Training Data Science for Business Innovation

Training Data Science for Business Innovation

Training Data Science for Business Innovation membantu peserta memahami bagaimana data science dapat digunakan untuk menjawab pertanyaan bisnis, menguji peluang inovasi, dan mendukung pengambilan keputusan. Peserta belajar menentukan data yang dibutuhkan, memilih metode analisis yang sesuai, serta membaca hasil model untuk menyusun rekomendasi bisnis.

Pelatihan menggunakan contoh prediksi harga, rekomendasi restoran dan produk, serta segmentasi pelanggan. Pada akhir pelatihan, peserta mengerjakan proyek sederhana yang menghubungkan satu masalah bisnis dengan data, metode, dan ukuran keberhasilan yang relevan.

Sasaran Pelatihan

  • Memahami hubungan antara big data, data science, dan machine learning dalam pengambilan keputusan bisnis.
  • Menerjemahkan masalah bisnis menjadi pertanyaan yang dapat dijawab dengan data.
  • Membedakan penggunaan regresi, klasifikasi, dan pengelompokan data sesuai kebutuhan bisnis.
  • Memahami cara kerja model dasar untuk prediksi harga, rekomendasi produk, dan segmentasi pelanggan.
  • Menilai apakah hasil model cukup berguna untuk kebutuhan bisnis serta mengenali keterbatasan dan potensi biasnya.
  • Menyusun rekomendasi bisnis melalui proyek data science sederhana.

Garis Besar Program

Hari 1 — Dasar Data Science dan Penerapannya dalam Bisnis

  1. Pengambilan Keputusan Berbasis Data
  • Peran data dalam organisasi dan pengembangan inovasi bisnis.
  • Cara menerjemahkan masalah bisnis menjadi pertanyaan analisis.
  • Pengenalan big data dan hubungannya dengan data science.
  • Identifikasi sumber, kualitas, dan kecukupan data untuk pengambilan keputusan.
  1. Konsep Dasar Data Science dan Machine Learning
  • Perbedaan analisis data, data science, dan machine learning.
  • Pengenalan supervised learning dan unsupervised learning.
  • Memilih metode berdasarkan tujuan: memprediksi angka, menentukan kategori, atau mengelompokkan data.
  • Alur kerja proyek: merumuskan masalah, menyiapkan data, membangun model, mengevaluasi hasil, dan menyampaikan rekomendasi.
  1. Regresi Linear untuk Prediksi Harga
  • Menentukan variabel yang akan diprediksi dan faktor yang digunakan sebagai masukan.
  • Membaca hubungan antara variabel dan memahami hasil prediksi.
  • Membandingkan nilai prediksi dengan nilai aktual.
  • Praktik: Memprediksi harga menggunakan dataset latihan dan membaca besarnya kesalahan prediksi.
  1. Klasifikasi Konten Pengguna untuk Rekomendasi Restoran
  • Mengubah informasi dari ulasan pelanggan menjadi masukan untuk analisis.
  • Mengelompokkan ulasan berdasarkan kategori, misalnya sentimen atau aspek layanan yang dibahas.
  • Menggunakan hasil klasifikasi sebagai salah satu masukan untuk menyusun rekomendasi restoran.
  • Studi kasus: Memilih restoran berdasarkan preferensi pengguna dan pola ulasan.

Hari 2 — Rekomendasi Produk, Segmentasi Pelanggan, dan Proyek Data Science

  1. Rekomendasi Produk dengan Decision Tree dan Random Forest
  • Memahami cara kerja pohon keputusan dan perbedaannya dengan random forest.
  • Menggunakan atribut produk dan riwayat interaksi pelanggan untuk memperkirakan ketertarikan terhadap produk.
  • Praktik: Membandingkan keluaran kedua model pada contoh rekomendasi produk.
  1. Regresi Logistik dalam Analisis Rekrutmen
  • Memahami regresi logistik untuk klasifikasi dua kategori dan cara membaca probabilitas.
  • Menggunakan data sintetis untuk mempelajari analisis tahapan rekrutmen.
  • Mengenali potensi bias pada data historis dan pentingnya peninjauan manusia dalam keputusan rekrutmen.
  1. Segmentasi Pelanggan dengan K-Means Clustering
  • Memilih variabel segmentasi, seperti frekuensi pembelian dan nilai transaksi.
  • Memahami pengaruh skala data dan jumlah kelompok terhadap hasil segmentasi.
  • Membaca profil tiap kelompok dan merumuskan tindakan bisnis yang relevan.
  • Praktik: Mengelompokkan pelanggan berdasarkan pola transaksi dan menyusun usulan strategi untuk tiap segmen.
  1. Workshop Proyek Data Science
  • Memilih satu masalah bisnis dan menentukan ukuran keberhasilan.
  • Menyiapkan data dan menerapkan metode yang sesuai dengan pendampingan fasilitator.
  • Menafsirkan hasil model, menjelaskan keterbatasannya, dan menyusun rekomendasi.
  • Mempresentasikan hasil analisis dalam format singkat untuk pengambil keputusan.

Metode Training 

  • Online Training
  • Offline Training

Target Peserta Training 

  • Manager, supervisor, dan team leader yang ingin menggunakan data untuk mendukung keputusan bisnis.
  • Business analyst, data analyst pemula, dan staf reporting.
  • Tim business development, strategi, inovasi, dan transformasi digital.
  • Tim pemasaran, penjualan, pengembangan produk, dan operasional yang ingin menerapkan analisis prediktif atau segmentasi pelanggan.

Trainer Leadership

  • Andika Bayu Saputra, S. Kom., M. Kom

Jadwal Public Training

Program Public Training diselenggarakan secara berkala. Jadwal training dapat dipilih berdasarkan kalender Public Training Johnson Indonesia dan dikonfirmasikan kembali kepada peserta sebelum pelaksanaan.

Jadwal Training:

12-13 Januari 2027 14-15 Juli 2027
05–06 Februari 2027 06-07 Agustus 2027
10–11 Maret 2027 01-02 September 2027
06–07 April 2027 14-15 Oktober 2027
18–19 Mei 2027 18-19 November 2026
08–09 Juni 2027 16-17 Desember 2026

Note: Permintaan Training Khusus (Materi, Jadwal & Lokasi Khusus) & Fixed Running – Hubungi Call / WhatsApp: 0815972 5020 

Lokasi Training 

Training dapat diselenggarakan secara offline di Jakarta, Johnson Training Center, hotel, lokasi perusahaan, maupun berbagai kota di Indonesia berdasarkan kebutuhan peserta dan perusahaan. Program juga tersedia dalam format Online Training.

  • Alternatif Hotel: Ciputra Hotel, Ibis Group, Hotel Oria Jakarta, Hotel Holiday Inn, dll (Lokasi Dapat By Request)
  • Lokasi Private Training: Johnson Training Center (Komp. Daan Mogot Baru 3A/10 Jakarta Barat)

Kepastian Lokasi Training akan kami konfirmasi Kembali Kepada Peserta Training

Investasi Training 

  • Offline Training Jakarta: Rp5.950.000/orang untuk 2 hari dengan minimal 3 peserta. Fasilitas meliputi seminar kit, certificate, lunch, snack dan souvenir.
  • Offline Training Luar Jakarta: Rp12.000.000/orang untuk pasti running; Rp8.500.000/orang untuk 1–5 peserta; dan Rp8.000.000/orang untuk lebih dari 5 peserta.
  • Private Onsite Training: Rp8.000.000/orang untuk 2 hari atau Rp5.950.000/orang untuk 1 hari di Johnson Training Center.
  • Online Training: Rp5.500.000/orang untuk 2 hari, pukul 09.00–16.00 WIB.

In-House Training

Johnson Indonesia menyediakan In-House Training bagi perusahaan yang membutuhkan program pengembangan Supervisor, Manager, dan Leader secara khusus. Materi, studi kasus, jadwal, jumlah peserta, serta lokasi training dapat disesuaikan dengan kebutuhan dan kondisi organisasi.

Scroll to Top
Call Us Now