Simak3 hal ini. 1. Kualifikasi Saat Melamar Kerja. Data Scientist maupun Data Analyst memiliki ilmu dasar yang sama, antara lain statistik dan pemrograman. Perbedaan yang paling mendasar antara Data Scientist dan Data Analyst bisa kita lihat sejak proses rekrutmen. Data Scientist dilihat kemampuannya dalam mengotomatisasi proses manual. 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. 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. KODIGID shared a post on Instagram: "Dua jenis pekerjaan ini sering salah sebut nih, Sobat Wajib tahu perbedaan Data scientist dan Data" • Follow their account to see 156 posts. DataAnalyst dan Data Scientist seringkali dianggap serupa karena keduanya bekerja secara intensif dengan angka dan data, namun sebenarnya keduanya berbeda.Pada bagian ini, kita akan mengeksplorasi lebih dalam mengenai perbedaan profesi Data Analyst dan Data Scientist.Apa itu Data Analyst?Dalam kesehariannya, data analyst menggunakan statistical tools untuk melihat tren data, mengidentifikasi Berikutpenjelasannya. Data Scientist merupakan salah satu profesi yang kini turut berkembang bersamaan dengan berkembangnya Big Data. Walaupun memiliki nama yang hampir sama dengan Data Analyst nyatanya kedua profesi ini memiliki perbedaan satu sama lain. Disebutkan pada northeastern.edu perbedaan yang mendasari keduanya terletak 0TTO. Profesi Data Scientist dan Data Engineer merupakan profesi yang saling beririsan dan tentunya saling berkaitan satu sama lain. Keduanya memiliki tujuan yang sama akan tetapi untuk mencapai tujuan tersebut mereka menggunakan prinsip dan cara yang berbeda. Lantas, dimana letak perbedaan antara Data Scientist VS Data Engineer ? Saat ini masih banyak orang yang bingung apa perbedaan data scientist dan data engineer, karena yang diketahui orang-orang pada umumnya adalah pekerjaan ini berkaitan dengan data yang fokus pada pengambilan wawasan berharga dari menjawab rasa kebingungan yang terkadang masih ada di benak kita, artikel ini akan merangkum 3 perbedaan paling mendasar yang dijadikan tolak ukur untuk membedakan Data Scientist VS Data Data Engineer. Yang berfokus pada penjelasan mengenai siapa itu Data Scientist dan Data Engineer, skill set dan tools apa saja yang diperlukan dari masing-masing profesi tersebut. Jadi, simak terus artikel ini sampai selesai, ya !1. Mengenal Peran Data ScientistSebelum membahas lebih lanjut, hal mendasar pertama yang menjadi tolak ukur yang membedakan profesi Data Scientist VS Data Engineer adalah memahami peran Data Scientist itu sendiri. Peran Data Scientist antara lain, melakukan Business Understanding yang meliputi penentuan masalah, objective dan brainstorming dengan tim, setelah itu melakukan Data Preprocessing yang mencakup kegiatan Data Cleaning dan Data Transform, kemudian ikut terlibat dalam perencanaan strategis dalam analisis data, melakukan analisis data dan optimasi menggunakan Machine Learning dan Deep Learning, serta berperan sebagai jembatan antara stakeholder dan customer/ juga Mengenal Profesi Data Scientist2. Mengenal Peran Data EngineerLain dengan Data Scientist, seorang Data Engineer adalah orang yang mengembangkan, membangun, menguji dan memelihara arsitektur data, seperti database dan sistem pemrosesan skala besar atau yang sering disebut Big Data. Data Engineer berperan untuk membangun algoritma untuk membantu memberikan akses yang lebih mudah ke dataset sehingga, Data Scientist dan Data Analyst mendapatkan data yang mereka butuhkan, selain itu perannya pada manajemen data mulai dari keamanan, performance hingga maintenance. Data Engineer juga berperan dalam melakukan development aplikasi analisis yang canggih berdasarkan Machine Learning dan Metode Statistika, menggunakan data untuk membuat sistem dashboard atau laporan yang berisikan visualisasi data secara otomatis untuk membantu Skillset dan Tools Data Scientist VS Data EngineerSetelah mengenal peran dari Data Scientist VS Data Engineer, hal mendasar yang membedakan kedua profesi tersebut dilihat dari skillset dan tools yang mereka butuhkan dan dapat membantu sistem workflow mereka. Berikut ini skillset sekaligus tools yang diperlukan seorang Data ScientistKemampuan programming untuk melakukan pemodelan dengan algoritma Machine Learning, Deep Learning dengan menggunakan tools seperti Python/R, pandas, dan dan linear algebraKemampuan untuk Data Profiling sebelum menentukan pemodelan yang tepat untuk dataset yang dimilikiMenguasai Database dan Metadata dengan menggunakan tools seperti MySQLVisualisasi data dengan menggunakan tools seperti ggplot2 pada R dan matplotlib pada Python atau menggunakan TableauAdapun skillset dan tools yang diperlukan seorang Data EngineerKemampuan programming untuk membuat framework, pipeline, dan mendeploy program dengan menggunakan tools seperti Python, Java, Scala beserta frameworknya seperti Flask atau Database dan Metadata dengan menggunakan tools seperti MySQL dan MongoDBPengetahuan Big Data Ecosystem dengan menggunakan tools seperti Hadoop, Spark, Hive, dan PigPengetahuan tentang proses ETL dengan menggunakan tools seperti Talend, Xplenty, Oracle Data Integrator, Pentaho, dan tentang DevOps dengan menggunakan tools seperti Slack, Docker, dan juga Yuk Kenal Role Data Scientist, Profesi Menarik Dengan Gaji Besar4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIALBuat Akun Gratis dengan Signup di dan pilih menu redeem voucherRedeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 Rian TinegesEditor 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? wutwhanfoto/Istockphoto Ilustrasi Profesi di Bidang Data Data kini menjadi faktor penting untuk mendukung bisnis para perusahaan/organisasi di era digitalisasi untuk bersaing dan berkembang. Perusahaan pada umumnya menggunakan data untuk menganalisis kinerja dan memprediksi masa depan sehingga akhirnya memudahkan proses pengambilan keputusan bisnis. Sebagai dampaknya, SDM Sumber Daya Manusia terkait data menjadi bagian tak terpisahkan dari setiap perusahaan, terlepas dari industri, jenis, dan ukurannya. Terkait dengan SDM di bidang data, ada tiga profesi yang populer di bidang ini yaitu data analyst, data engineer, dan data scientist. Meskipun ketiga profesi tersebut sama-sama berkutat di bidang data, namun ketiganya memiliki perbedaan. Berikut ini penjelasan mengenai perbedaan dari ketiganya. 1. Data Analyst Sebagian besar profesional tingkat pemula yang tertarik untuk terjun ke dunia profesi terkait data dimulai sebagai data analyst. Seorang data analyst bertugas mengumpulkan, membersihkan, dan menafsirkan kumpulan data untuk menjawab pertanyaan atau memecahkan masalah sesuai dengan proyek yang sedang diamati. Mereka dapat bekerja di banyak industri, termasuk bisnis, keuangan, sains, kedokteran, pemerintahan, dan masih banyak lagi. Selama proses menganalisis data, seorang data analyst sering menggunakan berbagai macam tools alat yang membantu pekerjaan mereka lebih akurat dan efisien. Beberapa tools tersebut seperti Microsoft Excel, Google Spreadsheet, SQL, Tableau, R atau Python, SAS, Microsoft Power BI, dan Jupyter Notebooks. 2. Data Engineer Data engineer bertugas untuk membangun dan memonitor sistem/arsitektur manajemen data yang ada di sebuah perusahaan. Nantinya sistem akan dimanfaatkan untuk mengumpulkan, mengelola, dan mengubah data mentah yang berjumlah besar big data menjadi informasi yang dapat digunakan untuk ditafsirkan oleh data scientist dan analis bisnis. Tujuan utama dari data engineer adalah membuat data dapat dengan mudah diakses sehingga perusahaan dapat menggunakannya untuk mengevaluasi dan mengoptimalkan kinerja bisnisnya. Untuk menjadi data engineer, ada berbagai keterampilan yang harus dimiliki seperti menguasai bahasa pemrograman Python, Java, R, Hadoop, NoSQL, dan lainnya, databases ETL tools, pipeline, shell script, machine learning, dan lainnya. 3. Data Scientist Data scientist adalah profesi yang pekerjaannya bertugas untuk mengumpulkan, menafsirkan, dan menganalisis kumpulan data besar big data, baik yang terstruktur maupun tidak terstruktur. Memang, profesi data analyst dan data engineer dapat terlihat serupa. Keduanya bertugas menemukan tren atau pola dalam data untuk mengungkapkan cara baru bagi perusahaan untuk membuat keputusan bisnis yang lebih baik. Tetapi, data scientist cenderung memiliki tanggung jawab lebih dan umumnya dianggap lebih senior daripada data analyst. Keterampilan yang umumnya harus dimiliki data scientist adalah keahlian di bidang matematika dan statistik, mahir menggunakan berbagai tools speerti big data tools, machine learning, deep learning, dan lainnya, menguasai bahasa pemrograman seperti SQL, Python, R, dan lainnya, komunikasi yang baik, dan lain sebagainya. Tertarik Berprofesi di Bidang Data? Setelah melihat perbedaan dari ketiga profesi di bidang data tersebut, apakah Anda tertarik untuk berprofesi menjadi salah satunya di masa depan? Jika iya, tentunya salah satu langkah awal yang bisa Anda lakukan saat ini adalah menguasai keterampilan dasar di bidang data. Jika Anda ingin mendapatkan keterampilan mendasar seputar data, mengapa tidak mendaftar di program InfoKomputer Academy saja. Ini merupakan sebuah program kelas online hasil kerja sama InfoKomputer dengan Microsoft Indonesia. Di InfoKomputer Academy, Anda bisa belajar dasar-dasar pengolahan data yang dapat menjadi bekal bagus untuk Anda yang ingin berkarir di bidang Data. Menariknya, InfoKomputer Academy bisa diakses secara gratis loh. Bahkan, program ini akan memberikan insentif dan hadiah menarik bagi Anda yang mengikutinya. Tertarik mengikuti InfoKomputer Academy? Simak cara daftarnya di sini. Baca Juga Mengapa Cloud Security menjadi Skills Paling Dicari di Masa Depan Baca Juga Mengenal Cloud Engineer, Salah Satu Skills Paling Laku di Era Digital Video Pilihan Apakah anda pernah mendengar jargon Industry Perlu saya informasikan, sebenarnya jargon ini tidak harus berjalan berurutan. Maksudnya apa? Dalam sebuah negara, bisa jadi dua atau lebih versi industri ini berjalan bersamaan. Contoh manufaktur di India masih berjalan di sedangkan aerospace-nya sudah Berdasarkan studi yang dilakukan di Eropa, efek dari perkembangan teknologi digital dan digitalisasi bagi perusahaan adalah sebagai berikut Kalau direnungkan dengan perlahan, mulai dari big data sampai internet of things itu erat kaitannya dengan data. Banyak dari kita yang belum sadar bahwa muara dari digitalisasi ini adalah banyaknya captured data. Saking banyaknya, hampir setiap detik kita bisa memproduksi data dari gadget kita masing-masing. Selain itu data yang muncul bukan lagi berupa tabel angka! Postingan yang Anda lakukan di Instagram juga bisa disebut data! Pada tahun 2006, Profesor Thomas Davenport dalam artikel di HBR menyebutkan bahwa Every companies can sell same products, can provide same services. Lalu apa pembedanya? Pembedanya adalah Analytics! Yaitu kemampuan perusahaan untuk bisa mengeksplorasi dan mengeksploitasi data yang ada di internal dan eksternal organisasinya. Oleh karena itu, kondisi sekarang menjadi semakin rumit. Tools tradisional semacam Ms. Excel sudah tidak mampu mengolah data yang bentuk dan strukturnya makin lama makin aneh yang datang semakin cepat dan banyak serta dengan tujuan dan metode analisa yang lebih advance. This leads us to a new job titles Data engineer A Data Engineer is a person who specializes in preparing data for analytical usage. Data analyst A data analyst in a person who extract information from a given pool of data. Data scientist A data scientist is a person who possess knowledge of statistical tools and programming skills. Moreover, a data scientist possesses knowledge of machine learning algorithms. Masih bingung? Saya kasih contoh data Covid 19 yang tersedia di situs World o Meters. Seorang data engineer bertugas untuk menyiapkan platform penyimpanan data cloud atau on premise, memikirkan bagaimana struktur data yang akan disimpan, dan menyiapkan data untuk bisa dianalisa lebih lanjut. Oleh karena itu dia harus memiliki knowledge lebih terkait data warehouse. Seorang data analyst bertugas untuk memberikan narasi dan analisa deskripsi dari data. Oleh karena itu dia harus memiliki basic knowledge terkait statistik dan business process. Seorang data scientist bertugas untuk membuat model matematika atau statistik untuk melakukan prediksi atau deep dive analysis dari data. Oleh karena itu dia harus memiliki knowledge terkait machine learning dan advance algorithms. Kenapa hal ini menjadi penting? Biasanya saya selalu menginformasikan hal ini setiap kali hendak memberikan training seputar data. Faedahnya adalah agar trainee bisa menentukan ekspektasi mereka sendiri seperti apa. Roles mana yang ia akan lakukan di fungsi pekerjaannya sehari-hari. Namun, untuk beberapa orang yang bekerja di environment yang kecil, bisa jadi ketiga roles di atas dikerjakan oleh satu orang saja. Implikasinya apa? Orang tersebut minimal harus mengerti struktur data, mau disimpan di mana dan dengan cara seperti apa sampai nanti akan dianalisa seperti apa. 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