Jika, seperti yang dikemukakan oleh penulis fiksi ilmiah Arthur C. Clarke, "teknologi apa pun yang cukup maju tidak dapat dibedakan dari sihir," maka kadang-kadang terasa seperti ilmu data dipandang sebagai menarik kelinci keluar dari topi. Narasi ini, tentu saja, salah arah. Ini adalah persepsi tentang apa yang saya sebut "sihir data," di mana orang percaya data dapat dipompa ke salah satu ujung "mesin ilmu data" dan widget yang sempurna (solusi untuk masalah semua orang) akan muncul di sisi lain.

Pada tingkat yang cukup besar, ini karena sebagian besar orang tidak memahami cara kerja ilmu data, dan ketika Anda masuk ke bidang yang lebih maju, seperti pembelajaran mendalam, bahkan banyak ilmuwan data akan mengakui bahwa mereka tidak memahami banyak tingkat kompleksitas. Tetapi jika Anda seorang ilmuwan data, Anda (kebanyakan) cukup tahu untuk mengetahui kapan Anda keluar dari kedalaman Anda. Namun, di luar komunitas ilmu data, itu tidak selalu terjadi. Dan itu bisa dimengerti.

Sebagian, itu salah kita sendiri. Ini adalah klub yang sulit; secara historis sulit bagi "orang luar" untuk menembus, apalagi dipahami. Bahasa-bahasa ilmu data telah dipegang dekat dengan dada. Sama seperti Gereja Katolik Roma memilih bahasa Latin Gerejawi sebagai bahasa komunikasi inti untuk mengontrol pesan, terutama melalui Abad Pertengahan dan hingga periode awal-Modern, kami para ilmuwan data dapat dituduh melakukan tindakan serupa — meskipun jelas tidak pada skala yang sama atau memiliki dampak langsung pada seluruh populasi. Tetapi, sama seperti Reformasi abad ke-16 menyebabkan bahasa yang tidak terbelenggu, membuat prinsip-prinsip dari berbagai gereja Kristen lebih tersedia bagi massa, ilmu data sekarang harus lebih memperluas bahasa sehari-harinya. 

Bahasa bersama akan memungkinkan kita untuk bergerak melampaui percaya bahwa ilmuwan data memiliki kemampuan mistis untuk memecahkan masalah apa pun, dengan menjalankan data melalui lingkungan AI untuk menghasilkan hasil yang diinginkan, seolah-olah dengan sihir. Ini akan membantu orang memahami bahwa ilmu data bukanlah obat mujarab ajaib.

Bahkan, jika kamu benar-benar menginginkan data science tingkat lanjut, salah satu hal terburuk yang harus dilakukan adalah menugaskan seorang data scientist untuk memecahkan masalah yang terisolasi atau ad hoc, karena hal ini akan melakukan silo komunikasi dengan menjaga data science di back room.

Sebaliknya, cara terbaik untuk memperbanyak ilmu data adalah dengan mengekspos masalah tingkat perusahaan, memahami bahwa, jika dilakukan dengan benar, ilmu data adalah olahraga tim. Memiliki tim multi-disiplin yang didedikasikan untuk produk atau pelanggan menghasilkan hasil bisnis yang unggul dan mengembangkan pemahaman lintas fungsi. Kelompok termasuk rekan komersial, manajer produk, insinyur, ilmuwan data, dan perwakilan dari organisasi fungsional utama lainnya harus dikunci di ruangan tanpa gangguan untuk pertemuan pikiran yang berfokus pada kebutuhan dan peluang terbesar. Di sinilah keajaiban sejati terjadi.

Namun, seorang musafir dalam perjalanan ini harus menyadari tanda-tanda peringatan. Jika, dalam bekerja dengan klien atau pihak ketiga lainnya dalam semangat kolaborasi, Anda mulai mencari solusi yang dapat dijelaskan kepada semua orang, ambil jeda. Sama seperti pesulap yang tidak membatasi kinerja mereka pada trik dasar, penonton memahami bahwa ilmuwan data tidak boleh default ke solusi yang mudah dijelaskan. Sengaja menyirami proses mungkin memiliki efek jaminan untuk memberikan solusi yang kurang optimal untuk masalah tersebut. Ini keseimbangan.

Keseimbangan itu bergantung pada perusahaan yang percaya pada kemampuan ilmuwan data mereka. Mempercayai ilmuwan data akan berbagi bahasa kita sebanyak yang kita bisa, tetapi tidak mencairkan solusi ketika segala sesuatunya berubah terlalu teknis, dan bahwa kita akan selalu tetap setia pada disiplin kita Ini adalah jenis kepercayaan dan keseimbangan yang memungkinkan perusahaan berteknologi maju untuk mendapatkan set kebenaran masing-masing.

Artikel ini awalnya diterbitkan di Medium.