Follow IDN Times untuk mendapatkan informasi terkini. Klik untuk follow
WhatsApp Channel &
Google News
Di tengah persaingan pasar kerja yang kompetitif, memiliki portofolio data science merupakan salah satu modal utama dalam menemani perjalanan karier seorang data analyst ataupun data scientist. Tak mengherankan bila industri teknologi saat ini mencantumkan portofolio data science sebagai requirements penting saat melamar pekerjaan di dunia data. Keberadaan portofolio data science bisa menjadi penciri utama yang membedakan kamu dengan kandidat lainnya yang melamar di posisi sama.
Sayangnya, banyak orang yang masih belum tahu bagaimana cara mengemas portofolio data science yang apik dan ciamik untuk bikin HRD terkesan dengan portofolio buatanmu. Untuk mencapainya, kamu perlu mengetahui tentang bagaimana cara membuat portofolio data science menggunakan pendekatan 5P, yaitu purpose, people, process, platforms, dan programmability yang diadaptasi dari situs Towards Data Science. Simak rangkumannya pada artikel ini, yuk!
1. Tetapkan tujuan dan pendekatan saat kamu membuat portofolio data science
ilustrasi visualisasi data beserta nilai frekuensi (freepik.com/our-team) Menetapkan tujuan adalah salah satu landasan utama yang harus kamu pikirkan sebelum memutuskan untuk membuat portofolio data science. Kira-kira, goals apa yang ingin kamu capai saat membuat portofolio data science? Apakah tujuan utamamu adalah untuk mendapatkan pekerjaan di perusahaan teknologi terkemuka, memperluas jaringan profesionalmu, atau mungkin menarik klien potensial untuk berkolaborasi lebih lanjut terkait proyek-proyek freelance? Dengan menetapkan tujuan yang jelas, kamu dapat mengarahkan usahamu dan memilih proyek-proyek yang tepat untuk mencapai tujuan tersebut.
Misalnya, jika tujuanmu adalah mendapatkan pekerjaan di perusahaan teknologi, kamu bisa langsung menyoroti proyek-proyek yang menunjukkan kemampuan analisis data yang kuat dan aplikasi praktis dalam pemecahan masalah bisnis. Sedangkan, jika tujuanmu adalah menarik klien potensial untuk proyek freelance, kamu mungkin ingin menampilkan berbagai proyek yang menunjukkan keahlianmu dalam berbagai bidang dan industri. Dengan mengetahui tujuanmu secara jelas, kamu dapat membangun portofolio yang sesuai dengan kebutuhan dan aspirasimu dalam meraih karier di ranah data science.
Baca Juga: 5 Trik Lolos Beasiswa Data Science, yuk, Persiapkan!
2. Jelaskan siapa peranmu dan sasaran dari proyek yang kamu masukkan dalam portofolio
ilustrasi rekruter memeriksa portofolio kandidat (freepik.com/pressfoto) Ketika kamu ingin membuat portofolio data science, jangan lupa menyebutkan dengan siapa kamu berkolaborasi untuk mengerjakan project tersebut. Apakah kamu bekerja secara individu atau berkolaborasi bersama tim? Perbedaan dengan siapa kamu mengerjakan project yang akan disusun dalam pembuatan portofolio data science akan memunculkan keterampilan yang bisa dilihat secara langsung oleh HRD.
Misalnya, jika kamu bekerja secara individu, ini menunjukkan bahwa seorang kandidat akan menunjukkan keterampilan dalam mengelola proyek secara mandiri, manajemen waktu, dan memecahkan masalah secara efisien. Sebaliknya, jika kamu berkolaborasi dalam sebuah tim, HRD akan menyoroti kemampuan kerjasama dalam tim, komunikasi, dan pemecahan masalah secara kolektif. Menyebutkan siapa-siapa saja orang yang terlibat dalam proses kolaborasi juga memberikan kesempatan bagi kamu as a candidate menunjukkan pengalaman bekerja dalam lingkungan yang beragam dan berinteraksi dengan berbagai peran dalam tim, seperti data engineers, data analysts, atau domain experts.
3. Deskripsikan alur dan proses yang kamu lakukan ketika membuat suatu project
Lanjutkan membaca artikel di bawah
Editor’s picks
ilustrasi rekruter memeriksa portofolio kandidat (pexels.com/Karolina Grabowska) Salah satu bobot terbesar dalam menentukan apakah suatu portofolio data science dikatakan menarik di mata HRD adalah bagaimana seorang kandidat bisa menyusun alur logika yang sistematis. Hal ini bisa dibuktikan dari apakah kandidat mampu mendeskripsikan tahapan dan proses dalam menganalisis data secara kritis, analitis, dan logis. HRD akan melihat seberapa baik seorang kandidat menguraikan langkah-langkah yang diambil dalam setiap proyek, mulai dari penetapan fenomena, urgensi masalah, pengumpulan dan pembersihan data, metodologi analisis, kesimpulan dan rekomendasi, hingga implementasi solusi.
Kemampuan untuk mengomunikasikan alur logika dengan jelas dan teratur merupakan indikator penting yang tercermin dari keahlian analitis dan pemecahan masalah seorang calon data scientist. HRD ingin melihat bahwa seorang kandidat mampu mengartikulasikan metode analisis yang digunakan, alasan di balik keputusan yang diambil, dan implikasi hasilnya secara efektif. Hal ini menunjukkan bahwa seorang kandidat tidak hanya memiliki keterampilan teknis yang solid, tetapi juga mampu menghubungkan dan menyajikan informasi dengan cara yang mudah dipahami dan meyakinkan HRD sebagai audiens kamu.
4. Tentukan media yang akan kamu pilih dalam menampilkan hasil portofolio buatanmu
ilustrasi repository GitHub untuk keperluan portofolio data science (unsplash.com/Markus Winkler) Pertimbangan platform yang kamu pilih untuk menampilkan hasil buatan portofolio data science juga menjadi penting di mata HRD saat proses seleksi kandidat. Platform yang dipilih harus mudah diakses, menarik, dan memungkinkan untuk menampilkan proyek-proyek buatanmu dengan cara yang praktis. Ada beberapa pilihan yang bisa kamu pertimbangkan ketika ingin menampilkan hasil karyamu. Pertama, situs pribadi bisa jadi pilihan yang tepat karena memberikan fleksibilitas dalam desain dan konten. Dengan memiliki situs pribadi, kamu bisa mendokumentasikan portofolio dengan satu halaman untuk satu proyek. Dalam situs ini kamu juga bisa menyertakan detail tentang proses, hasil, dan pemikiran di balik setiap proyek. Hal ini memungkinkan kamu untuk memberikan cerita yang kuat tentang pengalaman dan keterampilan yang kamu miliki kepada HRD.
Selain itu, platform seperti GitHub juga sangat berharga dalam menampilkan portofolio data science. GitHub memungkinkan kamu untuk menyimpan dan berbagi kode (sharing) atas proyek-proyek yang sudah kamu kerjakan. Ia juga menyediakan ruang untuk dokumentasi dan diskusi. Selain itu, beberapa platform khusus, seperti Linkedin juga bisa kamu manfaatkan untuk menampilkan portofolio data science kamu. Di sini kamu dapat menggunakan fitur-fitur di bagian profil, seperti Projects atau Publications di LinkedIn untuk menambahkan hasil karyamu dan memberikan deskripsi singkat tentang setiap proyek.
