Talenta "Data Scientist" di Indonesia, Permintaan Tinggi Pasokan Kurang

Sayangnya, meski permintaan tinggi, Indonesia dinilai masih kekurangan talenta data scientist di pasaran. Pendapat tersebut diungkapkan oleh Head of Data Grab, Ainun Najib, ketika berbincang dengan wartawan di kantor perusahaan layanan on-demand berbasis aplikasi itu di Jakarta, Kamis (22/3/2018).

Menurut Ainun, penyebabnya mungkin terkait dengan sistem edukasi yang memang belum dirancang dengan matang untuk menelurkan ilmuwan-ilmuwan data baru. Hal ini sebenarnya berlaku pula di seluruh dunia, karena ilmu data sebenarnya adalah bidang yang relatif anyar dan perannya baru mencuat dalam beberapa tahun belakangan.

“Karena tak memperoleh bekal dari pendidikan formal, para talenta data scientist kemudian belajar dari sumber lain. Kalangan akademisi sekarang sedang berupaya menjembatani,” kata Ainun yang mengaku pernah dimintai konsultasi oleh sejumlah dosen perguruan tinggi utnuk bantu menyusun kurikulum ilmu data.

Beberapa pihak lain telah melihat adanya kekurangan talenta data scientist di Indonesia dan berupaya mengisi kekosongan. Akhir 2017 lalu, misalnya, sebuah perusahaan startup baru bernama Algoritma didirikan secara khusus untuk memulai akademi ilmu data pertama di Indonesia.

Di Grab sendiri, Ainun mengaku pihaknya berupaya menyajikan lingkungan terbaik untuk menarik para talenta yang jumlahnya terbatas di pasaran. Tak hanya dari Indonesia saja, tapi juga dunia internasional karena Grab merupakan perusahaan lintas negara.

“Di Grab, para karyawannya datang dari 45 kewarganegaraan,” imbuh Ainun.

Data di balik Grab

Data scientist dibutuhkan untuk menganalisis, mengolah aneka data yang dikumpulkan sehingga menjadi insight yang bermakna dan bisa diterapkan di bisnis atau aspek operasional perusahaan.

Warehouse Engineer Grab, Andreas Hadimulyono mencontohkan data pemetaan dan lalu lintas yang bisa dipakai untuk menentukan rute terbaik dan pengalaman paling nyaman saat menggunakan layanan transportasi Grab.

“Dalam hal ini yang terpakai adalah data lokasinya, trafik, lalu waktu, karena beda waktu beda pula kondisi lalu lintasnya, Bahkan, beda pintu keluar di mall saja bisa menentukan rute mana yang seharusnya digunakan, bedasarkan data,” terang Andreas.

Penggunaan data ini termasuk juga untuk menyeimbangkan antara ketersediaan kendaraan dan angka pemintaan dari pelanggan. Dalam beberapa hal, Grab juga menerapkan machine learning untuk secara otomatis mengambil keputusan yang dinilai paling tepat.

Dia mengatakan, ilmuwan data pada dasarnya harus menguasai tiga skillset berbeda.

Pertama adalah pengetahuan bisnis, yakni mengerti soal marketing, konsumen, dan hal-hal lain yang akan menjadi tujuan akhir dari pengolahan data. Kedua, kemampuan analisis terkait matematika dan statistik, lalu ketika kemampuan teknis, seperti hacking dan coding.