Data Science Data Science Data Science Data Science Data Science
- 2. Johannes Christian Teknik Informatika Data Science Data Analyst Classification Computer Vision Forecasting Supply Chain Optimization Data Scientist Credit Scoring Target Marketing Regional Scoring Classification 2018 - 2022 2021 - 2022 2022 - Present
- 4. Marketing Method Conversion Rate Data Pipeline 17% Social Media 13% Billboard 8%
- 6. Apa yang ada di pikiran kalian ketika mendengar… “Data Science”
- 7. Data Science ● Apa itu data science ? ● Bagaimana flow data science di dunia industri ? ● Tools yang digunakan dalam data science ? POIN PEMBAHASAN 1 Python ● Introduction to Python ● Hands on - Google Collaboratory 2
- 8. What is Data Science ?? Introduction to Data Science
- 9. Data Science Berdasarkan bisnis, data science adalah Ilmu yang mempelajari data untuk menghasilkan insights business dan membuat keputusan bisnis lebih baik (Better Decision Making). “Data is the New Oil” But data without analytics, insights, and wisdom, is like an oil field without a pump. Invest in people, systems, and strategies that connect the dots.
- 10. Nasabah Perbankan yang tidak aktif bertransaksi dalam 6 bulan terakhir memiliki kecenderungan tidak mampu membayar pinjaman hingga lunas jika ajuan pinjamannya di setujui. Pekerjaan Data Science Pada Grocery Store kita, Customer yang metode pembayarannya menggunakan e-wallet, debit atau credit card memiliki potensi berbelanja 15% lebih banyak dibandingkan menggunakan Cash.
- 11. Pekerjaan Data Science (Basic) Classification Membangun model machine learning yang mampu menentukan apakah ajuan pinjaman calon debitur diterima/ditolak. Hasil dari model tersebut berupa score. SCORE Transaction History Customer Data
- 12. Pekerjaan Data Science (Basic) Menentukan apakah pelanggan internet provider akan mengganti provider atau tidak Mendeteksi lebih dini apakah suatu karyawan akan resign atau tidak Mendeteksi apakah seorang pasien menderita penyakit kanker Classification Memprediksi Harga Rumah atau Harga Mobil Menentukan Jumlah uang yang akan ditarik (Cash Out) pada suatu ATM Mengelompokkan wilayah indonesia menjadi beberapa kelompok potensial (Business) Melakukan segmentasi customer kedalam beberapa segment Regression Forecasting Clustering
- 13. Pekerjaan Data Science (Advanced) Face Recognition Text Summarization (NLP) Mobility Analysis Geospatial Indexing Product Recommendation
- 16. Why Data Science? User Acquisition?
- 17. Why Data Science? Loan Interest Index Jumlah Peminjam Total Pinjaman yang tersalurkan Demografi (Kabupaten/Kota) Business and Economic Index Jumlah UMKM PDB Wilayah etc
- 18. Why Data Science? Loan Interest Index Loan Interest Index merupakan skor yang menunjukkan ketertarikan suatu wilayah terhadap produk pinjaman perusahaan kita. Business and Economics Index Business and Economics Index merupakan skor yang menunjukkan tingkat aktivitas bisnis dan perekonomian suatu wilayah. Note: Data yang digunakan merupakan data dummy
- 19. Why Data Science? Note: Data yang digunakan merupakan data dummy Loan Interest Index Business and Economics Index MACHINE LEARNING Loan Interest Index Business and Economic Index BEST OCEAN UNPRODUCTIVE Narrow Clustering
- 20. Why Data Science? Note: Data yang digunakan merupakan data dummy USER ACQUISITION Untuk Akuisisi User Baru maka region terbaik berada pada Cluster BEST dan OCEAN
- 21. Framework Data Science IBM Framework Paper
- 22. Identify and Analyze the Business Problem Collect (Big) Data Join and Store Data Data Exploration and Transformation Data Preparation Analytics Data Science Flow Take Biz Decision Who are most likely to buy our products? Business Team Data Engineer Data Scientist
- 24. Data Roles
- 25. Data Science is not only about Machine Learning
- 26. Gartner Analytic Ascending Data Science
- 28. What is machine learning? Business Needs Team Business memberikan kebutuhan bisnis kepada team data untuk mengidentifikasi transaksi kartu kredit yang terdeteksi FRAUD sebelum berdampak buruk kepada perusahaan
- 29. What is machine learning? Classical Programming Approach Detection Transaction History Rules Problems: ● Programmer harus menerapkan rule kepada system secara manual ● Kasus Fraud yang terjadi hampir tidak bisa dideteksi (Complex Rule) ● Setiap rule yang ditambahkan memperlambat proses deteksi
- 30. What is machine learning? Classical Programming Approach Detection Transaction History Rules Machine Learning Approach Model Transaction History Customer Data Most Recent Transaction Detection
- 31. What is machine learning? Classical Programming Approach Rules Mutlak
- 32. What is machine learning? Machine Learning Approach Data
- 33. What is machine learning? Machine Learning Approach Model Transaction History Customer Data Most Recent Transaction Detection Advantage Using Machine Learning: ● Mencari Pola dan Mendefinisikan Rules berdasarkan Data tanpa bantuan manusia ● Mampu beradaptasi terhadap kasus - kasus fraud terbaru ● Model yang dibuat tidak memerlukan waktu komputasi yang lama (Prediksi lebih cepat)
- 34. Start What is machine learning? Classical Programming Approach Rule Based Transaction History Rules New Transaction Fraud Not Fraud Machine Learning Approach Model Transaction History Customer Data Most Recent Transaction Fraud Not Fraud Start New Transaction
- 35. What is machine learning? Labeled Data Direct Feedback Predict Outcome / Future Continues Decision Process Reward Based Learning Learn Serief of Action No Labels No Feedback Find Hidden Structure
- 36. How about Deep Learning?
- 38. Machine Learning Tools Development Language Framework
- 39. Why Python? Advantage Using Python: ● Memiliki dukungan yang lebih baik untuk pengembangan aplikasi ● Memiliki banyak library untuk pengolahan data dan analisis statistik (Open Source) ● Lebih populer dan banyak digunakan (Collaborative) ● Lebih cepat dalam eksekusi kode pada beberapa kasus, terutama pada pengolahan data yang besar
- 40. Jupyter Notebook
- 42. Thank you