Menembus ke dunia Data Science memang sulit. Berdasarkan survei ini, kebanyakan Data Scientist memiliki keterampilan inti seperti Python/R/Excel, Data Visualization, Critical Thinking, Communication Skills, Machine Learning, Statistics, Math, SQL, Bussiness Understanding, dan Data Preparation. Hanya dengan melihat variasi keterampilan tersebut, belajar semuanya bisa terasa menakutkan. Selain itu, iklan lowongan kerja Data Scientist yang diposting di online job board seringkali membutuhkan pengalaman dan/atau pengetahuan tentang teknologi yang hanya bisa diakses jika Anda sudah berada di bidang tersebut selama beberapa waktu.
Meskipun sulit, masuk ke dunia Data Science bukanlah hal yang mustahil. Banyak orang berhasil melakukannya. Dalam artikel ini, saya ingin merangkum semua cerita yang saya baca dan dengar dari berbagai sumber tentang bagaimana menembus bidang Data Science dan tips yang diberikan oleh orang-orang tersebut.
Kategori Breaker
Apa itu Breaker? Ini hanyalah kata yang saya ciptakan untuk menyederhanakan saja. Dalam artikel ini, saya akan menyebut orang-orang yang ingin masuk sebagai “Breaker”. Meskipun ada banyak Breaker, mereka sebenarnya dapat dikategorikan. Ada satu postingan Reddit yang mengklasifikasikan orang-orang yang ingin masuk ke bidang Data Science yang saya kutip tetapi saya tambahkan pandangan saya sendiri di sini. Klasifikasinya adalah:
1. Researchers
Breaker dalam kategori ini berasal dari akademisi atau pernah bekerja intensif di sana. Biasanya memiliki gelar Ph.D. (atau Master); sering dari bidang kuantitatif, memiliki rekam jejak publikasi dan konferensi, serta bekerja sebagai peneliti/asisten/profesor/dosen.
Researcher Breakers sangat bagus dalam hal teori, tetapi umumnya kesulitan bertransisi dari akademisi ke industri. Kebanyakan dari mereka juga kurang memiliki perspektif bisnis dan terkejut dengan perbedaan tanggung jawabnya.
2. Career Changers
Career Changers Breaker adalah Breaker yang sudah memiliki pengalaman cukup sebagai profesional di industri, mungkin memiliki gelar master atau tidak, dan ingin mengubah karir mereka menjadi Data Science.
Bergantung pada pengalaman sebelumnya, Breaker ini bisa memiliki hampir semua keterampilan inti yang diperlukan untuk masuk ke Data Science (seringkali adalah Pemrograman, Komunikasi, dan/atau Pemahaman Bisnis) hingga tidak memiliki keterampilan inti sama sekali. Yang pasti adalah kurangnya pengalaman mereka di bidang Data Science.
3. New Grads/Current Students
Seperti namanya, Breaker ini adalah Fresh Graduate dari perguruan tinggi atau saat ini masih menjadi mahasiswa. Bisa berasal dari jurusan apa saja, tetapi kebanyakan Breaker ini berasal dari bidang kuantitatif atau teknis.
Ini adalah para “Breaker” yang paling sering mengalami kesulitan karena mereka perlu menemukan peluang “Entry-Level” yang sempit, yang mana peluang tersebut dibanjiri oleh pelamar yang luar biasa banyak. Terlebih lagi, banyak dari posisi “Entry-Level” ini terlihat sama sekali tidak seperti “Entry-Level”, misalnya mereka mensyaratkan teknologi tingkat lanjut atau pengalaman serupa lainnya. Meskipun demikian, saya akan berpendapat bahwa perusahaan tersebut tidak tahu banyak tentang Data Science jika ada posisi “Entry-Level” yang tampaknya memiliki banyak persyaratan lanjutan.
Story Recap
Dari kategori Breaker yang baru saja dijelaskan, tergantung pada posisi Anda saat ini, hambatan di depan akan berbeda. Berikut ini adalah rekap bagaimana orang-orang masuk ke Data Science tergantung pada kategori Breaker mereka.
Researchers Breaker
Ini adalah saya. Saya berasal dari latar belakang akademisi dan saya adalah seorang peneliti sebelum masuk ke bidang Data Science.
Kebanyakan Breaker tipe ini memiliki kesamaan saat mereka ingin masuk ke data science:
Mereka suka berkontribusi pada Ilmu Pengetahuan dan ingin mengerjakan teori untuk kemanusiaan yang lebih baik. Masalahnya adalah dunia akademisi itu sulit dan tidak se-ideal yang dibayangkan. Lingkungan untuk publikasi dan persaingan siapa yang mendapatkan nama untuk terobosan ilmiah tersebut membuat banyak orang mundur dari dunia akademisi.
Jalur karir yang kaku dan hanya sedikit orang yang bisa berhasil. Selain itu, financial safety and work-life balance tidak kompatibel bagi orang yang ingin membangun keluarga.
Banyak orang memiliki pengetahuan yang cukup dalam teori dan/atau algoritma pemrograman tetapi merasa bahwa pengetahuan ini hanya terjebak di tempat tertentu. Mereka ingin menerapkan pengetahuan mereka.
Ada beberapa hambatan yang dihadapi Breaker ini. Diantaranya:
Sulit untuk bertransisi dari Akademisi ke Industri karena lingkungannya sangat berbeda. Orang dari akademisi tidak memiliki pengalaman dalam lingkungan kerja industri. Bekerja sebagai data scientist di dalam perusahaan membutuhkan pemahaman tentang cara kerja dunia bisnis. Ini berarti orang yang datang dari akademisi perlu mengatur ulang pikiran mereka dari budaya akademik ke budaya korporat. Berbeda dengan lulusan baru yang bisa dibentuk dan profesional berpengalaman, butuh usaha besar untuk mengubah pola pikir dari akademik ke industri.
Orang dari akademisi sering memiliki gelar universitas yang lebih tinggi, yang berarti ada persepsi dari perusahaan bahwa mereka menginginkan gaji yang lebih tinggi dibandingkan dengan pemegang gelar sarjana. Entah itu benar atau tidak, ini adalah persepsi yang mereka dapatkan.
Keterampilan pemrograman on-site dan/atau keterampilan komunikasi bisnis yang lemah. Banyak orang akademisi adalah orang yang secara inheren suka menulis dan fokus pada penelitian mereka. Masalahnya, sebagai Data Scientist tidak hanya memerlukan keterampilan teknis tetapi perlu menyajikannya kepada orang-orang non-teknis setiap hari. Ya, penelitian di akademisi juga melakukan presentasi tetapi biasanya disajikan kepada orang-orang dengan latar belakang dan pengetahuan serupa. Ini adalah perbedaannya, Data Scientist perlu membungkus istilah teknologi ke dalam istilah yang lebih komersial.
Sekarang, bagaimana orang-orang ini bisa benar-benar masuk ke data science? Orang akademisi masih memiliki keuntungan memiliki pengalaman dan dasar teori. Kebanyakan dari mereka mengatakan bahwa yang perlu dilakukan adalah meyakinkan seseorang bahwa Anda bisa menangani pekerjaan itu. Ini berarti Anda memiliki pengetahuan yang diperlukan tentang Data Science dan menunjukkan pengalaman serta keterampilan yang Anda miliki dari melakukan pekerjaan serupa.
Pengetahuan dapat diperoleh dengan banyak membaca, mengikuti kursus online, atau memiliki mentor. Menunjukkan pengalaman dan keterampilan memerlukan banyak penyesuaian; saya pribadi menyesuaikan pengalaman saya selama waktu penelitian agar sesuai dengan bisnis yang ingin saya masuki. Misalnya, saya adalah seorang ahli biologi dengan pengalaman dalam metode statistik biologis. Saya hanya perlu menunjukkan metode statistik yang sesuai dengan industri di CV dan wawancara saya.
Banyak cerita menunjukkan bahwa mereka melamar pekerjaan melalui online job boards tetapi tidak melamar secara acak. Mereka melamar secara khusus untuk pekerjaan dengan latar belakang penelitian yang mereka miliki (misalnya, kesehatan). Meskipun begitu, saya juga telah membaca banyak cerita (seperti saya) yang menemukan pekerjaan dari koneksi mereka sendiri. Koneksi ini bisa berasal dari Universitas, grup Meetup, atau hanya teman lama Anda.
Career Changers
Ini adalah tipe yang sudah menjadi profesional di industri sebelumnya tetapi ingin mengubah karir mereka ke Data Science untuk alasan apa pun. Breaker ini umumnya adalah orang yang:
Mereka menginginkan gaji yang lebih besar. Kebanyakan career changers breaker tidak memiliki motivasi yang sama seperti researcher breaker. Meskipun keamanan finansial tetap menjadi target, researcher breaker juga termotivasi oleh bagaimana pekerjaan penelitian mereka dapat diterapkan sedangkan career changers breaker kebanyakan hanya menginginkan gaji yang lebih besar (tidak bermaksud menggeneralisasi, ini hanya dari apa yang saya baca).
Menginginkan kesempatan karir yang lebih baik. Terkait dengan keamanan finansial, Data Science masih merupakan pekerjaan yang diminati saat ini dengan banyak permintaan di industri. Jalur karirnya juga cukup jelas yang menarik banyak orang untuk mencoba masuk.
Bertaruh semuanya dalam satu keranjang. Saya pribadi pernah menemui banyak orang yang ingin mengubah karir mereka di tengah jalan terutama mereka yang mengikuti Bootcamp. Orang-orang di sini bertaruh uang dan pekerjaan terakhir mereka untuk memiliki kesempatan masuk ke Data Science.
Profesional sering memiliki keuntungan lebih karena mereka sudah memiliki pengalaman dan pola pikir yang tepat, tetapi masih ada beberapa kekurangan:
Kurangnya Keterampilan. Tergantung pada latar belakang profesional mereka, mereka mungkin sudah memiliki hampir semua keterampilan inti yang diperlukan hingga tidak memiliki keterampilan sama sekali. Misalnya, orang yang bekerja sebagai Software Engineering akan lebih baik dalam bagian pemrograman tetapi belum tentu bisa mengkomunikasikan pekerjaan mereka dengan baik.
Mereka kadang-kadang tidak memiliki kemampuan analitis atau passion untuk melakukannya. Ya, analisis. Jangan berpikir bahwa hanya Data Analyst yang menganalisis data dan Data Science hanya menggunakan Deep Learning untuk memprediksi sesuatu. Data Science sangat berhubungan dengan menganalisis data. Saya pernah membaca dan bertemu banyak orang yang memang tidak cocok untuk pekerjaan ini. Terutama terlihat pada saat sesi wawancara di mana mereka perlu menunjukkan kemampuan analitis mereka, namun tidak bisa melakukannya.
Profesional dengan beberapa keterampilan inti masih memiliki keuntungan dibandingkan dengan Breaker lainnya, terutama jika mereka sudah memiliki domain knowledge dan/atau keterampilan pemrograman. Banyak breaker dari kategori ini sering menunjukkan pengalaman profesional mereka selama wawancara dan mengisi kekurangan keterampilan mereka dengan banyak membaca dan mengikuti kursus/sertifikasi online. Membangun Portofolio juga penting. Beberapa juga mendaftar di gelar universitas yang lebih tinggi (sering kali Master) untuk meningkatkan peluang mereka. Yang lain juga merekomendasikan untuk melakukan Internship.
Seperti Researcher Breaker, banyak orang melamar melalui online job board tetapi seringkali career changer breaker lebih fleksibel dalam hal industri sehingga mereka melamar kapan saja saat ada posisi terbuka. Saya juga membaca banyak cerita bahwa career changer breaker mendapatkan pekerjaan Data Science dari perusahaan mereka sendiri. Misalnya, saya membaca bahwa perusahaan mereka ingin membangun tim data science, dan karena orang ini memiliki keterampilan yang diperlukan, mereka mempekerjakan mereka sebagai Data Scientist.
Banyak career changer breaker juga mendapatkan pekerjaan sebagai Data Scientist karena kehadiran mereka di media online; terutama LinkedIn. Mereka mencoba menulis blog atau menerbitkan pekerjaan mereka di media online dan tiba-tiba ada recruiter yang menghubungi mereka.
Networking juga masih menjadi cara yang paling direkomendasikan. Dengan networking, mereka bisa melewati banyak langkah biasa jika Anda hanya melamar seperti biasanya dan networking juga bisa membantu Anda memperhalus jalan menuju posisi tersebut.
New Grads / Current Student Breaker
Breaker ini mungkin merupakan tipe yang paling sulit untuk benar-benar masuk ke bidang Data Science. Tanpa pengalaman industri yang nyata dan mencoba mencari posisi yang terbatas di mana persaingannya sangat ketat (tidak hanya dari sesama lulusan baru tetapi juga dari yang berpengalaman). Kebanyakan breaker ini memiliki sifat-sifat berikut:
Mendapatkan pekerjaan di posisi yang terkait dengan data sudah cukup, tetapi sebagian besar mengincar posisi Data Analyst atau Data Scientist. Ini tidak berarti tidak ada tujuan khusus, tetapi karena persaingan, kurangnya koneksi, dan posisi yang terbatas membuat breaker ini menerima posisi apa pun.
Mereka mungkin memiliki gelar sarjana/master atau sedang proses belajar. Beberapa tidak memiliki gelar sama sekali, sering kali baru lulus dari sekolah menengah.
Telah melamar ke banyak perusahaan dan bahkan pernah magang sebelumnya selama masa mahasiswa atau setelah lulus. Beberapa juga sudah dipanggil untuk wawancara telepon/wawancara tatap muka/wawancara coding atau jenis wawancara lainnya dengan berbagai hasil.
Beberapa tertarik pada Data Science karena gajinya, yang lain tertarik karena prospek teknologinya. Ada juga banyak alasan lain tetapi ini yang paling sering saya lihat.
Sekali lagi, saya menyatakan bahwa breaker ini memiliki waktu paling sulit untuk masuk ke Data Science karena:
Kurangnya Pengalaman dan Keterampilan. Ini selalu menjadi alasan utama mengapa breaker ini kesulitan. Data Science masih merupakan pekerjaan yang baru dan segar, yang berarti ada lebih banyak permintaan dibandingkan pasokan untuk posisi ini. Ini juga berarti kebanyakan perusahaan dan startup baru mencari yang berpengalaman.
Tidak Ada Koneksi yang Memadai. Bagi fresh graduate atau mahasiswa, koneksi ke bisnis industri sulit ditemukan. Banyak cerita yang saya baca adalah orang menemukan pekerjaan mereka melalui networking dan sering kali komentar dari breaker ini adalah “Bagaimana saya bisa melakukan Networking?”
Tidak banyak Posisi Entry-Level di posisi Data Science karena kebanyakan mereka mensyaratkan pengalaman yang sangat banyak. Bahkan lebih, Saya juga baca banyak yang baru lulus kesulitan bahkan untuk sekadar dipanggil wawancara untuk posisi yang katanya “Entry-Level”.
Tampaknya banyak hambatan untuk masuk ke data science sebagai fresh graduate, dan memang benar, tetapi itu bukan hal yang mustahil.
Fresh graduate yang berhasil masuk adalah mereka yang terus berusaha dan terus memperbarui pengetahuan mereka dengan banyak membaca dan mengikuti kursus online. Beberapa menemukan pekerjaan saat mereka melakukan internship, dengan masuk ke industri non-teknis yang memiliki posisi terkait data.
Banyak juga yang memberi tips bahwa jika Anda tidak memiliki gelar, lebih baik mencoba mencari internship atau mencoba mengejar gejar. Beberapa juga menyarankan untuk melamar posisi lain tetapi ketika Anda sudah memiliki pengalaman yang cukup, Anda bisa mencoba masuk kembali sebagai Career Changer Breaker atau Researcher Breaker.
Menemukan koneksi sebagai fresh graduate atau mahasiswa juga tidak mustahil, dan faktanya banyak yang berhasil melakukannya.
Banyak yang menemukan dari profesor mereka di universitas, papan pekerjaan kampus, atau bahkan dari grup hobi mereka. Orang-orang juga mencoba mencari koneksi melalui media online, seperti LinkedIn. Satu saran mengenai networking adalah bahwa ini masih merupakan interaksi manusia dengan satu sama lain dan berarti memberi dan menerima. Jangan tiba-tiba menghubungkan dengan seseorang di pertemuan meetup atau LinkedIn dengan menanyakan apakah ada posisi terbuka atau tidak. Cobalah untuk memiliki diskusi yang baik dan berteman dengan mereka.
Pada akhirnya networking bukanlah cara instan untuk mendapatkan pekerjaan. Perlu dilakukan secara perlahan-lahan sebelum hasilnya bisa terlihat. Saya pribadi membangun networking saya sejak SMA, dan baru membuahkan hasil hampir satu dekade kemudian. Networking adalah tentang kepercayaan satu sama lain dan hingga tingkat tertentu, memberi dan menerima.
Kesimpulan
Banyak orang mencoba masuk ke Data Science dan tergantung pada pengalaman yang mereka miliki, hambatannya akan berbeda juga. Banyak tips dari breaker yang berhasil telah diberikan, diantaranya:
Perbarui keterampilan Anda agar sesuai dengan keterampilan inti data science
Personalisasi pengalaman Anda agar sesuai dengan persyaratan posisi
Lakukan internship
Networking
Comments