Tantangan Besar Menunggu Para Data Scientist: What Problems Are You Solving?

Oleh: Gede Manggala

“We wanted flying cars, instead we got 140 characters”

— Peter Thiel

The great expectation: the new breed of Ackoff’s Data to Wisdom

Harapan besar ditujukan kepada generasi baru yang piawai dalam menggali, menyajikan, dan mencari insight dari trilyunan data untuk mendapatkan solusi.

Saat ini kita mengenalnya sebagai Data Scientist.

Data di era digital ini lekat dengan Big Data; Scientist berasosiasi orang yang secara sistematis mencari solusi untuk setiap masalah. Orang yang punya skill dalam menggali dan mencari makna dalam data. Mereka menguji berbagai hipotesa dengan data dan menarik kesimpulan atau keputusan. Ada unsur curiosity, dan tentu saja problem solving/decision making. Tentunya mereka diharapkan menggunakan scientific method.

Sepanjang karir saya menggunakan data dalam business decision dan problem solving (dengan data yang relative “small”), sehingga dengan semakin tingginya kemampuan para praktisi data saat ini, saya termasuk orang yang mempunyai ekspektasi tinggi terhadap generasi muda yang bisa mewujudkan hirarki seperti yang diimpikan oleh (salah satunya) Russel Ackoff:

Data → Information → Knowledge → Wisdom

Ekspektasi untuk seorang data scientist bukanlah hanya sekadar pengolah data apalagi berhenti hanya pada data crunching untuk membuat report. Menyandang data scientist, mereka harus bisa memecahkan masalah terpenting pada organisasi tempat ia bekerja karena memiliki deep understanding atas fenomena yang terjadi sehingga terakumulasi menjadi wisdom.

The gap in our reality: experience from a customer perspective

Kenyataannya, kebanyakan industri (e.g. banking, telco, ride sharing) yang saat ini memperkerjakan data scientist belum memperlihatkan value luar biasa sebagai implikasi keberadaan mereka.

Paling tidak dari sisi saya sebagai seorang customer

Banking → Kehadiran data scientist (atau masih data analyst) di perbankan seharusnya menghilangkan praktek mass telemarketing dengan penawaran yang seragam. Apalagi dilakukan dengan cold-calling secara random.

Telekomunikasi → Perusahaan telco masih menunjukkan industri-nya tidak menggunakan knowledge/wisdom dengan baik dengan kehadiran SMS spam di nomor hp saya. Tidak ada tanda-tanda sedikitpun mereka menggunakan data yang memahami kebutuhan saya. Selain itu, tantangan terbesar industri telco tetap dalam bagaimana mereka mendesain customer service yang lebih mampu menghandle puluhan juta pelanggan dengan lebih meninggalkan experience yang harusnya lebih bagus.

Ride Sharing Companies→ Hampir semua startup transportasi yang berbasis ride sharing menjanjikan solusi untuk mengurangi traffic congestion kota-kota besar karena kemampuan yang hebat dalam mengelola data dan teknologi. Awalnya adalah sebuah ide “sharing” mobil ataupun memanfaatkan unbalance supply-demand di berbagai lokasi antara taksi atau ojek dengan kebutuhan penumpang. Kenyataannya, perusahaan-perusahaan ini justru “menarik” mobil dan ojek baru ke Jakarta dan sekitarnya. How the data should be used to actually unclutter the city? Setiap kali saya pulang melewati salah satu stasiun KRL di dekat rumah saya, kita akan saksikan mobil dan ojek “mangkal” menunggu penumpang, menimbulkan kemacetan. Ride sharing technology dan mangkal seperti dua karakteristik yang tidak menunjukkan ada kehadiran data scientist didalamnya.

Fenomena di atas hanya menunjukkan room for improvement bagi kehadiran data scientist. Tentu saja banyak sekali kemajuan yang juga sudah dilakukan dan terjadi dengan kontribusi orang dengan kemampuan mengolah data yang saat ini saya dan banyak pengguna lain telah take it for granted. Namun pertanyaan terbesarnya tetaplah…

What problem are you solving?

Setiap organisasi atau perusahaan lahir dengan sebuah purpose untuk memecahkan masalah. Perusahaan yang sukses dan punya competitive advantage berarti they consistently solve some people problem.

Kehadiran para data scientist, mengandung arti mereka piawai mengekstrak data (part #1), dan harus berpikir seperti seorang ilmuwan (part#2):

Mengamati sebuah fenomena → mendefinisikan problem statement →melakukan hipotesa → melakukan eksperimen untuk menguji hipotesa (dengan data, dengan observasi) → menarik kesimpulan atau memvalidasi hipotesa.

Sebuah profesi yang menarik dan menantang!

Tes terberat adalah melihat itu dalam customer journey perusahaan anda. Kehadiran para data scientist akan membuat hidup pelanggan lebih baik dan memberikan kontribusi besar buat masyarakat.

Ganbatte!

www.linkedin.com/in/gedemanggala/detail/recent-activity/posts/

0 0 votes
Article Rating
Subscribe
Notify of
guest

This site uses Akismet to reduce spam. Learn how your comment data is processed.

0 Comments
Inline Feedbacks
View all comments

Whoops, you're not connected to Mailchimp. You need to enter a valid Mailchimp API key.

Inquiry