Tag: Data science

Data Science:Pengertian, Manfaat, Aplikasi dan Prospek Kerjanya

Apakah kamu pernah mendengar istilah data science? Data science semakin penting dalam dunia yang digerakkan oleh data saat ini, di mana perusahaan atau organisasi mengumpulkan dan menganalisis data dalam jumlah besar untuk membuat keputusan yang tepat dan mendapatkan keunggulan kompetitif.

Jika kamu tertarik untuk mempelajari data science lebih lanjut, baca artikel ini hingga akhir untuk mengetahui lebih banyak mengenai data science!

Definisi Data Science

Data science adalah bidang interdisipliner yang melibatkan penggunaan metode statistik dan komputasi untuk mengekstrak wawasan dan pengetahuan dari data.

Bidang ini menggabungkan aspek matematika, statistik, ilmu komputer, dan pengetahuan spesifik domain untuk mengidentifikasi pola, membuat prediksi, dan mengekstrak wawasan yang dapat ditindaklanjuti dari kumpulan data yang besar dan kompleks.

Bidang ilmu data mencakup berbagai kegiatan, termasuk pengumpulan, pembersihan, pemrosesan, analisis, dan visualisasi data.

Bidang ini juga melibatkan penggunaan berbagai alat dan teknik, seperti pembelajaran mesin, penggalian data, dan pemodelan statistik, untuk mengekstrak informasi yang berguna dari data.

Data scientist memainkan peran penting dalam proses ini dengan menerapkan keahlian mereka untuk mengekstrak wawasan dan pengetahuan dari data, dan untuk mengkomunikasikan temuan mereka kepada orang lain dengan cara yang tepat.

Kegunaan Data Science

Kegunaan dari data science adalah untuk mengekstrak wawasan dan pengetahuan dari data yang dapat digunakan untuk menginformasikan pengambilan keputusan, meningkatkan proses, dan mendorong hasil bisnis.

Bidang data science bertujuan untuk mengubah data mentah menjadi informasi yang bermakna yang dapat digunakan untuk menjawab pertanyaan spesifik, memecahkan masalah, dan menghasilkan wawasan baru.

Penggunaan data science sangat luas dan mencakup bidang-bidang seperti keuangan, perawatan kesehatan, pemasaran, media sosial, dan banyak lainnya.

Sebagai contoh, data scientist dapat menggunakan data untuk membangun model prediktif yang dapat meramalkan tren masa depan, mengidentifikasi pola dan anomali dalam data, atau mengembangkan strategi berbasis data untuk meningkatkan kinerja bisnis.

Pada akhirnya, tujuan dari data science adalah untuk membantu organisasi memanfaatkan data mereka dengan lebih baik dan mendapatkan keunggulan kompetitif dengan memanfaatkan wawasan dan pengambilan keputusan berbasis data.

Dengan menggunakan data untuk menginformasikan pengambilan keputusan, bisnis dapat membuat pilihan yang lebih terinformasi dan strategis, yang dapat mengarah pada peningkatan kinerja bisnis, peningkatan efisiensi, dan hasil yang lebih baik bagi pelanggan dan pemangku kepentingan.

Contoh Penggunaan Data Science

Salah satu contoh penggunaan data science adalah di bidang kesehatan. Data scientist dapat menggunakan data medis untuk mengembangkan model prediktif yang dapat membantu penyedia layanan kesehatan mendiagnosis dan mengobati penyakit secara lebih efektif.

Sebagai contoh, data scientist dapat menggunakan algoritma machine learning untuk menganalisis catatan kesehatan elektronik dan mengidentifikasi pasien yang berisiko tinggi terkena penyakit atau kondisi tertentu.

Contoh lainnya adalah di bidang e-commerce, di mana ilmuwan data dapat menggunakan data pelanggan untuk mengembangkan kampanye pemasaran yang ditargetkan.

Dengan menganalisis data tentang preferensi, perilaku, dan pola pembelian pelanggan, data scientist dapat mengidentifikasi segmen pelanggan yang paling mungkin merespons pesan pemasaran tertentu dan membuat kampanye yang dipersonalisasi untuk melibatkan mereka.

Di industri keuangan, data science digunakan untuk mengembangkan model yang dapat memprediksi harga saham, menganalisis risiko, dan mendeteksi penipuan.

Sebagai contoh, data scientist dapat menggunakan algoritma machine learning untuk menganalisis data keuangan dalam jumlah besar untuk mengidentifikasi pola dan tren yang dapat membantu investor membuat keputusan investasi yang lebih tepat.

Dalam industri transportasi, data science dapat digunakan untuk mengoptimalkan perencanaan rute, mengurangi konsumsi bahan bakar, dan meningkatkan keselamatan.

Dengan menganalisis data tentang pola lalu lintas, kondisi cuaca, dan kinerja kendaraan, ilmuwan data dapat mengembangkan model prediktif yang dapat membantu perusahaan transportasi mengoptimalkan operasi mereka dan mengurangi biaya.

Ini hanyalah beberapa contoh dari sekian banyak cara di mana data science dapat digunakan di berbagai industri untuk meningkatkan pengambilan keputusan, mengoptimalkan operasi, dan mendorong hasil bisnis.

Manfaat Data Science

Ada beberapa keuntungan menggunakan data science di berbagai industri.

Pengambilan Keputusan

Data science memungkinkan bisnis untuk membuat keputusan berbasis data berdasarkan wawasan dan pengetahuan yang diekstrak dari kumpulan data yang besar dan kompleks. Hal ini dapat membantu organisasi mengidentifikasi tren dan pola, memprediksi hasil, dan membuat keputusan yang lebih tepat.

Peningkatan Efisiensi

Dengan menggunakan data science untuk mengoptimalkan proses dan operasi, organisasi dapat meningkatkan efisiensi dan mengurangi biaya. Sebagai contoh, data science dapat digunakan untuk menyederhanakan manajemen rantai pasokan, mengurangi pemborosan, dan meningkatkan layanan pelanggan.

Keunggulan Kompetitif

Organisasi yang menggunakan data science secara efektif dapat memperoleh keunggulan kompetitif dibandingkan pesaing mereka.

Dengan memanfaatkan data untuk mengidentifikasi peluang baru, mengoptimalkan proses, dan meningkatkan pengalaman pelanggan, organisasi dapat membedakan diri mereka dari pesaing dan meningkatkan posisi pasar mereka.

Customer Service yang Lebih Baik

Dengan menganalisis data pelanggan, perusahaan dapat memperoleh wawasan tentang perilaku, preferensi, dan kebutuhan pelanggan, serta menggunakan informasi ini untuk meningkatkan pengalaman pelanggan.

Sebagai contoh, ilmu data dapat digunakan untuk mempersonalisasi kampanye pemasaran, merekomendasikan produk atau layanan, dan meningkatkan layanan pelanggan.

Inovasi

Data science memungkinkan organisasi untuk berinovasi dengan mengembangkan produk atau layanan baru, menjelajahi pasar baru, atau menciptakan model bisnis baru.

Dengan menggunakan data untuk mengidentifikasi peluang baru dan mengembangkan solusi inovatif, organisasi dapat tetap menjadi yang terdepan dan beradaptasi dengan kondisi pasar yang terus berubah.

Prospek Kerja

Dengan semakin tingginya permintaan untuk orang-orang yang mengelola data, bidang data science menawarkan peluang kerja yang beragam. Beberapa peluangnya adalah sebagai berikut.

Ilmuwan Data

Ilmuwan data bertanggung jawab untuk mengumpulkan, menganalisis, dan menafsirkan kumpulan untuk mendapatkan informasi yang bermakna. Mereka menerapkan teknik statistik dan pembelajaran mesin untuk mengembangkan model dan algoritme prediktif.

Ilmuwan data juga mengomunikasikan temuan mereka kepada para pemangku kepentingan dan memberikan rekomendasi yang dapat ditindaklanjuti berdasarkan analisis data tersebut.

Analis Data

Analis data berfokus pada pemeriksaan dan interpretasi data untuk mengidentifikasi pola, tren, dan korelasi. Mereka memproses data, melakukan analisis data, dan membuat visualisasi untuk menyajikan temuan.

Engineer Machine Learning

Engineer machine learning merancang dan mengimplementasikan model dan algoritme pembelajaran mesin. Mereka bekerja dengan ilmuwan data untuk membangun dan mengoptimalkan model untuk tugas-tugas seperti klasifikasi, regresi, pengelompokan, dan sistem rekomendasi.

Data Engineer

Data engineer bertanggung jawab atas desain, konstruksi, dan pemeliharaan infrastruktur dan sistem data. Mereka mengembangkan dan mengelola jalur data, gudang data, dan basis data untuk memastikan penyimpanan, pengambilan, dan pemrosesan data yang efisien.

Analis Bisnis

Analis bisnis memanfaatkan data untuk memberikan wawasan tentang operasi bisnis, tren pasar, dan perilaku pelanggan. Mereka menggunakan analisis statistik, visualisasi data, dan teknik pelaporan untuk mendukung pengambilan keputusan dan perencanaan strategis.

Arsitek Data

Arsitek data merancang dan mengimplementasikan sistem dan arsitektur data untuk mendukung penyimpanan, integrasi, dan analisis data. Mereka mendefinisikan model data, menetapkan kerangka kerja tata kelola data, dan memastikan keamanan data.

Ilmuwan Riset

Ilmuwan riset berfokus pada eksplorasi dan pengembangan metodologi, algoritme, dan teknik baru dalam ilmu data. Mereka melakukan eksperimen, menerbitkan makalah penelitian, dan berkontribusi pada kemajuan bidang ini. Ilmuwan riset sering kali bekerja di bidang akademis, lembaga penelitian, atau departemen penelitian dan pengembangan khusus di perusahaan

Nah, itu tadi penjelasan mengenai data science. Secara keseluruhan, keuntungan menggunakan data science sangatlah banyak, dan perusahaan yang memanfaatkan data secara efektif dapat memperoleh manfaat yang signifikan dalam hal efisiensi, daya saing, dan inovasi.

Data Science: Definisi, Aspek, Proses, dan Contohnya

Data science merupakan ilmu yang saat ini sangat populer yang dapat diterapkan di banyak industri. Tentunya banyak perusahaan, apalagi perusahaan besar, semakin membutuhkan tenaga ahli di bidang ini.

Jadi jika kamu tertarik dengan data science, mari kita mulai dengan mengenalnya dari dasar yang telah dirangkum Dailysocial.id dalam artikel ini.

Apa Itu Data Science?

Menurut Urban Institute, data science adalah keterampilan yang membutuhkan komputasi, pemrograman, teknologi, dan statistik yang bukan merupakan bagian dari standar pendidikan peneliti ilmu sosial. Kemampuan ini mencakup teknologi dan teknik seperti komputasi awan, analisis data besar, pemrosesan bahasa alami, pembelajaran tanpa pengawasan seperti analisis kluster, penelusuran ulang, rekayasa fuzzy, pembelajaran mesin, dan lainnya.

Data science dapat membantu peneliti bekerja lebih efisien untuk menghasilkan informasi baru yang tepat waktu, menjelajahi kumpulan data yang benar-benar baru dengan cara baru, memodifikasi model simulasi, dan sebagainya. Dengan tujuan meningkatkan kuantitas dan kualitas bukti yang diperlukan untuk keputusan kebijakan yang diperlukan. Kehidupan yang lebih baik, memperkuat komunitas dan meningkatkan kehidupan masyarakat.

Biasanya, orang yang mahir dalam data science menggunakan algoritma pembelajaran mesin. Ini berguna dalam menangani teks, gambar, video, audio, dan lain-lain untuk menghasilkan sistem kecerdasan buatan. Sistem kecerdasan buatan ini dapat dirancang untuk melakukan berbagai tugas yang sulit bagi kecerdasan manusia.

Aspek Penting dalam Data Science

1. Bisnis

Seorang data scientist yang mengolah data berdasarkan data science harus mampu mengubah data menjadi informasi yang dapat dipahami untuk membantu merancang strategi guna memecahkan masalah bisnis.

Untuk melakukan ini, keahlian data science juga harus dibarengi dengan pemahaman bisnis sehingga perusahaan dapat menghasilkan solusi yang direkomendasikan berdasarkan data untuk mencapai tujuannya.

2. Matematika dan Statistika

Data science sangat membutuhkan matematika karena data perlu diolah secara kuantitatif. Banyak masalah bisnis dapat diselesaikan dengan membuat model analitis dengan dasar matematika. Untuk melakukan ini, kamu membutuhkan pengetahuan matematika yang mendalam. Misalnya, algoritma terkait erat dengan matematika dalam desain machine learning sebagai aplikasi data science.

Statistik dalam data science juga tidak kalah penting. Selain memahami statistik klasik, seorang data scientist juga harus memahami statistik Bayesian.

3. Teknologi

Tentu saja, data science tidak dapat dipisahkan dari teknologi, kreativitas, dan kecerdasan dalam menggunakan keahlian teknis untuk memecahkan masalah.

Data science adalah ilmu yang menggunakan data dalam jumlah besar dan algoritma yang kompleks, sehingga membutuhkan keterampilan komputer yang intensif.

Seorang data scientist harus mahir dalam bahasa pemrograman seperti SQL, Python, R, SAS, Java, Scala, Julia, dll. Seorang ilmuwan data harus dapat berpikir seperti algoritma untuk menyelesaikan masalah yang paling sulit sekalipun.

Proses Data Science

Menurut Towards Data Science, menjelaskan proses data science tidaklah mudah. Namun, proses tersebut secara kasar dapat diringkas dalam lima poin OSEMN sebagai berikut:

1. Obtain

Langkah pertama untuk memulai proyek data science adalah obtain, yaitu mendapatkan atau mengumpulkan data. Data dikumpulkan dari sumber data. Kemudian kemampuan teknis seperti MySQL digunakan untuk mengolah data.

Jika kamu menggunakan Python atau R, kamu dapat membaca data dari sumbernya langsung ke dalam program sains data yang digunakan. Untuk memulihkan data dari sumber, diperlukan keterampilan berbeda tergantung pada jenis dan ukuran file yang dihasilkan.

2. Scrub

Setelah data terkumpul, langkah selanjutnya yang harus dilakukan dalam proses data science adalah melakukan scrubbing data

Scrubbing data adalah proses pembersihan atau penyaringan data. Jika ada data yang tidak penting atau tidak relevan, sebaiknya dihapus. Pada tahap ini juga dilakukan standarisasi format data.

Dari format yang berbeda pada langkah pertama, semua data dikonversi ke format yang sama. Kemudian, jika ada data yang hilang, maka perlu dilakukan penyesuaian untuk dapat diolah. Proses scrubbing juga mencakup penggabungan dan pemisahan tipe data sesuai kebutuhan.

Pada dasarnya proses scrubbing adalah proses menyortir, merapikan data dan menghapus semua yang tidak diperlukan, mengganti data yang hilang dan menormalkan semua format.

3. Explore

Pada fase ini, penggalian dan verifikasi data dilakukan.

Pertama, properti dari semua data harus diverifikasi, karena jenis data yang berbeda memerlukan pemrosesan yang berbeda. Statistik deskriptif kemudian harus dihitung untuk mengekstrak fitur dan menguji variabel yang signifikan.

Terakhir, visualisasi data digunakan untuk mengidentifikasi pola dan tren signifikan dalam data yang kamu kumpulkan. Dengan demikian, diagram memberikan gambaran yang lebih jelas sehingga makna informasi dapat dipahami dengan lebih baik.

4. Model

Setelah memastikan bahwa langkah-langkah scrub dan explorer telah dilakukan dengan optimal, kamu dapat melanjutkan ke langkah data science berikutnya, yaitu model.

Pada titik ini, model data dibuat untuk mencapai tujuan yang diinginkan. Regresi dan prediksi digunakan untuk memperkirakan nilai masa depan dan mengklasifikasikan serta memberi peringkat kelompok nilai dari data.

5. Interpret

Langkah terakhir dalam proses ilmu data adalah interpretasi data. Interpretasi data adalah proses penting dimana interpretasi model dan data dilakukan.

Orang awam yang tidak mengerti istilah-istilah teknis perlu memahami hasil pengolahan data yang diinterpretasikan. Tujuan dari presentasi adalah untuk menggunakan informasi yang diperoleh untuk menjawab masalah bisnis.

Keterampilan komunikasi yang baik juga diperlukan dalam fase interpretasi data untuk mengkomunikasikan isu-isu penting secara efektif kepada semua pihak yang berkepentingan.

Contoh Penerapan Data Science

Penerapan data science di bidang e-commerce untuk berbagai keperluan dynamic pricing. Harga ini diciptakan oleh bisnis perdagangan untuk mensegmentasi pelanggan atau konsumen dengan tepat.

Penetapan dynamic pricing juga diperlukan agar setiap kelompok pelanggan dapat ditawarkan produk yang sesuai dengan kebutuhan mereka.

Saat menghitung dynamic pricing suatu perusahaan, berbagai kategori data biasanya dipertimbangkan, seperti Lead time, penilaian properti, dan layanan yang ditawarkan produk.

Begitulah gambaran ilmu data science dan langkah-langkah dalam prosesnya yang perlu kamu ketahui.

Data scientist memang tidak mudah dipelajari, tetapi keterampilan ini sangat penting bagi bisnis.

Indonesia Lokadata Conference 2019 akan Bahas Pengelolaan Data dari Beragam Perspektif

Pengelolaan data mulai diminati oleh berbagai kalangan, mulai dari bisnis dengan berbagai skala, pemerintahan, hingga individu. Tujuannya untuk menghasilkan pertimbangan terukur dalam mendukung setiap keputusan strategis yang diambil. Namun pada faktanya proses pengumpulan, pengolahan, dan pengemasan data menjadi sebuah informasi yang berguna tidaklah mudah.

Melihat hal tersebut, Lokadata dan Beritagar.id bekerja sama dengan Kantor Staf Kepresidenan (KSP) menyelenggarakan Indonesia Lokadata Conference (ILOC) 2019 di Jakarta. Konferensi ini akan membahas beragam isu paling strategis dalam wacana data, mendiskusikan optimasi data untuk menjadi kekuatan di setiap sektor industri di Indonesia.

ILOC 2019 akan diselenggarakan pada tanggal 28 Agustus 2019, bertempat di Grand Ballroom Hotel Indonesia Kempinksi, Jakarta. Acara ini ditujukan untuk berbagai kalangan yang memiliki kepentingan pengolahan data, mulai dari pebisnis, aparatur sipil negara, peneliti, pelajar dan lain-lain.

Pemateri dari berbagai kalangan akan dihadirkan, termasuk keynote dari Presiden Republik Indonesia Joko Widodo. Selain itu akan ada beberapa pejabat penting di pemerintahan, termasuk Menko Perekonomian, Kepala Bappennas, Kepala Staf Kepreseidenan, Kepala BPS dan lain-lain. Dari kalangan profesional akan hadir Presdir Djarum Foundation, CEO GDP Centure, CEO Dana, CDO Ovo, VP Data Tiket.com dan lain-lain.

Dalam agenda juga sudah terjadwal beberapa materi menarik, mulai membedah inisiatif “Satu Data” Indonesia, transformasi digital, data untuk analisis di berbagai bidang, dan lain-lain. Materi tentang kebijakan hingga ulasan teknis akan dihadirkan dalam konferensi sehari ini.

Saat ini pendaftaran untuk acara ini masih dibuka. Untuk informasi lebih lanjut mengenai detail narasumber, agenda dan proses pendaftaran, kunjungi situs resminya melalui https://iloc.id.

—

Disclosure: DailySocial merupakan media partner ILOC 2019

Lumi by Pampers Adalah Smart Diapers untuk Para Bayi Generasi Data Science

Dewasa ini semakin banyak produk yang dilabeli “smart” oleh pembuatnya, entah itu karena kemampuannya terhubung ke internet, atau berkat kemampuannya memonitor beragam data. Sejatinya hampir semua objek bisa dibuat pintar sekarang, tidak terkecuali popok sekali pakai alias diapers.

Tren smart diapers sebenarnya sudah dimulai sejak akhir tahun lalu di Korea dan Jepang. Tahun ini, tren itu bakal berlanjut ke Negeri Paman Sam berkat kreasi terbaru dari brand yang namanya begitu melekat di kategori ini: Pampers. Mereka baru saja mengumumkan Lumi by Pampers, yang mereka definisikan sebagai “all-in-one connected care system“.

Lumi by Pampers

Agar lebih mudah dicerna, anggap saja Lumi sebagai perpaduan dari smart diapers, security camera, baby monitor, dan aplikasi smartphone. Lumi merupakan hasil kerja sama Pampers dengan Logitech dan anak perusahaan Alphabet Inc. yang bergerak di bidang data science, Verily.

Lumi pada dasarnya dirancang dengan tujuan untuk memudahkan tugas para orang tua selama setahun pertama merawat buah hatinya. Caranya adalah dengan menyodorkan selengkap mungkin data yang relevan untuk dievaluasi. Sumber data yang pertama tidak lain dari smart diapers itu sendiri.

Lumi by Pampers

Diapers yang termasuk dalam paket penjualan Lumi merupakan varian khusus yang memiliki tempat untuk ditempeli sensor. Sensor tersebut tak hanya bertugas mengecek apakah sudah tiba saatnya untuk mengganti diapers dengan yang baru (berdasarkan garis kuning yang umumnya berubah warna menjadi biru setelah terkena cairan), melainkan juga memonitor pola tidur sang bayi.

Sumber data berikutnya adalah kamera pengawas Logitech Circle 2 yang telah dimodifikasi agar dapat mengukur suhu dan kelembapan di samping sekadar merekam. Kamera ini juga bertugas meneruskan data dari sensor yang melekat di diapers menuju ke akun Pampers milik masing-masing orang tua, yang kemudian bisa diakses data-datanya lewat aplikasi pendamping Lumi di smartphone.

Paket penjualan Lumi meliputi dua bungkus diapers, dua sensor dan kamera Logitech Circle 2 itu tadi. Diapers tambahannya bakal ditawarkan ke konsumen lewat mekanisme subscription, atau dijual terpisah di sejumlah toko. Pampers belum merincikan harga jual Lumi, namun pemasarannya di Amerika Serikat sudah dijadwalkan bakal berlangsung mulai musim semi nanti.

Sumber: Engadget.

Finhacks 2018 #DataChallenge Berakhir, Hasilkan 14 Tim Jagoan Data Science

Gelaran Finhacks 2018 #DataChallenge telah mencapai puncaknya, yakni tahap final Demo Day. Di ajang ini para finalis mempresentasikan hasil karya mereka di depan para dewan juri serta hadirin yang datang. Acara puncak ini dilaksanakan di Soehanna Hall, Jakarta pada tanggal 14 November, mulai pukul 09.00 pagi hingga pukul 18.00.

Finhacks 2018 #DataChallenge merupakan inisiatif PT Bank Central Asia Tbk (BCA) sebagai bank terbaik di Indonesia dan Asia, untuk berperan serta dalam mengembangkan ekosistem data science di Indonesia, dengan didukung oleh DailySocial.id dan Algoritma dalam penyelenggaraannya.

Di bawah ini merupakan hasil perolehan tim terbaik pada Finhacks 2018 #DataChallenge – Demo Day.

Kategori Credit Scoring

finhacks 2018 data challenge demo day
Tim Terbaik Kategori Credit Scoring

Terbaik 1 – Tim 4.5 Namun Tetap Keren, mendapatkan Rp 80 juta

Dalam presentasinya, Tim 4.5 Namun Tetap Keren menjelaskan bahwa model machine learning yang diciptakan mampu mempermudah pelaksanaan credit scoring dengan akurasi 86,6%. Model dibuat dengan teknik stacking di mana Random Forest sebagai base estimator dan di-boosting dengan Adaptive Boosting (AdaBoost). Dari preprocessing data, cleansing, hingga pemodelan, semua tahapan dapat dilakukan dengan cara yang relatif mudah serta kemampuan komputasi yang sefisien mungkin untuk industri perbankan.

Terbaik 2 – Tim yangmana, mendapatkan Rp 50 juta

Dalam presentasinya, Tim yangmana menjelaskan bahwa model yang mereka rancang merupakan kreativitas mereka dalam menciptakan fitur baru atau biasa disebut feature engineering, dengan didukung machine learning algorithm XGBoost, yang dikenal luas menjuarai kompetisi predictive modelling. Selain itu, mereka juga mampu menjelaskan apa yang terjadi pada model yang mereka buat menggunakan SHAP scoring, di mana umumnya model itu sulit dijelaskan karena black box dan kompleks.

Kedua finalis lainnya dalam kategori Credit Scoring adalah Tim FullKeju dan growingtaiba. Kedua tim ini berhak mendapatkan hadiah senilai Rp 10 juta. Satu tim lainnya, s1mple terpaksa didiskualifikasi karena tidak hadir ke acara Demo Day sesuai syarat dan ketentuan kompetisi.

Kategori Fraud Detection

finhacks 2018 data challenge demo day
Tim Terbaik Kategori Fraud Detection

Terbaik 1 – Tim exB202, mendapatkan Rp 80 juta

Dalam presentasinya, Tim exB202 menjelaskan bahwa model yang mereka desain sangat sederhana namun performanya sangat tinggi, serta tidak memerlukan komputer dengan kemampuan komputasi yang tinggi untuk mengimplementasikannya. Algoritma utama yang mereka pakai adalah Gradient Boosting Decision Trees (GBDT), dengan implementasi XGBoost. Mereka mendesain fitur tambahan yang dibuat khusus untuk meningkatkan performa GBDT.

Pada awalnya, model tanpa fitur bantuan apapun dihasilkan, kemudian diamati strukturnya. Hasil analisa struktur pohon dipadukan dengan analisis interaksi antar variabel mampu menghasilkan sebuah fitur tambahan yang mendongkrak performa model. Fitur ini mereka beri nama “Durasi”. Pada ahirnya model mereka tersusun atas data mentah dan hanya satu buah fitur tambahan yakni “durasi” yang kemudian dimasukkan ke dalam XGBoost.

Terbaik 2 – Tim Pemula, mendapatkan Rp 50 juta

Dalam presentasinya, Tim Pemula menjelaskan bahwa solusi mereka menggunakan ensemble method yang dinamakan stacking. Intinya adalah dengan menggunakan prediksi dari 10 model machine learning yang berbeda. Model machine learning yang kedua juga dilatih dengan mempelajari kesalahan-kesalahan dari model machine learning sebelumnya. Lalu digunakan juga XGBoost yang hyperparameters-nya di-fine-tune dengan Bayesian Optimization. Final predictions-nya adalah dengan mengambil rata-rata dari model XGBoost dan stacked models untuk mengurangi variance dari model-model dan mencegah overfitting.

Ketiga finalis lainnya dalam kategori Fraud Detection adalah Tim 3M, NRGO, dan theDoctor. Ketiga tim ini berhak mendapatkan hadiah senilai Rp 10 juta.

Kategori ATM Cash Optimization

finhacks 2018 demo day
Tim Terbaik Kategori ATM Cash Optimization

Terbaik 1 – Tim dilan, mendapatkan Rp 80 juta

Dalam presentasinya, Tim dilan menjelaskan model machine learning yang mereka kembangkan merupakan model gabungan terbaik yang dipilih dari 4 model XGBoost dengan skenario variabel tanggal gajian yang bermacam-macam dan 1 model Naive (150 ATM).

Variabel yang paling penting untuk memprediksi penarikan uang pada periode tersebut adalah variabel tanggal gajian, dengan asumsi umum bahwa tanggal gajian di akhir bulan yang jatuh di hari libur akan dipindahkan di hari sebelumnya yang bukan hari libur. Hasil prediksi dari model yang digunakan mendapatkan hasil prediksi terbaik dari 124 model yang dikirimkan.

Terbaik 2 – Tim Resistance, mendapatkan Rp 50 juta

Dalam presentasinya, Tim Resistance menjelaskan bahwa mereka memprediksi jumlah penarikan uang (withdrawals) ATM pada waktu tertentu dengan memanfaatkan data historis yang tersedia. Saat mengeksplorasi data, mereka menemukan bahwa pada umumnya jumlah penarikan pada hari Minggu dan hari libur lebih rendah daripada hari lain, sedangkan penarikan para akhir bulan (dekat tanggal penerimaan gaji) cenderung meningkat. Mereka juga mencoba mengelompokkan ATM dan menemukan adanya sejumlah ATM yang tampaknya terletak di perkantoran dan pusat perbelanjaan.

Model Gradient Boosting Decision Tree yang mereka buat dilatih dengan menggunakan pola penarikan uang masing-masing ATM terhadap rata-ratanya. Misal, ATM K1 memiliki penarikan lebih rendah pada hari Minggu, karena jumlah penarikannya hanya 0.6*mean. Berdasarkan hasil pengujian pada validation set, model ini mampu menangkap pola kenaikan dan penurunan withdrawals dengan cukup baik – jika dibandingkan dengan model time series yang mereka buat sebelumnya.

Ketiga finalis lainnya dalam kategori ATM Cash Optimization adalah Tim Nasi Kuning, Talam, Stat-Ion. Ketiga tim ini berhak mendapatkan hadiah senilai Rp 10 juta.

“Melalui Finhacks 2018 #DataChallenge, kami meyakini bakat terbaik dari para data scientist di Tanah Air dapat terjaring sehingga para talenta terbaik ini mampu berkreasi secara maksimal dengan data dan mengeksekusinya hingga menjadi rumusan solusi di bidang perbankan,” jelas Jahja Setiaatmadja, Presiden Direktur BCA.

Kelimabelas tim terpilih tersebut merupakan hasil dari kompetisi yang dilakukan secara online di website resmi https://finhacks.id/. Dimulai sejak tanggal 8 Agustus 2018, para peserta ditantang untuk mengembangkan model machine learning di tiga kategori, yaitu Credit Scoring, Fraud Detection, dan ATM Cash Optimization. Lewat gelaran Finhacks 2018 #DataChallenge, berhasil terkumpul sebanyak 4.162 peserta yang melakukan registrasi di website resmi.

Tidak hanya kompetisi, gelaran Finhacks 2018 #DataChallenge juga telah menyelenggarakan tiga workshop di Jakarta, Yogyakarta, dan Bandung yang diikuti oleh sebanyak 330 peserta di semua kota. Ajang workshop ini menghadirkan beberapa narasumber dari berbagai perusahaan teknologi di Indonesia. Mulai dari Traveloka, Microsoft, DCI Indonesia, Algoritma, Tirto.id, Media Kernels Indonesia, dan tentunya BCA.

Peserta yang telah melakukan registrasi juga wajib mengikuti online pre-assessment test, sebagai syarat untuk dapat mengikuti tahap online data challenge. Lewat kedua tahap ini, terjaring sebanyak 750 peserta yang lulus dan bergabung ke dalam 222 tim, serta menghasilkan sebanyak 605 model machine learning yang dilombakan. Setelah tahap ini ditutup pada tanggal 13 Oktober 2018 dan melewati proses penilaian dari penyelenggara, terpilih 15 tim yang berhak mengikuti tahap Demo Day di Jakarta dan memperebutkan hadiah senilai total Rp 480 juta.

Khusus dalam acara Finhacks 2018 #DataChallenge Demo Day, tidak hanya diisi dengan presentasi peserta. Ada pula sesi diskusi panel bertajuk “Building a Great Data Culture” yang dihadiri oleh Armand Wahyudi Hartono selaku Wakil Presiden Direktur BCA, Crystal Widjaja selaku SVP Business Intelligence and Growth GO-JEK Indonesia, dan Tushar Bhatia selaku Head of Growth & Data Science Bukalapak, dengan moderator Rama Mamuaya selaku CEO DailySocial.id.

Acara ini juga dimeriahkan oleh penampilan dari Dance of HaloBCA, Voice of HaloBCA, serta penampilan spesial dari Cak Lontong, yang berhasil mengundang gemuruh gelak tawa seluruh hadirin di Soehanna Hall, Jakarta lewat sajian stand-up comedy yang cerdas.

Disclosure: Artikel ini adalah advertorial untuk rangkaian acara Finhacks 2018 #DataChallenge yang didukung oleh BCA.

Inilah 15 Finalis Finhacks 2018 #DataChallenge yang Lolos ke Babak Demo Day

Finhacks 2018 #DataChallenge akan segera menuju acara puncaknya. Di akhir gelaran ini telah berhasil terkumpul sebanyak 605 machine learning model dari 222 tim. Tak lama lagi akan diketahui siapa saja yang berkesempatan memenangkan hadiah senilai total Rp 480 juta.

Pendaftaran Kompetisi Finhacks 2018 #DataChallenge telah dimulai pada tanggal 8 Agustus 2018 dan ditutup pada tanggal 13 Oktober 2018 lalu. Tingginya antusiasme masyarakat terhadap kompetisi Finhacks 2018 #DataChallenge yang diselenggarakan oleh BCA ini mematahkan kekhawatiran sebagian kalangan bahwa minat masyarakat Indonesia di bidang data science masih rendah. Sebanyak 4.162 peserta telah melakukan pendaftaran di situs resmi https://finhacks.id/. Para peserta kemudian harus menyelesaikan online pre-assessment test sebagai syarat untuk mendapatkan akses ke dataset dari tiga kategori yang dilombakan yaitu; Fraud Detection, Credit Scoring, dan ATM Cash Optimization. Dataset inilah yang akan peserta gunakan untuk mengembangkan machine learning model yang bisa menjawab tantangan dari ketiga kategori tersebut.

Untuk menjalin relasi dengan komunitas data science dan untuk mensosialisasikan kompetisi ini, telah dilaksanakan Workshop di tiga kota, yaitu Jakarta, Yogyakarta, dan Bandung. Workshop di ketiga kota tersebut sukses dilaksanakan, serta dihadiri oleh 331 peserta yang merupakan data science enthusiast dari berbagai kota di Indonesia.

Dari 605 machine learning model yang telah disubmit, terdapat 232 model dari kategori Fraud Detection, 249 model kategori Credit Scoring, dan 124 model kategori ATM Cash Optimization. Penyelenggara telah memilih 5 tim terbaik dari tiap-tiap kategori untuk berlaga di babak Demo Day yang akan diselenggarakan di Soehanna Hall Jakarta, tanggal 14 November 2018. Berikut daftar 15 Finalis Finhacks 2018 #DataChallenge:

Kategori Credit Scoring

  • yangmana
  • FullKeju
  • growingtaiba
  • S1mple
  • 4.5 Namun Tetap Keren

Kategori Fraud Detection

  • Pemula
  • exB202
  • 3M
  • NRGO
  • theDoctor

Kategori ATM Cash Optimization

  • dilan
  • Nasi Kuning
  • Talam
  • Resistance
  • Stat-Ion

Selamat kepada para finalis, selamat berjuang di babak Demo Day!. Selanjutnya panitia akan menghubungi para finalis melalui telepon dan email untuk menjelaskan mengenai mekanisme dan persiapan yang harus dilakukan untuk Demo Day.

Tidak lupa penyelenggara mengucapkan terima kasih dan apresiasi yang tinggi kepada seluruh peserta yang telah berpatisipasi di kompetisi ini. Tetap semangat dan menjadi pelopor dalam mendorong kemajuan dan pertumbuhan data science di Indonesia.

Disclosure: Artikel ini adalah advertorial untuk rangkaian acara Finhacks 2018 #DataChallenge yang didukung oleh BCA.

Menyelami Lebih Dalam Tentang Data Science Lewat Workshop

Workshop data science menjadi salah satu bagian dari gelaran Finhacks 2018 #DataChallenge. Dilaksanakan di tiga kota, workshop ini bertujuan untuk memperdalam wawasan peserta mengenai data science, sekaligus membuat mereka semakin mantap untuk mengikuti Kompetisi Finhacks 2018 #DataChallenge.

Finhacks 2018 #DataChallenge telah menyelenggarakan workshop di Jakarta, Yogyakarta, dan Bandung. Konsep dan susunan acara di ketiga kota tersebut sebenarnya dibuat serupa. Namun, karena tema dan narasumber yang dihadirkan beragam, maka tetap dapat dirasakan suasana yang berbeda di setiap kotanya.

Workshop Jakarta

Untuk workshop yang pertama dilaksanakan di Jakarta pada 1 September 2018, tepatnya di The Akmani Hotel. Meski Jakarta sempat diguyur hujan di pagi hari, namun antusiasme para peserta workshop tetap besar, dibuktikan dengan tingkat kehadiran peserta yang tinggi dan memenuhi seluruh kursi yang disediakan panitia.

Narasumber yang hadir dalam workshop di Jakarta adalah Adhitya Bhaswara – Data Scientist BCA, Samuel Chan – Co-Founder Algoritma, dan Djarot Subiantoro – Co-Founder DCI Indonesia. Dimoderatori oleh Wiku Baskoro dari DailySocial.id, tema yang diangkat dalam sesi diskusi panel ini adalah “Data Science Trend Forecasting”.

Adhitya Bhaswara selaku data scientist BCA menjelaskan mengenai tantangan-tantangan yang dialami oleh para data analyst dalam dunia perbankan. Salah satunya adalah masih banyaknya data perusahaan yang berbentuk non-digital, seperti berupa arsip tulisan dalam lembaran kertas yang jumlahnya sangat banyak. Sebagai seorang data scientist, hal seperti ini mungkin akan dihadapi. Karena tidak semua perusahaan, apalagi yang telah lama berdiri, memiliki data digital sejak awal memulai bisnisnya.

Djarot Subianto sebagai co-founder DCI Indonesia lebih banyak menjelaskan mengenai hubungan big data dengan Artificial Intelligence, serta pemanfaatannya saat ini. Sedangkan Samuel Chan berbicara tentang pentingnya pemahaman mengenai pengelolaan data yang baik dalam perusahaan.

Selain diskusi panel, terdapat pula sesi training data science yang dipandu oleh Tiara Dwiputri – Senior Data Science Instructor Algoritma, selama 3 jam. Dalam training ini, para peserta juga dapat mengikuti materi dan melakukan praktik secara langsung dengan menggunakan laptop yang mereka bawa. Videonya juga dapat kamu lihat di bawah ini:

Workshop Yogyakarta

Workshop kedua diselenggarakan di Hotel Tentrem, Yogyakarta pada 8 September 2018. Animo peserta pada workshop Yogyakarta ini juga sangat tinggi, bahkan panitia sempat menyediakan kursi tambahan. Sebab, jumlah peserta yang hadir lebih banyak daripada peserta yang telah mengkonfirmasi kehadirannya kepada panitia. Namun, acara tetap berjalan lancar tanpa kendala yang berarti.

Adhitya Bhaswara selaku Data Scientist BCA kembali hadir menjadi narasumber di ketiga kota, dengan didampingi Doan Siscus – Head of Data Analytics Traveloka dan Marsya Juwita Aderizal – Product Marketing Manager Data and AI Microsoft. Moderator untuk sesi diskusi panel ini adalah Randi Eka Yonida dari DailySocial.id, dengan tema “Why Effective Data Science Needs Customer-Centric Mindset”. Sedangkan, sesi training dipandu oleh Ajeng Prastiwi – Junior Data Science Instructor Algoritma.

Marsya Aderizal dari Microsoft menjelaskan mengenai transformasi bisnis konvensional menggunakan teknologi berbasis data (data driven technology). Dengan pemanfaatan data driven technology dalam bisnis, maka perusahaan akan lebih mudah mendapatkan insight mengenai apa saja yang harus dilakukan untuk mengembangkan bisnis.

Doan Siscus dari Traveloka membagikan pengalamannya selama bekerja menjadi seorang data advocator. Data scientist tidak hanya bertugas mengolah dan menganalisis data, tetapi juga harus memikirkan bagaimana hasil pengolahan data tersebut dapat digunakan untuk mengembangkan produk yang bermanfaat, diperlukan, dan disukai oleh para pengguna.

Workshop Bandung

Workshop Finhacks 2018 #DataChallenge yang terakhir dilaksanakan di Mercure Bandung City Centre pada 15 September lalu. Jumlah peserta yang hadir tidak kalah tinggi dengan kota-kota lainnya. Selain Adhitya Bhaswara dari BCA, narasumber yang hadir di Workshop Bandung adalah Dinda Purnamasari – Senior Researcher Tirto.id dan Ismail Fahmi – Founder Media Kernels Indonesia.

Dinda Purnamasari dari Tirto.id menjelaskan mengenai pemanfaatan data dalam bisnis media, untuk menyampaikan informasi yang lebih akurat dan mendalam. Tirto.id sebagai media jurnalisme berbasis data menjadi contoh kasus yang dibahas dalam presentasinya. Ia juga menjelaskan berbagai tantangan yang dihadapi oleh jurnalisme berbasis data.

Ismail Fahmi, founder Media Kernels Indonesia juga membagikan kisahnya dalam mengembangkan Drone Emprit. Konsep dasarnya adalah membaca pola (pattern) dengan data science, Drone Emprit telah berkontribusi membantu pemerintah, khususnya Kemenkominfo untuk menganalisis lalu lintas data, serta mengurangi penyebaran pornografi, judi online, dan berita hoaks.

Diskusi panel yang dimoderatori oleh Wiku Baskoro dari DailySocial.id juga berlangsung seru. Lewat tema “Data as a Cornerstone of Business Sustainability” sesi ini memancing banyak pertanyaan dari para peserta. Kemudian, acara dilanjutkan dengan sesi training yang dibawakan langsung oleh Samuel Chan selaku Co-Founder Algoritma.

Armand Hartono, Wakil Presiden Direktur BCA yang juga hadir dalam workshop Jakarta dan Yogyakarta mengatakan,”Saat ini pengolahan data menjadi hal yang sangat penting bagi bisnis. Makanya, di tahun ini BCA mengangkat data challenge sebagai tema utama Finhacks 2018. KIta yakin bahwa Indonesia juga memiliki data scientist berkualitas. Ayo buat negara lain terpana kepada kita dan jadikan Indonesia terbaik di bidang data.”

Para peserta yang mengikuti workshop juga merasa mendapatkan banyak pengetahuan dan wawasan baru mengenai data science lewat diskusi panel dan training yang diberikan. Selain memperdalam pemahaman teknis mengenai Kompetisi, mereka juga menjadi semakin yakin dalam menentukan pilihan kategori yang akan dipilih, yaitu antara Credit Scoring, Fraud Detection, dan ATM Cash Optimization.

Nah, bagi kamu yang telah mendaftar menjadi peserta Kompetisi Finhacks 2018 #DataChallenge dan telah lulus online pre-assessment test, apalagi buat yang juga telah mengikuti workshop, yuk segera submit model machine learning dari dataset yang telah diberikan.

Batas waktunya tinggal sebentar lagi, loh. Yaitu sampai tanggal 13 Oktober nanti. Jangan sampai kelewatan dan ketinggalan. Ingat, ada hadiah senilai total Rp 480 juta menanti kamu! Ayo kerjakan dan submit model machine learning-nya sekarang juga!

Disclosure: Artikel ini adalah advertorial untuk rangkaian acara Finhacks 2018 #DataChallenge yang didukung oleh BCA

Finhacks 2018 #DataChallenge Sambangi 3 Kota di Indonesia

Gelaran Finhacks 2018 #DataChallenge telah dimulai sejak 8 Agustus 2018 lalu. Ajang kompetisi ini hadir bagi kamu, para data science enthusiast, untuk menciptakan solusi inovatif dalam menjawab permasalahan dunia perbankan lewat perspektif data science. Selain menjadi bagian dari ekosistem data science di Indonesia, kamu juga berkesempatan meraih hadiah senilai total Rp 480 juta.

Finhacks 2018 #DataChallenge merupakan wujud nyata dari komitmen PT Bank Central Asia Tbk. (BCA) untuk mendorong kemajuan dan pertumbuhan data science di Indonesia. Dalam kompetisi ini, para data science enthusiast ditantang untuk mengembangkan model machine learning, yang dapat menghadirkan solusi bagi tiga masalah perbankan yang diangkat, yaitu Credit Scoring, Fraud Detection, dan ATM Cash Optimization.

 

 

Kompetisi Finhacks 2018 #DataChallenge terbuka bagi seluruh warga negara Indonesia. Baik dari kalangan data scientist, IT developer, mahasiswa IT, hingga startup di Indonesia. Namun, kesempatan ini juga terbuka buat kamu yang masih awam dengan dunia data science, lho! Untuk membekali diri sebelum mengikuti kompetisi, kamu bisa mengikuti Workshop Data Science terlebih dahulu.

Workshop Data Science merupakan bagian dari rangkaian acara Finhacks 2018 #DataChallenge yang akan diselenggarakan di tiga kota, yaitu Jakarta, Yogyakarta, dan Bandung. Dalam Workshop ini, kamu bisa menyaksikan talkshow dan diskusi panel mengenai data science yang akan disampaikan oleh para praktisi ahli dan data scientist professional.

Berikut jadwal dan tema Workshop Finhacks #DataChallenge yang bisa kamu ikuti.

  • Workshop Jakarta: “Data Science Trend Forecasting“
    1 September 2018, The Akmani Hotel Jakarta
  • Workshop Yogyakarta: “Why Effective Data Science Needs Customer- Centric Mindset“
    8 September 2018, Hotel Tentrem Yogyakarta
  • Workshop Bandung: “Data as a Cornerstone of Business Sustainability“
    15 September 2018, Mercure Bandung City Centre

Dalam acara Workshop Finhacks #DataChallenge, diadakan pula sesi training dan praktik secara langsung yang akan diberikan oleh tim dari Algoritma. Para peserta diwajibkan membawa laptop sendiri untuk dapat mengikuti sesi training ini, agar lebih mudah dalam mengikuti materi yang diberikan. Untuk mengikuti Workshop Finhacks 2018 #DataChallenge, kamu bisa mendaftarkan diri secara online lewat url berikut ini: https://finhacks.id/index/event

Dengan memperdalam pengetahuan dan wawasan lewat Workshop Data Science ini, kamu akan mendapatkan bekal yang cukup dan menambah kepercayaan diri kamu untuk mengikuti kompetisi Finhacks 2018 #DataChallenge. Kesempatan kamu pun terbuka lebar untuk meraih hadiah senilai total Rp 480 juta. Yuk daftarkan diri kamu sekarang juga!

Disclosure: Artikel ini adalah advertorial untuk rangkaian acara Finhacks 2018 #DataChallenge yang didukung oleh BCA.

Ambil Kesempatanmu untuk Jadi Data Scientist!

Big data saat ini merupakan bagian tak terpisahkan dari bisnis berbasis teknologi. Apalagi bagi perusahaan-perusahaan besar di bidang perbankan, telekomunikasi, marketplace, dan sebagainya yang memiliki lalu lintas data sangat tinggi. Besarnya jumlah dan ukuran data yang masuk dalam sistem jaringan ini tentu membutuhkan penanganan khusus. Di sinilah dibutuhkannya peran penting para tenaga ahli di bidang data science.

Data scientist sedang marak diperbincangkan sebagai profesi yang menjanjikan dengan besaran penghasilan sangat tinggi. Bahkan, dalam majalah Harvard Business Review edisi Oktober 2012, Thomas H. Davenport dan DJ Patil mengatakan bahwa profesi data scientist merupakan “The Sexiest Job of the 21st Century” alias pekerjaan paling seksi di abad ke-21.

Peran data scientist memang sangat penting. Para data scientist harus mengolah, mengorganisir, serta menganalisis data dalam jumlah dan ukuran yang sangat besar tersebut dengan cermat. Mereka juga perlu memvisualisasikan hasil analisisnya dalam bentuk grafik agar lebih mudah dimengerti.

Lebih dari itu, lewat kesimpulan analisis yang dihasilkan, para data scientist diharapkan dapat memberikan saran terbaik mengenai langkah-langkah yang perlu dilakukan dalam meningkatkan kinerja dan keuntungan perusahaan.

Gelaran Finhacks 2018 #DataChallenge

Namun dengan kebutuhan yang tinggi tersebut, jumlah data scientist di Indonesia masih belum mencukupi. Hal inilah yang mendorong PT Bank Central Asia Tbk. (BCA) untuk menggelar Finhacks 2018 #DataChallenge, didukung oleh DailySocial.id dan Algoritma dalam penyelenggaraannya.

Gelaran ini sekaligus memperlihatkan komitmen BCA untuk meningkatkan perkembangan data science sekaligus juga pertumbuhan data scientist di Indonesia. Hal tersebut dimungkinkan mengingat Finhacks 2018 #DataChallenge menjadi sebuah ajang kompetisi yang memberikan kesempatan bagi para talenta muda di bidang data science untuk membuktikan diri dengan menciptakan terobosan di bidang machine learning data. Dampak positif lainnya, gelaran ini sekaligus juga mendorong peningkatan kualitas ekosistem data science di Indonesia.

Para peserta Finhacks 2018 #DataChallenge akan ditantang untuk mengembangkan model dari dataset yang diberikan. Model tersebut harus mampu memberikan solusi inovatif bagi tiga permasalahan dunia perbankan yang diangkat, yaitu Credit Scoring, Fraud Detection, dan ATM Cash Optimization. Semua tantangan dapat diikuti dan dikerjakan secara online lewat website resmi https://finhacks.id/.

Raih Hadiah Senilai Total Rp 480 Juta

Penyelenggara akan memilih 15 finalis dengan model terbaik yang akan mempresentasikan hasil karyanya dalam babak Demo Day di Jakarta. Terdapat hadiah uang tunai yang disediakan bagi para pemenang Finhacks 2018 #DataChallenge senilai total Rp 480 juta. Jadi, tunggu apa lagi? Bagi kamu yang berminat mengikuti ajang ini langsung saja mendaftar secara online lewat website resmi https://finhacks.id/.

Selain itu, bagi kamu yang tertarik untuk memperluas wawasan mengenai data science, akan dilaksanakan pula roadshow dan workshop Finhacks 2018 #DataChallenge di Jakarta, Yogyakarta, dan Bandung. Pendaftaran untuk acara ini juga dapat dilakukan secara online lewat website resmi https://finhacks.id/.

Disclosure: Artikel ini adalah advertorial untuk rangkaian acara Finhacks 2018 #DataChallenge yang didukung oleh BCA.