Data Science Kini Terbuka bagi Profesional Non-IT untuk Kelola Risiko

Berdasarkan data Asosiasi Penyelenggara Jasa Internet Indonesia (APJII) per 2024, kebutuhan tenaga kerja bidang data science di Indonesia mengalami kenaikan sekitar 25-30 persen year-on-year, sementara pasokan talenta dari latar belakang teknologi informasi diperkirakan hanya tumbuh 12-15 persen pada periode yang sama. Kesenjangan ini membuka peluang besar bagi profesional dari disiplin ilmu lain untuk masuk ke ranah analisis data, termasuk dalam pengelolaan risiko bisnis. Tren ini tercermin dari munculnya berbagai program pelatihan yang dirancang khusus untuk peserta tanpa latar belakang pemrograman.

Pergeseran Tren: Data Science Bukan Lagi Monopoli Anak IT

Di satu sisi, anggapan bahwa data science hanya bisa dikuasai oleh lulusan teknik informatika atau ilmu komputer mulai terkikis. Sejumlah penyelenggara kursus kini membuka kelas yang menyasar kalangan profesional di bidang keuangan, manajemen risiko, pemasaran, hingga operasional. Materi yang diajarkan mencakup pengenalan Python sebagai alat bantu analisis, teknik visualisasi data, serta metode identifikasi risiko bisnis berbasis pola historis. Peserta tidak dituntut memiliki pengalaman sebagai programmer, melainkan cukup memahami logika dasar dan alur kerja analisis.

Di sisi lain, sejumlah pengamat pasar kerja mengingatkan bahwa kemampuan teknis tetap menjadi fondasi penting. Tanpa pemahaman mendasar soal struktur data, statistik, dan algoritma, peserta berisiko hanya mengandalkan perangkat lunak sebagai kotak hitam. Akibatnya, hasil analisis bisa keliru diinterpretasikan, terutama ketika dipakai untuk mengambil keputusan strategis seperti ekspansi usaha atau restrukturisasi portofolio.

"Literasi data kini menjadi kompetensi lintas fungsi. Yang membedakan bukan latar belakang gelar, melainkan kemampuan menerjemahkan angka menjadi keputusan yang terukur," ujar seorang praktisi analitik bisnis dalam sebuah diskusi industri keuangan di Jakarta.

Urgensi Pengelolaan Risiko di Tengah Ketidakpastian Ekonomi

Berdasarkan data Badan Pusat Statistik per kuartal terakhir, indeks produksi industri manufaktur mengalami fluktuasi dengan rasio pertumbuhan yang tidak merata antar sektor. Kondisi ini membuat kemampuan mengukur risiko menjadi semakin krusial. Risiko bisnis tidak hanya mencakup gagal bayar atau kerugian finansial, tetapi juga gangguan rantai pasok, perubahan regulasi, hingga pergeseran sentimen pasar yang dapat memicu capital outflow dari sektor tertentu.

Pro dari pelatihan data science untuk non-programmer adalah percepatan adopsi analitik di perusahaan menengah. Banyak pelaku usaha skala menengah belum memiliki tim data internal, sehingga memberdayakan karyawan yang sudah memahami konteks bisnis menjadi solusi efisien dari sisi biaya dan waktu.

Kontra, tanpa kurikulum yang ketat, pelatihan singkat berpotensi menghasilkan pemahaman yang dangkal. Ini bisa menimbulkan overconfidence dalam pengambilan keputusan berbasis model yang belum divalidasi. Selain itu, kualitas data internal perusahaan sering kali belum siap, sehingga analisis menghasilkan proyeksi yang bias.

Fundamental, Likuiditas, dan Valuasi dalam Kerangka Data

Dalam praktiknya, data science memungkinkan analis menilai fundamental usaha melalui indikator kuantitatif, seperti rasio profitabilitas, tingkat perputaran persediaan, dan volatilitas arus kas. Dari sisi likuiditas, model prediktif dapat membantu memperkirakan kebutuhan modal kerja berdasarkan pola musiman. Sementara dari sisi valuasi, pendekatan berbasis data memberi pembanding yang lebih objektif dibandingkan penilaian berbasis intuisi semata.

Namun, perlu dicatat bahwa model analitik hanya sebaik data yang menjadi masukannya. Jika sumber data tidak konsisten, hasilnya pun tidak dapat diandalkan. Karena itu, pemahaman konteks bisnis tetap menjadi pembeda antara analis yang efektif dan yang sekadar menjalankan perangkat lunak.

Ke depan, kombinasi antara pengetahuan domain dan keterampilan analitik diproyeksikan menjadi kompetensi yang paling dicari. Perusahaan tidak hanya membutuhkan orang yang bisa menulis kode, tetapi juga yang mampu membaca tren, memahami risiko, dan menerjemahkannya menjadi langkah strategis yang terukur. Inilah alasan mengapa pintu data science kini semakin terbuka bagi mereka yang datang dari luar dunia teknologi informasi.