Catatan Pembelajaran

Catatan Pembelajaran: Pertimbangkan
bagaimana analis data melakukan tugas

Tinjau enam fase analisis data
Sebelum Anda menulis entri Anda di log pembelajaran Anda, renungkan studi kasus
sebelumnya. Analis data ingin menggunakan data untuk meningkatkan retensi karyawan. Untuk
melakukan itu, mereka harus memecah proyek yang besar menjadi tugas-tugas kecil yang
mudah dikelola. Analis mengatur tugas dan aktivitas tersebut di dalam enam fase proses
analisis data:
1. Bertanya
2. Mempersiapkan
3. Memproses
4. Menganalisis
5. Membagikan
6. Bertindak
Analis mengajukan pertanyaan untuk menentukan masalah yang harus dipecahkan dan
bagaimana pencapaian mereka dianggap sebagai hasil yang sukses. Selanjutnya, mereka
mempersiapkan diri dengan menyusun lini masa dan mengumpulkan data melalui survei
karyawan yang dirancang secara inklusif. Mereka mengolah data dengan memeriksanya untuk
memastikan data tersebut lengkap, benar, relevan, dan bebas dari kesalahan dan outlier.
Mereka menganalisis data bersih survei karyawan. Kemudian para analis membagikan temuan
dan rekomendasi mereka kepada para ketua tim. Setelah itu, atasan bertindak berdasarkan
temuan dan berfokus pada pembenahan area-area utama.
Mengakses log pembelajaran Anda

Untuk menggunakan log pembelajaran materi ini, klik tautan di bawah dan pilih “Use
Template”.
Tautan ke template log pembelajaran: Pertimbangkan bagaimana analis data melakukan tugas
ATAU
Jika Anda tidak memiliki akun Google, Anda dapat langsung mengunduh template dari lampiran
di bawah ini.
Hai. Saya Cassie, dan saya yang memimpin Kecerdasan dalam pengambilan keputusan
untuk Google Cloud. Kecerdasan dalam pengambilan keputusan adalah
kombinasi dari ilmu data terapan dan ilmu sosial dan manajerial. Ini semua tentang bagaimana
memanfaatkan kekuatan dan keindahan data. Saya membantu Google Cloud
beserta pelanggannya dengan mengubah data mereka untuk menjadi bermanfaat sehingga
bisnis dan dunia mereka menjadi lebih baik.
Analis data adalah seorang penjelajah, detektif, dan seniman semua digabung menjadi
satu peran. Analitik adalah pencarian inspirasi. Anda tidak tahu apa yang akan menginspirasi
Anda sebelum Anda menjelajah, sebelum Anda melihat-lihat. Ketika Anda memulai, Anda tidak
tahu apa yang akan Anda temukan dan bahkan apakah Anda akan menemukan sesuatu
tersebut. Anda harus berani menyelam ke sesuatu yang tidak Anda ketahui sebelumnya dan
menemukan apa yang ada di dalam data Anda. Ada mitos yang tersebar bahwa seseorang yang
bekerja dengan data harus mengetahui segala sesuatu mengenai data. Saya pikir itu tidak akan
membantu karena dunia data telah berkembang. Telah meluas sedemikian rupa sehingga
spesialisasi menjadi penting. Sangat, sangat sulit untuk satu orang mengetahui dan memahami
segala sesuatu tentang data. Itulah mengapa kita membutuhkan peranan yang berbeda. Saran
yang saya berikan kepada orang-orang yang memasuki bidang ini adalah memilih spesialisasi
mereka berdasarkan minat, dari jenis dampak mana yang paling sesuai dengan kepribadian
mereka.
Saat ini, ilmu data, disiplin ilmu mengenai kegunaan data, adalah istilah umum yang
mencakup tiga disiplin ilmu: machine learning, statistik, dan analitik.
Ketiganya dipisahkan oleh seberapa banyak keputusan yang Anda tahu harus Anda ambil
sebelum Anda memulainya. Jika Anda ingin membuat beberapa keputusan penting yang tidak
pasti, hal tersebut adalah statistik. Jika Anda ingin mengotomatisasi, atau ingin membuat
banyak sekali keputusan dalam ketidakpastian, itu adalah machine learning
dan AI. Tapi bagaimana jika Anda tak tahu berapa banyak keputusan yang
ingin Anda buat sebelum memulai? Bagaimana jika yang Anda cari adalah inspirasi? Anda ingin
menemukan hal-hal yang tidak Anda ketahui. Anda ingin memahami dunia Anda. Hal tersebut
adalah analitik. Saat Anda mempertimbangkan ilmu data dan Anda memilih bidang mana yang
menjadi spesialisasi Anda, Saya sarankan sesuaikan dengan kepribadian Anda. Manakah dari
tiga keunggulan ilmu data tersebut yang lebih sesuai untuk Anda? Keunggulan statistik adalah
ketelitian. Ahli statistik pada dasarnya adalah para filsuf, epistemologists.
Mereka sangat, sangat berhati-hati mengenai bagaimana melindungi pembuat keputusan agar
tidak mengambil kesimpulan yang salah. Jika pemeliharaan dan ketelitian adalah sesuatu yang
Anda sukai, Saya akan merekomendasikan statistik. Kinerja merupakan keunggulan dari ahli
machine learning dan AI. Anda tahu bahwa hal tersebut
cocok untuk Anda jika seseorang berkata pada Anda, "Aku yakin kau tidak bisa membangun
sistem otomasi yang melakukan tugas dengan akurasi 99,99999 persen," dan jawaban Anda
adalah, "Lihat saya." Bagaimana dengan analitik? Keunggulan seorang analis adalah kecepatan.
Seberapa cepat Anda bisa berselancar dengan menggunakan sejumlah besar data untuk
mengeksplorasinya dan menemukan permata, dalam indahnya potensi wawasan, mana yang
layak untuk diketahui dan dibawa ke pembuat keputusan Anda? Apakah Anda senang dengan
ambiguitas dalam eksplorasi? Apakah Anda senang dengan gagasan untuk mengerjakan banyak
hal yang berbeda, melihat banyaknya sumber data yang berbeda, dan berpikir melalui
banyaknya informasi, sembari berjanji untuk tidak melewatkan wawasan potensial yang
penting? Apakah Anda baik-baik saja jika diberi tahu, "Di sini ada banyak data. Tidak ada yang
pernah melihatnya sebelumnya. Carilah sesuatu yang menarik"? Apakah Anda senang dalam
proyek yang kreatif, dan terbuka? Jika itu Anda, maka analitik kemungkinan adalah bidang yang
paling sesuai untuk Anda. Sedikit saran dari saya untuk analis yang memulai perjalanan ini
dapat menjadi cukup menakutkan untuk mengeksplorasi sesuatu yang belum diketahui. Tapi saya
sarankan untuk melepaskan sedikit godaan menuju kesempurnaan, dan sebaliknya nikmatilah
kesenangannya, sensasi dari eksplorasi. Jangan khawatir tentang jawaban yang benar. Lihatlah seberapa
cepat Anda dapat membuka hadiah ini dan mencari tahu apakah ada sesuatu yang menyenangkan di
sana. Ini seperti ulang tahun Anda, membuka banyak hadiah. Beberapa hadiah ada yang Anda suka,
beberapa tidak. Tapi bukankah menyenangkan mengetahui apa yang sebenarnya ada di sana?

Catatan Pembelajaran

Diunggah oleh

Hak Cipta:

Format Tersedia

Catatan Pembelajaran

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Catatan Pembelajaran

Diunggah oleh

Hak Cipta:

Format Tersedia

Catatan Pembelajaran: Pertimbangkan

bagaimana analis data melakukan tugas

Mengakses log pembelajaran Anda

Anda mungkin juga menyukai