Mengubah Masalah Bisnis menjadi Masalah Ilmu Data

Dalam banyak wawancara Ilmu Data, adalah umum untuk mengajukan pertanyaan terkait bisnis. Orang yang diwawancarai diharapkan dapat memecahkan tantangan yang dihadapi oleh sebuah bisnis dalam sebuah wawancara. Misalnya keuntungan yang diperoleh perusahaan surat kabar sedang turun, apa yang bisa dilakukan untuk menyelamatkan keadaan tersebut. Bagaimana Reliance Jio dapat memutuskan apakah menguntungkan untuk memulai operasinya dari lokasi baru. Bagaimana peluncuran Baba Ramdev SIM akan memengaruhi bisnis Reliance Jio, dll.

Adalah umum bagi Orang yang Diwawancarai untuk mempersiapkan diri dengan baik untuk pertanyaan Ilmu Data. Mereka mengharapkan dan mempersiapkan diri dengan baik untuk pertanyaan seperti, "Bagaimana cara menghitung nilai yang hilang", "Bagaimana Anda memutuskan algoritme mana yang cocok untuk kumpulan data". Namun, para kandidat benar-benar bingung ketika mereka menghadapi kasus bisnis. Sebagian alasannya adalah bahwa para kandidat tidak mengharapkan pertanyaan kasus bisnis dalam sebuah wawancara. Alasan lain karena tidak ada blog atau kursus ilmu data yang tidak menyentuh bagaimana mengubah masalah bisnis menjadi masalah ilmu data. Ada kerangka kerja yang tersedia untuk analisis Data tetapi secara mengejutkan tidak ada penjelasan tentang cara mengubah bisnis menjadi masalah data. Sebagai contoh, kerangka CRISP-DM sangat terkenal untuk analisis data. Langkah pertama dan kedua dari CRISP-DM adalah 'Pemahaman bisnis' dan 'Pengertian Data'. Sebagian besar calon ilmuwan data tidak tahu bagaimana melanjutkan dari langkah pertama ke langkah kedua. Tujuan dari artikel ini adalah untuk mengisi kesenjangan ini. Buku dan video Victor Cheng membantu saya dalam memahami bagaimana mengubah masalah bisnis menjadi masalah data. Artikel ini didasarkan pada ajarannya.

Pola Pikir Pewawancara

Sebelum menyelami cara menjawab wawancara kasus, mari kita pahami pola pikir pewawancara. Apa yang dicari pewawancara ketika mereka mengajukan pertanyaan bisnis? Beberapa hal yang pewawancara cari adalah:-

• Apakah para kandidat memiliki pola pikir berpikir mandiri?
• Apakah jawabannya cukup baik jika tidak tepat?
• Apakah solusi yang ditawarkan oleh kandidat ramah klien (Dalam hal perusahaan konsultan)
• Apakah solusi yang ditawarkan oleh kandidat linier?
• Apakah kandidat menjelaskan solusi secara visual?
• Apakah solusi kandidat praktis untuk diterapkan?

Solusi kandidat harus berjalan secara linier dan logis dari tantangan ke solusi. Jika pemecahannya tercerai-berai, meloncat dari satu titik ke titik lain secara sewenang-wenang maka wawancara itu langsung selesai di benak si pewawancara. Selain itu, pendekatan yang benar dengan jawaban yang salah lebih disukai daripada jawaban yang benar dengan pendekatan yang salah. Jika pendekatannya salah dan jawabannya benar, pewawancara akan berasumsi bahwa kandidat itu beruntung. Ini tidak akan terjadi dalam semua situasi. Jika pendekatannya benar maka dapat diulang dan dapat diterapkan pada banyak situasi bisnis.
Apa itu Ilmu Data? Siapa Ilmuwan Data? Apa itu Analytics?

Menjawab pertanyaan 'Case i ninterview'

Jawaban atas pertanyaan wawancara kasus dapat dibagi menjadi tiga tahap. Buka, analisis, dan tutup. Buka dan tutup adalah rumusan dan dapat dijawab dengan mudah dengan latihan. Tahap analisis berbeda sesuai dengan masalah bisnis dan melibatkan pemikiran dan kreativitas. Mari kita lihat apa yang harus dilakukan dalam setiap tahap menjawab pertanyaan.
Langkah-langkah untuk menjawab pertanyaan wawancara Kasus adalah:-

• Menghentikan
• Verifikasi pemahaman Anda
• Mengidentifikasi struktur masalah
• Menganalisa
• Menutup

Stalling (Tahap Pembukaan)

Victor Cheng meminta untuk mengambil jeda lima detik sebelum mengatakan sesuatu yang mirip dengan, "Ah, ini masalah yang sangat menarik". Ini dikenal sebagai 'menghentikan'. Jika Anda menunggu lebih dari lima detik untuk menjawab, maka pewawancara akan berpikir bahwa Anda tidak tahu solusinya. Menghentikan membantu dalam mendapatkan waktu yang berharga untuk memikirkan masalah.

Verifikasi pemahaman Anda

Biasanya pertanyaan 'Wawancara Kasus' adalah satu kalimat. Semua informasi yang diperlukan tidak akan diberikan untuk menjawab pertanyaan. Para kandidat diharapkan untuk mengajukan pertanyaan dan memverifikasi pemahaman mereka. Seperti yang telah dikatakan sebelumnya jika ini adalah kasus untuk meningkatkan keuntungan surat kabar, maka Anda dapat mengajukan pertanyaan seperti 'topik apa yang diliput oleh surat kabar?', 'Apa target audiens surat kabar ini', dll. Jelaskan tentang terminologi yang digunakan pewawancara dan tentang yang Anda tidak yakin. Di sini penting bahwa Anda tidak berasumsi apa-apa. Asumsi dapat menyebabkan pemecahan masalah yang salah yang tidak dihadapi oleh perusahaan. Latihan ini juga akan memberi tahu pewawancara tentang seberapa baik Anda dalam mencari bantuan saat dibutuhkan.
Selama fase awal menjawab, Anda akan memiliki kebebasan untuk mengajukan pertanyaan terbuka. Seiring berjalannya waktu, Anda akan kehilangan kebebasan dan hanya dapat mengajukan pertanyaan tertutup. Mengajukan pertanyaan terbuka menjelang akhir akan membuat pewawancara berpikir bahwa Anda mencoba untuk menanyakan jawabannya. Jadi, jangan ragu dan ajukan pertanyaan yang menurut Anda berharga untuk dijawab.
“Cara Menjadi Data Scientist” Dijawab!

Mengidentifikasi Struktur

Setelah Anda mendapatkan informasi yang diperlukan setelah mengajukan pertanyaan, identifikasi struktur pertanyaan tersebut. Victor menentukan empat kerangka kerja berbeda yang menjadi dasar pertanyaan wawancara kasus. Kerangka dalam urutan kepentingannya (sesuai dengan frekuensi yang ditanyakan dalam wawancara) adalah:

• Laba
• Situasi bisnis
• Merger & Akuisisi
• Permintaan persediaan

Contoh kerangka situasi Bisnis adalah – peluncuran produk baru, menanggapi perilaku pesaing, perubahan permintaan, strategi pertumbuhan untuk perusahaan, dll. Contoh masalah Penawaran / Permintaan adalah membangun pabrik baru atau menutup pabrik, perubahan kapasitas melalui akuisisi, perubahan permintaan, dll.
Kerangka kerja ini tidak sulit dan cepat. Masalah keuntungan pada akhirnya dapat berakhir dalam situasi bisnis atau masalah penawaran/permintaan. Namun demikian, kategorisasi ini akan memberikan struktur pemikiran kita dan membantu kita bergerak maju dengan tantangan yang ada.
Setelah Anda mengidentifikasi struktur masalah dan mencocokkannya dengan kerangka kerja yang sesuai, langkah selanjutnya adalah menjelaskan komponen utama kerangka kerja. Misalnya, dalam hal meningkatkan keuntungan sebuah surat kabar, Anda dapat berbicara tentang pendapatan dan biaya. Hati-hati dan jangan beri nama framework secara eksplisit. Kerangka kerja hanya untuk menyusun pemikiran Anda dan bukan untuk menyebutkannya kepada pewawancara. Gambarkan komponen utama kerangka kerja bersama dengan deskripsi Anda. Saat Anda mempraktikkan langkah-langkah ini, itu akan menjadi kebiasaan Anda. Poin-poin penting dalam mengidentifikasi struktur adalah:

• Identifikasi sifat masalahnya
• Cocokkan masalah dengan kerangka kerja yang sesuai
• Jelaskan komponen kunci dari kerangka kerja
• Seri

Setelah ini dilakukan, lanjutkan ke langkah berikutnya dalam proses yang menganalisis masalah.
17 Pertanyaan dan Jawaban Wawancara Analis Data Teratas

Menganalisa

Di sini Menganalisis tidak berarti menganalisis data. Itu masih jauh. Data datang di akhir. Sebelum meminta data ada hal lain yang perlu diperhatikan.
Mulailah analisis Anda dengan menanyakan dari mana harus memulai. Untuk meningkatkan profitabilitas surat kabar, tanyakan apakah Anda harus melanjutkan dengan biaya atau pendapatan. Tergantung pada pilihan pewawancara lanjutkan dengan jawaban Anda.
Visualisasikan masalah mendasar sebagai pohon keputusan dan Anda mulai dari akarnya. Nyatakan hipotesis dan pilih cabang sesuai pilihan pewawancara. Identifikasi dan nyatakan isu-isu kunci dalam sebuah cabang. Ajukan pertanyaan standar dan terus menelusuri. Dalam proses ini terus perbaiki hipotesis Anda. Jika Anda mencapai jalan buntu cabang tanpa resolusi apa pun, telusuri ke simpul cabang dan telusuri arah yang berlawanan.
Berpikir keras selama seluruh proses. Ini akan membantu pewawancara untuk mengetahui tentang pemikiran dan keterampilan analitis Anda. Jika ada kekurangan dalam pemikiran Anda, mereka mungkin akan menunjukkannya dan membantu Anda ke arah yang benar. Itu selalu merupakan praktik yang baik untuk berpikir keras tentang pertanyaan wawancara kasus.
Setelah Anda mencapai daun pohon keputusan Anda dengan hipotesis atau sampai ke titik di mana pewawancara tidak yakin tentang hipotesis, maka Anda dapat melanjutkan dan meminta data. Data yang dapat membantu menerima atau menyangkal hipotesis Anda. Data yang akan membantu memperoleh wawasan dan membuat keputusan bisnis. Hal yang perlu diingat adalah, semua permintaan data harus didukung dengan penjelasan yang solid. Meminta data tanpa penjelasan apapun tidak akan berjalan baik dengan pewawancara atau klien dalam hal konsultasi.
Ini melengkapi konversi masalah bisnis ke masalah analisis data. Setelah ini selesai, sekarang Anda tahu bagaimana melanjutkan dengan menganalisis data. Dari sini langkah-langkah standar CRISP-DM berikut:

• Memahami data
• Pemodelan data
• Memvalidasi model
• Penerapan model
• Memperbarui model dan menjaganya tetap relevan

Tips dan Trik menjawab pertanyaan Wawancara Kasus

• Segmentasikan nomor Anda
• Perusahaan Vs pesaing
• Tahun ini Vs tahun lalu
• Berpikir keras
• Jelaskan mengapa Anda membutuhkan data sebelum memintanya
• Jangan berasumsi apa-apa
• Berlatih menjawab masalah bisnis

Segmentasikan nomor Anda

Ilmu data adalah tentang memecah masalah menjadi bagian-bagian penyusunnya. Analisis bagian-bagiannya dan dapatkan wawasan. Gabungkan bagian-bagian tersebut dan tawarkan rekomendasi yang didukung oleh analisis data. Kombinasi bagian ini juga dikenal sebagai 'sintesis' dalam bahasa konsultasi.
Wawasan yang lebih baik dapat diperoleh ketika data disegmentasikan menjadi beberapa bagian. Mari kita asumsikan bahwa keuntungan surat kabar turun karena kerugian pendapatan. Hilangnya pendapatan secara keseluruhan tidak menawarkan banyak wawasan. Jika pendapatan ini disegmentasikan ke dalam keranjang yang berbeda berdasarkan usia pelanggan, ini dapat memberikan wawasan yang lebih berharga. Perusahaan dapat melakukan tindakan yang menargetkan kelompok usia tertentu untuk meningkatkan pendapatan. Mengingat masalah bisnis, selalu lihat cara terbaik untuk memecahnya menjadi beberapa bagian.
Mengingat masalah bisnis, pikirkan apakah itu hanya dihadapi oleh perusahaan tertentu atau oleh seluruh industri. Solusi dan rekomendasi akan berbeda untuk kedua kasus tersebut. Garis pemikiran lain adalah membandingkan antara kinerja masa lalu dan sekarang. Kedua garis pemikiran ini akan memberikan arah untuk maju dalam menjawab pertanyaan wawancara kasus.

Mengetahui tentang langkah-langkah dan kerangka kerja yang berbeda hanya akan membawa Anda ke titik tertentu. Apa yang akan membantu Anda dalam menjawab pertanyaan wawancara kasus dengan sukses adalah, 'Latihan, Latihan, dan lebih banyak Latihan'. Ini bukan cara lain. Kefasihan dalam mengajukan pertanyaan verifikasi, mengidentifikasi struktur, mencocokkan masalah dengan kerangka kerja, merumuskan hipotesis, melintasi sepanjang pohon keputusan, dll hanya akan datang dengan latihan. Tidak mungkin memecahkan pertanyaan wawancara kasus atau mengubah masalah bisnis menjadi masalah analisis data tanpa latihan.
Ilmuwan Data: Mitos vs. Realitas

Ringkasnya, mengubah masalah bisnis menjadi masalah ilmu data dapat disamakan dengan pertanyaan wawancara kasus. Untuk berhasil menjawab pertanyaan wawancara kasus langkah-langkah yang harus diikuti adalah – mengulur waktu pewawancara, mengidentifikasi struktur masalah, mencocokkannya dengan kerangka kerja yang mendasari, merumuskan hipotesis, melintasi pohon keputusan dengan mengajukan pertanyaan yang relevan dan akhirnya meminta data dengan menjelaskan mengapa Anda menginginkannya. Terakhir, untuk berhasil menjawab pertanyaan wawancara kasus, praktikkan. Setelah Anda dapat mengubah masalah bisnis menjadi masalah ilmu data, ikuti kerangka kerja CRISP-DM untuk menganalisis hasil dan memberikan rekomendasi yang didukung oleh data.

Bergabunglah dengan Program Sertifikat Profesional dalam Ilmu Data untuk Pengambilan Keputusan Bisnis dari IIM-Kozhikode hari ini!