Apa itu Data Analyst dan Data Scientist ?

Saya membuat tulisan ini berawal dari rasa penasaran saya terhadap data, awalnya saya belum mengerti guna dari data itu untuk apa dan mengapa data itu harus dikumpulkan secara regular lalu dibuat trendnya?

karena pekerjaan saya sangat berhubungan dengan data akhirnya saya mulai mengetahui fungsi dari data tersebut. Ok langsung saja kita analogikan secara sederhana

"Jika anda adalah seorang penjual minuman softdrink (dingin) dan anda ingin menaikan omzet, anda memiliki laporan harian penjulan dibulan November, dari datanya terdapat hari, item terjual dan suhu ketika anda berjualan"

(download data .xlsx)

Mari kita analisa bersama, kita akan mencari tau apakah cuaca berpengaruh terhadap penjualan softdrink?

kita akan cari korelasinya

dari hasil tes korelasi (angka yg dihighlight) bahwa cuaca sangat berpengaruh terhadap penjualan softdrink dengan angka 90.94% (hasil tersebut makin mendekati 100% maka semakin berhubungan), jadi kita dapat menambah omzet ketika cuaca sedang panas. Untuk case diatas saya sudahi sampai correlation dahulu.

sebenarnya langkah kedua kita harus masuk ke regresi, sebelum masuk kesana saya ingin menjelaskan dahulu apa perbedaan data scientist dan data analyst, seberapa penting data analyst dalam bisnis?

Q : Apa pebedaan antara data scientist dan data analyst

A : Data analyst atau juga kadang disebut Business Data Analyst adalah profesi yang mengamati data, mencari pola dari data tersebut yang menunjukkan kondisi dari suatu perusahaan. Pada umumnya data analyst menggunakan data yang dihasilkan dari aplikasi Business Intelligence (BI). Data analyst memiliki kemampuan mendalam di bidang bisnis yang digeluti oleh perusahaan tersebut. Dengan kemampuannya tersebut maka pola dari data yang diterima oleh aplikasi seperti BI bisa di visualisasikan. Pola-pola data ini pada umumnya bersifat umum yang banyak dialami oleh perusahaan yang sejenis.

Data analyst sudah sering kita kenal jauh sebelum teknologi Big Data. Semua aplikasi business intelligence, data mining dan data warehouse membutuhkan data analyst untuk menterjemahkan data. Data tersebut perlu di terjemahkan ke dalam kalimat yang dipahami oleh level top management. Sehingga diketahui misalnya apakah penjualan naik / turun berapa persen dan sebagainya tergantung dari jenis data yang dihasilkan.

Sekarang tentang Data Scientist sendiri itu apa? Data scientist sesuai dengan namanaya adalah seorang scientist atau ilmuwan. Seperti layaknya ilmuwan, data scientist melakukan experimen-experimen untuk menemukan hal-hal baru yang nantinya bermanfaat untuk perusahaan. hal-hal baru ini bisa jadi merupakan pola-pola yang tidak umum terjadi atau tidak umum diketahui oleh perusahaan sejenis. Dengan menemukan pola-pola baru inilah, perusahaan bisa mendapatkan keuntungan daripada kompetitor mereka. Seringkali, kemenangan dalam persaingan bisnis ditentukan oleh kemampuan data scientist yang menganalisa data tersebut. Contoh pola yang dicari data scientist misalnya pola atau model rekomendasi item yang biasa digunakan di web site e-commerce seperti Amazon atau misalnya seperti di Netflix. Pola atau model rekomendasi ini meskipun namanya sama tentunya berbeda dari satu perusahaan ke perusahaan lainnya karena karakteristik konsumennya, jenis barang yang ditawarkan dsb-nya. selain itu

Data scientist diperlukan untuk menganalisa data dalam jumlah banyak yang terdapat dalam sistem Big Data. Seorang Data Scientist harus memiliki kemampuan di tiga bidang. Pertama adalah kemampuan tentang business logic di bidang yang digeluti oleh perusahaan yang sedang dia tangani, seperti halnya data analyst. Kedua adalah kemampuan statistika dan matematika yang cukup untuk mengetahui pola-pola data berikut dengan algortimanya. Ketiga adalah kemampuan menggunakan tools dari sistem Big Data yang membantunya dalam mengolah dan menganalisis data seperti misalnya aplikasi Machine Learning Apache Mahout dan Apache Spark (source).

Banyak yang berpendapat bahwa "Data Scientist is The Sexiest Job of 21th Century", lalu bagaimana kita memulai untuk menjadi seorang data scientist?

 "A data scientist is someone who is better at statistics than any software engineer and better at software engineering than any statistician" - Josh Wills

 dan berikut step-step yg harus kita lalui :

 

 Jadi kesimpulan menurut saya, data scientist sangatlah diperlukan didalam setiap bisnis yang bergerak baik jasa ataupun produk, karena data scientist itu dapat memberi insight yang baru dari situasi belum disadari ataupun telah disadari dan baik bersifat strategis ataupun informasi dari fenomena yang sedang terjadi dan akan terjadi.

sebagai informasi tambahan, top 10 company yang memiliki data scientist terbanyak (Based on Linkedin data)

 

Pada tulisan selanjutnya saya akan kupas lebih dalam tentang "Learning Data Science", jika ada masukan terkait dengan data scientist silahkan langsung comment dibawah

Terima kasih

Salam Hangat

Umar

VoLTE Technical Solution (EPG Specialty)

Kebutuhan akan pertukaran informasi di era digital dan komunikasi sangatlah pesat, Penyedia layanan voice sebagai penyedia layanan tersebut harus bersiap untuk menerima dan mempersiapkan, kepuasan customer adalah prioritas yang harus selalu dijaga, kepuasan tersebut berbanding lurus dengan keberagaman kebutuhan di masa ini. Salah satu cara yang harus diterapkan adalah menjaga kualitas jaringan dan selalu berinovasi dengan kemajuan teknologi yang ada.

Kualitas jaringan yang baik yang kita tawarkan juga didukung oleh orang-orang yang siap menjaga kualitas, memperbaiki kualitas, dan memberi inovasi (3M). Dengan jumlah pelanggan terbanyak dibandingkan dengan Kompetitor di Indonesia, layanan voice adalah salah satu yang dapat menjadi masukan untuk 3M. Untuk meningkatkan kualitas pelayanan.

LTE atau 4G adalah solusi untuk pelanggan akan kebutuhan penggunaan data, dimana kecepatan download dan upload lebih tinggi dibandingkan teknologi sebelumnya, untuk layanan voice di 4G saat ini masih menggunakan teknologi CS Fallback dimana setup time call cukup lama, dimana perangkat tetap dialihkan ke teknologi 3G CS.

Untuk meningkatkan kenyamanan pelanggan ada beberapa solusi teknologi agar layanan voice dapat berjalan di 4G antara lain SRVCC Solution dan eSRVCC Solution. Solusi ini akan menjadi pendukung teknologi dan investasi perusahaan untuk menjawab semua kebutuhan pelanggan yang bervariasi.

1.    Voice Solution Choices

Pada jaringan 4G ada beberapa solusi untuk layanan voice yang dapat diimplentasikan dari beberapa solusi tersebut memiliki kekurangan dan kelebihan masing-masing, berikut pembagian solusi voice dijaringan 4G :

2.1 Diagram LTE Voice Solution

Penyedia layanan data yang sudah menggunakan jaringan 4G sejak dua tahun yang lalu, solusi CS Fallback seharusnya sudah kurang cocok dikarenakan pengguna 4G sudah semakin banyak dan setup call yang relatif lebih lama akan mengakibatkan kenyamanan pengguna semakin berkurang.

Berikut untuk kelebihan dan kekurangan setiap solusi voice dan skenario pengaplikasiannya :

2.2 Tabel Kelebihan dan Kekurangan Voice Solution

2.    Voice Service on 4G Existing (CS Fallback)

Untuk layanan voice pada jaringan 4G existing menggunakan metode CS Fallback dimana pelanggan dipaksa kembali ke jaringan 3G atau 2G yang mengakibatkan call connection time akan delay, lalu layanan 4G akan putus dikarenakan handover jaringan.

Berikut untuk Flow CS Fallback dari jaringan 4G ke 3G atau 2G:

3.1 Flow CS Fallback

 

Dengan pertumbuhan pelanggan 4G yang semakin tinggi, terlihat dari jumlah subscribers yang dicapture dari MME menunjukan pertumbuhan yang eksponensial. Dengan mengacu perkembangan pelanggan 4G diatas, maka evolusi LTE untuk layanan voice akan seperti gambar dibawah

3.2 Phase of LTE voice Service

    Pada awal fase voice service LTE menggunakan CSFB dikarenakan cakupan LTE coverage belum terlalu luas, pad fase dua sudah dimulai menggunakan eSRVCC karena pelanggan dan coverage sudah berkembang, lalu diakhir fase jika sudah full LTE area coverage maka akan dilakukan full service VoLTE.

1.    VoLTE (Voice over LTE) Solution

VoLTE adalah Layanan voice yang berjalan pada jaringan 4G tanpa harus fallback ke jaringan 3G atau 2G, untuk layanan ini dibutuhkan IMS (IP Multimedia Subsystem) dimana berfungsi sebagai user dan control plan dari VoLTE.

Dengan menggunakan VoLTE maka setup call akan bisa lebih cepat dibandingkan dengan CS Fallback dan QoS juga dapat terjaga, dan ketika pelanggan sedang melakukan call menggunakan VoLTE tiba-tiba tidak tercover jaringan 4G maka akan terjadi handover ke jaringan lain, terdapat dua metode handover pada VoLTE antara lain :

4.1 VoLTE Handover Solution

Perbedaan antara kedua metode handover pada VoLTE sebagai berikut :

4.2 VoLTE Handover

Berikut untuk flow sebelum dan sesudah handover pada SRVCC dan eSRVCC

4.3 perbedaan eSRVCC dan SRVCC