
What a Data Analyst Does Day-to-Day
Analytics · 13 Jan 2026
A practical, seniority-based guide to the day-to-day work of data analysts with sample job descriptions and skills.

Praktik sederhana dan cerita nyata tentang bagaimana menjelaskan data ke tim non-teknis supaya paham dan bisa ambil keputusan.
data · 13 Jan 2026
Pernah nggak kamu udah cape-cape analisis data, bikin chart keren, terus pas presentasi... team cuma bengong? Atau lebih parah: mereka manggut-manggut tapi ujung-ujungnya nggak ada action?
Intinya gini: jelasin hasil analisis ke tim non-teknis itu bukan soal bikin slide bagus. Tapi soal bikin mereka paham—dan mau bertindak.
Bayangin kamu lagi meeting produk, bukan presentasi statistik. Orang-orang perlu tahu apa artinya angka itu buat pekerjaan mereka sehari-hari. Bukan pengen dengar tentang "correlation coefficient" atau "p-value". Mereka mau tahu: "Jadi gue harus ngapain?"
Di tulisan ini aku mau share cara yang aku pakai: mulai dari pahami dulu siapa yang duduk di depan kamu, gimana cara ngomong yang gampang dicerna, sampai bikin visual yang langsung bisa dipake.
Kita bahas pelan-pelan.
Sebelum masuk ke angka, aku selalu ngobrol dulu. Kadang cukup tanya tiga hal simpel:
Dari jawaban ini aku bisa tahu: apakah aku bisa sedikit teknis, atau harus full analogi sederhana.
Contoh nyata:
Di beberapa proyek, aku lihat tim marketing lebih ngerti soal "conversion rate" dan "funnel". Sementara tim operasional lebih fokus ke "waktu penyelesaian" dan "error rate".
Jadi kalau aku presentasi ke marketing, aku pakai bahasa mereka: "Conversion turun 12% di step checkout." Kalau ke ops: "Proses ini butuh 20 menit lebih lama dari target."
Gampangnya:
Pendekatan ini bikin pesan langsung nyambung. Dan yang penting: nggak overload mereka dengan info yang nggak relevan.
Sebelum bikin slide, tanya diri sendiri:
"Meeting ini tujuannya apa?"
Tujuan ini menentukan detail apa yang harus kamu tampilkan.
| Tujuan Meeting | Yang Perlu Ditampilkan |
|---|---|
| Keputusan strategis | Insight yang mempengaruhi revenue/cost, alternatif opsi, rekomendasi dengan risk level |
| Persetujuan roadmap | Milestone, resource needed, expected outcome |
| Update operasional | Metrik ringkas, anomali yang butuh tindakan cepat |
| Alignment tim | Progress vs target, blocker, next steps |
Contoh kasus:
Tim produk butuh bukti untuk menunda fitur baru. Aku fokus tunjukkan:
Hasilnya? Diskusi lebih cepat. Semua orang paham apa yang dipertaruhkan dan alternatif yang masuk akal.
Aku punya beberapa pertanyaan standar yang selalu aku tanyain di pembicaraan awal:
Jawaban ini memengaruhi:
Praktisnya: Aku catat hasil percakapan ini sebagai brief kecil. Brief ini bantu aku tetap fokus pada pesan yang benar-benar penting.
Aku sengaja hilangkan istilah teknis kecuali memang harus.
Contoh:
Kalau harus pakai istilah teknis, jelaskan pakai analogi.
Misalnya, waktu jelasin sampling:
"Kayak kamu cicipin beberapa potong kue untuk tau rasa satu loyang penuh. Nggak perlu makan semuanya, tapi cukup tau rasanya gimana."
Analoginya gampang diingat. Dan yang penting: orang jadi berani nanya karena bahasanya manusiawi, bukan berasa lagi kuliah statistik.
Aku selalu susun presentasi kayak storytelling:
Contoh struktur presentasi:
Slide 1 - Masalah:
"Conversion rate turun 15% dalam 2 minggu terakhir di halaman checkout."
Slide 2 - Insight:
"Setelah cek data, ternyata 60% user yang drop ada di step 'pilih metode pembayaran'. Mereka nggak lanjut setelah lihat ongkir."
Slide 3 - Rekomendasi:
"Coba tampilkan estimasi ongkir lebih awal (di halaman produk), atau kasih free shipping threshold yang jelas."
Simpel kan?
Struktur ini memudahkan audiens ikut alur pemikiranmu. Mereka nggak overwhelmed dengan data, tapi fokus ke: "Oke, jadi kita harus ngapain sekarang?"
Ketika harus tampilkan angka, aku pilih yang mudah dimengerti dan relevan.
Alih-alih tampilkan banyak metrik, aku fokus ke impact:
Konteks bikin angka bermakna.
Diskusi jadi berubah dari:
"Apakah ini signifikan?" → "Apa yang akan kita lakukan sekarang?"
Kalau perlu kasih confidence level atau margin of error, jelaskan tanpa jargon:
Aku pilih chart berdasarkan pesan yang mau disampaikan.
| Kalau Mau Tunjukkan | Pakai Chart Ini |
|---|---|
| Perbandingan antar kategori | Bar chart |
| Tren dari waktu ke waktu | Line chart |
| Komposisi/proporsi sederhana | Pie chart (tapi jangan lebih dari 5 kategori) |
| Perjalanan user/funnel | Funnel chart |
| Konsentrasi masalah | Heatmap |
Prinsip aku:
Visual harus memperjelas, bukan memanjakan ego analitik. Kalau chart bikin orang bingung, aku ubah sampai pesannya cuma satu: apa yang berubah dan kenapa itu penting.
Tips praktis:
Contoh caption:
"Traffic dari mobile naik 40%, tapi conversion-nya masih stagnan—kemungkinan ada masalah di UX mobile."
Aku rancang dashboard kayak halaman depan koran.
Struktur:
Hierarki ini bantu pemirsa cepat paham apa yang perlu diperhatikan.
Aku juga kasih highlight pada metrik yang butuh tindakan, lengkap dengan:
Contoh nyata:
Di salah satu proyek internal, tim yang punya dashboard dengan CTA jelas bikin cycle eksperimen lebih cepat 30%—karena pengambilan keputusan jadi lebih terarah.
Dashboard bukan cuma pajangan angka. Tapi alat untuk aksi.
Aku selalu pakai template yang sama untuk laporan:
1. Executive Summary (1 paragraf)
Kasih gambaran besar dalam 2-3 kalimat.
2. Insight Utama (2-3 poin)
Fokus ke temuan yang paling penting, plus visual pendukung.
3. Langkah Selanjutnya (2-3 action items)
Apa yang harus dilakukan, siapa yang handle, kapan deadline-nya.
Format ini ringkas dan bisa dibaca dalam 3 menit.
Untuk yang mau mendalami, aku lampirkan appendix dengan metode dan asumsi—tapi nggak di depan. Biar yang nggak butuh detail teknis tetap bisa ikut diskusi.
Praktiknya:
Aku kirim laporan ini sebelum meeting supaya waktu diskusi fokus ke keputusan. Ketika semua orang sudah dapat konteks, meeting jadi lebih efektif.
Intinya, jelasin hasil analisis ke tim non-teknis itu soal empati dan fokus.
Ringkasannya:
Satu hal yang aku sering ingatkan ke diri sendiri:
Semakin simpel penyampaian, semakin besar peluang insight dipakai untuk tindakan.
Mau coba praktikkan?
Mulai dari satu elemen dulu:
Terus lihat bagaimana respons tim berubah.
Nggak usah buru-buru. Pelan-pelan aja, yang penting paham dan bisa kerja bareng lebih baik.

Analytics · 13 Jan 2026
A practical, seniority-based guide to the day-to-day work of data analysts with sample job descriptions and skills.

Analytics · 12 Jan 2026
SQL for data analysts — Master 10 real-world queries with examples, tables, and actionable tips to analyze, join, and summarize data.

AI · 29 Dec 2025
OpenAi rolls out GPT-5.2 across ChatGPT tiers with Instant, Thinking, and Pro variants for improved accuracy and coding.

AI · 29 Dec 2025
OpenAI, Disney reach $1B deal to license 200+ characters for Sora; three-year license, APIs and ChatGPT integration announced.

Analytics · 23 Dec 2025
learn data trends now: 12 practical skills to master analysis, visualization, ML, cloud platforms, pipelines, and governance.

AI · 23 Dec 2025
disco: Google Labs debuts GenTabs on Dec. 11, 2025 to convert open tabs into AI-powered web apps for complex tasks.

Analytics · 12 Dec 2025
modern data teams guide: roles, lifecycle, tools, governance, hiring — practical tips to build better data teams

AI · 19 Nov 2025
cloudflare down on Nov 18 disrupted major services globally; postmortem blames a Bot Management file and confirms full restoration by 17:06 UTC.

Analytics · 19 Nov 2025
Data visualization techniques to explain complex data to non-technical stakeholders with five patterns and examples.