5 Pain Experience saat Bikin Portofolio Data Science
ilustrasi portofolio data (pexels.com/Markus Spiske)
Follow IDN Times untuk mendapatkan informasi terkini. Klik untuk follow WhatsApp Channel & Google News
Membuat portofolio data science dalam prosesnya memang tidak mudah. Dibutuhkan ketangkasan, ketelitian, dan akurasi tinggi menggabungkan setiap elemen yang ada dalam portofolio data science. Tidak mengherankan ketika di tengah-tengah proses pembuatannya seorang analis mengalami pain experience (pengalaman yang kurang mengenakkan) saat menyusun portofolio data. Terlebih bagi seorang pemula yang baru terjun di dunia data yang belum terbiasa untuk menghadapi situasi-situasi seperti ini.
Pada konteks data science, pain experience merujuk pada kesulitan yang dihadapi selama proses pembuatan portofolio. Seperti yang diketahui, dewasa ini banyak perusahaan meminta calon karyawannya untuk melampirkan portofolio sebagai dokumen pendamping lamaran kerja. Memudahkan kamu dalam menyusun portofolio, cermati pain experience apa saja yang rentan dialami oleh pemula ketika membuat portofolio data science dan bagaimana tips menghindarinya, yuk!
1. Kesulitan memilih topik yang tepat
ilustrasi mencari topik melalui buku-buku (pexels.com/Cottonbro studio)Memilih proyek atau ide yang ingin ditampilkan merupakan kesulitan terbesar dalam membuat portofolio data science. Mungkin terkadang kamu bingung, kira-kira topik apa yang pengin dibahas dalam portofolio? Nyatanya memilih topik juga menjadi tantangan rumit tersendiri kalau kamu tidak menguasainya dengan baik. Sebab, proyek yang ditampilkan dalam portofolio menjadi kunci HRD mengenali potensi dan kemampuan kandidat ketika nantinya diterima menjadi praktisi data.
Baca Juga: 5 Rekomendasi Film tentang Konsep Data Science, Seru!
2. Kurangnya sumber data yang berkualitas
ilustrasi pencarian sumber data dan diskusi bersama team data (pexels.com/Mikael Blomkvist)Tantangan yang juga menjadi pain experience dalam menyusun portofolio data science adalah kurangnya sumber data berkualitas. Salah satu indikator keberhasilan dalam menyusun portofolio adalah adanya sumber data yang lengkap, terpercaya, memiliki tingkat akurasi tinggi, dan kredibel. Jika data yang kamu sajikan tidak berkualitas tentunya akan menyulitkan kamu dalam menyusun portofolio data science yang eye-catching. Sementara itu, dari sisi HRD juga bakal menganggap kamu sebagai kandidat yang tidak serius untuk mengerjakannya.
3. Keterbatasan waktu
Editor’s picks
ilustrasi keterbatasan waktu (pexels.com/Michaela)Keterbatasan waktu kerap menjadi masalah yang dihadapi pemula saat menyusun portofolio data science. Apalagi kalau apply lamaran kerjanya cukup mepet dengan tenggat waktu. Mengeluarkan ide yang unik dan menarik dalam satu waktu saja sudah sulit, ditambah pula waktu yang semakin sempit yang tentunya membuat proyek portofolio kamu jadi jauh lebih rumit.
4. Tantangan dalam membuat visualisasi data dan menyampaikan hasil temuannya
ilustrasi visualisasi data beserta ragam grafik (pexels.com/RDNE Stock project)Membuat visualisasi data tidak semudah pilah-pilih bentuk chart saja, lho! Terkadang kamu juga harus tahu setiap karakteristik dari grafik yang kamu jadikan sebagai bahan presentasi portofolio. Menyusun temuan hasil analisis dan mengubahnya dalam bentuk visualisasi data menarik juga merupakan tantangan tersendiri bagi kamu yang kurang menguasai hal teknis semacam ini. Alhasil, orang awam jadi bingung untuk menangkap maksud dari informasi yang kamu sampaikan.
5. Ketakutan dalam menerima feedback negatif
ilustrasi takut akan menerima umpan balik negatif (pexels.com/Tim Gouw)Ketakutan dalam menerima feedback negatif adalah satu pain experience yang cukup menyakitkan dan menakutkan. Ketakutan ini berpotensi menjadi hambatan kamu menggapai karier di ranah data science. Namun, perlu diingat bahwa setiap portofolio yang mengesankan sejatinya bermula dari feedback negatif yang menyakitkan, lho!
Mungkin kamu berpikir jika membuat portofolio data science terlihat mudah. Sebenarnya, kalau kamu tidak menaruh konsentrasi yang tinggi pasti hasilnya pun tidak akan maksimal. Tapi jangan khawatir! Semakin banyak pain experience yang kamu alami, kamu jadi punya banyak bekal untuk membuat portofolio outstanding dan memikat hati rekruter di dunia data science, ya!
Baca Juga: 7 Tempat Belajar Data Science Gratis Berbahasa Indonesia
IDN Times Community adalah media yang menyediakan platform untuk menulis. Semua karya tulis yang dibuat adalah sepenuhnya tanggung jawab dari penulis.
Berita Terkini Lainnya
