Pernah nggak kamu dengar istilah "data analyst" tapi bingung sebenernya mereka ngapain sih sehari-hari? Atau penasaran gimana caranya masuk ke profesi ini tapi nggak tahu harus mulai dari mana?

Tenang. Kita bahas pelan-pelan.

Data Analyst Itu Sebenarnya Ngapain?

Gampangnya gini: data analyst itu orang yang bantu perusahaan bikin keputusan berdasarkan data, bukan cuma feeling.

Bayangin kamu punya toko online. Kamu lihat penjualan turun. Tapi kamu nggak tahu kenapa. Apakah karena harganya kemahalan? Ongkirnya bikin kapok? Atau produknya nggak sesuai ekspektasi?

Nah, data analyst ini yang bantu jawab pertanyaan kayak gitu—pakai data yang ada.

Mereka:

Jadi bukan cuma bikin tabel Excel aja. Mereka itu semacam penerjemah: dari angka yang ribet, jadi cerita yang bisa dipake buat ambil tindakan.

Contoh nyata:
Misalnya tim marketing kamu ngirim email promo. Data analyst bisa ngecek: berapa orang yang buka emailnya? Berapa yang klik? Berapa yang akhirnya beli? Terus kalau hasilnya jelek, mereka bisa kasih saran: "Coba subject line-nya diganti" atau "Kirimnya jangan Senin pagi, coba Rabu siang."

Simpel kan?

Bedanya Data Analyst, Data Scientist, Data Engineer—Emang Beda?

Ini sering bikin bingung. Sebenarnya simpel kok:

Analoginya gini:
Kalau kamu lagi masak di restoran:

Di perusahaan kecil, sering satu orang ngerjain semuanya. Di perusahaan gede, ini beda role.

Sehari-hari Kerja Data Analyst Kayak Gimana?

Ini yang jarang dijelasin. Jadi gini alurnya:

1. Kumpulin datanya dulu

Data itu bisa dari mana aja:

Kadang ini yang paling lama—nyari data dari berbagai tempat, terus digabungin. Banyak yang bilang sekitar 60–70% waktu data analyst itu dihabiskan di tahap ini.

2. Bersihin datanya

Data mentah itu jarang yang rapi. Sering ada:

Jadi harus dibersihin dulu. Kalau nggak, analisisnya bisa salah.

Contoh simpel:
Kamu mau hitung rata-rata umur pelanggan. Tapi di data ada yang umurnya kosong, ada yang 150 tahun (typo). Kalau langsung dihitung, hasilnya jadi nggak masuk akal. Makanya harus dibersihin dulu.

3. Analisis

Baru deh mulai analisis. Ini bisa macem-macem tergantung pertanyaan bisnisnya:

4. Bikin visualisasi dan laporan

Setelah dapat insight, harus disampaikan ke orang lain. Makanya bikin:

Yang penting: jangan terlalu ribet. Orang bisnis nggak mau lihat tabel 100 baris. Mereka mau tahu: "Jadi apa yang harus gue lakuin?"

Tools yang Biasa Dipakai

Kamu nggak perlu belajar semuanya sekaligus. Tapi ini yang umum:

Tool Buat apa Level
Excel Eksplorasi cepat, pivot table Dasar–Mahir
SQL Ambil data dari database Wajib banget
Python (pandas) Bersihin & analisis data Intermediate
Power BI / Tableau Bikin dashboard Intermediate
Google Analytics Data website & user behavior Dasar

Saran buat pemula:
Mulai dari SQL dulu. Ini yang paling sering dipake di kerjaan. Setelah itu pilih satu: Python atau Power BI, tergantung kamu lebih suka coding atau drag-and-drop.

Contoh Kasus Nyata: Biar Kebayang

Kasus 1: Pelanggan banyak yang kabur

Sebuah layanan subscription (misalnya Netflix, Spotify, atau SaaS) ngeliat banyak pelanggan yang cancel langganan di minggu ke-3 setelah trial.

Data analyst:

  1. Ngecek data: kapan orang biasanya cancel? Apa ada pola?
  2. Temuin insight: ternyata yang cancel itu belum pernah pakai fitur utama.
  3. Kasih rekomendasi: kirim email tutorial atau notifikasi in-app di hari ke-7–14, ajarin cara pakai fitur utama.

Hasilnya: Churn turun dari 6% jadi 4%. Artinya lebih banyak pelanggan yang bertahan.

Kasus 2: Iklan buang-buang budget

Tim marketing habis Rp50 juta buat iklan, tapi hasilnya biasa aja.

Data analyst:

  1. Analisis: segmen pelanggan mana yang paling sering beli dan paling untung (pakai metode RFM: Recency, Frequency, Monetary).
  2. Temuin: ternyata 25% pelanggan itu kontribusi 60% dari total revenue.
  3. Rekomendasi: fokus budget iklan ke segmen itu aja, jangan di-spray ke semua orang.

Hasilnya: Cost per acquisition turun 18%.

Skill yang Perlu Kamu Punya

Hard Skills:

Soft Skills (ini yang sering dilupain):

Ini sering kejadian di kerjaan: kamu punya analisis bagus, tapi kalau nggak bisa jelasin dengan sederhana, hasilnya percuma. Tim lain nggak ngerti, jadi nggak dipakai.

Cara Mulai (Buat Pemula)

Oke, sekarang pertanyaan paling penting: gimana cara mulainya?

Step 1: Kuasai SQL dasar

Cari tutorial SQL untuk pemula. Fokus ke:

Coba latihan di platform gratis kayak SQLZoo atau Mode Analytics.

Step 2: Pilih satu bahasa scripting

Python paling populer. Belajar library pandas buat manipulasi data.

Jangan langsung machine learning dulu. Fokus ke:

Step 3: Bikin project kecil

Ini yang paling penting. Portfolio lebih penting dari sertifikat.

Contoh project:

Yang ditunjukin di project:

Step 4: Latih komunikasi

Bikin slide sederhana atau tulisan blog yang jelasin hasil analisismu. Coba jelasin ke temen atau keluarga yang nggak ngerti data. Kalau mereka paham, berarti kamu udah bagus.

Hal-Hal yang Sering Kejadian (Tapi Jarang Diomongin)

Tapi kalau kamu bisa ngasih rekomendasi yang jelas, didukung data, dan gampang dipahami—lama-lama orang bakal dengerin.

Penutup

Jadi intinya, data analyst itu bukan cuma jago Excel atau Python. Mereka itu jembatan antara data dengan keputusan bisnis.

Yang bikin seorang data analyst bagus itu:

Kalau kamu baru mulai: tenang aja. Mulai dari SQL, coba satu project kecil, dan latih cara jelasinnya.

Nggak usah buru-buru. Pelan-pelan aja, yang penting paham.

Selamat belajar!