Data Scientist Test: Salestock, Tokopedia dan Bukalapak

Disclaimer: tulisan ini memang berjudul “Data Scientist Test – Salestock, Tokopedia dan Bukalapak” namun secara lebih umum judul yang bakal lebih tepat adalah “Pengalaman Melamar Pekerjaan di E-Commerce” atau “Pengalaman Melamar di Lima E-Commerce Berbeda”.

Di tulisan kali ini, gue bakalan share pengalaman gue mengikuti tes sebagai Data Scientist maupun Data Analyst di beberapa e-commerce di Indonesia. Kalo dilihat-lihat, ternyata gue udah pernah melamar pekerjaan di beberapa perusahaan e-commerce di Indonesia kayak Tokopedia, Salestock, Lazada, OLX dan Bukalapak. Ya, sejauh ini e-commerce yang belum gue apply adalah MatahariMall, Elevenia dan juga Blibli.

Sedikit intermezo, gue lulus dari jurusan Statistika pada tanggal 4 Februari 2016. Sebagai seorang lulusan statistika, dari awal gue emang udah ngincer pekerjaan dengan titel Data Analyst maupun Data Scientist. Pas lulus, kemampuan teknikal gue yang gue miliki adalah kemampuan statistika dan pemrograman menggunakan R. Melihat situasi dan kondisi, perlahan gue pun belajar Python, dimulai saat gue mengikuti tes Salestock. Gue juga belajar SQL sekaligus menyelesaikan beberapa soal di tempat pas tes Lazada hari itu juga, yang tanpa disangka-sangka, gue bisa lolos ke babak selanjutnya setelah 3 minggu menunggu.

In a nutshell, berikut cuplikan singkat gue melamar di e-commerce.

Perusahaan	Posisi	Tanggal Interview/Tes
Tokopedia	Data Analyst	22 Februari 2016 – Wawancara HR
Salestock	Data Scientist	29 Februari 2016 s.d. 3 Maret 2016 - Asesmen awal
Lazada Indonesia	Business Intelligence Analyst dioper ke: Data Analyst	22 Maret 2016 – Tes tertulis, Excel dan SQL 12 April 2016 – Wawancara user 14 April 2016 - offering
Tokopedia	Fraud Prevention Analyst	22 Juli 2016 – Wawancara HR
Tokopedia	Data Scientist	23 Juli 2016 – Tes Hackerrank
OLX Indonesia	Business Intelligence Developer	28 Juli 2016 – Wawancara user
Bukalapak	Data Scientist	2 Agustus 2016 s.d. 6 Agustus 2016 - Asesmen awal

Dari tujuh posisi yang gue lamar di atas, hanya empat bagian yang mengharuskan gue mengikuti asesmen terlebih dahulu yaitu pas tes Data Scientist Salestock, Business Intelligence Anayst Lazada, Data Scientist Tokopedia dan Data Scientist Bukalapak. Mari kita pilah satu-satu dari perusahaan yang ada pada tabel di atas.

Tokopedia

Si raksasa hijau ini membuat gue ga kapok-kapok untuk terus mengejarnya, dengan total sebanyak tiga kali gue melamar di tiga posisi yang berbeda yaitu: Data Analyst, Fraud Prevention Analyst dan Data Scientist. Ga terlalu jelas apa penyebab kegagalan gue dan kenapa mereka memanggil gue lagi. Dengar-dengar gosipnya memang Data Anayst ditujukan untuk posisi senior, kalo bisa memiliki pengalaman 2 tahun. Kalo Fraud Prevention Analyst, gue ga tau terlalu pasti, mungkin posisi ini ga penting-penting amat. Sedangkan kalo Data Scientist, emang posisinya kudu senior dengan pengalaman minimal 2 tahun.

Meskipun gue ga punya pengalaman kerja dua tahun, akhirnya gue pun dicekoki dengan soal pemrograman dasar pada tes Data Scientist via Hackerrank. Soal yang gue kerjain pun murni banget buat anak ilmu komputer, ga ada statistika maupun analisis datanya sama sekali. Dengan waktu tes selama 3 jam dan 5 soal, gue cuma bisa jawab 3 soal doang dengan menggunakan Python. Ini dia jawaban yang bisa gue jawab. Sayangnya gue lupa simpen maupun skrinsut soalnya, alhasil cuma jawabannya doang.

Data Scientist Test Tokopedia via Hackerrank

https://github.com/rasyidstat/soal-kerja/tree/master/tokopedia

Salestock

Waktu itu, Maret 2016, nama Salestock masih sangat terdengar asing di telinga gue. Perusahaan ini gue temui pas Jobfair di Universitas Indonesia dan kebetulan ada tulisan “Data Scientist” yang bikin gue tertarik untuk melamar di situ. Hingga saat ini, Salestock bisa dibilang merupakan salah satu startup yang memiliki tim data terbaik di Indonesia selain Traveloka yang didekeng oleh Bung Ainun Najib.

Bisa dibilang, tes Salestock sangatlah sulit. Soal tes diberikan pada 29 Februari 2016, dan harus dikumpulkan paling lambat pada 3 Maret 2016. Pertanyaan yang diajukan bukanlah pertanyaan dasar lagi melainkan pertanyaan yang lebih ke ranah algoritma, efisiensi dan bahkan ada soal teori peluang juga! Nampaknya, mereka lebih nerapin ML (machine learning) untuk analisis gambar dan teks di tim data mereka, dan pas waktu itu gue yang memiliki latar belakang statistika, belum terlalu familiar dengan metode ML kayak Random Forest, SVM maupun GBM. Pemrograman yang digunakan pun kudu Python, Java atau Scala. Padahal pas waktu itu, gue cuma bisa R doang. Alhasil, gue pun belajar Python dari dasar melalui video singkat tutorial 1 jam Python di YouTube.

Data Scientist Test Salestock

https://github.com/rasyidstat/soal-kerja/tree/master/salestock

Gebleknya, pas ditanya “What is your favorite machine learning package?”, yang gue jawab adalah metode machine learning kayak Naive Bayes, Logistic Regression, dll. Setelah gue lihat lagi, geblek banget emang gue pas bulan Maret yang lalu. Gue menyadari bahwa betapa sempitnya ilmu gue, dan ilmu yang gue dapat di bangku kuliah pun belum cukup. Jawaban dari pertanyaan tersebut ya mestinya package kayak scikit-learn di Python atau caret di R.

Lazada

Gue lupa banget gue apply di sini via apa, kalo ga salah lewat lamannya langsung. Entahlah, pokoknya pas jaman nyari kerja, antara Februari – Maret, gue acak banget ngirim lamaran ke mana-mana. Awalnya, posisi yang gue lamar adalah Business Intelligence Analyst dan saat itu tes yang gue hadapi adalah tes tertulis yang terdiri dari tes bahasa Inggris dan tes kuantitatif, tes Excel dan tes SQL.

Tes tertulis kalo ga salah cuma dikasih waktu 20-30 menit. Waktu itu ada soal membaca bahasa Inggris, terus tes kuantitatif pemecahan masalah yang disajikan dalam bentuk cerita. Selanjutnya ada tes Excel yang terdiri dari ngitung, Pivot Table, visualisasi data dan VLOOKUP. Pas ada soal ngitung gue pake fungsi SUMPRODUCT yang ada di Excel biar lebih cepet. Alhamdulillah, tes Excel berjalan sangat mulus. Yang bikin gue ternganga adalah tes SQL karena gue emang ga pernah nyobain SQL sama sekali. Alhasil gue pun mengandalkan Google untuk membantu gue memahami perintah-perintah yang ada di SQL. Gue pun cuma bisa menjawab beberapa soal, kalo ga salah cuma setengahnya. Pas waktu itu, gue masih belum bisa ngerjain soal yang menggunakan JOIN.

Tanpa disangka-sangka, gue akhirnya diundang kembali untuk wawancara user dengan dua ekspat dari Rumania. Dan yang lebih mengejutkan lagi, gue ditawarin untuk posisi Data Analyst bukan Business Intelligence Analyst yang sepertinya sudah terisi sama orang lain. Pas wawancara, gue ditanyain ngapain aja pas di kampus, terus dijelasin juga apa-apa saja yang bakal gue lakuin selain mengekstrak data dari database melalui SQL seperti yang dilakukan BI Analyst, gue juga harus menjaga dashboard yang dibikin oleh pendahulu di sini serta bikin kodingan untuk beberapa proyek. Gue juga disuruh untuk belajar PHP, karena sistem kodingan mereka dibikin lewat PHP. Untuk pemrograman R, mereka bilang bahwa gue juga bakal gunain itu untuk proses umpan balik data. Setelah dilihat-lihat, emang ga ada statistikanya sama sekali di situ.

OLX Indonesia

Dari sekian, e-commerce yang gue lamar, cuma OLX yang ga pake tes apa-apa dan gue pun langsung wawancara user untuk menjelaskan apa saja yang gue lakuin sebagai Data Analyst di Lazada. Dari segi respons, mereka sih oke sama gue tapi di sisi lain, gue mencetak blunder yang sangat fatal dengan mengatakan kalo gue kayaknya udah oke di perusahaan lain dan gue juga bilang lebih seneng di bagian analisis data kayak di perusahaan itu dibandingkan umpan balik data yang mainin database dan proses ETL semacemnya sebagai BI Developer yang ada di situ. Alhasil, mereka pun meminta nama temen-temen gue yang ada di Lazada.

Bukalapak

Gue sempet ngerjain soal Data Scientist Bukalapak. Soal yang diberikan pun terdiri dari pemrograman dasar, SQL dan analisis data. Gue pun hampir bisa jawab semua soal kecuali satu soal di bagian SQL. Gue pun nanya sama kakak gue dan kolega gue dulu di Lazada, dan mereka pun tidak mampu menemukan jawabannya. Sehari-hari gue di Lazada pun, ga pernah nemu permasalahan SQL kayak gitu. Alhasil, meskipun gue bisa menjawab mayoritas soal yang diberikan, ga ada kabar lagi dari pihak terkait, kemungkinan besar karena mereka nyari yang udah pengalaman juga, minimum pengalaman 2 tahun.

Data Scientist Test Bukalapak

https://github.com/rasyidstat/soal-kerja/tree/master/bukalapak

Setelah gue telusuri lagi, ternyata ada soal SQL yang ga bisa gue jawab di Hackerrank di sini.

Perusahaan	Soal	Waktu
Salestock	1.1 Pemrograman dasar sorting 1.2 Optimisasi/Big Data 1.3 Optimisasi 2.1 Machine Learning (SVM) 2.2 Infrastruktur Komputasi 2.3 Machine Learning Package 2.4 Machine Learning (RF vs GBT) 2.5 Teori Peluang 2.6 Teori Peluang	29 Februari – 3 Maret 2016
Tokopedia	1. Problem solving - Looping 2. Problem solving - Looping 3. Problem solving - Looping 4. Stack 5. Lupa tentang apa euy	23 Juli 2016 (3 jam)
Bukalapak	1. Pemrograman dasar bikin empat kotak 2.1 Query SQL (ga bisa jawab euy) 2.2 Query SQL (gue pake subquery) 2.3 Analisis regresi dengan data mtcars	2 Agustus – 6 Agustus 2016

Statistika hanyalah sebagian set ilmu kecil yang gue miliki untuk menjadi Data Scientist. Butuh kemampuan lainnya kayak pemrograman, optimisasi, algoritma, machine learning, query dan tetek-bengek lainnya yang ga pernah gue dapetin di kampus. 

Read More

Rasyid Ridha 12:44 PM  4 comments

Getting Started with Data Science

Getting Started with Data Science

by Muhammad Rasyid Ridha

On his way to becoming a changemaker as a data magician in the future

“Data science, the combination of statistics and computer science, is a perfect match for me to get my hands dirty in this world”

My journey has been started these days when I just joined the team as a Data Scientist in a novel company, focusing on data, Dattabot. In this company, there are many things that I would like to improve, both from the technical or interpersonal side. I lay my time in this company not only to seek financial benefit but also something more than that, a precious experience that can improve my worth and competitive advantage as data scientist who can solve various problems with his creativity, idea and algorithm, both from machine learning or statistics.

A little intermezzo

By the end of 2016, my main goals will have been already finished, such as: getting >550 TOEFL ITP score, accumulating 200k words, accumulating IDR30,000k and finishing reading >15 books. In 2017, I will be reborn as a better person with much higher vision that can impact the others to make a greater change. Therefore, I can define that stuff as a leadership. For me, a leader is someone who can make an impact regardless of their current positional leadership. In the first stage, I learn the art of leadership to control myself first and get to know how my brain work and then become the artist who can lead people with his inspiration.

Besides those 2016 main goals, the other sides of my goals such as: getting healthy with such criteria based on my mental, physical and spiritual is also important to be accomplished. In the mental side, for example, I would like to control and lead myself with more mindfulness so that I am able to make a better and clearer decision making. I also train my body with proper exercise, both aerobic and strength training with additional of nutritious food. In the spiritual side, I want to improve my sense of tranquility by praying mindfully and learning Quran thoroughly.

Goal as a Data Scientist in 2016

As a data scientist, I have my own goal and expectation in this company, but I do not stick myself with it one-hundred percent. Also, these goals below are not specific enough but it is enough for me as a starter in data science world as a basic fuel for my long journey as data magician. I deal with problems related to data, both with my personal project data or company-cased data.

1.      Get to know and apply basic machine learning algorithm

2.      Master R (Shiny, data visualization) and Python (Web scraping, machine learning)

3.      Finish personal database and data science project (daily life, financial, movement, and historical data)

Application of Data Science

“Aplikasi nu data sains teh luas pisan”

There is no doubt that data science can solve many problems from various fields because as long as data is available, we can crunch the numbers, get the machine learning and statistics turn on and there lies the power of data science, an art of translating data into something meaningful. I even think to make use of my daily life data as a basic description for my decision making. My personal project is about designing database for my daily life data such as expense, network, flight history, event, personal information, etc. It is just a first stage, I also want to make use that data with stunning data visualization using a web application (Shiny or d3.js maybe) by creating such user-friendly dashboard.

Well, it is just my imagination on the rainbow sea. The most necessary thing is that I can learn and improve myself in playing with data and solving hard problems with the power of data science. As an individual, it is true that I am interested in many things, not only statistics and data science but also in other fields such as economy, psychology, health, politics, history, philosophy, sociology, architecture, engineering, technology, finance, business, literature, writing, etc.

The problems are everywhere and also data is ubiquitous. The good news is that nowadays, technology has helped us much to make data storing, analysis and processing faster. The term of big data, for example, can improve the speed of data processing and automation. We can compute millions of matrix which seem impossible if we compute it manually with a pencil. As a data scientist, indeed, I also need to know the current technology that can help me in translating data into meaningful insight.

In this paragraph, I would like to question myself with the plethora of interest inside my brain regarding data science. Specifically, what is my main concern as a data scientist? What kind of problem that I interest most? Although I have a great extent of interests, I can not become an expert in all of them at the same time. I need a core value, a specific specialization as a data scientist who has the capability in solving specific problems in such field.

As a human, with all of my knowledge, I have a zeal willingness to give benefits to this world as much as I can. With data science, I believe that I can give such impact for society, especially for my country, Indonesia. Therefore, I prefer to choose such specific fields in data science, like economy, urban and health because, in my opinion, those areas can give a huge impact on society, for example in urban analytics where I can improve transportation quality by doing data science project by monitoring the movement of people in urban area. In the future, I would like to get a master degree in data science, econometrics or epidemiology.

Third Party

Dattabot, Data Science Indonesia, UN Global Pulse Jakarta, Open Data Jakarta, TransJakarta, Jakarta Smart City, Open Data Lab Jakarta and Satu Data Indonesia.

Learn English, Learn the Art of Writing

Once more, I write this excerpt on Engish because I would like to improve my writing skill. I want to become an avid writer who can make a masterpiece of writing that can mesmerize people and inspire them in doing goodness. Learning the art of writing is one of my way to share my ideas in English with a great context of sophisticatedness. I know that currently, my writing—based on grammar, organization, and vocabulary—is still not good enough. To improve my English writing skill, there is no doubt that practicing is indispensable.

Read More

Rasyid Ridha 6:12 AM  2 comments

Mencari Sesuap Nasi: Part II

Pasca hengkang dari Lazada pada 15 Juli 2016, aku pun bergegas untuk mencari pekerjaan terbaru, terutama pekerjaan dengan titel seorang Data Scientist, kombinasi dari seseorang yang ahli statistika dan pemrograman. Pada dasarnya Lazada memiliki Data Scientist namun tidak untuk skala lokal, melainkan regional. Sebut saja nama seperti Kai Xin Thia, yang juga menjadi Co-Founder DataScience SG (Singapura). Aku yang bertitel Data Analyst sebenarnya memiliki celah untuk melakukan analisis statistika, namun aku harus fokus pada hal yang lebih berkutat pada statistika deskriptif (report), ekstrak data dari database dan pemrograman.

Aku merasakan perbedaan yang sangat jauh ketika pertama kali mencari pekerjaan pasca wisuda, dengan mencari pekerjaan saat aku sudah pernah bekerja sebelumnya. Meskipun hanya 2,5 bulan, aku telah mempelajari banyak hal seperti:

1. Menulis clean code
2. Membuat workflow terstruktur
3. Mengekstrak data menggunakan MySQL
4. Mengetahui dasar dari web programming menggunakan PHP, HTML, CSS dan Javascript menggunakan Code Igniter sebagai framework
5. Sedikit demi sedikit memahami Linux dan penjadwalan menggunakan Cron Job
6. Semakin nyaman dengan Python
7. Menggunakan R dengan library yang belum pernah dipakai sebelumnya
8. Mengetahui ruang lingkup dunia kerja, sistem dan manajemennya
9. Memahami ekosistem e-commerce

Sempat vakum dari dunia kerja selama satu minggu (18 Juli 2016 – 22 Juli 2016), akhirnya, aku mendarat kembali, kali ini di perusahaan yang berkutat pada Big Data Analytics. Jelas, sebuah perbedaan yang cukup besar, ketika aku masih menjadi fresh graduate, yang entah ingin terjun di ranah mana, waktu tunggu yang kutempuh adalah 74 hari (dari tanggal wisuda) atau 94 hari (dari tanggal yudisium). Sedangkan pada jilid kedua, waktu tunggu yang kutempuh adalah 7 hari (dari tanggal uji coba) atau 14 hari (dari tanggal resmi), aku pun bergerak lebih cepat.

Perjalanan mencari pekerjaan jilid kedua dimulai meskipun aku sempat ingin bersantai sejenak, membebaskan diri dari ranah 9-to-5. Aku tidak terlalu menembak perusahaan, namun lebih menembak ke pekerjaan apa yang akan kulakukan, at least, relevan dan berkutat dengan data dan analisis. Meskipun begitu, ada satu perusahaan yang kutembak dari dulu, yaitu Tokopedia. Sebelumnya, aku pun pernah melamar sebagai Data Analyst di Tokopedia pada jilid pertama. Satu tahun sebelum resmi menjadi wisudawan pun, aku sudah menargetkan Tokopedia sebagai tempat pelabuhanku. Seakan-akan menjadi Nakama menjadi impianku.

Pada percobaan kedua ini, aku tidak hanya melamar pada satu pekerjaan spesifik di Tokopedia. Pekerjaan yang relevan dengan data selain Data Analyst seperti Digital Analyst, Fraud Analyst dan Data Scientist, semuanya aku lamar. Aku pun mendapatkan undangan sebagai Fraud Analyst dan Data Scientist dengan dua jalur tahap tes yang berbeda. Keduanya, relevan dengan ilmu statistika yang kumiliki, namun dari itu, Data Scientist mensyaratkan kemampuan pemrograman yang mumpuni dibandingkan Fraud Analyst.

Aku sudah membayangkan bekerja sebagai Fraud Analyst menggunakan alat statistika seperti outlier detection, anomaly detection, supervised learning dan clustering untuk melihat hal-hal mencurigakan dalam data yang diduga sebagai fraud. Kalau perlu, aku dapat membuat otomisasi untuk mengirimkan alarm seperti halnya pada pekerjaanku sebelumnya, namun kali ini lebih mendalam dengan menggunakan alat statistika dan machine learning yang tepat agar dapat menurunkan persentase false positive dan false negative dalam prediksi.

Pada tes Fraud Analyst, aku diundang untuk mengikuti wawancara HR sebagai penjajakan awal. Kelemahan terbesarku adalah, apa yang kubayangkan dan kurencanakan, tidak bisa kutuangkan dalam bentuk realita sepenuhnya. Able to sell yourself dan menyakinkan orang lain merupakan kemampuan yang sangat penting dimiliki. Sayangnya, pada akhirnya, aku mengulangi kegagalan yang sama, gagal melewati blokade HR. Padahal, akan lebih nyaman dan nyambung, kalau wawancara (ngobrol) dengan user secara langsung untuk melihat kebutuhan dan requirement yang memang mereka inginkan.

Selain itu aku pun mengikuti tes Data Scientist via Hackerrank secara online. Aku pun hanya mampu menjawab dua dari lima pertanyaan pemrograman (meskipun pada akhirnya, pertanyaan ketiga bisa kujawab setelah mengikuti tes). Tes yang diberikan benar-benar pure pemrograman dan tidak ada analisis data sama sekali. Aku yang merupakan lulusan statistika tidak mampu menjawab pertanyaan-pertanyaan pemrograman yang sudah memasuki level advance seperti stacking. Dan pada akhirnya, aku menutup kemungkinan sepenuhnya untuk menjadi bagian dari Nakama sebagai Fraud Analyst maupun Data Scientist untuk saat ini.

Pada hari yang bersamaan dengan tes wawancara Fraud Analyst di Tokopedia, aku diundang untuk mengikuti trial di Mediatrac selama seminggu. Titel yang tertulis adalah Data Engineer, namun pada dasarnya, pekerjaan yang akan kuhadapi lebih mengarah ke Data Scientist, melakukan analisis data menggunakan metode statistika maupun machine learning, persis seperti hal yang kutargetkan dari awal.

Selama satu minggu itu pun, aku melakukan analisis data untuk mengelompokkan daerah di Jakarta berdasarkan kemiripannya dilihat dari segmentasi daerahnya (apakah condong ke daerah bisnis, komersial, ibadah, otomotif ataupun lainnya). Metode yang kugunakan adalah metode unsupervised learning yang sudah sangat sering digunakan yaitu k-means. Pada dasarnya, banyak kemungkinan metode dan pendekatan lain yang dapat kugunakan seperti menggunakan metode kohonen SOM. Dari satu minggu itu saja, aku sudah mempelajari hal baru dalam menggunakan library di R yang belum pernah kugunakan sebelumnya seperti ggmap, reshape dan slidify, serta menggunakan fungsi dan pengulangan secara lebih mendalam.

Aku pun sempat menjajak e-commerce lain seperti OLX dan Bukalapak. Di OLX, aku diundang untuk wawancara user sebagai Business Intelligence Developer, atau dengan kata lain disebut sebagai Data Engineer, dengan pekerjaan yang berkutat dengan ETL, database dan pernak-pernik lainnya. Hal tersebut sudah cukup jauh dari ilmu statistika yang kudapatkan saat di bangku perkuliahan dulu yang lebih condong untuk menganalisis data seperti Data Scientist, dibandingkan menyiapkan sistem data yang siap untuk dianalisis. Alhasil, tidak ada kabar selanjutnya yang mengindikasikan bahwa aku tidak cocok dengan pekerjaan tersebut.

Seperti halnya tes Data Scientist di Tokopedia, aku mendapatkan surel untuk mengikuti tes Data Scientist di Bukalapak. Namun, kali ini, tidak melulu berkutat dengan soal pemrograman, dan juga soal yang diberikan tidak melalui third-party seperti Hackerrank, melainkan soal langsung yang dikirimkan melalui surel dalam bentuk pdf. Pada dasarnya, ada tiga segmentasi soal yaitu: pemrograman, query dan analisis data. Tidak seperti tes Data Scientist di Tokopedia di mana aku hanya mampu menjawab dua dari lima soal yang tersedia, pada tes kali ini aku mampu menjawab semua soal dan mengumpulkannya via surel di hari terakhir batas pengumpulan. Meskipun begitu, tidak ada kabar lanjutan, entah karena posisi tersebut sudah terisi atau bagaimana.

Pada akhirnya, aku pun ditakdirkan untuk memperdalam kemampuan data science di Mediatrac sebagai Data Engineer Scientist. Secara non-spesifik, tujuanku di sini adalah meningkatkan kapasitas diri dari segi teknikal maupun non-teknikal sehingga aku mampu melompat lebih jauh lagi di masa depan. Pada dasarnya, perusahaan ini adalah wadah bagiku untuk meningkatkan kemampuan pada: programming, data science, statistics, problem solving, decision making, english, interpersonal, communication, networking dan lain-lain. Di tahun 2018, aku sudah siap untuk melompat lebih jauh, sebagai seorang ahli data yang memiliki berjuta ide yang mampu memecahkan berbagai macam masalah di Indonesia maupun dunia.

Nitty Gritty - Part II

Keterangan: 

biru (tes/wawancara)

Date	Details
15 Juli 2016	Hengkang dari Lazada
16 Juli 2016	Merapat ke Depok, sebar CV terbaru ke Tokopedia, Bukalapak, BCA, dsb.
18 Juli 2016	Kembali ke kosan menggunakan Transjabodetabek (leadtime ~ 30 menit)
20 Juli 2016	Kirim lamaran ke Mediatrac (10.03)
20 Juli 2016	Panggilan dari Excite Indonesia sebagai Data Analyst (10.44)
20 Juli 2016	Panggilan dari Tokopedia sebagai Fraud Prevention Analyst (18.09)
21 Juli 2016	Tes tahap awal dari Hackerrank sebagai Data Scientist Tokopedia
22 Juli 2016	Wawancara HR Tokopedia sebagai Fraud Prevention Analyst
22 Juli 2016	Panggilan dari Mediatrac untuk mengikuti uji coba minggu depan
23 Juli 2016	Merapat ke Depok, menyelesaikan soal Data Scientist Tokopedia
24 Juli 2016	Kembali ke kosan menggunakan Transjabodetabek (leadtime ~ 1 jam)
25 Juli 2016	Wawancara singkat dan uji coba di Mediatrac
27 Juli 2016	Panggilan dari OLX sebagai BI Developer (13.56)
28 Juli 2016	Wawancara user OLX (16.30)
29 Juli 2016	Presentasi hasil analisis, uji coba di Mediatrac
30 Juli 2016	Merapat ke Depok tanpa membawa laptop
31 Juli 2016	Kembali ke kosan menggunakan Transjabodetabek (leadtime ~ 20 menit)
1 Agustus 2016	Resmi menjadi bagian dari Mediatrac sebagai Data Engineer Scientist
2 Agustus 2016	Mendapat undangan tes tahap awal Data Scientist Bukalapak
6 Agustus 2016	Mengumpulkan jawaban tes tahap awal Data Scientist Bukalapak

Waktu tunggu: 7 hari (dari tanggal uji coba), 14 hari (dari tanggal resmi)

Panggilan: Excite, Tokopedia, Mediatrac, OLX, Aimia

Mengikuti: Tokopedia, Mediatrac, OLX, Aimia

Gagal total: Traveloka, Bhinneka, BCA, dan lain-lain

Berhasil: Mediatrac

Read More

Rasyid Ridha 12:05 PM  No comment