Dunia Data Science tampaknya hanya tentang hal-hal teknis: eksplorasi data, statistik, pemrograman, algoritma machine learning, dan lain sebagainya.
Namun pada intinya, semuanya adalah tentang menyelesaikan masalah bisnis. Kita menggunakan data science untuk membantu bisnis, jadi sangat penting untuk memahami bisnis yang kita coba selesaikan.
Secara pribadi, saya adalah orang yang sangat teknis. Bahkan setelah bekerja secara profesional sebagai data scientist selama bertahun-tahun, masih sulit untuk memahami proses bisnis dan mengomunikasikannya dengan efektif.
Saya telah belajar beberapa hal melalui pengalaman saya, yang ingin saya bagikan kepada kalian semua.
Dalam buletin ini, kita akan mengeksplorasi bagaimana data scientists dapat menjembatani kesenjangan antara aspek teknis dan aspek bisnis. Jadi, mari kita mulai.
Memahami Konteks Bisnis
Hal pertama yang perlu kita pahami sebelum melanjutkan proyek data science adalah konteks bisnis. Di sini, konteks mengacu pada keadaan spesifik dan tujuan bisnis yang kita kerjakan, terutama masalah yang ingin kita selesaikan.
Sebagai data scientist, insting pertama kita mungkin adalah mengeksplorasi data dan mengembangkan model secepat mungkin. Namun, model terbaik adalah model yang bisa diterapkan ke dalam produksi — dan model yang bisa diterapkan ke dalam produksi adalah yang bisa menyelesaikan masalah bisnis.
Ada banyak cara untuk memahami konteks bisnis. Beberapa tips yang bisa dilakukan, diantaranya:
Berinteraksi dengan Pemangku Kepentingan: Berinteraksi secara rutin dengan pimpinan bisnis, manajer, dan end-users untuk memahami masalah dan tujuan mereka.
Penyesuaian Tujuan Bisnis: Pastikan bahwa proyek data Anda sesuai dengan tujuan strategis bisnis. Pahami key performance indicators (KPI) yang penting bagi bisnis.
Sebagai contoh, Anda bisa meluangkan waktu dengan tim marketing untuk memahami tujuan kampanye mereka dan seperti apa kesuksesan bagi mereka sebelum mengembangkan model machine learning. Ini memastikan bahwa prediksi model Anda relevan dan dapat ditindaklanjuti.
Mungkin perlu waktu untuk memahami bisnis, tetapi pada akhirnya akan sepadan.
Menerjemahkan Istilah Teknis ke Bahasa Bisnis
Data scientists mungkin memahami istilah teknis yang kita gunakan untuk mengeksplorasi data atau mengembangkan model, tetapi kebanyakan orang bisnis tidak. Bukan karena mereka tidak ingin memahaminya; itu hanya bukan bidang keahlian mereka.
Mengingat perbedaan istilah yang kita gunakan dalam bisnis, penting untuk menguraikan konsep teknis ini ke dalam istilah yang sederhana dan dapat dipahami.
Dengan melakukan itu, kita bisa berkomunikasi lebih baik dengan pengguna bisnis.
Berikut beberapa tips yang bisa Anda lakukan:
Menyederhanakan Konsep yang Kompleks: Hindari jargon saat menjelaskan model dan hasil. Gunakan analogi dan bahasa sederhana untuk menyampaikan ide-ide kompleks.
Fokus pada Dampak: Highlight bagaimana pekerjaan teknis Anda akan mempengaruhi hasil bisnis. Gunakan metrik yang penting bagi bisnis, seperti evenue increase, cost savings, atau customer satisfaction improvements.
Sebagai contoh, daripada membahas “precision” dan “recall” dalam model klasifikasi, Anda bisa menjelaskan seberapa baik model mengidentifikasi pelanggan yang potensial sebagai penipu dan seberapa sering model mengabaikan mereka.
Dengan fokus pada dampak, seperti peningkatan penjualan atau pengurangan churn, Anda membantu pemangku kepentingan melihat manfaat dari pekerjaan kita. Gunakan visualisasi, analogi, dan bahasa yang sederhana untuk membuat penjelasan lebih mudah diakses.
Visualisasikan Data dengan Efektif
Terkait dengan menerjemahkan jargon teknis ke dalam bahasa bisnis, visualisasi bisa menciptakan narasi yang membantu bisnis memahami data dengan lebih baik.
Visualisasi data yang efektif tidak hanya tentang membuat grafik dan diagram. Ini melibatkan pengembangan cerita yang memandu audiens menyelami data. Seperti yang dikatakan dalam kutipan, “satu gambar bernilai seribu kata” — jika Anda bisa menggunakan visualisasi dengan benar, kita bisa memiliki proyek data science yang lebih baik.
Berikut beberapa tips yang bisa Anda lakukan:
Gunakan Visualisasi yang Ramah Bisnis: Pilih media visualisasi dan teknik yang mudah dipahami. Gunakan bar charts, line graphs, dan dashboard yang menyampaikan pesan dengan jelas.
Buatlah Cerita: Buat narasi di sekitar data Anda. Jelaskan “apa,” “mengapa,” dan “bagaimana” dari temuan Anda. Ini akan membantu pemangku kepentingan memahami pentingnya kesimpulan dari pekerjaan kita.
Sebagai contoh, daripada menunjukkan scatter plot mentah dari data penjualan, Anda bisa membuat line graph yang menyoroti tren dari waktu ke waktu dan mengaitkannya dengan kampanye marketing atau efek musiman.
Tujuannya adalah membuat data menceritakan sebuah kisah yang mudah diikuti dan dipahami, sehingga menghasilkan pengambilan keputusan yang tepat
Berkolaborasi dengan Tim Lintas Fungsi
Suka atau tidak suka, data scientists tidak bekerja sendiri. Kita bekerja bersama sebagai tim untuk menyelesaikan masalah bisnis. Tidak peduli apakah itu startup atau perusahaan besar (bahkan seorang solopreneur mungkin memerlukan freelancer); kita bekerjasama satu sama lain.
Kolaborasi adalah kunci untuk mencapai keberhasilan dalam menyelesaikan masalah pada proyek data science. Kolaborasi lintas fungsi memastikan bahwa inisiatif data science berguna dalam realitas di berbagai departemen.
Untuk berkolaborasi secara efektif dengan orang lain, Anda bisa:
Bekerja Sama dengan Departemen Lain: Bekerja sama dengan pmarketing, sales, finance, dan tim lainnya untuk memastikan wawasan data Anda praktis dan dapat ditindaklanjuti.
Feedback Loop: Membangun feedback loop untuk memahami bagaimana wawasan Anda digunakan dan bagaimana cara meningkatkannya.
Jangan mengabaikan hubungan ini, karena bisa berguna untuk proyek data science Anda.
Kesimpulan
Kita telah membahas bagaimana memahami bisnis penting bagi data scientist karena berbagai alasan. Untuk memahami bisnis sebagai data scientist, kita bisa melakukan hal-hal berikut:
Memahami Konteks Bisnis
Menerjemahkan Istilah Teknis ke dalam Bahasa Bisnis
Memvisualisasikan Data dengan Efektif
Berkolaborasi dengan Tim Lintas Fungsi
Semoga bermanfaat!
Commentaires