karena semua perusahaan wajib memiliki data scientist

volume data semakin sedikit setiap tahun

data dapat digunakan untuk memprediksi tren dan mendukung keputusan bisnis

data tidak memiliki nilai bagi organisasi

volume

velocity

variety

visibility

terlalu sedikit data yang tersedia

kualitas data yang buruk dan tidak terstruktur

tidak adanya komputer untuk mengolah data

tidak ada kebutuhan bisnis yang relevan

Microsoft Word

Jupyter Notebook

Adobe Photoshop

Corel Draw

modeling

deployment

data collection

evaluation

data berbentuk gambar

data berupa angka yang dapat dihitung

data berupa teks panjang

data yang tidak bisa diukur

data selalu lengkap dan akurat

sulitnya memastikan data bersih dan konsisten

tidak perlu menvalidasi data

data tidak pernah berubah

menghapus file data secara acak

membersihkan data dari duplikasi

membiarkan data tidak terstruktur

meninggalkan data tanpa verifikasi

mengubah data menjadi grafik

menghapus data yang paling penting

membersihkan data dari error, duplikasi, atau ketidakkonsistenan

mengambil data tanpa memverifikasi

mendesain tampilan aplikasi

membangun model matematis atau algoritma machine learning

mengumpulkan data mentah

menghapus data

membuat database baru

mengukur performa model dan memastikan model memenuhi tujuan bisnis

mengumpulkan kembali data mentah

mengabaikan hasil model

teknik membuat komputer bekerja secara manual

metode yang memungkinkan mesin belajar dari data tanpa pemrograman eksplisit

teknologi untuk memperbesar ukuran file

sistem operasi untuk server data

error yang rendah

data training yang sedikit

tidak perlu diuji

mengabaikan data validasi

menyimpan model ke dalam server

mengajarkan model menggunakan data untuk belajar pola

menghapus parameter model

menguji model tanpa data

membuat data semakin banyak

mengurangi penggunaan teknologi

menghasilkan insight untuk meningkatkan kinerja dan strategi bisnis

menghilangkan kebutuhan analisis

membagi pelanggan ke dalam kelompok yang memiliki karakteristik serupa

menghapus pelanggan yang tidak aktif

menggabungkan semua pelanggan menjadi satu kelompok

mengurangi data pelanggan

keputusan berdasarkan firasat atau intuisi

keputusan dibuat berdasarkan data dan analisis

keputusan dibuat tanpa pertimbangan apa pun

keputusan hanya berdasarkan pengalaman masa lalu

data boleh tidak konsisten

data harus akurat, lengkap, dan dapat dipercaya

data tidak perlu diperbarui

data cukup disimpan tanpa diverifikasi

menentukan ukuran file database

memprediksi permintaan produk berdasarkan pola pembelian pelanggan

menghapus data penjualan lama

menambah kapasitas harddisk

kecepatan data yang masuk

keragaman bentuk data

ukuran data

keakuratan data

tabel rapi

CSV

gambar, video, teks bebas

data angka

mengurangi penggunaan obat

memprediksi penyakit berdasarkan riwayat pasien

menghapus data pasien

menambah antrian rumah sakit

pembuatan model

mencari pola awal dalam data

penghapusan seluruh data

implementasi sistem

semua data selalu sempurna

untuk memastikan data bebas error dan relevan

untuk membuat data menjadi lebih banyak

untuk membuat data terlihat menarik

menghapus model lama

menjalankan model ke lingkungan nyata

mengumpulkan data

mendesain tampilan aplikasi

model belajar tanpa label

model belajar berdasarkan contoh data berlabel

model yang tidak menggunakan data

model yang hanya menggunakan data gambar

K-Means

PCA

Linear Regression

Apriori

prediksi nilai numerik

klasifikasi berlabel

clustering

memprediksi cuaca

Decision Tree

Random Forest

K-Means

Linear Regression

meningkatkan biaya operasional

mengambil keputusan berbasis fakta

menghapus pelanggan yang tidak aktif

mengurangi penggunaan teknologi

meramalkan hasil atau tren masa depan

mengumpulkan data

mendesain logo perusahaan

membuat transaksi manual

penyimpanan dan pemrosesan data dalam jumlah besar

terlalu sedikitnya sumber data

tidak adanya perangkat keras

tidak adanya kebutuhan analisis

penyimpanan manual data

alur otomatis untuk memindahkan dan mengolah data

penghapusan data besar

pengiriman data via email

tidak memahami statistik

mampu mengolah data dan membuat model

tidak dapat berkolaborasi

menghindari visualisasi

membuat data menjadi lebih sulit dipahami

menyajikan data dalam bentuk grafik agar mudah dimengerti

menghapus pola data

menambah ukuran file

memahami perangkat keras

memahami tujuan bisnis dan kebutuhan analisis

memahami peralatan kantor

memahami karyawan baru

model tidak belajar sama sekali

model hanya mengingat data training dan buruk pada data testing

model bekerja sempurna pada semua data

model tidak menggunakan data

menambah noise di data

menggunakan regulasi atau menambah data

menghapus seluruh data training

mengurangi validasi data

mengacak seluruh data

menyiapkan data agar siap dipakai dalam model

mengurangi ukuran visualisasi

menghapus semua variabel penting

memprediksi cuaca

rekomendasi produk

mencetak kartu identitas

mengurangi transaksi online

menentukan apakah model bekerja baik atau perlu perbaikan

menghapus model

menghasilkan data baru

memperbesar ukuran dataset

machine Learning

manual processing

animasi data

proses desain grafis

Microsoft Paint

Hadoop atau Spark

VLC Media Player

Notepad

meramalkan nilai numerik

mengelompokkan data

menghapus data

mendesain UI

Enter, Transfer, Loop

Extract, Transform, Load

Exchange, Train, Learn

Edit, Test, Launch

menambah biaya produksi

menurunkan kualitas layanan

optimasi proses dan pengambilan keputusan

meningkatkan beban kerja manual

tidak konsisten

tidak lengkap

akurat, konsisten, relevan

tidak terupdate

mengacaukan proses penyimpanan

memastikan data terkelola dengan baik dan aman

mengurangi keamanan data

menghapus backup data

model yang dapat mendukung pengambilan keputusan

file gambar

file musik

peningkatan ukuran database

dapat menggantikan seluruh peran manusia

menghasilkan pengetahuan dari pengolahan dan analisis data

menghapus kebutuhan data historis

menghilangkan risiko bisnis sepenuhnya

tidak lagi membutuhkan informasi produk

lebih memilih transaksi secara langsung

mencari ulasan dan informasi produk secara online

enggan berinteraksi dengan merek di media sosial

memutuskan tanpa mempertimbangkan kebutuhan konsumen

menyediakan produk yang relevan sesuai waktu dan lokasi penjualan

mengurangi jumlah data yang digunakan untuk analisis

menentukan iklan tanpa melihat data pasar

data yang tidak lengkap, tidak akurat, atau tidak konsisten

jumlah pelanggan terlalu sedikit

produk yang terlalu mahal

penggunaan sistem manual

banyaknya variasi format data

pertumbuhan data yang berubah-ubah

kecepatan aliran data yang harus diproses secara real-time

ukuran data yang sangat besar

tidak adanya perkembangan teknologi

budaya organisasi yang belum mendukung keputusan berbasis data

jumlah data yang sangat sedikit

semua keputusan bisnis selalu sederhana

menghindari penggunaan teknologi baru

membentuk tim data science yang terlatih dan berkualitas

menghilangkan kebutuhan pelatihan staf

menghapus proses analisis data

mengumpulkan data tanpa dievaluasi

menghapus laporan evaluasi kinerja

mengabaikan tujuan bisnis

mengembangkan metrik dan KPI yang relevan

semua proses bisa dilakukan tanpa modal

data selalu mudah diolah

tidak memerlukan teknologi apapun

membutuhkan biaya besar untuk infrastruktur dan SDM

menggunakan data apapun meskipun tidak bersih

mengimplementasikan algoritma tanpa memahami masalah

mengabaikan kualitas dan sumber data

mendefinisikan masalah bisnis dan tujuan yang jelas