PODCAST

Mengenal Data Scientist: Pengolah Data, Pengubah Dunia

Ingin mengenal apa itu Data Scientist? Selain mengolah data, apa skill yang dibutuhkan dan seberapa penting perannya dalam membantu bisnis? Baca di sini.

Havez Vazirani Al Kautsar

Havez Vazirani Al Kautsar

11 Januari 2022 • 7 mins reading

Mengenal Data Scientist: Pengolah Data, Pengubah Dunia

World Economic Forum memprediksi bahwa di tahun 2025, profesi Data Scientist akan menjadi pekerjaan yang paling dibutuhkan di bidang teknologi. Wajar memang, karena sekarang pun kita telah berada di era disrupsi teknologi. 

Di era ini, arus informasi melaju dengan sangat cepat. Dampaknya, berbagai data yang membawa informasi pun berseliweran dan jumlahnya terus mengalami peningkatan. Seagate UK bahkan memperkirakan bahwa di tahun 2025 nanti, jumlah seluruh data di dunia akan mencapai 175 zettabyte alias 175 triliun gigabyte! Besar sekali, bukan?

Jika dilihat dari sudut pandang industri, tentunya perusahaan memerlukan orang yang dapat mengolah, menganalisis, hingga mengubah masifnya data menjadi manfaat yang luar biasa. Nah, di sinilah Data Scientist memainkan perannya.

Apa Itu Data Scientist: Pengertian, Tugas, dan Pentingnya Data Scientist

Data Scientist Bank BRI sedang mengolah data perbankan

Pengertian Data Scientist


Data Scientist adalah orang yang bertanggung jawab untuk mengolah dan menganalisis data. Data yang telah diolah akan menjadi bahan pertimbangan bagi perusahaan untuk mengambil keputusan selanjutnya.

Selain itu, Data Scientist juga berperan sebagai problem solver atau penyedia solusi bagi permasalahan bisnis yang dihadapi perusahaan. Dalam menyelesaikan masalah, seorang Data Scientist menggunakan data yang dilengkapi dengan metode ilmiah sebagai senjata utamanya, seperti metode statistika dan matematika.

Tugas Data Scientist


Dalam kesehariannya, seorang Data Scientist bertugas untuk memecahkan permasalahan bisnis berdasarkan pendekatan-pendekatan statistik dan matematik. Akan tetapi, pada kenyataannya bukan hanya kemampuan kalkulasi saja yang diperlukan.

Seorang Data Scientist juga harus memahami konteks bisnis dari permasalahan yang sedang dihadapi. Hal ini diperlukan agar proses pemecahan masalah tidak keluar dari koridor bisnis. Contohnya seperti pada Data Scientist di Bank BRI.

Sebelum mulai mengolah data, Data Scientist Bank BRI harus memahami bagaimana sistem kerja hingga proses bisnis di industri perbankan berjalan. Apabila sudah memahaminya, maka Data Scientist dapat mengolah data yang relevan dengan kebutuhan bisnis perusahaan.

Pentingnya Data Scientist


Seperti yang telah dipaparkan di atas, meningkatnya jumlah data kini dan nanti tentunya akan berdampak pada setiap perusahaan, tidak terkecuali Bank BRI. Alasannya, pengolahan data sangat krusial untuk membuat landasan kebijakan hingga mengurangi risiko kesalahan dalam pengambilan keputusan. 

Nah, ketika data berjumlah sangat banyak, perusahaan apa pun dijamin akan mengalami kesulitan untuk mengolahnya. Maka dari itu, data harus diolah oleh tangan yang tepat—tangan yang dapat mengubah data menjadi keputusan yang bermanfaat untuk pertumbuhan bisnis. 

Di sinilah pentingnya Data Scientist. Seorang Data Scientist mampu mengolah data menggunakan pendekatan-pendekatan ilmiah serta didukung dengan logika bisnis sehingga mampu menghasilkan keputusan yang tepat guna.

Perbedaan Data Scientist dan Data Analyst

Data Scientist dan Data Analyst Bank BRI sedang menganalisis data perbankan

Data Scientist seringkali disamakan dengan Data Analyst. Padahal, meskipun sama-sama berhubungan dengan data, kedua profesi ini memiliki perbedaan, khususnya di jenis analisis yang dilakukan.

Pada dasarnya, baik Data Scientist dan Data Analyst bertugas mengolah dan menerjemahkan data secara deskriptif. Artinya, hasil olahan data dikemas dengan visualisasi sedemikian rupa sehingga stakeholder perusahaan mudah memahami pesan dari data yang disampaikan.

Namun, selain melakukan analisis deskriptif, Data Scientist juga melakukan dua jenis analisis data berikut, yaitu:

1. Analisis Prediktif


Data Scientist memanfaatkan data yang sudah diolah untuk membuat model prediksi masa depan. Untuk melakukannya, Data Scientist memanfaatkan machine learning tertentu yang akan membuat pola dari data yang telah diolah. Pola tersebut menjadi prediksi yang selanjutnya dapat ditindaklanjuti oleh perusahaan.

2. Analisis Preskriptif


Data Scientist mengombinasikan seluruh insight dari data yang telah dianalisis untuk membuat keputusan atau aksi terhadap suatu masalah. Karena sifatnya yang krusial dalam mempengaruhi masa depan perusahaan, maka Data Scientist memanfaatkan teknologi Artificial Intelligence (AI) untuk menghasilkan keputusan yang tepat dan akurat.

Data Scientist di Bank BRI

Data Scientist Bank BRI mempresentasikan hasil olahan data

Coba bayangkan pekerjaan konsultan. Dalam kesehariannya, seorang konsultan bertugas memberikan saran dan solusi secara profesional untuk perusahaan. Tujuannya adalah agar target yang direncanakan bisa tercapai dengan sempurna.

Data Scientist Bank BRI juga bekerja layaknya konsultan, yakni memberikan solusi tepat guna bagi capaian perusahaan. Pada praktiknya, Data Scientist Bank BRI menggunakan AI (Artificial Intelligence) dan machine learning pengolahan data. Keduanya berfungsi untuk membuat model yang relevan dengan ekspektasi bisnis perusahaan.

Selain mengolah data, Data Scientist Bank BRI juga harus bisa membangun narasi yang tepat agar insight dari olahan AI dan machine learning dapat dipahami oleh para stakeholder perusahaan. Hal ini diperlukan karena dalam prosesnya, pasti ada hubungan sebab-akibat dari setiap data yang mengarah ke suatu pemaknaan tertentu.

Memanfaatkan Framework OSEMN

Framework OSEMN yang digunakan Data Scientist Bank BRI

Dalam melakukan tugasnya, Data Scientist Bank BRI menggunakan framework OSEMN yang terdiri dari Obtain, Scrub, Explore, Model, Interpret. Penjelasan mengenai langkah-langkah di framework OSEMN adalah sebagai berikut:

1. Obtain

Pada langkah pertama, Data Scientist mengumpulkan setiap data yang relevan dengan tujuan atau target. Dibantu oleh Data Engineer, Data Scientist melakukan pengumpulan data dari semua sumber yang tersedia, mulai dari seluruh aplikasi Bank BRI hingga sumber-sumber eksternal seperti Google Maps. 

2. Scrub

Di tahap ini, data yang telah dikumpulkan akan ‘dibersihkan’. Artinya, Data Scientist akan menginvestigasi keseluruhan data, mulai dari format data, jenis data, atribut data, hingga anomali data yang mungkin terjadi. Jika ditemukan ketidaksesuaian atau bahkan kerusakan data, maka Data Scientist akan melakukan cross-checking dari sumber data terkait.

3. Explore

Selanjutnya, Data Scientist mengeksplorasi pola dari data yang sudah dibersihkan. Data Scientist perlu melihatnya dari sudut pandang bisnis untuk merumuskan saran atau solusi yang tepat berdasarkan pola yang ditemukan. 

4. Model

Inilah tahap di mana orang-orang berkata ‘di sini keajaiban terjadi’. Data Scientist membuat pemodelan data berdasarkan eksplorasi pola. Dalam prosesnya, data yang digunakan hanyalah data yang relevan dengan prediksi hasil akhir.

5. Interpret

Tahap terakhir adalah menginterpretasikan model yang sudah dibuat. Data Scientist akan mempresentasikan temuannya kepada stakeholder sehingga model data dan actionable insights dapat dipertanggungjawabkan.

Pengaplikasian metode OSEMN di Bank BRI nyatanya berguna dalam menyelesaikan permasalahan bisnis hingga pencegahan kasus penipuan (fraud). Untuk contoh terakhir, Bank BRI memiliki satuan tugas BRIFORCE yang memanfaatkan langkah-langkah dari framework OSEMN. 

BRIFORCE mengumpulkan data dan melakukan eksplorasi untuk menemukan pola aktivitas fraud. Dari pola yang ditemukan, Data Scientist akan melakukan identifikasi lebih lanjut dan membuat model data dengan menentukan pola yang paling riskan terjadi fraud. Berdasarkan model tersebut, BRIFORCE akan segera melakukan mitigasi terhadap kemungkinan kasus fraud yang akan terjadi.

BRIBrain, Otak Big Data Bank BRI


Dalam berbagai industri, perusahaan memiliki kumpulan data yang sangat besar dan kompleks. Kumpulan data ini disebut sebagai Big Data. Bank BRI yang bergerak di bidang perbankan pun memiliki Big Data, khususnya data finansial nasabah. Dengan 90 juta lebih nasabah aktif, Bank BRI tentunya memiliki jumlah data yang sangat besar dan beragam. 

Pengolahan Big Data sangat penting karena kumpulan data yang begitu besar ini adalah komoditi utama dalam melakukan analisis data. Maka, sebagai perusahaan data-driven, Bank BRI berusaha memanfaatkan Big Data-nya semaksimal mungkin. Meskipun demikian, pengolahan Big Data tidak mungkin dilakukan Data Scientist sendirian.

Untuk itulah, Bank BRI menggagas BRIBrain, sistem kecerdasan buatan berbasis Big Data dan Artificial Intelligence. BRIBrain berfungsi untuk menyimpan, memproses, dan mengkonsolidasikan segala informasi dari berbagai sumber. Bersama Data Analyst, Data Engineer, dan Data Governance, Data Scientist berkontribusi dalam pengoperasian BRIBrain.

Seperti namanya, BRIBrain menjadi ‘otak’ dalam mengambil keputusan bisnis yang tepat dan presisi sekaligus meningkatkan kualitas produk dan layanan yang ditawarkan oleh seluruh aplikasi Bank BRI. Untuk melakukan tugasnya, BRIBrain memiliki empat fungsi utama, yaitu: 

1. BRILINK Score. 

Fungsi ini membuat penilaian kelayakan calon agen BRILink dapat dilakukan secara praktis dan real-time

2. Credit Score 

Pendekatan machine learning membuat proses penilaian kredit (credit scoring) menjadi lebih akurat, lebih cepat, serta minim resiko. Hasilnya, persetujuan dan pencairan pinjaman dapat dilakukan secara instan. Risiko kredit macet pun dapat diantisipasi.

3. Customer Profiling Score 

BRIBrain membantu memetakan setiap profil nasabah secara tepat. Komunikasi dengan nasabah pun menjadi lebih cepat dan akurat.

4. Fraud Score 

Fungsi ini mencakup fraud management dan fraud detection. Dengan menganalisis anomali transaksi yang mencurigakan, BRIBrain dapat lebih cepat menemukan potensi tindakan kejahatan perbankan.


Semua fungsi di atas pada dasarnya bermuara pada tujuan dibentuknya BRIBrain, yaitu meningkatkan produktivitas, efisiensi bisnis, dan manajemen risiko. Maka secara keseluruhan, penerapan BRIBrain membantu transformasi digital Bank BRI.

Keunggulan BRIBrain lainnya adalah sifatnya yang terpusat (centralized). Seluruh isu yang muncul di Bank BRI dapat ditangani dengan bantuan AI dan machine learning BRIBrain. Dengan begitu, kami bisa memberikan layanan AI secara menyeluruh kepada nasabah Bank BRI. 

Hal ini sejalan dengan misi Bank BRI, yakni transformasi menuju AI-first. Artinya, Bank BRI akan memasyarakatkan AI kepada seluruh nasabahnya. Maka ke depannya, siapa pun dapat memanfaatkan layanan yang bersifat hyper-personalized dari Bank BRI berkat penggunaan BRIBrain.

Menjadi Data Scientist di Bank BRI

Ilustrasi menjadi Data Scientist Bank BRI

Bank BRI terus melakukan recruitment untuk mencari potensi Data Scientist terbaik. Hal ini demi mewujudkan visi perusahaan, BRIVolution 2.0. Dengan visi tersebut, kami berupaya menjadikan Bank BRI sebagai the most valuable banking group di Asia Tenggara.

Namun, perlu diketahui bahwa pekerjaan Data Scientist di Bank BRI tidak melulu tentang data dan teknologi. Faktanya, bagian tersulit dari pekerjaan ini justru adalah komunikasi. Kok, bisa seperti itu?

Ini karena walaupun mengolah data sepanjang hari, pada akhirnya Data Scientist Bank BRI harus mengomunikasikan hasil akhir kepada stakeholder perusahaan. Maka, Data Scientist harus mampu merajut cerita atau narasi dari data yang telah dianalisis. 

Narasi tersebut tentunya disesuaikan dengan konteks bisnis sehingga apa yang dibawa ke meja diskusi dapat dipahami oleh semua pihak. Nah, apabila Data Scientist bisa menjelaskan temuannya dengan cara yang menarik dan mudah dimengerti, itu artinya ia sudah menaklukan satu rintangan pekerjaannya.

Selain kemampuan komunikasi, ada beberapa kemampuan lain yang harus kamu miliki jika ingin menjadi seorang Data Scientist Bank BRI, yaitu: 

1. Critical thinking 

Kemampuan berpikir kritis sangat berguna dalam pekerjaan Data Scientist, misalnya dalam melakukan pembersihan data. Data Scientist Bank BRI harus bisa menilai relevan atau tidaknya data yang dibersihkan dengan tujuan yang ingin dicapai.

2. Problem-solving 

Tidak hanya jeli dalam menemukan dan mengidentifikasi masalah, Data Scientist Bank BRI juga dituntut mampu menyelesaikannya. Kemampuan problem-solving membuat Data Scientist Bank BRI dapat merumuskan solusi paling efektif dari masalah yang ada. 

3. Empathy

Data Scientist Bank BRI harus mampu berempati dengan hal-hal yang berkaitan dengan pekerjaannya. Tidak hanya mengenai data dan pengolahannya, tetapi seluruh aspek yang berpengaruh terhadap keputusan yang akan diambil juga patut dipertimbangkan.

4. Business sense

Dengan bekerja di perusahaan perbankan seperti Bank BRI, Data Scientist harus memiliki kepekaan bisnis. Dengan begitu, setiap data yang diolah hingga keputusan yang diambil bermuara pada berkembangnya bisnis perusahaan.

Terlepas dari kemampuan yang harus dimiliki, kami percaya bahwa setiap orang bisa menjadi Data Scientist. Ini adalah pernyataan serius, mengingat fakta bahwa pekerjaan Data Scientist bersifat multidisiplin atau tidak harus berpatok pada satu bidang tertentu. 

Kemampuan ilmu paten seperti statistika dan matematika memang penting, tetapi pemahaman terhadap ilmu-ilmu tersebut dapat dipelajari secara otodidak. Yang terpenting bagi Data Scientist Bank BRI adalah fokus dan tekun terhadap bidangnya, memiliki business sense yang baik, serta kemampuan komunikasi yang kuat.


Havez Vazirani Al Kautsar
Data Scientist Manager (BRIBrain Team Leader)
Digital Banking Development & Operation