Penerjemah Elena Bornovolokova khusus untuk Netologi mengadaptasi sebuah artikel oleh analis Amerika Tavish Srivastava tentang bagaimana proses otomatisasi memengaruhi seorang ilmuwan data.Pendahuluan
Otomasi memengaruhi aktivitas profesional di semua sektor. Di satu sisi, otomatisasi membantu mengelola bisnis Anda secara lebih efisien, dan di sisi lain, otomatisasi mengarah pada perubahan konstan dalam serangkaian keterampilan yang diperlukan.
Ketidakkonsistenan dengan serangkaian keterampilan yang dibutuhkan menyebabkan hilangnya pekerjaan. Saya akan menggambarkan ide ini dengan dua skenario.
Skenario 1 - Tenaga Kerja Manual
Anda mendapat pekerjaan sebagai perekrut pada tahun 2000, ketika sebagian besar dokumen perusahaan berupa kertas. Anda secara efektif menyortir dokumen, menemukannya sesuai permintaan, dan berkat keahlian ini Anda telah menjadi spesialis terbaik.
Mengingat bahwa proses seleksi dan manajemen untuk personel tidak banyak berubah dari waktu ke waktu, selama 18 tahun Anda belum mengurus keterampilan komputer. Namun, dari 2000 hingga 2018, perubahan signifikan terjadi dalam metode kerja, dan sekarang semua dokumentasi karyawan disimpan di cloud atau server pribadi.
Akibatnya, keterampilan Anda tidak begitu diminati. Jika Anda tidak mulai meningkatkan keterampilan Anda, maka Anda akan menghadapi kesulitan dalam mencari pekerjaan. Harap dicatat bahwa ketidakcocokan keterampilan Anda tidak terjadi karena pengembangan proses perekrutan dan manajemen personalia, tetapi karena perubahan proses bisnis yang Anda dukung.
Skenario 2 - Preferensi Pelanggan
Anda bekerja sebagai penyiar dan membaca berita di radio ketika belum ada televisi. Anda adalah karyawan yang baik, menyadari kejadian terkini. Tetapi setelah televisi menjadi luas, radio kehilangan popularitasnya. Majikan memotong Anda karena stasiun radio kalah.
Mengingat keterampilannya, Anda akan mencoba untuk mendapatkan pekerjaan sebagai pembawa berita televisi, tetapi Anda perlu melatih bahasa tubuh Anda dan mengatasi rasa takut kamera. Apakah ada kabar baik? Ya Ada orang-orang di lingkungan Anda yang bekerja di televisi, dan dari mereka Anda belajar apa yang bisa Anda andalkan, dan secara aktif mengerjakannya.
Harap perhatikan bahwa dalam hal ini, baik profesi maupun industri Anda tidak berubah. Hanya saja pelanggan mulai menyukai produk atau layanan alternatif dalam bisnis yang Anda dukung, yang membuat keterampilan Anda tidak sesuai atau ketinggalan zaman untuk industri ini.
Apa yang kita pelajari dari skenario ini?
Perubahan menyederhanakan manajemen bisnis, tetapi pada saat yang sama menciptakan perbedaan dalam keterampilan yang diperlukan untuk pekerjaan, yang mengarah pada pengangguran di industri tertentu.
Berikut adalah tiga alasan utama untuk mengubah keterampilan profesional di industri:
- Perubahan alat dan teknologi yang diterapkan dalam profesi Anda;
- Perubahan gaya bisnis yang Anda dukung.
- Perubahan dalam preferensi pelanggan mengenai produk atau layanan yang Anda hasilkan atau promosikan.
Otomasi dan sektor bisnis yang berubah memotong pekerjaan, tetapi apakah beberapa profesi akan lebih terpengaruh oleh otomatisasi daripada yang lain?
Terlepas dari kenyataan bahwa tidak ada yang tahu otomasi profesi mana yang akan berdampak pada tingkat yang lebih besar atau lebih kecil, struktur di bawah ini akan membantu untuk memahami gagasan secara keseluruhan.
Mesin kurang terlatih ketika ada beberapa contoh, dan tidak tahu bagaimana menjadi kreatif. Jika pekerjaan Anda memiliki dua karakteristik ini, maka Anda tidak perlu takut. Misalnya, mengendarai mobil adalah proses berulang yang tidak memerlukan pendekatan kreatif. Akibatnya, pengemudi taksi berisiko tinggi mengotomatiskan pekerjaan mereka.
Apakah ilmuwan data dilindungi dari robot?
Spesialis dalam pengolahan data dan metode analisis melakukan berbagai tugas, membantu bisnis tumbuh. Masing-masing tugas ini terletak di tempat yang berbeda pada bagan ini. Gambar di bawah ini mencerminkan pemikiran saya tentang berbagai subtugas yang dilakukan oleh para ilmuwan data. Rasio dapat bervariasi tergantung pada peran tertentu.
Tidak semua komponen data pekerjaan ilmuwan memiliki garansi 10 tahun. Masuk ke dalam robot tergantung pada jumlah pekerjaan yang sulit untuk diotomatisasi dan peran spesifik Anda.Keterampilan utama seorang spesialis dalam pengolahan data dan metode analisis pada tahun 2010 adalah pengetahuan tentang regresi logistik dan linier dan pengetahuan tentang basis SAS dan MS Excel. Jika kami mentransfer spesialis ini pada 2018 tanpa peningkatan teknologi dan keterampilan untuk bekerja dengan alat-alat baru, ia akan menemui kesulitan dalam menemukan pekerjaan di bidang khusus. Meskipun ilmu data akan ada untuk waktu yang lama, peran dan tanggung jawab spesialis akan berubah. Profesional yang tidak dapat mempelajarinya akan menghadapi tantangan perkembangan karir yang serius.
Orang-orang muda yang datang ke bidang ilmu data memiliki keterampilan yang diperlukan, sehingga dalam jangka pendek tidak ada masalah kesenjangan profesional. Tetapi dengan perkembangan bola, usia spesialis akan meningkat, dan teknologinya akan berubah, jadi Anda perlu meningkatkan keterampilan dalam menyelesaikan tugas sehari-hari.
Bagaimana agar tetap produktif dan dalam permintaan dalam ilmu data dalam jangka panjang?
Saya merekomendasikan empat poin kepada profesional pemrosesan dan analisis data untuk melindungi masa depan profesional mereka:
- Pelajari alat dan teknologi terbaru dan terhebat.
- Analisis perubahan industri dan dampaknya terhadap pekerjaan Anda.
- Pikirkan selalu tentang nilai tambah yang diciptakan oleh pekerjaan Anda untuk bisnis.
- Tetap di atas apa yang terjadi di industri lain yang melampaui Anda.
Dari para editor
Mata kuliah Netologi dengan topik: