Baru-baru ini saya mengadakan kelas tentang penggunaan ilmu data untuk keamanan siber, dengan fokus pada analisis data penangkapan paket—topik yang agak teknis dan biasanya membosankan. Pendekatan yang saya bagikan diambil dari pengalaman saya dalam keamanan siber di lembaga keuangan, yang mencakup langkah-langkah inti seperti analisis data eksploratif, praproses dan transformasi data log, serta mengidentifikasi anomali melalui kombinasi pengelompokan dan analisis jaringan grafik.  Salah satu aspek yang mengejutkan adalah waktu yang saya habiskan untuk mempersiapkan sesi ini—hanya sebagian kecil dari waktu yang biasanya saya investasikan. AI memainkan peran penting dalam menyederhanakan proses. Saya menggunakan Claude untuk membantu dalam pengodean, pengembangan kerangka, dan bahkan pembuatan slide. Secara keseluruhan, seluruh kursus siap dalam waktu 48 jam.  Sesi tersebut ternyata menarik. Para peserta, terutama CISO yang biasanya tidak membuat kode, merasa latihan yang dibuat dengan bantuan AI bersifat intuitif dan langsung. Tujuan saya adalah untuk melibatkan mereka dalam bekerja secara langsung dengan data dan kode. Mereka terutama menghargai kesempatan untuk mengeksplorasi secara manual apa yang biasanya diotomatisasi oleh platform pengawasan ancaman siber dan SIEM modern, memperoleh wawasan tentang proses yang terjadi "di balik layar."  Poin utama yang saya peroleh dari kelas tersebut ternyata berlawanan dengan intuisi:   . Pandangan ini mungkin tampak prematur—atau mungkin terlalu dini—tetapi ini adalah perspektif yang layak didiskusikan. ilmu data, seperti yang kita ketahui, pada akhirnya akan digantikan oleh AI   Peringatan: beberapa hal ini mungkin memicu orang.  Keseksian adalah Beban  Selama lebih dari satu dekade, ilmu data telah dirayakan sebagai "pekerjaan terseksi di abad ke-21." Namun, seiring dengan pesatnya perkembangan AI, semakin jelas bahwa tantangan mendasar bidang ini semakin sulit diabaikan. Munculnya AI generatif yang canggih dapat menjadi titik balik bagi disiplin ilmu yang, jika dipikir-pikir, mungkin telah didefinisikan secara lebih longgar dan dibesar-besarkan daripada yang awalnya diakui.  Pada hakikatnya, ilmu data menggabungkan ilmu komputer, statistik, dan ketajaman bisnis, yang menawarkan kepada organisasi wawasan yang dapat ditindaklanjuti dari sejumlah besar data. Keahlian ini tidak dapat disangkal berharga dalam dunia yang digerakkan oleh data saat ini. Namun, di balik citranya yang cemerlang, bidang ini menghadapi masalah yang signifikan. Apa yang sering diberi label sebagai ilmu data sering kali ternyata merupakan tambal sulam tugas-tugas yang saling terkait yang tidak selalu selaras dengan rapi, dan banyak profesional di bidang ini berjuang dengan keluasan dan kompleksitas penuh yang dituntut oleh disiplin ilmu tersebut.  Meningkatnya alat berbasis AI yang mampu menangani analisis data, pemodelan, dan pembuatan wawasan dapat memaksa perubahan dalam cara kita memandang peran dan masa depan ilmu data itu sendiri. Karena AI terus menyederhanakan dan mengotomatiskan banyak tugas dasar dalam ilmu data, bidang ini mungkin menghadapi perhitungan tentang apa sebenarnya arti menjadi ilmuwan data di era otomatisasi cerdas.  Retakan  Banyak ilmuwan data, meskipun memiliki keterampilan pengkodean yang canggih dan alat-alat digital, terlibat dalam pekerjaan yang secara mengejutkan   . Persiapan, pembersihan, dan analisis data melibatkan tugas-tugas yang membosankan dan memakan waktu yang berulang-ulang dan mekanis. Faktanya, sejumlah besar tenaga kerja ilmu data dihabiskan untuk menyiapkan kumpulan data—tugas yang sering kali terasa lebih seperti pekerjaan yang membosankan daripada sains yang mengasyikkan dan didorong oleh penemuan seperti yang seharusnya. Masalah ini diperparah oleh fakta bahwa banyak yang memasuki bidang ini, paling banter, adalah amatir. Setelah mengikuti beberapa kursus online dalam Python atau R, "ilmuwan data" ini sering kali   . Ilmu data bukan hanya pengkodean. Ini melibatkan analisis mendalam, pemahaman kontekstual, dan kemampuan untuk menyajikan wawasan kepada audiens non-teknis. Sebenarnya, ini lebih merupakan pekerjaan penelitian, yang membutuhkan perpaduan kreativitas dan pemikiran analitis yang tidak dimiliki oleh banyak orang di bidang ini. manual dan rentan terhadap kesalahan tidak siap untuk kerasnya peran tersebut  Lebih jauh lagi, banyak ilmuwan data telah mengembangkan rasa berhak,   hanya berdasarkan jabatan mereka. Sikap ini membuat perusahaan menjauh, terutama di sektor-sektor yang mengutamakan efisiensi biaya. Saya telah bertemu dengan perusahaan-perusahaan yang dulu terburu-buru merekrut ilmuwan data tetapi sekarang mempertimbangkan kembali. Mengapa membayar upah tinggi kepada seseorang yang menghabiskan sebagian besar waktunya bergelut dengan pembersihan data, ketika AI dapat melakukannya dengan lebih cepat, lebih baik, dan dengan biaya yang jauh lebih murah? mengharapkan gaji tinggi dan paket yang menguntungkan  AI Siapa?  Seperti yang saya alami sendiri saat menulis kelas tersebut, AI Generatif telah berkembang menjadi kekuatan yang dahsyat di area-area yang paling lemah dalam ilmu data. Tugas-tugas seperti persiapan data, pembersihan, dan bahkan analisis kualitatif dasar—aktivitas yang menghabiskan banyak waktu ilmuwan data—kini dapat dengan mudah   . Yang lebih buruk (atau lebih baik, tergantung pada posisi Anda) adalah bahwa AI lebih cepat, lebih akurat, dan tidak mudah mengalami kesalahan manusia atau kelelahan. diotomatisasi oleh sistem AI  Bagi banyak ilmuwan data, ini bisa jadi menakutkan. Bagaimanapun, tugas-tugas ini merupakan bagian terbesar dari pekerjaan mereka sehari-hari. Pembersihan data, misalnya, terkenal memakan waktu dan rentan terhadap kesalahan, tetapi AI kini dapat menyelesaikannya dengan beberapa klik dan presisi yang hampir sempurna. Ilmuwan data sering mengeluh tentang tugas-tugas kasar ini, padahal tugas-tugas ini sangat penting bagi peran mereka. Seiring dengan peningkatan sistem AI, kebutuhan manusia untuk melakukan pekerjaan ini pun berkurang. Tidak mengherankan bahwa banyak kritik vokal terhadap AI   . Mereka melihat tanda-tanda bahaya dan takut kehilangan pekerjaan mereka. datang dari ilmuwan data sendiri  Kepicikan  Yang memperburuk keadaan bagi para ilmuwan data, bidang ini belum mengalami kemajuan signifikan dalam beberapa tahun terakhir. Meskipun popularitasnya meningkat pesat, ilmu data masih dirundung oleh inefisiensi, kesalahan, dan   . Dulu diyakini bahwa alat yang lebih canggih dan pelatihan yang lebih baik akan mengembangkan bidang ini, tetapi ini belum terwujud sejauh yang diharapkan. Sebaliknya, AI terus mengalami peningkatan. Algoritme pembelajaran mesin, pemrosesan bahasa alami, dan model generatif berkembang pesat, meninggalkan ilmu data tradisional di belakang layar. kurangnya kejelasan tentang apa sebenarnya yang seharusnya dilakukan  Sekali lagi, ekspektasi gaji yang tinggi bagi ilmuwan data   . Perusahaan yang dulunya menoleransi inefisiensi kini menyadari bahwa AI dapat menggantikan banyak pekerjaan kasar tanpa harus membayar mahal tenaga kerja manusia. Dengan AI yang semakin mahir dalam   seperti analisis, peramalan, dan bahkan presentasi, sifat manual ilmu data menjadi semakin berlebihan. Banyak perusahaan akan menyadari bahwa apa yang dulunya membutuhkan tim ilmuwan data kini dapat ditangani dengan lebih efisien oleh perangkat yang didukung AI. memperparah masalah ini melakukan tugas-tugas utama  Pergeseran  Kenyataannya adalah bahwa ilmu data, sebagaimana didefinisikan secara tradisional, berada di ambang keusangan. Dengan AI generatif yang berkembang pesat, permintaan akan   . Ini tidak berarti bahwa manusia tidak memiliki peran dalam pengambilan keputusan berdasarkan data, tetapi peran "ilmuwan data" klasik mungkin akan segera menjadi konsep masa lalu. Yang dibutuhkan sekarang adalah para profesional yang terampil dalam berkolaborasi dengan AI, memanfaatkan kemampuannya sambil berkonsentrasi pada pemikiran strategis dan pemecahan masalah yang kompleks di tingkat yang lebih tinggi. ilmuwan data manusia dalam bentuknya saat ini kemungkinan akan menurun    . Bidang ilmu data saat ini berisiko menjadi usang jika tidak berkembang seiring waktu. AI telah merevolusi industri, dan ilmu data harus beradaptasi atau berisiko dikalahkan oleh gelombang ini. Pada akhirnya, pertanyaannya mungkin bukan apakah AI akan menghilangkan ilmu data, tetapi apakah ilmu data akan sepenuhnya memenuhi janjinya. AI bukanlah akhir dari analitik, wawasan, atau pengambilan keputusan—AI merupakan evolusi dari semuanya  Atau mungkin perbedaan tersebut tidak lagi menjadi masalah jika kita akhirnya beranjak dari sensasi "ilmu data" dan menerima AI sebagai perkembangan logis berikutnya.  Tentang Saya: Veteran TI selama 25+ tahun yang menggabungkan data, AI, manajemen risiko, strategi, dan pendidikan. Pemenang hackathon 4x dan dampak sosial dari advokat data. Saat ini bekerja untuk memulai tenaga kerja AI di Filipina. Pelajari lebih lanjut tentang saya di sini:  https://docligot.com

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Audio ini diproduksi dalam bahasa asli cerita!

Apa yang Akan Dilakukan AI terhadap Ilmu Data

About Author

KOMENTAR

HANG TAG

ARTIKEL INI DISAJIKAN PADA

Related Stories

NIGHT (continued)

19 things I learnt reading the NodeJSdocs

A Beginner’s Guide to Blockchain Programming

Stocks will be More Profitable than Crypto - Interview With Bryan Applegate

NIGHT (continued)

19 things I learnt reading the NodeJSdocs

A Beginner’s Guide to Blockchain Programming

Stocks will be More Profitable than Crypto - Interview With Bryan Applegate

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps