Data Science vs. Data Analytics – Part 1

Apa perbedaan antara ilmu data vs analitik data? Yang benar adalah tidak ada aturan yang kontras dalam hal ini. Perusahaan dan industri yang berbeda menggunakan istilah tersebut dengan cara yang berbeda. Tetapi ada beberapa perbedaan umum antara ilmu data dan analisis data yang dapat kami identifikasi.

Jika Anda memutuskan di antara keduanya untuk jalur karier, mari bantu Anda memahami perbedaan antara ilmuwan data dan analis data — dan apakah keduanya bahkan saling eksklusif sama sekali.

Data Analysts menjawab pertanyaan yang diketahui, sementara Data Scientists menemukan pertanyaan yang tepat

Umumnya, seorang analis data (kadang-kadang diberi label “analis bisnis”) memiliki tugas yang sangat spesifik. Contoh tugas analisis data meliputi:

• Menemukan apa yang mungkin menyebabkan penurunan lalu lintas situs web secara tiba-tiba
• Menganalisis iklan mana yang paling efektif di tempat yang berbeda
• Mengidentifikasi produk baru mana yang sedang tren di pasar yang berbeda
• Membantu penganggaran dengan mengidentifikasi tren pendapatan dan biaya perusahaan
• Melakukan manajemen risiko dengan mengidentifikasi kemungkinan kejadian yang tidak diinginkan dan biaya yang dapat ditimbulkannya

Analis data biasanya memiliki masalah konkret untuk dipecahkan dan menggali wawasan yang dapat ditindaklanjuti dari data masa lalu untuk menyelesaikannya.

Ilmuwan data bekerja dengan cara yang lebih eksploratif. Mereka mungkin mengumpulkan dan menyusun data yang bahkan belum ada di gudang data Anda, dan mereka akan membangun model data baru untuk mendapatkan wawasan yang tidak diharapkan siapa pun. Ilmu data mungkin menemukan hubungan tak terduga yang mengarah ke pertanyaan baru yang sebelumnya tidak terpikirkan oleh siapa pun. Seorang ilmuwan data dapat menemukan bahwa beberapa penyakit tidak benar-benar disebabkan oleh apa yang awalnya dipikirkan orang. Mereka mungkin juga menemukan bahwa pelanggan Anda dapat diklasifikasikan ke dalam beberapa kelompok yang berbeda, yang masing-masing menanggapi jenis pemasaran atau rekomendasi produk tertentu dengan cara yang berbeda. Ilmu data memungkinkan kita untuk mempertanyakan asumsi kita dan menemukan masalah dan peluang baru dengan memodelkan data di mana pun itu dapat ditemukan.

Data Analysts mempelajari data historis. Data Analysts menemukan data baru

Secara umum, bidang analitik data berfokus pada menggali wawasan dari data terstruktur sebelumnya. Seorang analis data bekerja berat dengan database yang ditanyakan oleh perintah Structured Query Language (SQL) untuk mengekstrak data, memvisualisasikan, dan menganalisisnya. Umumnya, ini adalah metrik bisnis utama yang telah diidentifikasi dan dikumpulkan selama beberapa waktu.

Ilmu data memberikan jaring yang lebih luas. Seorang ilmuwan data mungkin mengumpulkan data dari sumber terdistribusi besar, seperti log server mentah yang tersebar di ratusan server, sensor yang tersebar di ratusan lokasi, atau bahkan data yang disimpan di jutaan ponsel atau browser web. Seorang ilmuwan data dapat mengumpulkan data ini bersama-sama, menerapkan struktur padanya, mengekstrak informasi yang dibutuhkan, dan membangun model untuk memahami data. Daripada menggunakan basis data relasional secara eksklusif, ilmuwan data mungkin menggunakan alat “data besar” terdistribusi seperti basis data “NoSQL”, Hadoop, Spark, dan penggunaan komputasi awan yang berat untuk memperdebatkan sumber data yang besar, tersebar, dan tidak terstruktur.

Sekali lagi, ada beberapa inkonsistensi di seluruh industri dalam perbedaan ini. Di dunia Amazon Web Services, misalnya, disiplin pengumpulan dan pemrosesan data besar yang tidak terstruktur disebut analitik data, bukan ilmu data — meskipun pekerjaan itu bisa lebih spesifik dikategorikan sebagai “rekayasa data.” Pada akhirnya, Anda harus mengandalkan deskripsi pekerjaan untuk memahami peran terkait data tertentu dan bukan hanya jabatan. Judul “analis data” dan “ilmuwan data” bisa jadi ambigu.

Kadang-kadang dikatakan bahwa analitik data berfokus pada data historis, sedangkan ilmu data berfokus pada membuat prediksi untuk data masa depan. Karena seorang ilmuwan data dapat menggunakan algoritme pembelajaran mesin, mereka memiliki alat yang lebih canggih untuk membuat prediksi yang mereka inginkan. Namun, seorang analis data pasti dapat menerapkan teknik regresi (misalnya, memasang garis ke grafik) untuk mengidentifikasi tren berdasarkan data masa lalu dan membuat proyeksi untuk tujuan perencanaan. Seorang analis data mungkin menggunakan istilah “analitik prediktif” untuk analisis berwawasan ke depan ini, sementara seorang ilmuwan data akan menggunakan istilah “model prediktif” untuk menyiratkan pemahaman yang lebih kompleks tentang apa yang mendorong prediksi mereka.