Lelah: Ilmuwan data. Kabel: Seniman data

Ilmuwan data memang penting, tetapi yang dibutuhkan dunia sekarang adalah seniman data, menurut analis di KTT Data dan Analytics Gartner di Sydney, Australia.

Analis Sally Parker dan Peter Krensky menjelaskan bahwa seniman data adalah orang yang mengajukan pertanyaan yang lebih luas – bahkan mungkin tangensial – tentang data, dan apa yang mungkin terungkap setelah diselidiki oleh ilmuwan data.

Untuk mengilustrasikan konsep tersebut, mereka membagikan studi kasus tentang operator transportasi umum di Belgia yang menggunakan ilmu data dalam upaya mempelajari mengapa beberapa kendaraannya mogok. Mengingat potensi perluasan proyek, tim analitik mengembangkan rencana proyek 20 hari dengan separuh waktu dihabiskan untuk menyiapkan data dan sisanya didedikasikan untuk mengembangkan model.

Upaya itu tidak menghasilkan wawasan yang berguna – tetapi hal itu membawa tim data berhubungan dengan tim operasi. Begitu yang terakhir melihat data tentang bus yang rusak, mereka dengan cepat menunjukkan bahwa mereka digunakan di rute berbukit dan karena itu menghadapi lebih banyak tekanan.

Bus yang berputar melintasi rute yang berbeda menyebarkan beban dan menghemat puluhan juta.

Para analis tidak menawarkan wawasan apa pun tentang bagaimana mengembangkan seniman data. Sebaliknya, mereka menyarankan bahwa kolaborasi lintas disiplin, dan berhati-hati untuk tidak menganggap data berisi wawasan yang diharapkan, adalah langkah yang berguna.

Pasangan ini berbagi cerita tentang astronom abad ke-16 Tyco Brahe, yang melakukan pengamatan ekstensif untuk membuktikan keyakinannya bahwa Matahari mengorbit Bumi. Kolaborator Brahe Johannes Kepler menggunakan data yang sama untuk membuktikan bahwa Bumi mengorbit Sol.

“Terkadang yang kita butuhkan untuk sukses adalah mengubah perspektif,” kata Krensky.

Pasangan ini juga merekomendasikan agar organisasi mengumpulkan lebih sedikit data, karena mengumpulkan data massal menciptakan risiko keamanan. Pasangan ini mengutip contoh jaringan hotel yang menganalisis pelanggan hanya menggunakan dua titik data: apakah mereka menggunakan gym, dan apakah mereka memilih makanan sehat. Kedua nugget itu cukup untuk menyesuaikan penawaran dan nilainya jauh lebih rendah bagi penjahat daripada item informasi lainnya.

Kedua analis juga menganjurkan penggunaan data sintetis, karena lebih murah untuk dikumpulkan dan menciptakan lebih sedikit tantangan privasi.

Data sintetis juga dapat menawarkan kesempatan untuk mensimulasikan peristiwa yang sulit diamati. Para analis mengatakan pakaian teknologi mobil self-driving Alphabet Waymo menggunakannya untuk mensimulasikan jalan bagi ambulans yang melewati lalu lintas dengan kecepatan, dan untuk melakukan lebih banyak tes mobil self-driving daripada yang mungkin dilakukan di jalan yang sebenarnya.

Keynote juga menawarkan rekomendasi bagi tim TI untuk menjadi “petugas data” yang berinvestasi dalam metadata sehingga tim bisnis dapat dengan cepat mengidentifikasi dan menggunakan data yang mereka butuhkan, daripada “tukang ledeng data” yang berfokus pada infrastruktur. ®