Berdasarkan tren analisis data, tujuan utama dari investasi dalam inisiatif data adalah untuk mendorong pengambilan keputusan yang lebih baik (IDG, 2019). Selain itu, tujuan lainnya adalah untuk mengurangi risiko, meningkatkan produktivitas karyawan, hingga mendorong inovasi produk dan layanan. Namun, data sebagai aset tidak bisa langsung dimanfaatkan untuk mencapai tujuan-tujuan tersebut. Data harus melalui serangkaian proses pengolahan agar dapat menghasilkan informasi dan pengetahuan yang relevan bagi kebutuhan bisnis.
Pengolahan data mencakup beberapa tahap, seperti pengumpulan, pembersihan, integrasi, penyajian, hingga distribusi data. Penyajian data yang efektif sangat penting agar informasi dan pengetahuan dapat dengan mudah dipahami oleh para pemangku kepentingan. Salah satu metode penyajian data yang paling efektif adalah visualisasi data, di mana data ditampilkan dalam bentuk grafik dan diagram untuk memberikan wawasan yang lebih jelas.
Python adalah salah satu bahasa pemrograman yang populer digunakan untuk analisis data dan visualisasi. Dengan pustaka seperti Pandas, Seaborn, dan Altair, Python dapat membantu dalam mengolah data menjadi visualisasi yang informatif dan interaktif. Visualisasi interaktif tidak hanya menyajikan data secara menarik, tetapi juga memungkinkan pengguna untuk berinteraksi dengan data dan memperoleh wawasan yang lebih dalam.
Course Data Analytics Python Fundamentals ini dirancang untuk memberikan pemahaman yang komprehensif mengenai konsep dasar visualisasi data menggunakan Python, mulai dari visualisasi statis hingga interaktif. Peserta akan mempelajari teknik dasar hingga lanjutan dalam membuat plot yang dapat menyajikan pola global, statistik ringkasan, data temporal, serta data geografis secara interaktif.
OBJECTIVES
1. Memahami dasar-dasar visualisasi data menggunakan Python
2. Mengenal berbagai jenis plot dan penerapannya dalam analisis data
3. Mampu menggunakan plot yang tepat untuk menyajikan pola global dan statistik ringkasan
4. Mampu membuat visualisasi interaktif yang menarik dan informatif
5. Memahami perbedaan antara visualisasi statis dan interaktif serta penerapannya
6. Mampu melakukan visualisasi data temporal dan memahami resampling temporal
7. Mampu melakukan visualisasi data geografis secara interaktif
8. Mampu menghindari kesalahan umum dalam pembuatan visualisasi interaktif
AUDIENCE
1. Data Analyst
2. Data Scientist
3. Business Analyst
4. Database Engineers
PREREQUISITES
CONTENT
1. Introduction to Visualization with Python – Basic and Customized Plotting
1.1 Handling Data with Pandas Data Frame
1.2 Plotting with Pandas and Seaborn
1.3 Tweaking Plot Parameters
2. Static Visualization – Global Patterns and Summary Statistics
2.1 Creating Plots that Present Global Patterns in Data
2.2 Creating Plots That Present Summary Statistics of Data
3. From Static to Interactive Visualization/p>
3.1 Static Versus Interactive Visualization
3.2 Applications of Interactive Data Visualizations
3.3 Getting Started with Interactive Data Visualizations
4. Interactive Visualization of Data Across Strata
4.1 Interactive Scatter Plots
4.2 Other Interactive Plots in Altair
5. Interactive Visualization of Data across Time
5.1 Temporal Data
5.2 Types of Temporal Data
5.3 Understanding the Relation between Temporal Date and Time-Series Data
5.4 Examples of Domains That Use Temporal Data
5.5 Visualization of Temporal Data
5.6 Choosing the Right Aggregation Level for Temporal Data
5.7 Resampling in Temporal Data
5.8 Interactive Temporal Visualization
6. Interactive Visualization of Geographical Data
6.1 Choropleth Maps
6.2 Plots on Geographical Maps
7. Avoiding Common Pitfalls to Create Interactive Visualizations
7.1 Data Formatting and Interpretation
7.2 Data Visualization
