Tips Bikin Portofolio Data Science dengan Prinsip 5P

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.

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.

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.

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.

Hampir seluruh profesi di bidang teknologi menekankan aspek bahasa pemrograman sebagai keterampilan utama (hard skill) yang perlu dimiliki seorang kandidat. Maka dari itu, P yang terakhir dalam pendekatan 5P adalah programmability. Keterampilan dalam bahasa pemrograman merupakan fondasi yang diperlukan untuk membangun model analisis data, mengolah data, dan menghasilkan insight yang actionable. Bahasa pemrograman, seperti Python, R, SQL, dan sebagainya menjadi tools utama bagi seorang data scientist dalam menangani tugas-tugas yang kompleks.

Untuk menampilkan aspek programmability dalam portofolio data science yang telah kamu buat, pastikan menyelipkan proyek-proyek yang menunjukkan kemampuan kamu dalam mengimplementasikan algoritma, melakukan analisis data, dan menghasilkan temuan yang dapat dipertanggungjawabkan. Sertakan juga kode sumber proyek yang ada dalam portofolio, baik itu dalam bentuk repositori GitHub atau file kode yang dapat diakses melalui tautan sehingga audiens, dalam hal ini HRD, dapat melihat langsung kemampuan pemrograman kamu lewat proyek-proyek yang disajikan.

Bekal pendekatan 5P dalam proses pembuatan portofolio data science bisa menjadi modal utama kamu untuk mempersiapkan diri dalam meraih karier impian di industri data. Dengan mengombinasikan antara tujuan yang jelas, mengidentifikasi siapa sasaran dalam pembuatan projects yang dimasukkan ke dalam portofolio, mendokumentasikan proses pengerjaan dengan baik, memilih platform yang sesuai untuk keperluan publikasi portofolio, dan menunjukkan kemampuan teknis bahasa pemrograman yang solid, kamu bisa mulai untuk meramu atau merombaknya dari sekarang. Jadi, tunggu apalagi? Langsung terapkan cara ini dan bikin HRD terkesan dengan portofolio buatanmu, ya!