Ada sebuah anekdot yang menarik dari bagaimana kita memahami Data Analis. Terminologi ini entah sejak kapan berubah menjadi sebuah frasa yang merujuk pada sebuah title pekerjaan tertentu yang keren (katanya), tech savy, bergaji tinggi, dan bonafide lah. Padahal seorang Data Analis jauh lebih besar daripada itu. Salah-satu co-founder Kelas AI pernah berkata bahwa:

Data Analis bukan hanya sebuah title atau profesi. Lebih jauh, ia adalah panggilan hati yang dengan kesadaran penuh memiliki tanggung jawab untuk memastikan setiap keputusan (dalam konteks apapun) dan setiap langkah yang diambil berorientasi terhadap data (data driven), berdasarkan bukti kuat (eviden based), dan berdampak (impactful).
-FA

Jadi jelas bahwa tujuannya adalah menciptakan sebuah keputusan yang berdampak berdasarkan data dan bukti empiris yang bisa dipertanggung-jawabkan. Orientasi data dalam bisnis dan keuntungan pribadi membuat makna ini terus menyimpang jauh dari kebutuhan dan tanggung jawab etik yang sebenarnya.

Intinya, siapapun anda, apapun pekerjaan anda, dan bagaimanapun anda melakukannya (tidak harus dengan coding), tapi ketika anda memperjuangkan sebuah keputusan yang diambil berdasarkan data dan bukti, anda adalah seorang Data Analis.

Apa Itu Data

Data adalah segala sesuatu yang penting (dalam konteks apapun dan pengertian yang seluas-luasnya). Jika sesuatu itu penting bagi kamu maka kamu akan cenderung memperhatikannya, mengingatnya (menyimpannya didalam pikiran), mengolahnya dalam otakmu, dan menggunakannya sebagai pertimbangan untuk melakukan sebuah aksi. Maka segala sesuatu itu disebut sebagai Data.

Dalam pengertian yang lebih praktis, Google dalam sebuah unggahan mendefinisikan Data sebagai: "A collection of facts, such as numbers, words, measurements, observations or even just descriptions of things". Sementara menurut IBM, data adalah: "A lifeblood of modern businesses. It is information in raw or unorganized form (such as numbers, texts, images, etc.) that can be processed to produce meaningful insights". Sedangkan enurut AWS dalam sebuah blog nya, Data didefinisikan sebagai: "Information that is collected, stored, and analyzed to support decision-making, innovation, and automation".

Dari pemaparan diatas, jelas bahwa tidak ada definisi yang rigid tentang apa itu data. Semua definisi didasarkan pada kebutuhan dan tujuan dari data atau platform tersebut. Tapi kesemuanya sepakat bahwa data adalah sesuatu yang penting, yang jika diolah akan membentuk sebuah informasi yang lebih bermakna dan dapat digunakan untuk pengambilan keputusan.

Data to Insight

Tentu sebagian besar dari kalian pernah melihat sebuah diagram journey from data to insight seperti pada gambar dibawah ini:

Gambar diatas adalah sebuah diagram yang menunjukan perjalanan bagaimana sebuah data menjelma menjadi sebuah inforasi yang penting, yang kemudian disimpan dalam sebuah bentuk pengetahuan baru, dimana pengetahuan tersebut nantinya akan digunakan untuk mendapatkan insight & wisdom.

Diagram ini menunjukan bahwa jika diolah dengan benar, sebuah data yang terlihat acak dapat memberikan insight dan wisdom yang meaningful bagi sebuah entitas atau bisnis tertentu. Kadang prosesnya tidak sesederhana itu. Nah maka itulah diperlukan sebuah anjuran metodis untuk menglah data tersebut. Dan orang yang melakukannya (terlepas dari tujuan apapun) layak disebut sebagai seorang 'Data Analis'.

Objective: Ini Penting!

Kesalahan paling mendasar bagi sorang data anlis pemula adalah ingin langsung terlihat keren. Sehingga mereka langsung masuk kedalam coding atau program-program aneh tertentu tanpa bertanya: 'Untuk apa kita melakukan semua ini dan apa tujuan yang ingin dicapai?'. Sehingga insight yang dihasilkan adalah insight yang meaningless dan tidak berguna bagi entitas atau bisnis.

Bertanya tentang tujuan, objective, serta untuk apa kita mengolah data ini akan membuat kamu terlihat lebih peduli, deep inside, ingin memahami kasus secara excited, dan kalau kamu melakukanna untuk mendapatkan sebuah pekerjaan, akan menjadi poitn penting bagi perusahaan untuk meng-hire kamu. Hal ini karena kamu cenderung terlihat lebih peduli akan tujuan bersama yang ingin dicapai.

Ethics & Empathy

Ada sebuah statement dari sebuah kepala negara di planet XYZ bahwa program Makan Gratis tingkat keberhasilannya mencapai 99,99%, sebab tingkat keracunannya hanya dibawah 1%. Come on guys. Meskipun hanya 0,0001% itu juga nyawa manusia. Dari sini terlihat jelas bahwa jika sudah digeneralisir dalam statistik maka nyawa manusia gak akan ada harganya. Maka inilah pentingnya kita memiliki etika dan empati sebelum mengolah dan menyampaikan data.

Tidak hanya tentang bisnis atau kebijakan publik, tentang sebuah gerakan atau aktivisme pun demikian. Kamu tentu tidak akan melakukannya jika kamu tidak memiliki empati yang tinggi terhadap sebuah kasus yang sedang kamu tangani. Misalnya tentang pelanggaran HAM, pembungkaman atas kebebasan berpendapat, perampasan hak secara sepihak, kriminalisasi, dan bentuk kejahatan publik lainnya. Tentunya ini akan sangat berguna bagi kamu yang bekerja pada sektor NGO atau Lembaga Bantuan Hukum (LBH).

Namun yang perlu diperhatikan adalah: jangan sampai pendapat atau kesimpulan yang kamu berikan adalah kesimpulan yang bohong, manipulatif, dan dilebih-lebihkan sehingga merugikan orang lain. Maka ethics & empathy itu sangat penting bagi seorang data analis.

Insight to Impact

Bagi kami di Kelas AI, data bukan hanya sebuah alat untuk memperkaya diri, bukan juga untuk melanggengkan kekuasaan, lebih jauh dari itu bahwa data adalah isntrument perlawanan. Perlawanan terhadap kebodohan, perlawanan terhadap kemiskinan (poverty), perlawanan terhadap kriminalisasi, perlawanan terhadap korupsi dan perlawanan terhadap diskriminasi gender.

Maka tanggung jawab yang kami ambil adalah mencerdaskan kehidupan bangsa dengan menyediakan berbagai anjuran metodis melalui instrument pendidikan alternatif yang data driven, eviden based, dan impactful. Begitupun teman-teman semua. Berbagai data yang kita olah dan kita jadikan benchmark pengambilan keputusan haruslah yang berdampak dan memiliki kontribusi positif bagi masyarakat.

Always Ask Why

Terakhir, yang paling penting bagi seorang data analis adalah agar selalu curious dan selalu bertanya 'mengapa'. Berlatih untuk selalu bertanya mengapa akan memperkuat insting kita tentang data. Jika kalian bertanya mengapa seseorang bisa memiliki insting yang begitu kuat sehingga mampu meramalkan sebuah kasus dengan sangat tepat (misal meramalkan resesi, pandemi, dll), mungkin jawabannya adalah karena ia selalu melatih instingnya dengan bertanya 'mengapa'.

Ketika kita bertanya 'Mengapa', mungkin kita tidak akan selalu mendapatkan jawabannya. Tapi bisa jadi jawabannya ada pada data yang kalian olah. Ladies and gentlemen, selamat datang di kelas 'Menjadi Seorang Data Analis' dari Kelas AI.