INTRODUCTION TO

DATA SCIENCE
By ChatGPT

Internal
 AGENDA

Introduction

Primary goals

Areas of growth

Timeline

Summary

PRESENTATION TITLE 2

Internal
 DEFINISI DAN RUANG LINGKUP
Data science adalah disiplin yang menggabungkan berbagai bidang ilmu dan teknik untuk mengekstrak
wawasan dan pengetahuan dari data. Data science merupakan campuran dari beberapa disiplin ilmu,
termasuk:
1.Statistik: Data science menggunakan teknik statistik untuk menganalisis data dan membuat prediksi.
Statistik membantu data scientist mengidentifikasi pola dan tren dalam data, mengevaluasi hipotesis, dan
membangun model yang akurat.
2.Ilmu komputer: Data science juga membutuhkan keahlian dalam ilmu komputer, terutama dalam
pengumpulan dan pengelolaan data. Data scientist harus memahami berbagai teknologi yang digunakan
untuk menyimpan, mengelola, dan menganalisis data, seperti database dan big data platforms.
3.Kemampuan domain: Data science juga membutuhkan keahlian dalam bidang tertentu, seperti bisnis,
kesehatan, atau teknologi. Data scientist harus memahami konteks dan isu-isu yang terkait dengan domain
mereka, agar dapat mengekstrak wawasan yang berguna bagi organisasi atau industri tertentu.
Dengan menggabungkan keahlian dari berbagai disiplin ini, data scientist dapat mengekstrak wawasan dan
pengetahuan yang berguna dari data untuk membantu organisasi membuat keputusan yang lebih baik.

PRESENTATION TITLE
APA ITU DATA SAINS?
3

Internal
 PENTINGNYA DATA DALAM PEMBUATAN
KEPUTUSAN
Data memainkan peran yang sangat penting dalam pembuatan keputusan, terutama di era
digital saat ini. Dengan adanya data yang tersedia, individu dan organisasi dapat membuat
keputusan yang didasarkan pada fakta dan bukti, bukan hanya asumsi atau dugaan.
Data membantu mengurangi risiko keputusan yang salah dan memberikan kepercayaan diri
dalam pembuatan keputusan. Data juga dapat memberikan wawasan yang tidak terduga dan
memberikan perspektif yang berbeda terhadap masalah yang dihadapi.
Data juga dapat membantu meningkatkan efisiensi dan mengurangi biaya dengan
membantu individu dan organisasi mengidentifikasi area yang dapat dioptimalkan atau
diperbaiki.

PRESENTATION TITLE
DATA DRIVEN 4

Internal
 APLIKASI DATA SCIENCE DI INDUSTRI
1.Memprediksi churn pelanggan: Data science dapat digunakan untuk memprediksi
pelanggan yang mungkin akan meninggalkan perusahaan dan mengambil tindakan preventif
untuk mengurangi churn rate. Data yang dikumpulkan dari pelanggan, seperti data
demografis, data transaksi, dan data interaksi dengan perusahaan, dapat digunakan untuk
membuat model yang dapat memprediksi pelanggan yang mungkin akan meninggalkan
perusahaan.
2.Mengidentifikasi kegiatan penipuan: Data science juga dapat digunakan untuk
mengidentifikasi kegiatan penipuan. Data yang dikumpulkan dari transaksi, seperti data
lokasi, data waktu, dan data jumlah uang, dapat digunakan untuk membangun model yang
dapat mengidentifikasi pola yang mungkin merupakan kegiatan penipuan.
3.Mengoptimalkan manajemen rantai pasokan: Data science dapat membantu perusahaan
mengoptimalkan manajemen rantai pasokan dengan memprediksi kebutuhan akan produk,
mengoptimalkan persediaan, dan mengidentifikasi pola yang mungkin menunjukkan masalah
dalam rantai pasokan. Data yang dikumpulkan dari rantai pasokan, seperti data permintaan,
data stok, dan data ketersediaan, dapat digunakan untuk membangun model yang dapat
membantu perusahaan mengambil keputusan yang tepat untuk mengoptimalkan rantai
pasokan.

DATA SCIENCE
PRESENTATION TITLE
INDUSTRIES 5

Internal
 PERBANDINGAN DATA SCIENCE DENGAN BIDANG
TERKAIT SEPERTI STATISTIK, DATA ANALYTICS,
DAN MACHINE LEARNING
Data science merupakan bidang interdisiplin yang menggabungkan berbagai bidang seperti
statistik, ilmu komputer, dan keahlian domain. Data science menggunakan teknik-teknik seperti
pengumpulan dan pengelolaan data, visualisasi, pemodelan, dan analisis statistik untuk
mengekstrak wawasan dan pengetahuan dari data.
Statistik merupakan cabang ilmu yang mempelajari cara mengumpulkan, menganalisis, dan
menafsirkan data. Statistik menggunakan teknik-teknik seperti distribusi, regresi, dan uji
hipotesis untuk mengambil kesimpulan dari data. Statistik sangat penting dalam data science,
tetapi hanya merupakan bagian dari data science.
Data analytics merupakan proses mengeksplorasi dan mengolah data untuk menemukan
wawasan dan pengetahuan baru. Data analytics seringkali terfokus pada analisis deskriptif dan
menggunakan teknik-teknik seperti visualisasi dan kluster untuk memahami data. Data
analytics juga merupakan bagian penting dari data science, tetapi tidak seluas data science.
Machine learning merupakan cabang ilmu komputer yang mempelajari cara membuat sistem
yang dapat belajar sendiri. Machine learning menggunakan algoritma untuk membuat model
yang dapat memprediksi dan memecahkan masalah tanpa disediakan dengan instruksi langsung.
Machine learning merupakan bagian penting dari data science, tetapi tidak merupakan satu-
satunya teknik yang digunakan dalam data science.

DATA SCIENCE
PRESENTATION TITLE
VS OTHERS 6

Internal
 KETERAMPILAN TEKNIS DAN PENGETAHUAN
YANG DIBUTUHKAN
1.Bahasa pemrograman: Data scientist harus memiliki kemampuan dalam bahasa
pemrograman seperti Python atau R. Bahasa-bahasa ini sering digunakan dalam data science
karena memiliki perpustakaan yang kaya untuk mengelola dan menganalisis data, serta
memiliki komunitas yang aktif yang dapat memberikan dukungan dan solusi masalah.
2.Analisis statistik: Data scientist juga harus memiliki pemahaman tentang analisis statistik,
seperti distribusi, regresi, dan uji hipotesis. Analisis statistik penting dalam data science
karena membantu mengelola dan menganalisis data, serta membantu mengambil kesimpulan
yang valid dari data.
3.Algoritma machine learning: Data scientist juga harus memiliki pemahaman tentang
algoritma machine learning, seperti regresi, klasifikasi, dan clustering. Algoritma-algoritma
ini sering digunakan dalam data science untuk membangun model yang dapat memprediksi
dan memecahkan masalah dengan akurat. Data scientist harus memiliki kemampuan untuk
menggunakan library dan framework yang sesuai untuk membangun model machine learning.
Dengan memiliki keterampilan teknis dan pengetahuan ini, data scientist dapat mengelola
dan menganalisis data secara efektif dan membangun model yang dapat memprediksi dan
memecahkan masalah dengan akurat.

PRESENTATION TITLE
SKILLS AND TOOLS
7

Internal
 ALAT DAN TEKNOLOGI YANG DIGUNAKAN
Data scientist menggunakan berbagai alat dan teknologi untuk mengelola dan menganalisis data,
diantaranya:
1.Alat visualisasi data: Data scientist sering menggunakan alat visualisasi data seperti Tableau,
Matplotlib, dan D3.js untuk memvisualisasikan data dan mempresentasikan hasil analisis secara
efektif. Alat-alat ini memungkinkan data scientist untuk membuat grafik, diagram, dan peta yang
menarik dan mudah dipahami.
2.Perpustakaan machine learning: Data scientist juga menggunakan perpustakaan machine
learning seperti scikit-learn, TensorFlow, dan Keras untuk membangun model machine learning.
Perpustakaan-perpustakaan ini menyediakan algoritma dan fungsi yang dibutuhkan untuk
membangun model, seperti regresi, klasifikasi, dan clustering.
3.Platform cloud computing: Data scientist juga menggunakan platform cloud computing seperti
AWS, Google Cloud, dan Azure untuk menyimpan dan mengelola data secara efektif. Platform-
platform ini memungkinkan data scientist untuk mengakses dan memproses data yang besar dan
kompleks dengan mudah, tanpa harus memikirkan infrastruktur IT yang diperlukan.
Dengan menggunakan alat dan teknologi ini, data scientist dapat mengelola dan menganalisis data
secara efektif dan membangun model yang dapat memprediksi dan memecahkan masalah dengan
akurat.

PRESENTATION TITLE
SKILLS AND TOOLS
8

Internal
 PERMINTAAN UNTUK DATA SCIENTIST DAN
PERTUMBUHAN INDUSTRI DATA SCIENCE
Permintaan untuk data scientist saat ini sangat tinggi, karena semakin banyak perusahaan
yang menyadari pentingnya data dalam pembuatan keputusan dan mencari cara untuk
memanfaatkan data secara efektif. Data scientist memiliki kemampuan untuk
mengumpulkan, mengeksplorasi, dan menganalisis data untuk mengekstrak wawasan dan
pengetahuan yang bermanfaat bagi perusahaan.
Industri data science juga sedang tumbuh dengan cepat, terutama di bidang-bidang seperti
keuangan, teknologi informasi, dan e-commerce. Perusahaan-perusahaan di bidang-bidang
ini sangat tergantung pada data untuk memprediksi penjualan, meningkatkan efisiensi, dan
mengambil keputusan yang tepat. Data scientist sangat dibutuhkan untuk membantu
perusahaan mengelola dan menganalisis data secara efektif.
Selain itu, pertumbuhan industri data science juga didorong oleh pertumbuhan teknologi
seperti cloud computing, big data, dan machine learning, yang semuanya memudahkan
pengolahan data yang lebih besar dan lebih kompleks.
Dengan demikian, permintaan untuk data scientist dan pertumbuhan industri data science
sangat tinggi saat ini dan diperkirakan akan terus tumbuh di masa mendatang.

DATA SCIENCE
PRESENTATION TITLE
CAREER 9

Internal
 KUALIFIKASI DAN KETERAMPILAN YANG
DIBUTUHKAN
1.Pendidikan: Data scientist biasanya memiliki latar belakang pendidikan di bidang-bidang
seperti statistik, ilmu komputer, atau matematika. S1 dalam salah satu bidang tersebut
merupakan dasar yang baik, tetapi sebagian besar data scientist juga memiliki gelar S2 atau
S3 dalam bidang yang terkait.
2.Pengalaman: Pengalaman kerja dalam bidang data science atau bidang yang terkait sangat
dihargai. Data scientist harus memiliki pengalaman dalam mengumpulkan, mengeksplorasi,
dan menganalisis data, serta memiliki pemahaman tentang teknik-teknik yang digunakan
dalam proses data science.
3.Keterampilan teknis: Data scientist harus memiliki keahlian teknis yang kuat, termasuk
kemampuan untuk menggunakan bahasa pemrograman seperti Python atau R, menggunakan
tools seperti SQL dan Excel, dan menggunakan platform cloud seperti AWS atau Google
Cloud. Data scientist juga harus memiliki pemahaman tentang teknik-teknik machine
learning seperti regresi, klasifikasi, dan clustering, serta kemampuan untuk menggunakan
library dan framework yang sesuai untuk membangun model machine learning. Selain itu,
data scientist harus memiliki kemampuan visualisasi data yang baik untuk
mempresentasikan hasil analisis secara efektif.

DATA SCIENCE
PRESENTATION TITLE
CAREER 10

Internal
 PRIMARY GOALS
Annual revenue growth

Internal
 AREAS OF GROWTH

​ CATEGORY 1 CATEGORY 2 CATEGORY 3​ CATEGORY 4​

Q1 4.5​ 2.3​ 1.7​ 5​.0

Q2 3.2​ 5.1​ 4.4​ 3​.0

Q3 2.1​ 1.7​ 2.5​ 2.8​

Q4 4.5​ 2.2​ 1.7​ 7.0

PRESENTATION TITLE 12

Internal
 BUSINESS OPPORTUNITIES ARE
LIKE BUSES. THERE'S ALWAYS
ANOTHER ONE COMING.​
Richard Branson

PRESENTATION TITLE 13

Internal
 MEET OUR TEAM

TA K U M A H AYA S H I M I R J A M N I L S S ON FLORA BERGGREN R A J E S H S A N TO S HI

President Chief Executive Officer Chief Operations VP Marketing
Officer

PRESENTATION TITLE 14

Internal
 MEET OUR TEAM

TA K U M A H AYA S H I MIRJAM NILSSON RAJESH SANTOSHI RAJESH SANTOSHI

President Chief Executive Officer Chief Operations Officer VP Marketing

GRAHAM BARNES R O WA N M U R P H Y ELIZABETH MOORE ROBIN KLINE

VP Product SEO Strategist Product Designer Content Developer

PRESENTATION TITLE 15

Internal
 PLAN FOR PRODUCT LAUNCH

PLANNING MARKETING DESIGN STRATEGY LAUNCH

Synergize scalable Disseminate Coordinate e- Foster holistically Deploy strategic

e-commerce standardized metrics business superior networks with
applications methodologies compelling e-
business needs

PRESENTATION TITLE 16

Internal
 Q1 Synergize scalable e-commerce

Q2 Coordinate e-business applications

Q3 Deploy strategic networks with compelling e-business needs

Q4 Disseminate standardized metrics

TIMELINE
PRESENTATION TITLE 17

Internal
 AREAS OF FOCUS

CLOUD-BASED
B2B MARKET SCENARIOS OPPORTUNITIES

Develop winning strategies to keep ahead of Iterative approaches to corporate strategy

the competition
​E stablish a management framework from the
​C apitalize on low hanging fruit to identify a inside​
ballpark value
​Visualize customer directed convergence​

PRESENTATION TITLE 18

Internal
 HOW WE GET THERE
ROI
Envision multimedia-based
expertise and cross-media growth
strategies​
​E ngage worldwide methodologies
with web-enabled technologies​
Internal
NICHE MARKETS
Pursue scalable customer service
through sustainable strategies​
Engage top-line web services
with cutting-edge deliverables​​
PRESENTATION TITLE
SUPPLY CHAINS
Cultivate one-to-one customer
service with robust ideas​
Maximize timely deliverables for
real-time schemas​
19
 SUMMARY

At Contoso, we believe in giving 110%. By using our next-

generation data architecture, we help organizations virtually
manage agile workflows. We thrive because of our market
knowledge and great team behind our product. As our CEO
says, "Efficiencies will come from proactively transforming
how we do business."​

PRESENTATION TITLE 20

Internal
 THANK YOU
Mirjam Nilsson

mirjam@contoso.com

www.contoso.com

PRESENTATION TITLE 21

Internal