Tips Belajar Data Science Tanpa Latar Belakang Kuliah IT

KOMPAS.com - Melonjaknya kebutuhan tenaga praktisi data seperti data scientist, data analyst, dan data engineer di sejumlah perusahaan membuat banyak orang mulai mempelajari kemampuan yang dibutuhkan, salah satunya dengan mempelajari data science.

Kini, hampir di seluruh lini bisnis membutuhkan tenaga kerja praktisi data guna pengolahan data perusahaan. Tak main-main, di Indonesia kebutuhan akan praktisi data mencapai angka 9 juta orang.

Meskipun pekerjaan tersebut umumnya digeluti oleh mereka yang memiliki background pendidikan di bidang statistik, IT, atau matematika, tidak menutup kemungkinan bagi lulusan baru atau siapa pun bisa berkarier di industri data.

Baca juga: Lulusan Ilmu Sosial Ingin Belajar Data Science Gratis? DQLab-UMN Buka Pendaftaran

DQLab Universitas Media Nusantara (UMN) memberikan sejumlah tips sukses belajar data science bagi kamu yang memiliki latar belakang pendidikan di luar IT, statistik atau matematika:

1. Menanamkan growth mindset

Bagi kamu yang sebelumnya tidak memiliki latar belakang pendidikan yang bersinggungan dengan data science, perlu untuk menanamkan pemikiran growth mindset sebelum mulai mempelajari data science.

Growth mindset pada dasarnya adalah soal keyakinan. Dengan pemikiran ini, kamu meyakini bahwa semua dapat dilakukan dan dapat diubah jika kita memiliki kemauan dan usaha.

Dalam konteks kali ini, kamu perlu yakin bahwa kemampuan dapat terus dilatih dan dikembangkan. Jadi, meskipun kamu tidak mendapatkan bekal ilmu data science di pendidikan formal, bukan artinya kamu tidak dapat mempelajarinya di luar sana.

2. Memilih lingkungan belajar tepat

Memilih lingkungan yang tepat artinya kamu harus bisa mencari orang atau komunitas data science yang bisa mendorongmu dalam belajar.

Baca juga: BCA Buka Beasiswa Penuh Kuliah Teknik Informatika, Peluang Kerja di BCA

Kamu bisa mencari teman yang juga mempelajari ilmu data atau mencari guru dan mentor. Sebab, mempelajari data science memang bukan hal yang mudah.

Kemungkinan “trial and error” saat melakukan pemrograman juga tak jarang terjadi. Selain itu kamu juga akan bertemu dengan data yang sangat kotor.