Kuliah Umum di Telkom University
Berawal dari obrolan lepas saat reuni kecil-kecilan antara saya dengan dua orang teman di Matematika ITB angkatan 2004 (yang kini menjadi dosen di jurusan Teknik Industri Telkom University), pada 28 November 2019 lalu saya diundang sebagai pembicara di kuliah umum basis data bertajuk: Data: the New Oil in Digital Era.
Acara itu dilaksanakan di salah satu aula yang alhamdulillah terisi penuh oleh mahasiswa tingkat tiga dan empat.
Pada kuliah umum ini, saya tidak sendirian. Ada seorang narasumber lainnya yang luar biasa dan inspiratif. Ia adalah Ammar Naufal, Senior Manager Head of Retail Operation dari Ninja Express, alumni Teknik Industri Tel-U. Ia menjelaskan bagaimana data digunakan sebagai decision support system di industri pengantaran barang. Keren!
Salah satu motivasi saya untuk mau melakukan ini adalah agar adik-adik mahasiswa bisa mempersiapkan diri di dunia industri saat mereka nanti lulus kuliah. Masalah utama di industri data adalah mengenai supply dan demand dari tenaga kerjanya. Demand yang tinggi terhadap tenaga data scientist tidak diimbangi dengan supply yang mumpuni.
Banyak perusahaan yang tidak mau bersabar menunggu, akibatnya mereka hanya mau mempekerjakan data scientist yang berpengalaman dan memiliki portofolio. Sedangkan adik-adik mahasiswa bisa jadi memiliki kemampuan yang cukup kompetitif namun karena minim pengalaman mereka bisa jadi tidak dipandang. Oleh karena itu, saya berharap sharing saya di Telkom University dapat menginspirasi adik-adik mahasiswa untuk bisa memulai dan mempersiapkan portofolionya.
Ada tiga materi utama dari sharing saya kemarin, yakni:
Data is the new oil
Pernyataan tersebut bukanlah isapan jempol belaka namun merupakan analogi yang tepat. Setidaknya ada tiga proses utama saat kita berbicara mengenai industri oil yang mirip karakteristiknya dengan industri data. Apa saja?
- Mencari sumber minyak.
- Bagaimana menggali dan memindahkan minyak dari perut bumi keluar.
- Bagaimana mengubah crude oil menjadi bahan bakar minyak.
Ketiga proses tersebut sangat mirip dengan proses yang melibatkan data. Dari mulai mencari sumber data (bisa di internal organisasi atau eksternal, bisa dari scrap di web atau sosial media, dsb), menemukan metode yang tepat untuk mengekstrak datanya, sampai mendapatkan insights dari data.
Study cases: Computational science in market research.
Di sini saya berbicara mengenai contoh-contoh masalah real yang dihadapi di pekerjaan sehari-hari yang bisa diselesaikan dengan algoritma statistika dan matematika.
Setelah selesai menyampaikan materi, beberapa orang dari dosen datang berdiskusi. Mereka menyatakan bahwa semua projects yang telah saya selesaikan sangat menarik karena metode yang digunakan sebenarnya sudah banyak dipelajari oleh mahasiswa tapi mereka tidak pernah tahu apa aplikasi real dari metode tersebut.
What do you need to be prepared?
Sebagai penutup, saya menyampaikan empat poin penting yang harus dipersiapkan adik-adik mahasiswa ke depannya. Ini saya kutip dari Prof. Terence Tse saat saya menghadiri AI Summit beberapa bulan lalu di Nusa Dua Bali, yakni: creativity, communication, coding, dan confidence.
Semoga bisa bermanfaat untuk semuanya.
Aamiin
