Materi Microlearning

Building Data Analytics Teams

 1. Microlearning ini bertujuan untuk
meningkatkan pemahaman peserta
terkait cara membangun tim data
analytics.
2. Setelah mengikuti microlearning ini,
Standar peserta dapat:
a) menjabarkan tantangan dan peran
Kompetensi pimpinan dalam proyek data analitik;
dan
b) menghitung kebutuhan dan
ketersediaan sumber daya organisasi
dalam pembangunan proyek data
analitik.
Referensi
Bahan rujukan dalam menyusun materi membangun tim data analitik

What are 12 different job roles & responsibilities in Data Science?

3
Bekerja sebagai seorang Data Scientist
Sumber: The College Post

4
 Kegagalan proyek data analitik
85% proyek big data analitik mengalami kegagalan (Gartner, 2017)

Faktor Kegagalan Proyek Data Analitik

Wrong/Inadequate Skills 14
Incorrect Business Objectives 13
Insufficient ROI/Business Case 9
Technology Complexity 8
Data Integration 8
Data Management 8
Management & Cultural Resistance 7
Improper Scope 7
Incorrect Project Structure 6
Inadequate Management & Governance 6
Enterprise Strategy Match 5
Poor Communication 5
Incorrect Use of Technology 5
Technology Architecture & Infrastructure 5
Problem Avoidance 2
Technology Change 1
0 2 4 6 8 10 12 14 16
Total Cited

Sumber: Predicting Outcomes for Big Data Projects: Big Data Project Dynamics (BDPD) (Becker, 2017). Diolah kembali.
5
Perubahan Budaya untuk Membangun Tim Data Analitik
Konsep analitik sebagai perubahan budaya harus meresapi setiap interaksi dan pencapaian yang terintegrasi

Intentional Relationships Community of Practice Accessible Technology

Terdapat kebutuhan menjalin Bermitra dengan kelompok Teknologi yang digunakan dalam
hubungan setiap anggota tim keahlian teknis terkait data analitik mengembangkan data analitik harus
terlepas dari level jabatan. Setiap harus berjalan beriringan dalam dapat dikuasai oleh tim pengembang.
pribadi dalam tim harus memahami organisasi untuk menciptakan Jika teknologi yang digunakan
lebih dalam terkait peran dan budaya dan penguatan merupakan teknologi baru, tim harus
tantangan yang dihadapi. pembentukan Community of mendapatkan dukungan untuk dapat
Practice. menggunakannya.

Analytics 101 Co-develop Projects Demystify

Memberikan pelatihan kepada tim Proyek yang dikembangkan Data analitik harus mampu
secara fundamental. Hal tersebut umumnya memiliki koheren antar unit, meningkatkan pelayanan yang
dibutuhkan untuk membantu sehingga dalam penyusunan tim, diberikan. Konsep tersebut agar tidak
pemahaman terkait analisis data perlu dipertimbangkan terkait hanya menjadi jargon dan teori.
terhadap proses bisnis yang ada kolaborasi unit sehingga memfasilitasi Kebutuhan tim tidak untuk
sehingga mampu menghadirkan penyusunan proyek dan menghasilkan Otomasi saja, namun
potensi proyek data analitik yang mendapatkan value yang optimal dari harus menghasilkan wawasan dan
dikembangkan. proyek yang dikerjakan. menghindari pendekatan yang “black
box”

6
Model Interaksi Penyusunan Konsep Analitik
Diagram di bawah menggambarkan terkait aktivitas individu yang dilakukan sampai dengan delivery value sesuai dengan
scoping & planning

7
Desain Organisasi Analitik
Pendekatan yang dapat dilakukan organisasi dalam membentuk kelompok analitik

Functional Divisional
Umumnya, analisis data dilakukan Berbeda dengan Functional, “Aspek lain yang
pada unit bisnis dan unit teknologi pembentukan tim berdasarkan
informasi. Namun, kebutuhan divisional merupakan harus menjadi
tersebut dapat dibagi ke dalam pembentukan tim yang bertujuan
lingkup yang lebih sempit secara pada spesifik tujuan masing- pemikiran adalah
fungsionalitas organisasi, semacam masing unit. Kondisi ini akan
fungsi keuangan, fungsi menjadi tidak efisiensi ketika pembentukan desain
kepegawaian, fungsi pelayanan, dan sudah berbicara pada level
lainnya enterprise. organisasi tersebut
Team
tersebar secara
Matrix
Pembentukan secara matrix Pembentukan tim sementara ataupun centralized,
merupakan gabungan antara
functional dan divisional.
permanen untuk mencapai tujuan
organisasi dan tidak termasuk ke decentralized, atau
Pembentukan tim ini akan
menghindari isu silo pada organisasi
dalam struktur organisasi yang ada.
Mekanisme ini dianggap yang paling sebagai pusat pakar”
namun dalam kondisi tim yang lebih terbaik secara teori karena tidak
kompleks, sehingga memungkinkan terdapat hierarki dan memiliki
terjadinya konflik. kelebihan yang lebih besar dari opsi
yang lain.

8
Problem Literasi Data
Pimpinan memiliki andil dalam menghilangkan mental blocking yang terjadi karena literasi data

“Dalam survei Chief Data Officer oleh

Gartner, para responden menyatakan
bahwa problem terbesar kedua yang
dapat menyebabkan mental blocking
untuk menganalisis data adalah rendahnya
literasi data, sehingga pimpinan harus
dapat menempatkan literasi data sebagai
elemen utama dalam transformasi digital”
Faktor Terciptanya Literasi Data yang Baik

Pemahaman Kemampuan Kemampuan

Data Menganalisis Data Memaknai Data
9
Data Leadership
Peran pimpinan dalam proyek data analitik

“Pada saat ini peran data sangat dominan, serta dibutuhkannya peran birokrasi dituntut lebih cair,
sehingga diperlukan pimpinan yang mampu men-drive keputusan berdasarkan data”

Membentuk data
leadership:
• Memberikan pertanyaan
yang tepat
Visi Pengambilan Keputusan • Membangun kolaborasi
dengan banyak pihak
• Regulasi bukan
penghalang untuk
membuat inovasi berbasis
data
Management Operational

10
Kompetensi Pembentukan Tim
Tim data analitik yang dibentuk memiliki kompetensi personal terkait Matematika dan Statistik, Ilmu Komputer, dan
Business Knowledge

“Kebutuhan kompetensi dasar dalam

menganalisis data umumnya terdiri dari
kemampuan Matematika/Statistik, Ilmu
Komputer, dan Pengetahuan Bisnis.
Memiliki tiga kemampuan tersebut
sekaligus akan sangat dibutuhkan,
namun tidak menutup kemungkinan
bahwa setiap orang dalam tim dapat
mewakili masing-masing kompetensi
yang ada di dalamnya”

11
Kebutuhan Umum Tim Analisis Deskriptif
Untuk menghasilkan visualisasi atau analisa yang dapat disampaikan kepada pimpinan, dibutuhkan komposisi minimal
tim di bawah ini

Product Owner
Project Manager

Business Analyst
Front-End Developer
Data Analyst
Data Engineer Sumber: https://cdn.w600.comps.canstockphoto.com/data-analysis-and-financial-research-eps-vector_csp89217748.jpg

12
Kebutuhan Umum Tim Analisis Prediktif dan Preskriptif
Untuk menghasilkan analisa bersifat prediktif dan preskriptif, dibutuhkan komposisi minimal tim di bawah ini

Product Owner
Project Manager

Business Analyst
Data Scientist
Data Engineer
Sumber: https://technofall.com/wp-content/uploads/2018/12/predictive-analysis-1.png

13
 Product Owner dan Project Manager
Peran product owner dan project manager dalam keberlangsungan proyek analisis data yang dilakukan

Product Owner
• Story telling terkait problem bisnis yang dimiliki
• Berperan dalam pengambilan keputusan bisnis
• Melakukan validasi atas solusi yang dihadirkan
• Dapat bekerja sama dan berkomunikasi dengan baik serta mampu mengatakan
“tidak” jika dibutuhkan
Sumber:
• Merupakan posisi struktural dalam organisasi
https://letsscrumit.com/static/cebcca47eb07eee5819e107cbb21
644e/e5166/productowner.jpg
• Memiliki sudut pandang yang luas dari sisi bisnis

Project Manager
• Merupakan seorang praktisi yang akan memimpin jalannya sebuah proyek
• Memastikan struktur, prosedur, dan waktu pengembangan proyek dapat berjalan
sebagaimana mestinya
• Bisa mengambil risiko dan mengidentifikasi isu potensial yang akan dihadapi
• Memiliki hubungan yang kuat dengan anggota tim dan organisasi
• Terbiasa akan birokrasi dan mampu mengamankan akses kepada pihak-pihak
tertentu bila dibutuhkan
• Umumnya telah mendapatkan pemahaman terkait pengelolaan proyek baik secara
Sumber: https://logique.s3.ap-southeast-
1.amazonaws.com/2021/04/peran-project-manager.jpg

tradisional maupun agile

14
Business Analyst
Pembahasan terkait peran yang dibutuhkan untuk membangun tim data analitik

Role business analyst berbeda dengan role lainnya dalam data analitik. Role ini berperan untuk menghasilkan insight
problem bisnis yang ada sehingga dapat meningkatkan pelayanan. Mereka mencoba melakukan pendekatan antara
potensi bisnis dengan teknologi.

Peran dan Tanggung jawab: Keahlian yang dibutuhkan:

1. Bisnis analis melakukan identifikasi kebutuhan bisnis, melakukan 1. Memiliki pengetahuan business
penyusunan data sehingga mudah dipahami, serta menganalisa dengan knowledge yang kuat
jelas dan rinci terkait dokumentasi kebutuhan, proses pemodelan, dan 2. Mampu memvisualisasikan data yang ada
wireframes. Mereka mengidentifikasi gap yang terjadi, tantangan, dan untuk dipahami
dampak potensial dari solusi atau strategi yang diberikan. 3. Memahami teknologi yang digunakan
2. Bisnis analis dapat mendefinisikan problem bisnis berdasrkan informasi
yang berasal dari top management untuk memvalidasi solusi yang
dihadirkan. Bisnis analis juga harus menjadi juru komunikasi yang
efektif dan aktif mendengar, tangguh, serta mampu menstranslasi
Bahasa teknologi atau Analisa statistic kepada stakeholder.
3. Bisnis analis menggunakan analisa deskriptif, prediktif, dan preskriptif
untuk melakukan transformasi terhadap data yang rumit agar lebih
mudah dipahami dan dapat diambil sebuah keputusan oleh pengguna.

15
Data Engineer
Pembahasan terkait peran yang dibutuhkan untuk membangun tim data analitik

Seorang data engineer wajib memiliki pengetahuan programming dan scripting berbagai bahasa. Umumnya, seorang
big data engineer yang memiliki pengalaman 1 hingga 3 tahun dalam mengelola database dan pengembangan aplikasi
bisa dianggap sebagai posisi entry-level.

Peran dan Tanggung jawab: Keahlian yang dibutuhkan:

1. Membangun, mengelola, testing, dan mengevaluasi solusi big data 1. Memiliki pengetahuan dasar struktur data
dalam organisasi dan distributed computing
2. Terlibat dalam mendesain solusi big data berdasarkan pengalaman 2. Memiliki pengetahuan tentang Hadoop
teknologi big data yang selama ini dimiliki 3. Memiliki pemahaman stream processing
3. Melakukan Analisa big data berdasarkan kebutuhan bisnis yang seperti Storm atau Spark
diberikan 4. Memiliki kemampuan query big data
4. Menggunakan beberapa open-source tools untuk mengintegrasikan 5. Memiliki pengetahuan NoSQL
data 6. Memiliki pemahaman ETL Tools
5. Berdasarkan pengalaman, big data engineer memiliki peran untuk 7. Memiliki pemahaman Messaging systems
melakukan pengembangan dan operasional, membuat kebijakan dan seperti Kafka dan RabbitMQ
SOP, komunikasi, kontinuitas bisnis dan disaster recovery, coaching dan 8. Memiliki pemahaman big data toolkit
mentoring, serta melakukan penelitian dan evaluasi seperti H20, SparkML, dan Mahout
9. Memiliki pengalaman dengan penyedia
Hadoop seperti Cloudera dan MapR

16
Data Analyst
Pembahasan terkait peran yang dibutuhkan untuk membangun tim data analitik

Data analyst pada umumnya memiliki kemampuan bahasa program R, Python, dan SQL. Seperti role lainnya, keahlian
yang luas perlu dimiliki oleh seoarang data analyst, di mana kemampuan tersebut mengkombinasikan kemampuan
teknis dengan kemampuan menganalisa.

Peran dan Tanggung jawab: Keahlian yang dibutuhkan:

1. Memiliki tanggung jawab untuk beberapa tugas seperti visualisasi, 1. Memiliki kemampuan programming
memanipulasi data, dan memproses jumlah data yang besar khususnya bahasa program seperti R,
2. Memiliki kemampuan query yang baik untuk mengecek kualitas dan Python, dan SQL
menginterpretasikannya 2. Memiliki kemampuan yang lebih untuk
3. Membuat desain algoritme, menemukan informasi dan memahami mengambil data, memvisualisasikan data,
risiko yang terkandung, eksplorasi data menggunakan pemodelan, dan membentuk data warehouse
hingga kegiatan pemrosesan data merupakan kegiatan sehari-hari 3. Memiliki orientasi produk dan mampu
4. Melakukan presentasi atau komunikasi atas hasil kerja yang dilakukan mengkomunikasikannya kepada banyak
kepada pengguna baik teknis maupun non teknis pihak
5. Memiliki peran untuk mempromosikan data literasi dan 4. Gigih dan memilki rasa penasaran yang
menyampaikan secara lebih luas terkait hasil temuan yang didapatkan tinggi untuk mencari wawasan dari data
6. Melakukan A/B testing dan significance testing berdasarkan model yang sedang dianalisis
yang dihasilkan untuk menguji seberapa cukup dampak yang 5. Memiliki background pengetahuan
dihasilkan. Tujuan akhirnya adalah melakukan efisiensi pengeluaran, matematika/statistic, machine learning,
waktu, dan membuat pelayanan lebih kompetitif dan pemrograman
17
Front-End Developer
Pembahasan terkait peran yang dibutuhkan untuk membangun tim data analitik

Seorang BI developer memiliki peran untuk melakukan desain dan pengembangan strategis yang dapat membantu
pengguna dapat menemukan informasi yang dibutuhkan untuk mengambil keputusan secara tepat dan cepat.

Peran dan Tanggung jawab: Keahlian yang dibutuhkan:

1. Mengembangkan dan mengelola pelayanan analisis berupa report 1. Memiliki pengetahuan terkait
2. Mengembangkan dasbor, visual report, atau visualisasi lainnya yang penggunaan tools untuk mengembangkan
dapat membantu pengambilan keputusan visualisasi
3. Mengintegrasikan banyak sumber data untuk menghasilkan visualisasi 2. Memiliki pengalaman yang cukup terkait
4. Bertanggung jawab untuk memastikan data yang diolah berada pada pengembangan data warehouse, data
level keamanan yang diharapkan preparation, dan data gateways
5. Memberikan prototyping, desain, dan analisa kebutuhan 3. Memiliki pengetahuan dasar terkait SQL

18
Data Scientist
Pembahasan terkait peran yang dibutuhkan untuk membangun tim data analitik

Seorang data scientist mesti memiliki pemahaman terkait tantangan bisnis yang dihadapi dan menghadirkan solusinya.
Mereka diminta untuk menghadirkan prediksi atau aksi yang dapat dilakukan berdasarkan wawasan yang didapatkan
dari data yang dimiliki

Peran dan Tanggung jawab: Keahlian yang dibutuhkan:

1. Menciptakan nilai baru bagi organisasi berdasarkan permasalahan yang 1. Memiliki kemampuan Bahasa
ada melalui analisis data yang menghasilkan wawasan pemrograman yang kuat untuk
2. Menjadi enabler dalam data-driven decision-making dengan menganalisis data
menciptakan pemodelan atau prototype 2. Memiliki pemahaman terkait analisa yang
3. Melakukan desain dan mengimplementasikan algoritme machine bersifat prediktif maupun preskriptif
learning seperti klastering, deteksi anomali, klasifikasi, atau prediksi 3. Memiliki pemahaman dari sisi bisnis,
berdasarkan kebutuihan bisnis statistik, dan teknologi
4. Membangun data pipelines 4. Memiliki pemahaman untuk menciptakan
5. Melakukan benchmark arsitektur dengan yang lain aplikasi yang highly scalable
6. Melakukan A/B testing 5. Memiliki dasar pemahaman matematika
7. Melakukan kolaborasi dengan tim pengembangan aplikasi untuk dan statistik yang baik
meningkatkan kualitas data. 6. Memiliki kemampuan teknis yang lebih
8. Melakukan monitoring terhadap performa dan memastikan reliabilitas dari seorang data analyst untuk
aplikasi machine learning yang telah dikembangkan memastikan model dapat
diimplementasikan dengan baik
19
Terima Kasih