Era data, yang dulu terasa seperti fiksi ilmiah, kini sudah menjadi bagian tak terpisahkan dari kehidupan sehari-hari. Chris Mattmann, seorang ahli data yang berpengalaman di NASA selama hampir seperempat abad berbagi pandangannya tentang dunia data yang menarik ini, lengkap dengan berbagai tantangan dan perubahan yang tak terhindarkan. Berikut beberapa tips ringan dan menarik untuk kalian yang tertarik menyelami dunia data.
Mari kita mulai dengan pengalaman yang dimiliki oleh Chris Mattmann. Ia memulai karirnya di dunia data jauh sebelum istilah "data science" populer. Bayangkan, dari tahun 1998 hingga 2007, ia sudah berkecimpung di arsitektur data, data engineering, hingga sistem database. Kecintaannya pada bagaimana semua elemen ini saling berkaitan menjadi fondasi kuat dalam karirnya.
Pada awal 2001, Mattmann memulai petualangannya di NASA sebagai pekerja part-time akademis. Tak lama kemudian, ia diangkat menjadi data engineer dan software engineer. Perjalanan karirnya di Jet Propulsion Laboratory (JPL) NASA terus menanjak, dimulai dari keterlibatannya dalam berbagai misi.
Puncak karirnya tercapai ketika ia memimpin Misi Orbiting Carbon Observatory, sebuah instrumen ilmu kebumian generasi terbaru. Pada tahun 2020, ia mengemban jabatan sebagai Chief Technology and Innovation Officer di JPL. Kisah ini memberikan gambaran menarik bagaimana seseorang bisa mengukir karir gemilang di bidang data.
5 Peringatan Penting dari Seorang Veteran Data
Berbekal pengalaman puluhan tahun di NASA, Mattmann berbagi lima hal penting yang perlu diperhatikan bagi siapa pun yang ingin berkarier di data. Ingat, ini bukan sekadar nasihat, melainkan peringatan yang perlu kalian cerna dengan baik. Kita mulai dengan poin krusial pertama.
1. Kuasai Disiplin Ilmu atau Bidang Data yang Kalian Minati
Meskipun software development dan engineering penting, Mattmann menekankan pentingnya penguasaan disiplin ilmu yang lebih spesifik. Mengapa? Karena data scientist yang memiliki keahlian mendalam dalam bidang tertentu, seperti ilmu kebumian atau astronomi, seringkali lebih unggul. Mereka memahami konteks data yang akan mereka olah.
Contohnya? Alih-alih hanya fokus pada coding, memahami ilmu kebumian akan sangat membantu dalam mengolah data terkait lingkungan, iklim, atau bahkan penelitian planet. Bayangkan, kalian bisa mengolah data dengan lebih efektif karena kalian memahami latar belakang ilmiah dari data tersebut.
Mattmann menyarankan untuk memilih jurusan ilmu pengetahuan yang spesifik, bukan hanya ilmu komputer atau software. Mengingat AI akan semakin canggih, bidang keilmuan yang lebih spesifik akan memberikan keunggulan kompetitif jangka panjang. Jadi, siapkan diri untuk menguasai lebih dari sekadar syntax!
2. Raih Pengalaman Awal di Bidang Operasional Data Science
Terjunlah langsung ke dunia nyata. Mattmann menyarankan dua cara untuk mendapatkan pengalaman. Pertama, manfaatkan open-source tools dan data yang tersedia secara gratis. Kembangkan proyek menarik, lalu unggah ke GitHub agar bisa dilihat dan dievaluasi orang lain.
Kedua, carilah mentor atau lakukan magang. Ini adalah cara yang bagus untuk belajar dari para ahli dan mendapatkan pengalaman langsung. Yang penting, jangan hanya berfokus pada penelitian, guys. Pelajari juga software engineering yang dibutuhkan untuk mengaplikasikan hasil penelitian ke dunia nyata.
Mattmann menemukan bahwa bidang operasional lebih menarik dan tidak terlalu kompetitif dibandingkan penelitian. Ia terlibat dalam berbagai proyek operasional data, mulai dari misi NASA hingga software seperti Apache Hadoop dan Apache Tika, yang digunakan oleh jutaan orang di seluruh dunia. Jangan cuma jago teori, coba juga praktikkan!
3. Siap Menjadi "Penolong" Ketimbang Pemimpin Domain
Ego perlu dikesampingkan. Kalian harus siap untuk bekerja di balik layar, menganalisis data, dan memberikan kontribusi yang mungkin tidak selalu mendapat pengakuan utama. Ingat, kalian adalah pahlawan tanpa tanda jasa.
Mattmann mengaku bahwa ia seringkali merasa seperti "ilmuwan kecil" dibandingkan ilmuwan "besar". Ia sering kali hanya menjadi penulis kedua atau terakhir dalam publikasi yang sebenarnya ia sumbangkan kontribusi terbesar. Mau tidak mau, kalian adalah asisten bagi para ilmuwan yang menjadi fokus utama.
Tetapi, jangan khawatir, ini justru membuka peluang baru. Kalian akan menjadi "penolong" dalam mengembangkan dan mengoperasikan AI. Ini adalah bagian yang sangat penting dalam ekosistem data. Jika punya manajer yang kalian percayai, coba untuk ikut serta dalam penelitian, AI research, dan analitik.
4. Bangun Jaringan Pertemanan yang Kuat
Data science adalah olahraga tim. Kalian membutuhkan teman yang akan mendukung dan tertarik dengan apa yang kalian lakukan. Jangan merasa sendirian.
Mattmann menekankan pentingnya komunitas. Jika kalian merasa terisolasi, jangan ragu untuk mengikuti kompetisi data, menghadiri meet-up, dan membangun jaringan pertemanan. Networking itu penting!
Pertimbangkan apakah kalian lebih menyukai tugas analitis atau pekerjaan operasional. Punya kombinasi keahlian analitis dan operasional cenderung membuat kalian menjadi pemimpin yang baik. Jangan lupa, burnout itu nyata!
5. Adaptasi Terhadap Perubahan Akibat AI yang Masif
AI akan mengubah lanskap data science secara drastis. Analisis data akan semakin otomatis dan dilakukan lebih baik oleh AI dalam 5-10 tahun mendatang. Namun, pelatihan AI dan penyempurnaan data akan tetap menjadi fokus utama.
AI sangat bergantung pada data. Memahami matematika, statistik, serta bagaimana mengevaluasi data science dan AI akan menjadi lebih penting daripada membangunnya. Memahami implikasi hukum dan etika dalam pengembangan AI dan model data akan sangat krusial.
Kalian harus mampu menceritakan kisah data dengan lebih baik dan bersiap menjadi pemain pendukung dalam AI. Jangan khawatir, guys, ini bukan akhir dari segalanya.
Permintaan Terhadap Data Scientist Masih Tinggi
Data science masih menjadi pilihan yang menjanjikan. Bidang ini bisa ditemukan di berbagai sektor, mulai dari industri, pemerintahan, komersial, hingga dunia akademis. Di era AI, permintaan terhadap data scientist tetap tinggi karena data adalah bahan bakar bagi AI.
Bahkan, di tengah pemangkasan anggaran pemerintahan, menjadi data scientist memberikan stabilitas. Jadi, jika kalian tertarik dengan dunia data, inilah saat yang tepat untuk memulai. Jangan ragu untuk mengambil langkah awal, guys!
