Bidang Teknik

Developer; jenis pekerjaan yang membutuhkan kemampuan pemrograman. Umumnya terbagi ke dalam tiga kelompok, yakni (1) back-end developer sebagai pemrogram yang memiliki spesialisasi menyusun kode dan logika dasar dari fungsionalitas aplikasi – contohnya PHP developer, C# developer, Ruby developer, dan lain-lain; (2) front-end developer sebagai pemrogram yang fokus mengembangkan tampilan aplikasi – contohnya HTML developer, CSS developer, Javascript developer, dan lain-lain; dan (3) full-stack developer sebagai gabungan dari poin pertama dan kedua, pemrogram kerap disuguhkan dengan pekerjaan terkait pengembangan sistem di balik layar dan terkait tampilan.

Database Administrator; memiliki tugas utama untuk mendesain, mengimplementasi, dan memperbaiki basis data. Seperti diketahui, banyak aplikasi digital yang digunakan secara intensif oleh ribuan bahkan jutaan orang setiap hari. Dampaknya data yang dihasilkan dan disimpan dalam basis data akan sangat banyak, sehingga diperlukan orang yang khusus mengelola sistem basis data di perusahaan rintisan. Kemampuan pemrograman bahasa SQL menjadi hal dasar yang wajib dimiliki.

DevOps (Development Operations) Engineer; bertugas mengorkestrasi proses pengembangan produk digital. Mereka menerapkan metodologi pengembangan perangkat lunak untuk memastikan komunikasi dan kolaborasi berjalan lancar. Karena dalam sebuah startup developer tidak bekerja sendiri, namun bekerja sama dengan tim dari divisi lain, misalnya dengan tim operasional untuk mendapatkan pengetahuan mengenai proses bisnis yang diharapkan.

Infrastructure Engineer; memiliki tugas utama mendesain arsitektur server agar aplikasi berjalan secara optimal. Seiring peningkatan penggunaan layanan komputasi awan (cloud computing), sekarang tenar juga istilah cloud engineer dengan tugas yang serupa, hanya saya infrastrukturnya virtual. Di dalamnya termasuk mengelola sistem operasi server (Linux atau Windows), mengelola mesin virtual, jaringan virtual, dan sebagainya.

Machine Learning Engineer; pekerjaan turunan dari developer yang secara khusus ditugaskan untuk memprogram sistem cerdas – menghasilkan layanan berbasis kecerdasan buatan. Mereka membuat dan menerjemahkan agloritma yang sangat kompleks menjadi baris kode pemrograman di aplikasi.

Mobile Engineer; pekerjaan turunan dari developer yang secara khusus ditugaskan untuk menghasilkan aplikasi mobile, baik di platform Android maupun iOS. Di dalam tim mobile juga terdapat pemrogram di bagian front-end dan back-end. Beberapa bahasa pemrograman yang populer digunakan di antaranya Java (Android), Kotlin (Android), Swift (iOS), Objective-C (iOS), dan lainnya.

Network Engineer; tim teknis yang bertugas mendesain dan menyusun struktur jaringan komputer dan internet di sebuah perusahaan.

QA Engineer; bertugas membuat program/mekanisme pengujian otomatis – beberapa aplikasi pemrograman sudah dilengkapi dengan fitur pengujian, misalnya Visual Studio. Selain itu mereka juga membuat laporan dan memberikan masukan untuk improvisasi sistem. Sementara QA Tester bekerja lebih manual, mencoba langsung pengalaman penggunaan aplikasi di perangkat.

Security Engineer; pekerjaan turunan developer yang memiliki fokus menyusun arsitektur sistem aplikasi yang didasarkan pada aspek keamanan.

Bidang Desain

User Experiences (UX) Designer; bertugas mendesain alur pengalaman pengguna sebuah aplikasi. Pekerjaannya mencakup proses riset, perencanaan, eksplorasi, hingga melakukan analisis terhadap berbagai kemungkinan interaksi pengguna terhadap fungsionalitas aplikasi.

User Interface (UI) Designer; bertugas mendesain tampilan aplikasi. Cakupannya meliputi desain visual, grafik, hingga pemilihan ikon untuk menu aplikasi.

Bidang Produk

Intellectual Property Manager; pekerja di bagian ini fokus untuk mengelola Hak Kekayaan Intelektual hasil inovasi dari tim di startup. Bisa berupa paten atau yang lain.

Product Manager; bertugas untuk mengelola produk, mulai dari proses pematangan ide, eksekusi, hingga operasional produk. Secara spesifik mereka juga membuat strategi/roadmap produk, menentukan spesifikasi, dan berkolaborasi dengan tim lain dalam proses pengembangan.

Product Designer; bekerja mendesain solusi berdasarkan kebutuhan, bekerja sama langsung dengan tim bisnis dan teknologi. Biasanya kebutuhan akan suatu produk datang dari tim bisnis, misalnya ada permintaan pasar atau klien, kemudian ia mengkomunikasikan dengan desainer – bukan langsung dengan developer untuk memastikan tidak ada salah pengertian.

Bidang Data

Data Analyst; bagian dari tim data yang bertugas untuk melakukan analisis hasil temuan data yang didapat. Mereka yang mengkomunikasikan dengan pihak terkait – misalnya manajemen bisnis – dengan bahasa yang lebih mudah dimengerti dan visualisasi yang baik.

Data Scientist; menggunakan kemampuan pemrograman dan statistika yang dimiliki, mereka bertugas untuk mengumpulkan dan mengolah data, sehingga lebih mudah dibaca dan divisualisasikan.

Data Engineer; bertugas mengelola infrastruktur dan desain arsitektur data perusahaan. Mereka yang memasok sumber data mentah kepada data scientist untuk selanjutnya dikelola sesuai kebutuhan.

Tim Bisnis

Growth Manager; bertugas mengembangkan dan mengeksekusi strategi pertumbuhan bisnis untuk meningkatkan traksi produk atau layanan yang dimiliki.

Regional Expansion Manager; bertugas memimpin kesiapan perusahaan untuk melakukan ekspansi ke luar negeri dan melakukan analisis negara tujuan yang sesuai dengan prospek bisnis yang dikembangkan.

Product Marketing Manager; bertanggung jawab untuk melakukan analisis pasar, kompetisi, dan penjualan terkait produk atau layanan yang dimiliki oleh perusahaan.

Social Media Manager; tidak hanya bertindak sebagai admin yang menjadwalkan publikasi konten di media sosial, tetap juga menjadi kanal yang menghubungkan pelanggan potensial kepada merek yang dipromosikan.

Lainnya

People Partner; bertanggung jawab merencanakan dan mengeksekusi berbagai aktivitas untuk mendukung pegawai, khusus dalam kaitannya dengan pengembangan kompetensi. Posisi ini menjadi penting dimiliki bisnis digital, karena perkembangan teknologi yang sangat pesat, sehingga dengan pegawai yang selalu terlatih bisnis bisa bergerak lincah.

Talent Acquisition; bertugas untuk menemukan talenta yang tepat untuk mengisi posisi tertentu. Tidak hanya menggunakan cara konvensional –calon pegawai mendaftarkan diri—namun juga memberikan penawaran kepada orang-orang yang dianggap potensial membantu pertumbuhan bisnis.

Data is a new currency. Kalimat tersebut akhir-akhir ini santer diperbincangkan dikaitkan dengan gerakan transformasi digital, mengisyaratkan betapa bernilainya data bagi sebuah langkah strategis bisnis. Namun jika dirunut, urgensi pemanfaatan data sebenarnya tak lain muncul dari komoditas data itu sendiri sebagai objek digital. Saat ini data bisa diperoleh dari mana saja, dari perangkat komputasi yang sehari-hari digunakan, dari penggunaan komputer, ponsel, kamera, hingga perangkat berbasis sensor yang terpasang di dinding.

Tren tersebut menghadirkan dua jabatan baru dalam lini teknologi, yakni Data Engineer dan Data Scientist. Data Engineer memiliki tugas utama untuk menemukan cara dalam menangkap, mengumpulkan dan memadatkan sebuah data dari sumbernya. Domain pekerjaannya termasuk membangun dan mengelola sebuah sistem yang menjadi produsen data, hingga data-data tersebut berada di dalam sebuah tempat untuk dikelola lebih lanjut.

Sedangkan Data Scientist memiliki misi mengolah data tersebut menghasilkan pengetahuan yang bernilai dan dapat diaplikasikan. Sehingga dapat disimpulkan, bahwa Data Science merupakan sebuah proses memproduksi pengetahuan data (data insight). Adapun karakteristik dari pengetahuan data tersebut ialah sebuah simpulan yang dapat dilaksanakan (actionable), memberikan simpulan atau prediksi yang dapat dimengerti untuk beragam kebutuhan spesifik.

Dasar ilmu Data Science

Untuk menjadi seorang Data Scientist diperlukan pemahaman tentang beberapa hal, yakni kemampuan analisis menggunakan konsep matematika dan statistik, kemampuan pemrograman untuk pengolahan data, dan pemahaman pada subjek spesifik pada bidang bisnis yang digeluti. Karena menangani kebutuhan di bidang tertentu, Data Scientist sering direpresentasikan pada sebuah istilah yang lebih rinci, misalnya ad-tech data scientist, political analyst, head of banking digital analyst dan sebagainya.

Terkait dengan dasar ilmu, matematika menjadi penting sebagai landasan metode deterministik untuk operasi perhitungan kuantitatif (numerik). Aplikasinya dalam Data Science untuk membangun model keputusan, menyusun prakiraan hingga memperhitungkan sebuah prediksi. Memahami dasar kalkulus dan aljabar linier menjadi porsi wajib saat seseorang ingin memulai terjun ke dalam analisis data. Karena keduanya teori paling fundamental yang akan banyak digunakan.

Pemahaman tentang metode statistik digunakan sebagian besar untuk memahami tentang makna data, termasuk untuk melakukan validasi hipotesis dari pengetahuan yang dihasilkan data, menyimulasikan skenario, hingga membantu penyusunan sebuah prakiraan. Wajib hukumnya untuk memahami ilmu statistik dasar. Dalam penerapannya, konsep matematika dan statistika berjalan beriringan, mengharuskan pengelolanya jeli menyisipkan formula sesuai dengan pemrosesan data yang dibutuhkan.

Kemampuan pemrograman atau coding –setidaknya tingkat dasar—juga harus dimiliki. Kode yang dituliskan nantinya akan digunakan untuk menginstruksikan komputer dalam memanipulasi, menganalisis dan memvisualisasikan data yang telah dirapikan.

Kegiatan mengelola data

Sumber data sangat beragam, implikasinya data yang dihimpun juga bervariasi. Dalam standar data digital, setidaknya tipikal data tersebut terbagi ke dalam tiga jenis:

Data terstruktur (structured data); yakni data yang sudah dikelola, diproses dan dimanipulasi dalam RDBMS (Relational Database Management System). Misalnya data tabel hasil masukan formulir pendaftaran di sebuah layanan web.
Data tidak terstruktur (unscructured data); yakni berupa data mentah yang baru didapat dari beragam jenis aktivitas dan belum disesuaikan ke dalam format basis data. Misalnya berkas video yang didapat dari kamera.
Data semi terstruktur (semistructured data); yakni berupa data yang memiliki struktur, misalnya berupa tag, akan tetapi belum sepenuhnya terstruktur dalam sistem basis data. Misalnya data yang memiliki keseragaman tag, namun memiliki isian yang berbeda didasarkan pada karakteristik pengisi.

Data Engineer bertugas untuk menyelaraskan ketiga tipe data tersebut, termasuk di dalamnya mengatur skema data. Mengapa merapikan data tersebut menjadi tugas penting? Ketika berbicara data dengan ukuran yang sangat besar, efisiensi perlu dilakukan dalam arsitektur data, tujuannya untuk memberikan kemudahan sekaligus kecepatan dalam pengelolaan serta akses data. Bagi Data Scientist, salah satu validitas data juga ditentukan dari seberapa relevan sumber data yang dimiliki, baik sebagai pelengkap ataupun pembanding.

Sementara itu, kegiatan analisis data dilakukan dengan bahasa Python atau R untuk memanipulasi data dan menggunakan SQL untuk melakukan query (termasuk membuat relasi) pada sumber data. Coding dilakukan kala sumber data telah menjadi ekstensi berkas yang siap diolah. Secara universal terdapat empat format umum yang dapat diterima hampir semua sistem analisis data, yaitu Comma-separated Values (CSV), Scripts (*.py, *.ipynb, *.r dll), berkas aplikasi tabel (*.xlsx, *.qgs dll), dan berkas pemrograman web (*.html, *.svg dll).

Keluaran Data Science untuk siapa saja

Salah satu keterampilan yang wajib dimiliki seorang Data Scientist adalah komunikasi, baik secara lisan atau tertulis. Seluruh pengetahuan dari data harus disampaikan dengan baik, tanpa kemampuan komunikasi yang benar, maka kebutuhan tersebut tidak akan tersalurkan. Kemampuan komunikasi termasuk di dalamnya menjelaskan berbagai unsur yang kompleks sehingga mudah untuk dipahami oleh pengguna data, termasuk ketika membuat visualisasi grafik dan narasi.

Perkembangan operasi bisnis digital yang sangat masif saat ini pada akhirnya membuat Data Science tidak hanya dilaksanakan oleh perusahaan besar saja, akan tetapi startup digital pun memandangnya sebagai sebuah bagian penting untuk mendampingi keputusan strategi bisnis. Sebagai ilustrasi, beberapa contoh penerapan Data Science dalam bisnis di antaranya untuk membantu sistem bisnis secara keseluruhan, tujuannya untuk meningkatkan ROI (Return of Investment) dengan memberikan gambaran tentang aktivitas terukur.

Contoh lagi untuk membantu pemasaran bisnis. Dari data yang histori yang telah terhimpun, sebuah pengetahuan dapat dibuat untuk menghasilkan analisis prediktif mengidentifikasi strategi apa saja yang efektif dijalankan, sehingga pemasar dapat mengeliminasi berbagai jenis tindakan yang tidak memberikan banyak dampak bagi performa penjualan. Di lain sisi, berbagai strategi baru sangat mungkin ditemukan dengan melihat tren data yang ada. Dan masih banyak contoh model implementasi lainnya termasuk untuk production-costs optimization, pricing model optimization, recommendation engine, fraud detection, dll.

–

Baca juga:

Tag: Data Engineer

Mengenal Istilah-istilah Jenis Pekerjaan Populer di Startup Digital