Ketika mendengar istilah Data Science, banyak orang langsung membayangkan programmer, kode Python, rumus statistik, atau komputer dengan layar penuh angka.

Padahal inti dari Data Science bukan hanya soal coding.

Data Science pada dasarnya adalah cara memahami data untuk mengambil keputusan yang lebih baik.

Seorang pemilik toko, guru, pebisnis, penulis, atau orang biasa pun bisa menggunakan cara berpikir Data Science tanpa harus menjadi programmer.

Karena di dunia nyata, setiap hari kita menghasilkan data.

Jumlah pelanggan, pengeluaran, penjualan, kebiasaan belanja, waktu kerja, sampai aktivitas media sosial — semuanya adalah data.

Apa Itu Data Science?

Secara sederhana:

Data Science adalah proses mengubah data mentah menjadi informasi yang berguna.

Misalnya:

Sebuah toko memiliki catatan penjualan selama satu tahun.

Data mentah:

• Senin: 20 pembeli
• Selasa: 15 pembeli
• Rabu: 35 pembeli
• Produk A terjual 500 kali
• Produk B terjual 100 kali

Data tersebut belum banyak bercerita.

Tetapi setelah dianalisis, bisa muncul insight:

“Produk A paling banyak dibeli.”

“Pembeli lebih ramai saat akhir pekan.”

“Jam terbaik promosi adalah sore hari.”

Itulah pekerjaan Data Science: menemukan cerita dari angka.

Data Tidak Selalu Berupa Angka Rumit

Banyak orang mengira data hanya berupa tabel besar.

Padahal data bisa berupa:

• Foto
• Komentar pelanggan
• Daftar transaksi
• Jumlah pengunjung website
• Hasil survei
• Kebiasaan pengguna

Contoh:

Sebuah website memiliki data:

Bulan Januari:
10.000 pengunjung

Bulan Februari:
15.000 pengunjung

Bulan Maret:
20.000 pengunjung

Dari sini kita bisa melihat pola:

“Pengunjung meningkat setiap bulan.”

Lalu muncul pertanyaan:

Kenapa meningkat?

Apakah karena artikel baru?

Promosi?

Media sosial?

Di sinilah analisis dimulai.

Cara Membaca Dataset untuk Pemula

Dataset adalah kumpulan data yang tersusun rapi.

Biasanya berbentuk tabel.

Contoh:

Cara membacanya:

1. Lihat Struktur Data

Tanyakan:

• Data ini tentang apa?
• Setiap kolom menunjukkan apa?
• Setiap baris mewakili apa?

Misalnya:

Kolom “Jumlah Terjual” menunjukkan performa produk.

Kolom “Harga” membantu melihat nilai penjualan.

2. Cari Pola

Otak manusia sangat suka mencari pola.

Contoh:

Data penjualan:

Senin: Rp500 ribu
Selasa: Rp600 ribu
Rabu: Rp900 ribu
Kamis: Rp1 juta

Kesimpulan awal:

Penjualan cenderung naik.

Pertanyaan berikutnya:

“Apa penyebab kenaikan?”

3. Bandingkan Data

Data menjadi lebih bermakna ketika dibandingkan.

Contoh:

Bulan lalu:
100 pelanggan

Bulan ini:
150 pelanggan

Artinya ada peningkatan 50%.

Informasi ini lebih berguna daripada hanya melihat angka 150.

Visualisasi Data: Membuat Angka Lebih Mudah Dipahami

Manusia lebih cepat memahami gambar dibandingkan tabel panjang.

Karena itu Data Science banyak menggunakan visualisasi.

Contoh sederhana:

Grafik penjualan bulanan.

Dari tabel:

Januari: 100
Februari: 120
Maret: 180

Dalam grafik, kita langsung melihat:

“Penjualan naik.”

Jenis visualisasi yang sering digunakan:

Diagram Batang

Cocok untuk membandingkan.

Contoh:

Produk mana paling laku?

• Produk A
• Produk B
• Produk C

Grafik Garis

Cocok melihat perubahan waktu.

Contoh:

Apakah jumlah pengunjung website meningkat?

Diagram Lingkaran

Cocok melihat komposisi.

Contoh:

Sumber pelanggan:

• 50% Google
• 30% Instagram
• 20% Referensi

Contoh Data Science dalam Kehidupan Sehari-hari

1. Menentukan Produk yang Dijual

Seorang pedagang tidak perlu menebak.

Ia bisa melihat:

• Produk paling sering dibeli
• Waktu pembelian
• Produk yang jarang bergerak

Dari data tersebut keputusan menjadi lebih tepat.

2. Mengembangkan Website

Pemilik website dapat melihat:

• Halaman paling banyak dikunjungi
• Berapa lama orang membaca artikel
• Dari mana pengunjung datang

Insight:

“Artikel tentang teknologi paling banyak dibaca.”

Maka strategi konten bisa diarahkan ke topik tersebut.

3. Mengatur Pengeluaran

Data pribadi juga bisa dianalisis.

Misalnya catatan:

Makan:
Rp1 juta

Transportasi:
Rp500 ribu

Belanja:
Rp2 juta

Dari data muncul insight:

“Pengeluaran terbesar ada pada belanja.”

Kemudian bisa dibuat strategi baru.

Apakah Harus Bisa Coding?

Tidak selalu.

Coding memang berguna jika ingin mengolah data besar.

Tetapi untuk memahami konsep dasar, cukup belajar:

• Membaca tabel
• Bertanya pada data
• Melihat pola
• Membuat kesimpulan

Banyak pekerjaan sehari-hari sebenarnya sudah memakai konsep Data Science.

Pertanyaan Terpenting dalam Data Science

Data Science bukan hanya mencari angka.

Pertanyaan utamanya adalah:

“Apa yang bisa kita pelajari dari data ini?”

Contoh:

Data:
Pelanggan membeli lebih banyak pada malam hari.

Insight:
Mungkin promosi malam lebih efektif.

Data:
Artikel tertentu banyak dibaca.

Insight:
Topik tersebut diminati pembaca.

Data:
Produk tertentu jarang terjual.

Insight:
Mungkin perlu strategi baru.

Kesimpulan

Data Science bukan hanya milik programmer atau perusahaan teknologi besar.

Data Science adalah cara berpikir untuk memahami dunia melalui data.

Dengan kemampuan membaca dataset, membuat visualisasi sederhana, dan mencari insight, siapa pun bisa membuat keputusan yang lebih baik.

Karena di era digital, orang yang mampu memahami data akan lebih mudah melihat peluang, menemukan masalah, dan membuat perubahan