Fauzi Hasan
Doctor of Management Information System Doctor of Financial Management Professor of Project Management-American Academy President American Academy Asia Pacific.
Penulis pada kesempatan ini menyampaikan perspektif dan pemahamannya terkait Data Science dimana aplikasinya akan menembus tabir-tabir prediktif yang selama ini membangun distortion effect pada saat seseorang mengambil keputusan yang mensyaratkan confidence level maksimum. Fenomena absurditas yang merupakan cerminan dari eksistensi resiko operasional sering diidentifikasi sebagai the Realm of Unknown Risk, dimana subjek pengambil keputusan tidak akan pernah mampu mengidentifkasi resiko di domain ini apalagi memitigasi atau mengendalikan resiko yang bersifat inherent pada saat proses pengambilan keputusan; bahkan subjek cenderung bersikap pasrah atas bekerjanya resiko yang berasal dari domain indeterministic ini.
Manusia secara kodratiah (natural existence) selalu ingin menembus domain Inexplicable Absurdities sejak jaman Phitogras, Thales dan Galen yang bagi kebanyakan orang sebahai domain Impenetrable Superstitious atau bagi kebanyakan orang dikenal sebagai domain klenik. Manusia perlu membangun basis ilmiah untuk menjebol dunia klenik ini, sehingga mereka akan lebih confident dalam membangun decision making model sesuai dengan objective yang ingin dicapi. Model ini akan berbasis pada konstruksi mekanik pada algoritma proses pengambilan keputusan dan menggunakan objek data yang komprehensif. Saat ini memindahkan suatu resiko (risk) dari ruang Unknown Risk ke dalam ruang Identified Risk Register membutuhkan biaya yang sangat mahal dan bahkan nyawa manusia. Pendekatan solusi berbasis empirical data statistic sangat diperlukan sebagai navigation solution di ruang atau unknown realm yang pastinya sangat kompleks dan absurd. Teknologi Informasi yang didukung oleh process data mining dan algoritma processing paradigm kiranya dapat berperan yang terwujud dalam konsep dan metoda Data Science.
Metoda ini memberikan kemampuan bagi pengambil keputusan bisnis, metoda ini menggunakan pendekatan multidisiplin yang menggabungkan prinsip dan praktik dari bidang matematika, statistik, kecerdasan buatan (artificial intelligence), dan teknik menganalisis data dalam jumlah besar atau Big Data. Analisis ini membantu dalam menjawab pertanyaan seperti apa yang terjadi, mengapa terjadi, apa yang akan terjadi, dan apa yang dapat dilakukan dengan hasilnya. Data Science dapat melakukan hal-hal yang bermanfaat seperti:
- Analisis Deskriftif: memeriksa data untuk mendapatkan insights tentang apa yang terjadi atau apa yang terjadi di lingkungan data berasal. Hal ini ditandai dengan visualisasi data seperti diagram lingkaran, diagram batang, grafik garis, tabel, atau narasi inferensi yang dihasilkan.
- Analisis diagnostik: pemeriksaan data yang mendalam atau terperinci untuk memahami mengapa sesuatu terjadi. Ini ditandai dengan teknik seperti drill-down, penemuan data (data finding), penambangan data, dan korelasi. Beberapa operasi dan transformasi data dapat dilakukan pada kumpulan data tertentu untuk menemukan pola unik di setiap tahapan teknik ini.
- Analisis prediktif: proses ini menggunakan data historis untuk membuat perkiraan akurat tentang pola data yang mungkin terjadi di masa mendatang. Ini ditandai dengan teknik seperti: machine learning , peramalan, pencocokan pola (pattern matching), dan pemodelan prediktif. Dalam setiap tahapan teknik ini, komputer dirancang untuk merekayasa balik koneksi kausalitas yang dapat diimplikasikan dengan tersedianya data atau dikenal sebagi teknik reverse engineering causality.
- Analisis preskriptif: poses ini akan membawa data prediktif ke tingkat berikutnya. Ini tidak hanya memprediksi apa yang mungkin terjadi tetapi juga menyarankan tanggapan yang optimal terhadap hasil prediksi. Proses ini dapat menganalisis implikasi potensial dari pilihan yang berbeda dan merekomendasikan tindakan terbaik. Hal ini dilakukan dengan menggunakan analisis grafik, simulasi, pemrosesan peristiwa kompleks, neural network, dan machine learning.
Masalah bisnis biasanya memulai proses data science, seorang ahli data science akan mulai bekerja dengan business stake holders untuk memahami apa yang dibutuhkan bisnis. Setelah masalah ditentukan, data scientist dapat menyelesaikannya dengam menggunakan proses data science OSEMN (Obtain Data, Scrub Data, Explore Data, Model Data, Interpret Results).
Data science memainkan peran utama dalam menerapkan teknik canggih dan alat analitik dengan cara yang dapat bermanfaat bagi orang yang membutuhkan. Seperti orang-orang di bidang lain, ahli data science berkewajiban untuk berkontribusi melalui pengetahuan dan keterampilannya untuk melayani industri yang membutuhkan.
Banyak pekerjaan akan hilang, tetapi lebih banyak lagi yang dapat diciptakan melalui penerapan data science dan inovasi teknologi secara efektif. Data science adalah kunci untuk membuat informasi dapat ditindaklanjuti dengan menggunakan volume data yang sangat besar untuk memprediksi perilaku dan menyimpulkan makna dari menghubungkan data dengan cara yang bermakna. Dari menemukan pelanggan terbaik dan menetapkan harga yang tepat hingga mengalokasikan biaya secara akurat dan meminimalkan barang dalam proses dan inventaris, data science membantu bisnis memaksimalkan inovasi.
Alat dan teknologi data science telah berkembang pesat, tetapi tidak ada pengembangan yang lebih penting daripada peningkatan kemampuan kecerdasan buatan atau Artificial Intelligence (AI). AI adalah kemampuan komputer untuk melakukan tugas-tugas yang dulunya eksklusif untuk manusia. Sebelumnya AI mengandalkan sepenuhnya pada pemrograman manusia, namun berkat penerapan machine learning, saat ini sistem komputer dapat belajar dari data untuk lebih mengembangkan kemampuannya. Hasilnya, AI sekarang dapat membaca, menulis, mendengarkan, berkomunikasi, dan bahkan mendengarkan seperti manusia, meskipun dengan cakupan dan kecepatan yang jauh melebihi kemampuan seseorang. Data science dapat berdampak positif pada banyak fungsi bisnis, baik yang berhubungan dengan pelanggan maupun secara internal.
Di era Big Data, data science dan analitik sangat penting untuk kesuksesan semua jenis organisasi, dari perusahaan besar hingga bisnis kecil. Disiplin ini memungkinkan strategi pemasaran yang efektif dan pengambilan keputusan yang bersifat real time. Esensi dukungan utama dari data science pada bisnis adalah keserbagunaannya pada penerapannya untuk menyelesaikan berbagai masalah dalam skala apa pun.
Dari menganalisis postingan media sosial hingga membuat keputusan strategik, ini mengubah wajah bisnis seperti yang kita ketahui. Berikut adalah beberapa manfaat lain dari data science yang membuat perbedaan dalam lanskap bisnis. Berikut adalah manfaat realistik bagi industry terkait penggunaan metode data science:
- Memitigasi risiko dan fraud, penerapan data science dapat mengelola data yang memiliki karakteristik khusus, dan aplikasi metodologi statistik, network path dan Big Data untuk membuat peringatan yang membantu memastikan respons tepat ketika menemukan data yang tidak biasa dikenali.
- Menyampaikan produk yang relevan, salah satu manfaat data science adalah organisasi dapat menemukan kapan dan di mana produk mereka paling laris terjual. Ini dapat membantu memberikan produk yang tepat pada waktu yang tepat dan dapat membantu perusahaan mengembangkan produk baru untuk memenuhi kebutuhan pelanggan mereka.
- Pengalaman pelanggan yang dipersonalisasi. Salah satu manfaat data science yang paling menarik adalah memberikan dukungan pada kemampuan tim penjualan dan pemasaran untuk memahami pelanggan mereka pada tingkat yang sangat terperinci. Dengan pengetahuan ini, organisasi dapat menciptakan pengalaman pelanggan (customer experience) sebaik mungkin.
Memperhatikan proses dan manfaat data science, selanjutnya apakah kita dapat mereduksi atau kalaupun kita tidak bisa menghilangkan sama sekali resiko yang melekat pada proses pengambilan keputusan yang ada di semua sistem platform baik bisnis, industri manufacturing dan jasa, paling tidak kita sudah mulai mendifinisikan absurditas yang secara natural ada implikasi kegagalannya (failures) dengan biaya yang harus ditanggung. Penulis dapat menyimpulkan bahwa data science adalah kendaraan baru untuk melakukan systematic dialectic excursion di dalam ruang absurdities realm apapun final objective kita, naluri postulatif dan hipotetis kita mendikte adanya sarana di realm ini, terobosan lebih lanjut sangat dibutuhkan guna memuaskan logical inquiries yang ada di benak kita. Semoga tulisan pendek ini dapat menggugah keberminatan Bpk dan Ibu untuk selalu mengasah scientific notions sebagai sesuatu yang bersifat pertinent characteristic pada diri seorang intelektual yang professional. Terimakasih
Sang Penghimpun