Permintaan terhadap keterampilan data sains dalam beberapa tahun terakhir terus meningkat di berbagai sektor industri. Namun, bidang ini kerap dipersepsikan hanya dapat diakses oleh mereka yang menguasai pemrograman, matematika tingkat lanjut, atau statistik lanjutan. Seiring berkembangnya teknologi, muncul berbagai platform yang memungkinkan analisis data dilakukan tanpa menulis kode, sehingga akses terhadap data sains menjadi lebih terbuka.
Pendekatan yang banyak disebut menjanjikan adalah pemanfaatan platform visual berbasis drag-and-drop. Salah satunya Knime (Konstanz Information Miner), sebuah platform open source yang memungkinkan pengguna mengolah data melalui antarmuka grafis (graphical user interface/GUI). Dengan model ini, pengguna dapat menyusun blok-blok fungsional layaknya puzzle untuk membangun alur kerja (pipeline) analisis data.
Melalui platform semacam itu, pengguna dapat menggabungkan dan membersihkan data, membangun model prediktif, membuat visualisasi interaktif, hingga mengekspor laporan secara otomatis. Pada tahap lanjut, Knime juga dapat diintegrasikan dengan Python maupun R bila diperlukan, dengan Python untuk pemrosesan data dan R untuk visualisasi serta analisis statistik lanjutan.
Praktisi dan konsultan data sains, Arief Rama Syarif, menilai platform seperti Knime dapat menjembatani kebutuhan pengguna teknikal dan non-teknikal. “Banyak UMKM, institusi pendidikan, bahkan lembaga pemerintahan bisa menganalisis data mereka tanpa harus merekrut data scientist full-time. Ini benar-benar membuka peluang demokratisasi data sains,” ujar Arief di Jakarta, Senin (9/6/2025).
Dalam keterangannya, Arief menyebut telah mengoptimalkan Knime dalam berbagai pelatihan dan proyek implementasi, antara lain untuk pengolahan data survei kepuasan pelanggan, prediksi permintaan logistik berbasis data historis, serta pembuatan dashboard analitik untuk sekolah dan universitas.
Menurutnya, Indonesia memiliki peluang besar untuk mengadopsi solusi data sains tanpa koding, mengingat banyaknya entitas bisnis skala menengah dan kecil. Sejumlah sektor yang dinilai berpotensi memanfaatkan pendekatan ini meliputi pendidikan, ritel dan UMKM, pemerintahan, serta kesehatan.
Arief juga menilai optimalisasi tools seperti Knime relatif murah karena pengembangannya dapat dikerjakan oleh satu analis yang memiliki kemampuan logika dan pemahaman data dasar. Meski demikian, ia menekankan tantangan utama penerapan data sains tanpa koding di Indonesia bukan terletak pada teknologinya.
Tantangan yang ia soroti meliputi rendahnya literasi data di kalangan pengambil keputusan, minimnya kurikulum berbasis praktik di sekolah dan kampus, serta keterbatasan akses pelatihan intensif, terutama di daerah. Namun, dengan dukungan komunitas serta lembaga seperti Yayasan Komunitas Open Source yang menyediakan pelatihan data sains gratis, pelatihan daring, dan upaya para praktisi, adopsi platform ini diperkirakan meningkat pesat dalam tiga hingga lima tahun ke depan.
Arief menambahkan, data sains dinilainya tidak lagi eksklusif untuk para pengoding atau ilmuwan komputer. Ia melihat piranti seperti Knime berpotensi mengubah lanskap pengambilan keputusan berbasis data. “Dengan edukasi yang tepat dan kemauan untuk belajar, Indonesia memiliki potensi besar untuk menjadi negara dengan kekuatan data yang merata dan inklusif,” katanya.
