalam teknik analisis canggih dan machine learning dapat memperoleh gaji yang sangat Engineer Gaji Data Engineer umumnya sedikit lebih rendah daripada Data Scientist, tetapi masih lebih tinggi daripada Data Analyst dan Business Intelligence. Keterampilan dalam basis data, sistem penyimpanan, dan pemrosesan data sangat dicari dan bisa memberikan gaji yang Intelligence Gaji profesional BI cenderung lebih tinggi daripada Data Analyst, terutama karena mereka sering kali bekerja dengan pemangku kepentingan bisnis yang lebih tinggi dan berfokus pada strategi dan pengambilan Analyst Data Analyst biasanya memiliki gaji terendah di antara keempat profesi ini, meskipun mereka masih memainkan peran penting dalam mengolah dan menganalisis data. Namun, dengan pengalaman dan peningkatan keterampilan, Data Analyst bisa beralih ke peran yang lebih tinggi seperti Data Scientist atau Business dicatat bahwa angka-angka ini hanya perkiraan umum dan rentang gaji yang sebenarnya dapat bervariasi tergantung pada berbagai faktor. Selain itu, gaji juga dipengaruhi oleh permintaan pasar dan penawaran tenaga kerja yang berkualitas, yang dapat berubah seiring waktu. Data Analyst, Data Scientist, dan Data Engineer. Mungkin ketiga istilah tersebut sudah tidak asing lagi ditelinga mu, karena belakangan ini istilah itu sering diperbincangkan apalagi sejak drama korea berjudul "Start-Up" tayang bulan Oktober 2020 lalu. Alasannya adalah karena drama korea tersebut menceritakan tentang sekelompok anak muda yang membangun Startup di bidang Artificial Intelligence AI. Nah, mungkin dari kamu masih bingung dan belum mengetahui apa perbedaan Data Analyst, Data Scientist, dan Data Engineer? Toh, ketiganya profesi yang sama-sama berkutat dengan sekumpulan data. Ya, tentu saja itu benar. Namun, serupa bukan berarti sama ketiganya memiliki perbedaan. Sebelum membahas mengenai perbedaannya, alasan mengapa ketiga profesi tersebut baru diperbincangkan sekarang-sekarang ini dan bukan dari dulu ? Jawabannya tentu bukan karena adanya drama korea "Start-Up", melainkan karena dulu toolsnya belum cukup mendukung baik dari segi teknologi maupun ketersedian datanya. Kemunculan "big data" yang mendorong kebutuhan dan eksistensi ketiga profesi tersebut sangat dibutuhkan baik di perusahaan atau di instansi pemerintah. Untuk itu, penting memahami perbedaan Data Analyst, Data Scientist, dan Data Engineer. Penasaran ? Jangan khawatir, artikel ini akan membahas 3 perbedaanya. So, keep reading and scrolling !1. DefinisinyaPerbedaan yang pertama tentu ada pada definisi tentang ketiga profesi tersebut. Ini merupakan hal pertama yang harus kamu pahami. Untuk itu simak tabel berikut ini Data AnalystData ScientistData EngineerSecara umum, seorang Data Analyst akan mengambil atau mengumpulkan data, mengaturnya dan menggunakannya untuk mendapatkan suatu kesimpulan sesuai dengan proyek yang sedang diamati, seperti penjualan, inventaris, atau media Scientist adalah orang yang mengambil atau mengumpulkan data yang besar, kemudian mengolah data tersebut serta menggali sebuah insight baru yang akan berguna di masa depan terutama dalam membantu perusahaan untuk proses pengambilan Engineer adalah orang akan mengembangkan platform untuk data-data yang telah diolah dan ditafsirkan oleh seorang Data Analyst dan juga Data Scientist. Mulai dari merancang arsitektur database serta memelihara infrastruktur data di suatu juga Mengenal Profesi Data Scientist2. Keterampilan yang Harus DikuasaiSetelah kita memahami definisi dari Data Analyst, Data Scientist, dan Data Engineer, hal selanjutnya yang membedakan ketiga profesi tersebut adalah dari segi keterampilan yang harus dikuasai. Apa sajakah itu ? Berikut ini perbedaan skill yang harus mereka miliki Data AnalystData ScientistData EngineerMatematika dan Statistik Matematika, statistik dan ilmu komputerTeknik dan Ilmu komputerSQLSQL, Python, R, Pig, ScalaSQL, NoSQL, Python, Java, PigData VisualizationData Visualization dan StorytellingETLExcel Tingkat LanjutMachine Learning dan deep learningMachine LearningSASBig Data toolsArsitektur data dan pipelineBusiness IntelligenceEkonomiSistem Operasi3. Perannya di IndustriMemang bukan perkara mudah untuk menjadi seorang praktisi data yang handal, banyak kriteria dan persyaratan khusus yang harus dikuasai. Memang benar untuk menjadi seorang praktisi data background pendidikan tidak terlalu dipermasalahkan, selama kamu memiliki keterampilan yang disyaratkan ataupun pengalaman yang relevan di bidang data tentunya kamu sudah memiliki bekal yang cukup untuk mulai berkarir sebagai praktisi data. Oleh karena itu, bagi kamu yang tidak memiliki background STEM Science, Technology, Engineering, and Mathematics jangan berkecil hati dan terus asah passionmu seperti mengikuti bootcamp atau course. Nah, selain perbedaan keterampilan khusus yang wajib dikuasai ketiga profesi tersebut adalah peran dan tanggung jawabnya di industriData AnalystData ScientistData EngineerMelakukan pengumpulan data dan data pre-processingBertanggung jawab untuk mengembangkan pemodelanMengembangkan, menguji dan memelihara arsitektur dataRepresentasi data melalui pelaporan dan visualisasi dataAnalisis dan pengoptimalan data menggunakan machine learning dan deep learningMemahami programming dan segala kerumitannyaBertanggung jawab atas analisis statistik dan interpretasi dataIkut serta dalam perencanaan strategis analisis dataMendevelop machine learningMemastikan pemeliharaan data Mengintegrasikan dataMembangun pipeline untuk proses ETLMengoptimalkan efisiensi dan kualitas statistikJembatan antara stakeholder dan customerMemastikan akurasi dan fleksibilitas dataBaca juga Yuk Kenal Role Data Scientist, Profesi Menarik Dengan Gaji Besar4. Belajar Data Science untuk Perdalam Kompetensi Analytics KamuSign up sekarang di dan nikmati quiz GRATIS "Basic Analytics" untuk menikmati pengalaman belajar yang seru menyenangkan serta aplikatif pada industri nyata! Kamu bisa membangun portofolio datamu dengan belajar data science di DQLab. Bagaimana cara mengikuti quiznya? simak caranya dibawah ini 1. Klik button dibawah untuk signup di Masuk ke 3. Pilih menu "Quiz"4. Ikuti Quiz Basic Analytics yang tersedia5. Selamat mencoba sahabat data DQLab!Penulis Rian TinegesEditor Annissa Widya Davita Berikan Penilaian Kamu Seberapa Membantu Konten Ini? Saat ini, pekerjaan yang terkait dengan pengolahan informasi dari big data menjadi pekerjaan yang sedang hits dan paling banyak dicari, terutama bagi para fresh graduate. Big data adalah kumpulan data yang sangat besar dan dapat dianalisis secara komputasi. Pekerjaan terkait big data yang sedang digandrungi saat ini antara lain adalah Data Engineer, Data Scientist, dan Data Analyst. Secara umum, ketiga role ini saling membutuhkan satu sama lain. Namun, masih banyak yang belum mengetahui perbedaan antara data engineer, data scientist, dan data analyst pada praktiknya di sebuah perusahaan. Oleh sebab itu, Career Network mencoba merangkum penjelasan terkait bagaimana cara penyimpanan sebuah data dari aplikasi hingga akhirnya data tersebut bisa digunakan untuk berbagai keperluan analisis yang dilakukan oleh ketiga role tersebut melalui ilustrasi pada Gambar 1. Diagram Ilustrasi Mekanisme Penyimpanan Data Sumber Modifikasi dari Youtube Mira's BlackboxMekanisme Penyimpanan DataKetika seorang konsumen membeli sebuah produk berupa barang maupun jasa melalui aplikasi website atau mobile, seluruh data yang berhubungan dengan user, produk, metode pembayaran, transaksi, serta penggunaan device akan tersimpan dalam sebuah database yang disebut production database. Selain itu, data yang berhubungan dengan user behaviour juga bisa didapatkan menggunakan tracker seperti Google Analytics dan umumnya disimpan ditempat yang terpisah dari production database. Kumpulan dari data tersebut tentunya akan sangat banyak, besar, dan beragam, namun tidak semua data dibutuhkan untuk analisis. Data-data tersebut nantinya akan dibersihkan terlebih dahulu melalui proses data cleaning dalam sebuah temporary storage, kemudian diolah kembali baik secara berkala maupun real-time dalam data lake atau data warehouse. Setelah itu, kumpulan data tersebut akan dianalisis sesuai dengan kebutuhan perusahaan. Data lake umumnya menyediakan data yang dapat dianalisis untuk menentukan model machine learning, sedangkan data warehouse cenderung menyediakan data yang dapat dianalisis untuk menghasilkan sebuah dashboard atau Data EngineerData Engineer adalah orang yang bertanggungjawab pada keberlangsungan infrastruktur big data sebelum dianalisis. Singkatnya, seorang data engineer akan terlibat dalam aktivitas yang berhubungan dengan persiapan data. Jika kita ibaratkan dengan Perusahaan Daerah Air Minum PDAM, data engineer adalah seseorang yang mengatur pipa aliran air agar dapat sampai ke kompleks perumahan. Namun pada praktiknya, yang dialirkan oleh seorang data engineer bukanlah air, melainkan sekumpulan data. Berdasarkan ilustrasi pada Gambar 1, peran data engineer ditandai dengan kotak berwarna merah. Data engineer akan memastikan bagaimana caranya data dari production database bisa direplikasi, kemudian dimasukan ke temporary storage, hingga ke data warehouse. Selain itu juga berperan dalam mengolah data dari Google Analytics dan menentukan data storage yang cocok untuk tipe data tertentu. Tanpa seorang data engineer, kemungkinan peran data scientist dan data analyst akan terganggu. Umumnya, latar belakang data engineer berasal dari jurusan IT ataupun Software Engineer yang mahir dalam melakukan coding menggunakan software seperti Data ScientistData Scientist memiliki tugas yang cukup spesifik, yaitu bertanggungjawab dalam mencari solusi dari permasalahan bisnis yang bersifat prediktif. Seorang data scientist akan mengaplikasikan artificial intelegence dan menafsirkan data yang kompleks untuk memecahkan berbagai permasalahan bisnis. Pada Gambar 1, peran data scientist ditandai dengan kotak berwarna kuning. Data yang telah diolah dan dimasukkan ke data lake akan dianalisis lebih lanjut menggunakan teknik machine learning. Selain itu, pekerjaan data scientist akan banyak berhubungan dengan riset, eksperimen, serta data exploration. Latar belakang pendidikan dari seorang data scientist umumnya berasal dari jurusan Data AnalystData Analyst berfokus pada manipulasi dan analisis data untuk menjawab pertanyaan yang bersifat deskriptif. Intinya, seorang data analyst bertanggungjawab dalam menganalisis data numerik dan data historical untuk membantu membuat keputusan yang lebih baik berdasarkan kondisi perusahaan. Kotak berwarna hijau pada Gambar 1 menandakan peran yang dilakukan oleh data analyst saat menganalisis dari data warehouse menjadi sebuah laporan ataupun dashboard. Contohnya, seorang data analyst akan menafsirkan data dengan statistik ketika diminta oleh CEO untuk melihat seberapa besar pendapatan perusahaan selama lima tahun terakhir, atau ketika diminta tim produksi untuk melihat produk yang paling laris dijual di dengan data engineer dan data scientist, latar belakang pendidikan data analyst cenderung lebih beragam. Hal tersebut dikarenakan skillset yang harus dimiliki oleh seorang data analyst bisa dipelajari secara mandiri tanpa harus menempuh pendidikan formal terlebih dahulu. Salah satu skill yang harus dikuasai untuk menjadi Data Analyst adalah Microsoft Excel. Saat ini, Excel menjadi tools awal yang wajib dimiliki oleh seorang data analyst, bahkan beberapa perusahaan hanya menggunakan Excel untuk menganalisa data mereka, mulai dari data processing hingga visualisasi Karir sebagai Data Analyst Bersama Career NetworkKhusus untuk Networkers yang baru mau mengenal Excel dan masih kesulitan untuk memahami materi terkait big data, bisa mulai belajar di Online Training Class Basic Data Analyst with Microsoft Excel yang diadakan oleh Career Network, nih! Tentunya akan dipandu khusus oleh Kak Aryadimas Suprayitno, seorang Microsoft Excel Trainer, dengan benefit dan materi pembelajaran yang cocok untuk Networkers yang ingin berkarir sebagai Data Analyst. Yuk segera daftarkan diri kamu!Gambar 2. Poster Kelas Pelatihan ExcelGambar 3. Benefit Kelas Pelatihan ExcelPenulis Qanita Hana AmiraReferensiSetiawan, I. 2021. Perbedaan Data Engineer, Data Scientist, dan Data Analyst. Widya Accarya Jurnal Kajian Pendidikan FKIP Universitas Dwijendra, 122 306─ Mira's Blackbox Youtube Ngomongin Data Science dan AI

perbedaan data analyst dan data scientist dan data engineer