Data Science

1. Data
Science
Fundamental
Johannes Christian

2. Johannes Christian
Teknik Informatika
Data Science
Data Analyst
Classification
Computer Vision
Forecasting
Supply Chain Optimization
Data Scientist
Credit Scoring
Target Marketing
Regional Scoring
Classification
2018 - 2022 2021 - 2022 2022 - Present

4. Marketing Method Conversion Rate
Data Pipeline 17%
Social Media 13%
Billboard 8%

6. Apa yang ada di pikiran kalian ketika mendengar…
“Data Science”

7. Data Science
● Apa itu data science ?
● Bagaimana flow data science di dunia industri ?
● Tools yang digunakan dalam data science ?
POIN
PEMBAHASAN
1
Python
● Introduction to Python
● Hands on - Google Collaboratory
2

8. What is
Data Science ??
Introduction to Data Science

9. Data Science
Berdasarkan bisnis, data science adalah Ilmu yang mempelajari data untuk menghasilkan
insights business dan membuat keputusan bisnis lebih baik (Better Decision Making).
“Data is the New Oil”
But data without analytics, insights, and
wisdom, is like an oil field without a pump.
Invest in people, systems, and strategies
that connect the dots.

10. Nasabah Perbankan yang tidak aktif bertransaksi dalam 6 bulan
terakhir memiliki kecenderungan tidak mampu membayar
pinjaman hingga lunas jika ajuan pinjamannya di setujui.
Pekerjaan Data Science
Pada Grocery Store kita, Customer yang metode
pembayarannya menggunakan e-wallet, debit atau credit card
memiliki potensi berbelanja 15% lebih banyak dibandingkan
menggunakan Cash.

11. Pekerjaan Data Science (Basic)
Classification
Membangun model machine learning yang mampu
menentukan apakah ajuan pinjaman calon debitur
diterima/ditolak.
Hasil dari model tersebut berupa score.
SCORE
Transaction History
Customer Data

12. Pekerjaan Data Science (Basic)
Menentukan apakah pelanggan internet provider akan mengganti provider atau tidak
Mendeteksi lebih dini apakah suatu karyawan akan resign atau tidak
Mendeteksi apakah seorang pasien menderita penyakit kanker
Classification
Memprediksi Harga Rumah atau Harga Mobil
Menentukan Jumlah uang yang akan ditarik (Cash Out) pada suatu ATM
Mengelompokkan wilayah indonesia menjadi beberapa kelompok potensial (Business)
Melakukan segmentasi customer kedalam beberapa segment
Regression
Forecasting
Clustering

13. Pekerjaan Data Science (Advanced)
Face Recognition Text Summarization (NLP) Mobility Analysis
Geospatial Indexing Product Recommendation

14. Data Science Skills

15. Data Science Skills

16. Why Data Science?
User Acquisition?

17. Why Data Science?
Loan Interest Index
Jumlah Peminjam
Total Pinjaman yang tersalurkan
Demografi (Kabupaten/Kota)
Business and Economic Index
Jumlah UMKM
PDB Wilayah
etc

18. Why Data Science?
Loan Interest Index
Loan Interest Index merupakan skor yang menunjukkan
ketertarikan suatu wilayah terhadap produk pinjaman
perusahaan kita.
Business and Economics Index
Business and Economics Index merupakan skor yang
menunjukkan tingkat aktivitas bisnis dan perekonomian
suatu wilayah.
Note: Data yang digunakan merupakan data dummy

19. Why Data Science?
Note: Data yang digunakan merupakan data dummy
Loan Interest Index
Business and
Economics Index
MACHINE
LEARNING
Loan Interest Index
Business
and
Economic
Index
BEST
OCEAN
UNPRODUCTIVE Narrow
Clustering

20. Why Data Science?
Note: Data yang digunakan merupakan data dummy
USER ACQUISITION
Untuk Akuisisi User Baru
maka region terbaik berada
pada Cluster BEST dan
OCEAN

21. Framework Data Science
IBM Framework Paper

22. Identify and Analyze the Business Problem
Collect (Big) Data
Join and Store Data
Data Exploration and Transformation
Data Preparation
Analytics
Data Science Flow
Take
Biz
Decision
Who are most likely
to buy our
products?
Business Team
Data Engineer Data Scientist

23. Data Science Hierarchy

24. Data Roles

25. Data Science is not only about Machine Learning

26. Gartner Analytic Ascending Data Science

27. Apa itu
Machine
Learning?

28. What is machine learning?
Business Needs
Team Business memberikan kebutuhan bisnis
kepada team data untuk mengidentifikasi
transaksi kartu kredit yang terdeteksi
FRAUD sebelum berdampak
buruk kepada perusahaan

29. What is machine learning?
Classical Programming Approach
Detection
Transaction History
Rules
Problems:
● Programmer harus menerapkan rule kepada system secara manual
● Kasus Fraud yang terjadi hampir tidak bisa dideteksi (Complex Rule)
● Setiap rule yang ditambahkan memperlambat proses deteksi

30. What is machine learning?
Classical Programming Approach
Detection
Transaction History
Rules
Machine Learning Approach
Model
Transaction History
Customer Data
Most Recent
Transaction Detection

31. What is machine learning?
Classical Programming Approach
Rules Mutlak

32. What is machine learning?
Machine Learning Approach
Data

33. What is machine learning?
Machine Learning Approach
Model
Transaction History
Customer Data
Most Recent
Transaction Detection
Advantage Using Machine Learning:
● Mencari Pola dan Mendefinisikan Rules berdasarkan Data tanpa bantuan manusia
● Mampu beradaptasi terhadap kasus - kasus fraud terbaru
● Model yang dibuat tidak memerlukan waktu komputasi yang lama (Prediksi lebih cepat)

34. Start
What is machine learning?
Classical Programming Approach
Rule
Based
Transaction History
Rules
New
Transaction
Fraud Not Fraud
Machine Learning Approach
Model
Transaction History
Customer Data
Most Recent
Transaction
Fraud Not Fraud
Start
New
Transaction

35. What is machine learning?
Labeled Data
Direct Feedback
Predict Outcome / Future
Continues Decision Process
Reward Based Learning
Learn Serief of Action
No Labels
No Feedback
Find Hidden Structure

36. How about Deep Learning?

37. Introduction
to Python

38. Machine Learning Tools
Development Language Framework

39. Why Python?
Advantage Using Python:
● Memiliki dukungan yang lebih baik untuk pengembangan aplikasi
● Memiliki banyak library untuk pengolahan data dan analisis statistik
(Open Source)
● Lebih populer dan banyak digunakan (Collaborative)
● Lebih cepat dalam eksekusi kode pada beberapa kasus, terutama pada
pengolahan data yang besar

40. Jupyter Notebook

41. Introduction
to Python
(Hands On)

42. Thank you