Bayangkan seorang data scientist: duduk di depan layar, menulis algoritma machine learning, melatih model AI, lalu menghasilkan prediksi canggih dalam hitungan detik. Itu gambaran yang sering muncul di film atau iklan lowongan kerja.
Tapi kalau Anda bertanya langsung ke praktisi data science soal bagaimana hari kerja mereka sebenarnya, jawabannya kemungkinan besar akan mengejutkan. Sebagian besar waktu mereka justru dihabiskan bukan untuk membangun model, melainkan untuk sesuatu yang jauh lebih membosankan — membersihkan dan menyiapkan data.
Dari Mana Angka “80%” Ini Berasal?
Klaim bahwa data scientist menghabiskan sekitar 80% waktunya untuk persiapan data pertama kali populer lewat survei CrowdFlower pada 2016 terhadap puluhan data scientist, yang kemudian banyak dikutip media besar seperti Forbes dan New York Times.
Dari survei tersebut, sekitar 60% waktu dihabiskan untuk membersihkan dan mengorganisasi data, ditambah sekitar 19% untuk mengumpulkan data. Jika dijumlahkan, totalnya mendekati angka 80% yang kini jadi statistik populer di dunia data science.
Menariknya, angka ini tidak berdiri sendiri. Survei lain dari Anaconda pada 2020 menemukan proporsi yang lebih rendah, sekitar 45% waktu untuk persiapan data — masih jadi porsi terbesar dibanding aktivitas lain, meski tidak setinggi 80%. Sejumlah pengamat industri bahkan mengkritisi angka 80% sebagai statistik yang terus-menerus dikutip ulang tanpa verifikasi ketat, meski begitu, hampir semua survei — dari CrowdFlower, Anaconda, Kaggle, hingga liputan New York Times
Kenapa Fakta Ini Penting Buat Anda yang Ingin Terjun ke Data Science?
Fakta ini justru membawa kabar baik bagi banyak orang yang selama ini merasa data science terlalu jauh dari jangkauan karena membayangkannya sebagai dunia algoritma rumit. Kenyataannya, fondasi paling penting dalam pekerjaan ini adalah mengumpulkan, menelaah, memvalidasi, dan membersihkan data.
Hal tersebut adalah kemampuan yang bisa dipelajari secara terstruktur, tanpa harus jadi ahli matematika atau menguasai belasan bahasa pemrograman sekaligus.
Membangun Fondasi Ini Lewat Sertifikasi Associate Data Scientist
Memahami pentingnya tahap persiapan data adalah satu hal, tapi menguasainya secara terstruktur dan bisa dibuktikan secara formal adalah hal lain. Sertifikasi Associate Data Scientist BNSP dari Iblu Academy dirancang tepat di titik ini membekali peserta dengan kompetensi inti yang justru menjadi porsi terbesar pekerjaan data scientist sehari-hari.
Cakupan dan detail programnya:
- Kompetensi yang diajarkan: menentukan label data, mengumpulkan data, menelaah data, memvalidasi data, menentukan objek data, membersihkan data, mengonstruksi data. Hingga membangun dan mengevaluasi model dasar
- Prasyarat: penguasaan dasar bahasa pemrograman Python
- Waktu pelatihan: 32 jam (4 hari)
- Waktu ujian: 30–60 menit, metode wawancara berdasarkan observasi asesor
- Pelaksanaan: offline
- Jenis sertifikasi: BNSP (Badan Nasional Sertifikasi Profesi)
- Gelar: ADS (Associate Data Scientist)
Selama pelatihan, peserta didampingi trainer secara intensif dalam menyelesaikan assignment dan studi kasus nyata seputar persiapan data — bukan sekadar teori. Tapi latihan langsung menghadapi data yang “berantakan” seperti kondisi sebenarnya di dunia kerja.
