1.

Pengertian sandbox
Sandbox adalah mekanisme keamanan untuk memisahkan program yang sedang berjalan.
Istilah ini acap digunakan untuk mengeksekusi kode yang belum diuji, atau program tidak
tepercaya yang berasal dari pihak ketiga dan pemasok yang tidak terverifikasi, serta
pengguna dan situs web yang tidak tepercaya., Sandbox biasanya menyediakan sumber
daya yang dikontrol ketat bagi program tamu untuk berjalan pada komputer, misalnya
menyediakan ruang gerut pada cakram dan memori. Akses jaringan, kemampuan untuk
memeriksa sistem penyedia atau membaca dari perangkat masukan biasanya tidak diizinkan
atau sangat dibatasi. Dalam kasus ini, sandbox adalah contoh spesifik dari virtualisasi.
Teknologi sandbox seringkali digunakan untuk menguji program tidak terverifikasi yang
mungkin mengandung virus atau kode jahat lainnya, tanpa harus membiarkan perangkat
lunak tamu membahayakan perangkat penyedia.

2. Perbedaan Data Scinece dan Data Engineer

Data scientist
Seorang data scientist bertanggung jawab membersihkan, memproses,
dan mengolah data besar yang sudah dikumpulkan oleh data engineer di
suatu perusahaan. Data scientist juga tak jarang harus melakukan
eksperimen untuk membuktikan dan memberikan saran yang paling tepat
untuk perkembangan sebuah organisasi, perusahaan, dan badan usaha.
Dalam pekerjaan sehari-hari, data scientist akan sering berhadapan
dengan pertanyaan seperti “berapa banyak jenis pengguna yang dimiliki
oleh perusahaan?” dan “bisakah menciptakan model yang bisa
memprediksi suatu produk yang akan laris jika dijual untuk target pasar
tertentu?”
Pada intinya, pekerjaan sebagai data scientist adalah bagaimana kamu
bisa menghasilkan suatu kesimpulan yang dapat dicerna dan diterima
oleh semuanya, berdasar dari kumpulan data besar yang sudah ada.
Setiap hari, data scientist berhadapan dengan program olah data seperti
SQL dan Phyton. Setidaknya, kamu harus menguasai bidang pemrogaman
data, komunikasi, matematika, statistik, dan eknomi.

Data analyst
Profesi data analyst mengharuskanmu berhadapan dengan banyak data
untuk dibersihkan, dianalisis, dan dibuatkan visualisasinya. Tugas seorang
data analyst adalah mencari insight untuk memajukan bisnis dari
berbagai aspek, lalu kemudian diberikan pada data engineer. Data
analyst juga bertanggungjawab untuk mengolah bahan yang diberikan
untuk membuat eksperimen dan menentukan strategi bisnis lanjutan.
Hari-harimu mungkin akan dihabiskan dengan visualisasi data yang
menjadi penghubung tim pemasaran, tim penjualan, tim teknis, dan
strategi bisnis.
Data analyst juga bertanggung jawab menyelesaikan pertanyaan seperti
“bagaimana cara kami menjelaskan kepada manajemen bahwa kenaikan
biaya memengaruhi jumlah konsumen?” dan “apa yang mendorong
pertumbuhan bisnis?” Untuk menyelesaikan pekerjaan sehari-hari, data
 analyst akan bekerja dengan program Excel, Tableau, dan SQL. Kamu
harus menguasai istilah bisnis dan tools yang digunakan untuk membuat
grafik/infografik.

Data engineer
Data engineer bertugas untuk mengembangkan dan membuat desain
arsitektur manajemen data dan memonitor infrastrukturnya di dalam
sebuah perusahaan. Kamu akan mengelola jalur data untuk perusahaan
yang menangani data dalam jumlah besar. Kamu juga harus memastikan
bahwa data bisa dikumpulkan dan diambil secara efisien dari sumber
ketika dibutuhkan, dibersihkan dan diproses. Tujuannya adalah untuk
membangun dan mengoptimalkan sistem perusahaan yang
memungkinkan bagi data analyst dan data scientist menyelesaikan
pekerjaan mereka. Kamu harus memiliki keahlian di bidang programming,
big data, dan matematika.
Sebagai seorang data engineer, kamu akan menggunakan program
seperti NoSQL, Hadoop, dan Phyton. Kamu juga harus menguasai
Databases, SQL, ETL Tools, Pipeline, shell script, dan basic programming.
Data engineer juga harus mempunyai keahlian khusus di bidang
programming, matematika, dan big data.
Baik itu data scientist, data analyst, ataupun data engineer, ketiga
pekerjaan tersebut masih berhubungan dan saling terkait. Data analyst
dan data scientist tidak akan bisa bekerja tanpa data engineer.
Sedangkan data engineer juga tidak akan maksimal kerjanya tanpa data
analyst dan data scientist.

perbedaan antara Data Scientist & Data Engineer ? 

Data Scientist atau Data Engineer

Data Scientist (Senior atau Profesional) umumnya mempunyai

Background pendidikan dalam Science dan Matematika atau
Statistika. Mereka juga biasanya punya latar belakang cukup tinggi,
seperti kebanyakan Professional Data Scientist di Amerika yang
banyak lulusan PhD. 

Data Scientist lebih bersifat (seorang yang melakukan) Research

dan bertugas untuk eksplorasi dana analisis data serta menentukan
formulasi atau metoda yang tepat untuk mengenali data menjadi
informasi yang berharga atau berguna bagi perusahaan.
Sementara Data Engineer (lebih bersifat teknis), sebenarnya adalah
seorang Programmer atau seorang yang bergelut dengan Software
Engineering yang bertugas membangun sistem untuk menyimpan dan
mengambil/menggali Data yang diperlukan oleh orang lain termasuk
oleh Data Scientist. 

Data Engineer juga wajib faham dengan ekosistem Data (DBMS,

Relasi Data, Size Data dll). Sebenarnya hal ini disisi lain bisa
dikatakan juga Overlap dengan posisi DBA (Database Admin). Tapi
pada prakteknya memang Data Engineer harus faham tentang
Software dan Data di lingkuangan pekerjaannya.

Lebih lanjut, Data Engineer ini akan berkembang mempelajari teknik-

teknik engineering data yang lebih advance seperti Machine
Learning, Aljabar Linier. Disamping itu seorang Data Engineer juga
harus familiar dengan Tools populer untuk menghandle Data seperti
RDBMS, Hadoop, Apache Spark/Storm/Flink dll.

Berikut adalah table sederhana focus masing-masing posisi  

3. Menentukan Ketentuan: Data Scinece vs. Business Intelligence (BI)
Data Analytics , Data Scinece, seperti yang digunakan dalam bisnis, pada dasarnya
adalah data-driven, di mana banyak ilmu interdisipliner diterapkan bersama untuk
mengekstrak makna dan wawasan dari data bisnis yang tersedia, yang biasanya besar
dan kompleks. Di sisi lain, Business Intelligence atau BI membantu memantau
keadaan data bisnis saat ini untuk memahami kinerja historis suatu bisnis.

Business Intelligence atau BI membantu menafsirkan data masa lalu, Data Scinece
dapat menganalisis data masa lalu (tren atau pola) untuk membuat prediksi masa
depan. Business Intelligence atau BI terutama digunakan untuk pelaporan atau
Analisis Deskriptif, sedangkan Data Scinece lebih banyak digunakan untuk Predictive
Analytics atau Prescription Analytics.

Persamaan Utama Antara Data Scinece dan Kecerdasan Bisnis Baik Data Scinece
dan Business Intelligence atau BI fokus pada "data," dengan tujuan untuk
memberikan hasil yang menguntungkan, yang dalam hal bisnis dapat berupa margin
laba, retensi pelanggan, tangkapan pasar baru, dan sebagainya. Kedua bidang ini
memiliki kemampuan untuk "menafsirkan data," dan biasanya melibatkan para ahli
teknis yang menerjemahkan atau mengubah hasil yang diperkaya data menjadi
wawasan yang ramah atau intelijen kompetitif. Dalam lingkungan bisnis yang khas, baik
eksekutif senior maupun manajer sering tidak memiliki waktu atau kecenderungan untuk
mempelajari teknis yang tersembunyi di balik Data Analytics atau BI, tetapi mereka
membutuhkan sistem pendukung keputusan yang cepat dan akurat untuk membuat
keputusan penting pada saat dibutuhkan. Baik BI dan Ilmu Data menawarkan sistem
pendukung keputusan yang andal bagi para eksekutif, manajer, atau bahkan operator
garis depan yang sibuk, yang ahli dalam bidang pekerjaan masing-masing dan
mengharapkan bantuan dan dukungan yang andal dari para pakar data untuk membuat
keputusan yang didorong oleh data. Poin utama perbedaan antara Ilmu Data vs
Kecerdasan Bisnis adalah bahwa meskipun BI dirancang untuk menangani data statis
dan sangat terstruktur, Ilmu Data dapat menangani data multi-struktur berkecepatan
tinggi, bervolume tinggi, dan kompleks dari berbagai macam sumber data. Sedangkan
BI hanya dapat memahami data "yang telah diformat" dalam format tertentu, teknologi
Ilmu Data canggih seperti Big Data, IoT, dan Cloud dapat bersama-sama
mengumpulkan, membersihkan, menyiapkan, menganalisis, dan melaporkan berbagai
 jenis data bentuk bebas yang dikumpulkan dari sentuhan operasional yang
didistribusikan secara luas. poin.

FOLLOW FB KAMI. BANYAK HAL MENARIK DISANA LOH!FOLLOW JUGA G+

KITA YAHFOLLOW TWITTER KAMIFOLLOW BBM CHANNEL KAMIFOLLOW
INSTAGRAM KAMI

Related