Data science dianggap sebagai disiplin ilmu, sedangkan ilmuwan data adalah praktisi dalam bidang itu. Data scientist tidak selalu bertanggung jawab langsung atas semua proses yang terlibat dalam siklus hidup ilmu data. Sebagai contoh, pipeline data biasanya ditangani oleh insinyur data—tetapi ilmuwan data dapat memberikan rekomendasi tentang jenis data apa yang berguna atau diperlukan. Meskipun para ilmuwan data dapat membangun model machine learning, meningkatkan upaya ini pada tingkat yang lebih besar membutuhkan lebih banyak keterampilan rekayasa perangkat lunak untuk mengoptimalkan program agar dapat berjalan lebih cepat. Sebagai hasilnya, ilmuwan data biasanya bermitra dengan insinyur machine learning untuk meningkatkan model machine learning.

Tanggung jawab ilmuwan data biasanya dapat tumpang tindih dengan analis data, terutama dengan analisis data eksplorasi dan visualisasi data. Namun, keahlian ilmuwan data biasanya lebih luas daripada analis data rata-rata. Sebagai perbandingan, ilmuwan data memanfaatkan bahasa pemrograman umum, seperti R dan Python, untuk melakukan lebih banyak inferensi statistik dan visualisasi data.

Untuk melakukan tugas-tugas ini, ilmuwan data memerlukan keterampilan ilmu komputer dan sains murni yang melebihi kemampuan analis bisnis atau analis data pada umumnya. Data scientist juga harus memahami secara spesifik bisnisnya, seperti manufaktur mobil, eCommerce, atau layanan kesehatan.

Singkatnya, seorang data scientist harus dapat:

• Pengetahuan yang cukup tentang bisnis untuk mengajukan pertanyaan terkait dan mengidentifikasi kelemahan bisnis.
• Menerapkan statistik dan ilmu komputer, bersama dengan ketajaman bisnis, untuk analisis data.
• Menggunakan berbagai alat dan teknik untuk menyiapkan dan mengekstrak data—segala sesuatu mulai dari basis data dan SQL hingga penggalian data hingga metode integrasi data.
• Mengekstrak insight dari big data menggunakan analitik prediktif dan kecerdasan buatan (AI), termasuk model machine learning, pemrosesan bahasa alami, dan pembelajaran mendalam.
• Menulis program yang mengotomatiskan pemrosesan data dan perhitungan.
• Menceritakan—dan mengilustrasikan—kisah yang dengan jelas menyampaikan makna hasil kepada para pengambil keputusan dan pemangku kepentingan di setiap tingkat pemahaman teknis.
• Menjelaskan bagaimana hasilnya dapat digunakan untuk memecahkan masalah bisnis.
• Berkolaborasi dengan anggota tim data science lainnya, seperti analis data dan bisnis, arsitek TI, insinyur data, dan pengembang aplikasi.

Keterampilan ini sangat diminati, dan sebagai hasilnya, banyak individu yang mencoba masuk ke karier data science, menjelajahi berbagai program data science, seperti program sertifikasi, kursus data science, dan program gelar yang ditawarkan oleh lembaga pendidikan.

Mungkin mudah untuk mengacaukan istilah "data science" dan "intelijen bisnis" (BI) karena keduanya berhubungan dengan data organisasi dan analisis data tersebut, tetapi keduanya memiliki fokus yang berbeda.

Intelijen bisnis (BI) biasanya merupakan istilah umum untuk teknologi yang memungkinkan persiapan data, penggalian data, manajemen data, dan visualisasi data. Alat dan proses intelijen bisnis memungkinkan pengguna akhir untuk mengidentifikasi informasi yang dapat ditindaklanjuti dari data mentah, memfasilitasi pengambilan keputusan berbasis data dalam organisasi di berbagai industri. Meskipun alat bantu data science tumpang tindih dalam banyak hal, intelijen bisnis lebih berfokus pada data dari masa lalu, dan insight dari alat bantu BI lebih bersifat deskriptif. BI menggunakan data untuk memahami apa yang terjadi sebelumnya untuk menginformasikan tindakan. BI diarahkan pada data statis (tidak berubah) yang biasanya terstruktur. Meskipun ilmu data menggunakan data deskriptif, biasanya ilmu data menggunakannya untuk menentukan variabel prediktif, yang kemudian digunakan untuk mengkategorikan data atau membuat perkiraan.

Ilmu data dan BI tidak saling eksklusif—organisasi yang berpengalaman secara digital menggunakan keduanya untuk sepenuhnya memahami dan mengekstrak nilai dari data mereka.

Data scientist mengandalkan bahasa pemrograman populer untuk melakukan analisis data eksploratif dan regresi statistik. Alat sumber terbuka ini mendukung pemodelan statistik yang dibangun sebelumnya, machine learning, dan kemampuan grafis. Bahasa-bahasa ini termasuk yang berikut (baca lebih lanjut di "Python vs R: Apa Bedanya?"):

• Studio R: Bahasa pemrograman sumber terbuka dan lingkungan untuk mengembangkan komputasi statistik dan grafis.
• Python: Ini adalah bahasa pemrograman yang dinamis dan fleksibel. Python mencakup banyak pustaka, seperti NumPy, Pandas, Matplotlib, untuk menganalisis data dengan cepat.

Untuk memfasilitasi berbagi kode dan informasi lainnya, data scientist dapat menggunakan GitHub dan Jupyter notebook.

Beberapa data scientist mungkin lebih memilih antarmuka pengguna, dan dua alat perusahaan umum untuk analisis statistik meliputi:

• SAS: Rangkaian alat bantu yang komprehensif, termasuk visualisasi dan dasbor interaktif, untuk menganalisis, melaporkan, menggali data, dan melakukan pemodelan prediktif.
• IBM SPSS:  Menawarkan analisis statistik tingkat lanjut, pustaka algoritme machine learning yang luas, analisis teks, ekstensibilitas sumber terbuka, integrasi dengan big data, dan penerapan lancar ke dalam aplikasi.

Data scientist juga mendapatkan kemahiran dalam menggunakan platform pemrosesan big data, seperti Apache Spark, kerangka kerja sumber terbuka Apache Hadoop, dan basis data NoSQL. Mereka juga terampil menggunakan berbagai alat visualisasi data, termasuk alat grafik sederhana yang disertakan dengan presentasi bisnis dan aplikasi spreadsheet (seperti Microsoft Excel), alat visualisasi komersial yang dibuat khusus untuk tujuan tertentu seperti Tableau dan IBM Cognos, dan alat sumber terbuka seperti D3.js (perpustakaan JavaScript untuk membuat visualisasi data interaktif) dan RAW Graphs. Untuk membangun model machine learning, data scientist sering kali menggunakan beberapa kerangka kerja seperti PyTorch, TensorFlow, MXNet, dan Spark MLib.

Mengingat kurva pembelajaran yang curam dalam data science, banyak perusahaan berupaya mempercepat laba atas investasi mereka untuk proyek AI; mereka sering kali kesulitan mendapatkan talenta yang dibutuhkan untuk mewujudkan potensi penuh proyek data science. Untuk mengatasi kesenjangan ini, mereka beralih ke platform data science multipersona dan machine learning (DSML), sehingga memunculkan peran “data scientist masyarakat.”

Platform DSML Multipersona menggunakan otomatisasi, portal layanan mandiri, dan antarmuka pengguna kode-rendah/tanpa kode sehingga orang-orang yang memiliki sedikit atau tanpa latar belakang dalam teknologi digital atau ahli data science dapat menciptakan nilai bisnis menggunakan data science dan machine learning. Platform ini juga mendukung ahli data scientist dengan juga menawarkan antarmuka yang lebih teknis. Menggunakan platform DSML multipersona mendorong kolaborasi di seluruh perusahaan.

Komputasi awan menskalakan ilmu data dengan menyediakan akses ke daya pemrosesan tambahan, penyimpanan, dan alat lain yang diperlukan untuk proyek ilmu data.

Karena data science sering kali memanfaatkan kumpulan data yang besar, alat bantu yang dapat menyesuaikan dengan ukuran data menjadi sangat penting, terutama untuk proyek-proyek yang sensitif terhadap waktu. Solusi penyimpanan cloud, seperti data lake, menyediakan akses ke infrastruktur penyimpanan, yang mampu menyerap dan memproses data dalam jumlah besar dengan mudah. Sistem penyimpanan ini memberikan fleksibilitas kepada pengguna akhir, memungkinkan mereka untuk memutar klaster besar sesuai kebutuhan. Mereka juga dapat menambahkan node komputasi tambahan untuk mempercepat pekerjaan pemrosesan data, sehingga bisnis dapat melakukan pengorbanan jangka pendek untuk hasil jangka panjang yang lebih besar. Platform cloud biasanya memiliki model harga yang berbeda, seperti per penggunaan atau langganan, untuk memenuhi kebutuhan pengguna akhir mereka, baik untuk perusahaan besar maupun startup kecil.

Teknologi sumber terbuka banyak digunakan dalam set alat ilmu data. Saat dihosting di cloud, tim tidak perlu menginstal, mengkonfigurasi, memelihara, atau memperbaruinya secara lokal. Beberapa penyedia cloud, termasuk IBM Cloud, juga menawarkan perangkat alat yang sudah dikemas yang memungkinkan para ilmuwan data untuk membangun model tanpa pengkodean, sehingga semakin mendemokratisasi akses ke inovasi teknologi dan insight data. 

Perusahaan dapat membuka banyak manfaat dari data science. Contoh penggunaan yang umum termasuk pengoptimalan proses melalui otomatisasi cerdas dan penargetan serta personalisasi yang ditingkatkan untuk meningkatkan pengalaman pelanggan (CX). Namun, contoh yang lebih spesifik meliputi:

Berikut adalah beberapa contoh penggunaan yang representatif untuk data science dan kecerdasan buatan:

• Sebuah bank internasional memberikan layanan pinjaman yang lebih cepat dengan aplikasi seluler menggunakan model risiko kredit yang didukung machine learning dan arsitektur komputasi hybrid cloud yang tangguh dan aman.
• Sebuah perusahaan elektronik sedang mengembangkan sensor cetak 3D yang sangat kuat untuk memandu kendaraan tanpa pengemudi masa depan. Solusi ini bergantung pada ilmu data dan alat analitik untuk meningkatkan kemampuan deteksi objek real-time.
• Penyedia solusi otomatisasi proses robotik (RPA) mengembangkan solusi penambangan proses bisnis kognitif yang mengurangi waktu penanganan insiden antara 15% dan 95% untuk perusahaan kliennya. Solusi ini dilatih untuk memahami konten dan sentimen email pelanggan, mengarahkan tim layanan untuk memprioritaskan email yang paling relevan dan mendesak.
• Sebuah perusahaan teknologi media digital menciptakan platform analisis pemirsa yang memungkinkan klien nya untuk melihat apa yang menarik bagi pemirsa TV seiring dengan banyaknya tawaran saluran digital yang terus berkembang. Solusi ini menggunakan analitik mendalam dan machine learning untuk mengumpulkan insight real-time tentang perilaku pemirsa.
• Departemen kepolisian perkotaan menciptakan alat analisis insiden statistik (tautan berada di luar ibm.com) untuk membantu petugas memahami kapan dan di mana menggunakan sumber daya untuk mencegah kejahatan. Solusi berbasis data membuat laporan dan dasbor untuk meningkatkan kesadaran situasional bagi petugas lapangan.
• Mitra Bisnis IBM Shanghai Changjiang Science and Technology Development menggunakan teknologi IBM Watson untuk membangun platform penilaian medis berbasis AI yang dapat menganalisis catatan medis yang ada untuk mengkategorikan pasien berdasarkan risiko mereka mengalami stroke dan yang dapat memprediksi tingkat keberhasilan rencana perawatan yang berbeda.