1.1. Latar belakang dan permasalahan bisnis untuk proyek data science diidentifikasi sesuai dengan prosedur bisnis yang berlaku

1.2. Poin-poin objektif bisnis diidentifikasi sesuai dengan permasalahan yang telah dipilih dan sesuai dengan kebutuhan organisasi

1.3. Poin-poin metrik kesuksesan dibuat sesuai objektif bisnis

1.4. Permasalahan bisnis, poin-poin objektif bisnis dan metrik kesuksesan proyek data science ditetapkan sesuai kebutuhan pengguna

2.1. Daftar terminologi, sumber daya, kebutuhan, asumsi dan batasan proyek diidentifikasi

2.2. Persetujuan atas kebutuhan, asumsi dan batasan proyek diperoleh dari pengguna

3.1. Daftar risiko dalam pelaksanaan proyek diidentifikasi

3.2. Beberapa rencana mitigasi risiko diidentifikasi sesuai dengan daftar risiko

3.3. Persetujuan atas risiko dan rencana mitigasi risiko diperoleh dari pengguna

4.1. Komponen biaya dan besaran biaya pelaksanaan proyek diidentifikasi sesuai dengan objektif bisnis

4.2. Keuntungan pelaksanaan proyek diidentifikasi sesuai dengan objektif bisnis

4.3. Biaya dan keuntungan pelaksanaan proyek dikomunikasikan dan disetujui oleh pengguna

1.1. Task data science ditentukan sesuai dengan objektif bisnis

1.2. Tujuan teknis pelaksanaan proyek data science diidentifikasi sesuai objektif bisnis

2.1. Daftar dan parameter kriteria kesukseskan proyek diidentifikasi sesuai dengan tujuan teknis

2.2. Kriteria yang teridentifikasi disetujui oleh pengguna sesuai dengan objektif bisnis

1.1. Tipe data yang terkumpul diidentifikasi sesuai tujuan teknis

1.2. Nilai atribut data yang terkumpul diuraikan sesuai dengan batasan konteks bisnisnya

1.3. Relasi antar data yang terkumpul diidentifikasi sesuai dengan tujuan teknis

2.1. Karakteristik data yang terkumpul disajikan dengan deskripsi statistik dasar

2.2. Karakteristik data yang terkumpul disajikan dengan visualisasi grafik

2.3. Hasil penyajian data dianalisis karakteristiknya untuk telaah data

3.1. Hasil analisis didokumentasikan dalam bentuk laporan sesuai dengan tujuan teknis

3.2. Hipotesis disusun berdasar hasil analisis sesuai tujuan teknis data science

1.1. Penilaian kualitas data dari hasil telaah disajikan sesuai tujuan teknis data science

1.2. Penilaian tingkat kecukupan data dari hasil telaah disajikan sesuai tujuan teknis data science

2.1. Rekomendasi hasil penilaian kualitas disusun sesuai tujuan teknis data science

2.2. Rekomendasi hasil penilaian kecukupan data disusun sesuai tujuan teknis data science

1.1. Kriteria pemilihan data diidentifikasi sesuai dengan tujuan teknis dan aturan yang berlaku

1.2. Teknik pemilihan data ditetapkan sesuai dengan kriteria pemilihan data

2.1. Attributes (columns) data diidentifikasi sesuai dengan kriteria pemilihan data

2.2. Records (row) data diidentifikasi sesuai dengan kriteria pemilihan data

1.1. Strategi pembersihan data ditentukan berdasarkan hasil telaah data

1.2. Data yang kotor dikoreksi berdasarkan strategi pembersihan data

2.1. Masalah dan teknis koreksi data dideskripsikan sesuai dengan kondisi data dan strategi pembersihan data

2.2. Evaluasi dihasilkan berdasarkan analisis koreksi yang telah dilakukan

2.3. Evaluasi proses dan hasilnya didokumentasikan

1.1. Analisis data untuk menentukan representasi fitur data awal

1.2. Analisis representasi fitur data awal untuk menentukan teknik rekayasa fitur yang diperlukan untuk pembangunan model data science

2.1. Transformasi dilakukan untuk mendapatkan fitur data awal

2.2. Rekayasa fitur data dilakukan untuk mendapatkan fitur baru yang diperlukan untuk pembangunan model data science

3.1. Teknis transformasi data dijabarkan dalam bentuk tertulis

3.2. Hasil transformasi data dan rekomendasi hasil transformasi dituangkan dalam bentuk tertulis

1.1. Asumsi-asumsi spesifik mengenai data diidentifikasi sesuai karakteristik data

1.2. Teknik-teknik pemodelan data diidentifikasi sesuai karakteristik data dan tujuan teknis data science

2.1. Teknik pemodelan yang sesuai dengan karakteristik data ditentukan

2.2. Deskripsi teknik pemodelan yang dipilih didokumentasikan sesuai SOP yang berlaku

3.1. Skenario uji yang mungkin diterapkan ditentukan sesuai tujuan teknis

3.2. Metrik evaluasi pengujian diidentifikasi sesuai skenario uji

3.3. Skenario uji yang dipilih didokumentasikan sesuai standar yang berlaku

1.1. Parameter-parameter yang sesuai dengan model diidentifikasi

1.2. Nilai toleransi parameter evaluasi pengujian ditetapkan sesuai dengan tujuan teknis

2.1. Tools untuk membuat model diidentifikasi sesuai dengan tujuan teknis data science

2.2. Algoritma untuk teknik pemodelan yang ditentukan dibangun menggunakan tools yang dipilih

2.3. Algoritma pemodelan dieksekusi sesuai dengan skenario pengujian dan tools untuk membuat model yang telah ditetapkan

2.4. Parameter model algoritma dioptimasi untuk menghasilkan nilai parameter evaluasi yang sesuai dengan skenario pengujian

1.1. Data baru untuk evaluasi pemodelan dikumpulkan sesuai kebutuhan yang mengacu kepada parameter evaluasi

1.2. Model diuji dengan menggunakan data riil yang telah dikumpulkan

2.1. Keluaran pengujian model dinilai berdasarkan metrik kesuksesan

2.2. Hasil penilaian didokumentasikan sesuai standar yang berlaku

1.1. Proses pemodelan diperiksa kesesuaiannya berdasarkan tahapan yang ditentukan

1.2. Tindak lanjut yang perlu diambil ditentukan berdasarkan hasil pengujian model hasil pemeriksaan kesesuaian

2.1. Proses pemodelan dinilai berdasarkan rencana pelaksanaan proyek

2.2. Hasil penilaian didokumentasikan sesuai standard yang berlaku