Thread by @pacmannai

Ekonom banting setir jadi data scientist, emang bisa?
.
.
.
.
A thread

Dengan penggunaan machine learning yang semakin marak, ga heran kalau demand sebagai data scientist terus meningkat dari waktu ke waktu. DS juga menjanjikan penghasilan yang cukup menggiurkan lho, hayo siapa yang tergiur sama gaji nya dan pengen banting setir jadi DS?

Promosi dikitt, buat kalian yang udah yakin banget mau jadi DS, mungkin bisa belajar bareng Pacmann.AI di non-degree program DS hehe, liat liat dulu aja kurikulum kita di bit.ly/brosurpacmannai

Oke-oke, cukup promosinya, mimin lanjutin threadnya
[gif] tenor.com/view/elephant-…

Balik lagi ke judul thread kali ini ‘ekonom banting setir jadi data scientist (DS), emang bisa?’. Jawabannya YA, ekonom bisa juga kok berkarir sebagai data scientist.

Loh, kan ekonom itu backgroundnya sosial, bukan dari STEM, emang ga bakalan terseok-seok tuh kalau mau berkarir jadi DS? Nah, awalnya mimin juga bertanya-tanya hal yang sama.

Tapi setelah membaca berbagai artikel dan referensi, ternyata mungkin banget loh orang-orang berbackground ekonomi terjun menjadi DS. Bahkan sekarang di beberapa kampus, sudah ada mata kuliah data science untuk ekonom loh!

Mari kita bahas kenapa sih ekonom mungkin banget berkarir sebagai DS. Simak ya!

Pertama: ekonom memiliki latar teknikal yang kuat dan paham beberapa basic machine learning tanpa tau kalo sebenernya itu bagian dari machine learning.

Pas kuliah, mahasiswa ekonomi dapet mata kuliah statistik dan diajarin juga ekonometrik. Setidaknya, mereka sudah pasti belajar tentang linear regressions dan logistic regressions.

Jadi, walaupun bukan berlatar STEM, ekonom bisa banget menggunakan basic statistik mereka yang bakal kepake banget di bidang DS. Besides, statistik yang dipelajari ekonom ini juga sebenarnya sama aja kaya yang dipake di DS, cuma beda nama aja.

Misal nih, ekonom biasa nyebut ‘independent variable’ tapi DS biasa nyebutnya ‘feature matrix’ padahal 2 istilah itu mengacu ke hal yang sama. Contoh lainnya nih, ekonom nyebut ‘dependent variable’ tapi DS nyebutnya ‘target variable’.

Jadi, ketika ekonom mau mengejar karir sebagai DS, jalan belajarnya ga begitu curam karna fondasi statistik ekonom mirip sama yang digunakan di machine learning.

Kedua, ekonom biasa meneliti tentang kausalitas atau hubungan sebab akibat. Ketika ekonom menjadi DS, mereka bisa memanfaatkan kemampuan menganalisis kausalitas ini untuk mendapatkan perspektif yang lebih luas lagi dari data yang mereka olah.

Kemampuan kausalitas ini bisa melengkapi kemampuan DS yang cenderung buat melihat prediksi dari suatu masalah. Contohnya gini, misal ada dataset yang isinya data jutaan pembayaran pinjaman komersial di salah satu bank dari tahap pengajuan sampe pembayaran pinjaman.

Dari dataset ini, kita bisa liat nih apa sih perbedaan DS dan ekonom terus kenapa mereka bisa saling melengkapi.

Ekonom cenderung meneliti tentang ‘apa faktor utama yang meningkatkan risiko kredit pinjaman komersial’ (kausalitas), sedangkan DS cenderung melihat ‘Apa model terbaik untuk memprediksi resiko kredit dari pinjaman komersial?’ (prediksi).

Nah, yang diteliti oleh ekonom maupun DS sama-sama penting dan bisa dijadikan acuan untuk pembuat kebijakan di bank bersangkutan.

Yang diteliti ekonom bisa dibutuhkan oleh financial analyst yang mau mengurangi faktor-faktor yang beresiko meningkatkan resiko kredit sedangkan yang diteliti DS bisa dibutuhkan oleh analyst lain yang mau memprediksi resiko kredit untuk konsumen baru lewat machine learning.

Ketiga, ekonom ga melulu belajar tentang inflasi, suku bunga, keuangan, atau pengeluaran pemerintah. Ekonom mempelajari berbagai bidang kaya matematika,, kesehatan, politik, sumber daya alam, pertanian, dll. Ya intinya ekonomi itu bidang yang interdisciplinary.

Artinya peluang ekonom jadi DS tuh ada dan besar banget karna mereka ga melulu bahas tentang hal-hal yang berhubungan dengan keuangan dan bisa ditempatin di bidang lain dimana DS itu dibutuhkan.

Keempat: ekonom tau gimana cara survey dan eksperimen dilakukan, jadi ekonom tau apa sih yang harus dilihat dalam sebuah dataset, sehingga ekonom bisa tau dan paham pendekatan machine learning apa sih yang cocok untuk sebuah kasus tertentu.

Sampai sini, kita udah sepakat ya kalau ekonom mungkin banget belajar untuk menjadi DS. Nah, pertanyaan selanjutnya adalah, gimana caranya ekonom masuk ke dunia DS.

Pastinya, ekonom harus belajar additional software yang digunakan dalam machine learning. Biasanya, ekonom menggunakan STATA atau MathLab, sedangkan DS lebih menggunakan software yang sifatnya lebih ke open-source-programming, misal Python, R atau keduanya.

Nah, gausah takut kalau kalian ga dapet itu semua itu bangku kuliah. Kalian bisa belajar dari internet atau bahkan ikut program, salah satunya di Pacmann.AI. Kalau tertarik untuk join non-degree program kami, langsung hubungi kami di bit.ly/WASalesPacmann

Selain itu, ekonom juga harus mulai mengadopsi pola pikir baru di luar kausalitas atau hubungan sebab akibat. Memang sih, neural network algorithms mungkin membingungkan bagi ekonom karna lebih melihat ke pola dibandingkan dengan hubungan kausalitas.

Nah, maka dari itu ekonom harus menunjukkan bahwa mereka siap untuk menerima pelajaran baru dan memiliki pola pikir yang fleksibel.

Oh iya, singkatnya perbedaan antara ekonom dan DS bisa kalian liat di tabel di bawah inii:

Kira-kira gitu guys kenapa ekonom mungkin banget terjun ke dunia data scientist. Semoga thread kali ini bermanfaat yaa untuk teman-teman ekonom.

Referensi:
info.cambridgespark.com/latest/why-eco…