**Cara Belajar Data Analyst (Photo by** **Annie Spratt** on **Unsplash**)

Di zaman serba digital, kebutuhan terhadap profesi data analyst semakin meningkat. Apalagi dengan makin banyaknya perusahaan rintisan atau startup berbasis teknologi, mereka membutuhkan sosok data analyst untuk mengolah berbagai data perusahaan. Tak heran, data analyst masuk kategori profesi yang sedang populer di abad 21. Jika tertarik untuk beralih profesi sebagai data analyst, kamu harus mempersiapkan cara belajar data analyst yang efektif dan efisien.

Umumnya, seorang data analyst bertanggung jawab untuk mengambil, mengumpulkan, dan mengelola data terkait dengan angka penjualan, riset pasar, logistik, atau data-data perusahaan lainnya untuk menghasilkan kesimpulan yang berguna untuk keputusan bisnis (Sumber: Rasmussen University). Dalam prosesnya, data analyst melakukan pengelolaan data menggunakan berbagai tools atau bahasa pemrograman yang mendukung seperti Tableau, Microsoft Excel, bahasa pemrograman R, dll.

Banyak yang mengira data scientist dan data analyst adalah profesi yang sama. Faktanya, kedua profesi yang berkaitan dengan data ini memiliki perbedaan yang signifikan. Singkatnya, data analyst bertanggung jawab dalam menggambarkan kesimpulan dari berbagai sumber untuk mencari solusi dan keputusan terbaik bagi bisnis, kesimpulan tersebut akan disajikan dalam bentuk laporan yang mudah dipahami seperti dalam bentuk grafik dan deskripsi. Sedangkan seorang data scientist bertanggung jawab untuk membuat prediksi yang akan datang dan menganalisis keakuratan sebuah informasi.

Jika tertarik untuk memulai karier menjadi seorang data analyst maka kamu harus menyiapkan cara belajar data analyst yang efektif, penasaran bagaimana caranya? Simak terus!

Tugas Data Analyst

Data analyst adalah seseorang yang bertanggung jawab untuk melakukan analisis dan riset data untuk kepentingan pemasaran, pengembangan produk, aktivitas target pasar, dll. Seorang data analyst sekarang ini sangat dibutuhkan di dunia bisnis karena perilaku, selera, dan tren yang dekat dengan target pasar sangat cepat mengalami perubahan, dibanding dengan melakukan riset manual, proses data analytics lebih menghemat waktu dan dengan data yang lebih akurat. Biasanya, di perusahaan seorang data analyst bertugas untuk:

Mengekstrak data primer dan sekunder ke berbagai tools
Mengembangkan dan memelihara database
Melakukan analisis data berdasarkan tren
Membuat laporan hasil analisis data
Mengumpulkan data yang berkualitas
Berkolaborasi dengan data researcher untuk memperoleh data
Mengatur dan mengelola data sesuai jenis data
Menganalisis data dengan alat statistik
Mempresentasikan data yang sudah diolah
Berkolaborasi dengan programmer dan engineer untuk pengolahan dan penggunaan data

Cara Belajar Data Analyst: Pelajari Hard-Skill

Hard-skill data analyst — **Cara Belajar Data Analyst (Photo by** **Andrew Neel** on **Unsplash**)

Langkah pertama yang harus kamu lakukan ketika memulai cara belajar data analyst adalah mempelajari hard-skill dan tools pendukung, ada beberapa hard-skills dan tools yang bisa kamu pelajari, diantaranya:

Microsoft Excel

Secara umum, Microsoft Excel adalah software yang wajib dikuasai oleh para data analyst. Karena biasanya data analyst bekerja dengan data berupa angka, oleh karena itu Microsoft Excel digunakan untuk mengolah data secara sederhana dan kesimpulannya bisa terjawab hanya dengan menggunakan berbagai rumus.

Menguasai Bahasa Pemrograman

Ada tiga bahasa pemrograman yang populer dikalangan data analyst yaitu Python, R, dan SQL. Python biasa digunakan untuk web development, software development, mathematics, scripting data science, big data, data mining, bahkan hingga machine learning. Sedangkan bahasa pemrograman R adalah sebuah bahasa sekaligus software untuk pengolahan data dan grafik, bahasa ini juga terkenal karena merupakan implementasi statistik yang ringan untuk dipelajari.

Selanjutnya, pelajari SQL yaitu database yang menyimpan banyak data untuk diolah dalam bentuk informasi, biasanya software ini digunakan oleh data analyst karena proses analisa datanya lebih cepat dan bisa menampung jumlah dan kapasitas data yang lebih besar dibanding Microsoft Excel.

Visualisasi Data

Visualisasi data biasa dilakukan oleh seorang data analyst setelah mengumpulkan, menyusun, dan analisis data. Visualisasi data merupakan proses menerjemahkan sekumpulan data besar menjadi sebuah informasi dengan kesimpulan yang mudah dipahami oleh perusahaan. Biasanya, untuk memudahkan visualisasi data bisa menggunakan tools bantuan seperti SAS, Tableau, Cognos, dll.

Statistika

Karena data yang dikumpulkan oleh data analyst biasanya berupa angka, oleh karena itu untuk menginterpretasikannya data analyst harus memiliki kemampuan statistika agar bisa mengubah data menjadi informasi yang mudah dipahami dan relevan sesuai dengan kebutuhan perusahaan.

Machine Learning

Sekumpulan data yang kamu dapatkan berdasarkan hasil pencarian di internet pasti akan menyesuaikan dengan masing-masing algoritmanya. Tentunya, algoritma setiap mesin pencarian dan media sosial berbeda-beda yang akhirnya mempengaruhi keputusan pengguna internet untuk mencari, melakukan review, sampai keputusan pembelian. Oleh karena itu, data analyst harus paham bagaimana cara machine learning bekerja dengan AI.

Data Warehousing

Salah satu tanggung jawab seorang data analyst adalah memantau dan memastikan data yang sudah dikumpulkan tersimpan dengan baik dan aman. Untuk bisa melakukan hal tersebut kamu harus memiliki kemampuan data warehousing.

Membuat Laporan

Terakhir tak kalah penting, tanggung jawab seorang data analyst adalah mempresentasikan sekumpulan data yang ada kepada perusahaan menjadi informasi yang bisa disimpulkan. Oleh karena itu, data analyst harus bisa menulis laporan dengan baik dalam format apapun, umumnya data analyst menggunakan format dokumen di Microsoft Word atau di Microsoft PowerPoint.

Cara Belajar Data Analyst: Pelajari Tools Data Analytics

Biasanya, setiap perusahaan akan menggunakan tools data analytics yang berbeda-beda sesuai dengan kebutuhan perusahaan. Tools data analytics yang digunakan perusahaan umumnya bergantung pada:

Jenis data yang dimiliki oleh bisnis
Prosedur analisis data yang akan dilakukan
Jenis visualisasi data yang akan digunakan
Anggaran biaya yang dimiliki perusahaan
Masalah yang ingin diselesaikan perusahaan

Meskipun setiap perusahaan menggunakan tools yang berbeda, tapi ada beberapa tools data analytics yang umum digunakan oleh banyak perusahaan, seperti:

Excel

Excel merupakan tools data analytics paling basic yang biasanya digunakan oleh para pemula untuk membantu mengolah data hingga membuat grafik atau bagan dengan mudah. Menggunakan Excel, data analyst bisa membuat berbagai jenis bagan untuk keperluan visualisasi data seperti:

Clustered bar charts
Scatterplots
Bar charts
Pie charts
Radar charts

Selain sering digunakan untuk visualisasi data, Excel juga biasanya akan digunakan untuk manipulasi data dengan menggunakan beragam fungsi dan rumus yang tersedia.

Tableau

Tableau adalah tools terbaik untuk membantu data analyst membuat grafik dengan visual dan dashboard yang menarik serta interaktif tanpa memerlukan skill programming atau coding. Selain itu, Tableau juga biasa digunakan untuk analisis data dan membersihkan basic data.

SQL

SQL merupakan bahasa pemrograman yang digunakan untuk query dan manipulasi data. Sebetulnya fungsi SQL hampir sama dengan fitur yang ada di Excel, namun jika mengolah big data menggunakan SQL akan lebih efisien dibandingkan menggunakan Excel. Umpamanya, jika di Excel kamu membutuhkan waktu berjam-jam untuk mengirim file besar, dengan SQL kamu hanya memerlukan waktu dalam hitungan menit. Biasanya, SQL digunakan data analyst untuk:

Manipulasi big data = SQL mampu melakukan semua jenis manipulasi dengan kurang dari 15 baris kode
Menggabungkan kumpulan data = SQL mampu menggabungkan kumpulan data dalam jumlah file dan kolom yang banyak dala waktu yang singkat

R

R merupakan tools yang digunakan untuk menangani big data. Keunggulan R adalah bisa digunakan untuk prosedur analisis statistik terutama untuk machine learning dan exploratory data analysis. Bahkan, saking canggihnya tool ini, R digunakan di berbagai perusahaan besar seperti Google, Bing, Facebook, dan perusahaan besar lainnya.

SPSS

SPSS merupakan tool point-and-click yang biasanya digunakan para profesional di bidang pendidikan, tak heran tool ini banyak digunakan oleh mahasiswa tingkat akhir untuk mengerjakan analisis untuk skripsi. Namun, tool ini juga bermanfaat untuk data analyst saat melakukan berbagai tes dan jenis regresi untuk mengakomodasi semua jenis data atau skenario.

Python

Python adalah bahasa pemrograman tingkat tinggi yang bersifat open-source. Di Python kamu bisa menemukan library tanpa harus melakukan coding sendiri. Data analyst biasanya menggunakan Python untuk kebutuhan level advanced seperti otomatisasi, big data, machine learning, hingga app deployment.

Power BI

Secara kegunaan, Power BI mirip dengan Tableau yang digunakan untuk visualisasi data. Bedanya, Power BI lebih komprehensif dengan memiliki fitur manipulasi dan pembersihan data menggunakan bahasa DAX. Selain itu, Power BI juga terintegrasi dengan produk Microsoft sehingga memudahkan pekerjaan kamu yang tersimpan di beberapa file tertentu.

Akkio

Akkio adalah tool AI-powered yang memungkinkan seseorang bisa menjadi data analyst dan data scientist tanpa perlu skill coding, Kamu hanya perlu mengunggah dataset ke tool lalu pilih variabel yang ingin kamu peridksi dan Akkio akan membuat neural network di sekitar variabel itu.

Cara Belajar Data Analyst: Siapkan Soft-Skill

Soft-skill data analyst — **Cara Belajar Data Analyst (Photo by** **Kraken Images** **on Unsplash)**

Disamping hard-skills, data analyst juga wajib mengimbangi soft-skills agar hasil pekerjaan memuaskan, ada beberapa soft-skills yang bisa kamu siapkan, diantaranya:

Kemampuan komunikasi mulai dari negosiasi tim, presentasi, dll
Berpikir kritis saat menghadapi berbagai masalah
Attention to detail
Berpikir logis dengan memanfaatkan berbagai metode
Manajemen proyek
Dapat bekerja sama tim
Memiliki kemampuan analisis yang baik dan kreatif
Business knowledge

Cara Belajar Data Analyst: Siapkan Portofolio

Portofolio data analyst merupakan kunci bagi talenta digital untuk bisa berkarier di bidang data. Portofolio yang menarik dan profesional adalah portofolio yang clear, mudah dipahami oleh pembaca dengan mudah dan jelas, serta menyampaikan informasi yang sesuai dengan topik yang diangkat. Setidaknya ada beberapa hal yang harus ada di portofolio data analyst, diantaranya:

Informasi dasar meliputi nama lengkap, informasi kontak, dan informasi relevan lainnya yang menunjang personal info di portofolio
Riwayat pekerjaan yang berkaitan dengan data analyst
Projects yan berisi hasil kerja berupa case yang berkaitan dengan data analyst
Tautan link yang bisa menghubungkan project yang sudah dikerjakan ke dalam platform untuk mempublikasikan hasil kerja dalam bentuk portofolio

Prospek Karier Data Analyst

Data analyst saat ini menjadi salah satu profesi di bidang data yang banyak dicari perusahaan, biasanya rata-rata gaji data analyst ada di kisaran 10-26 juta/bulan (Sumber: Glassdoor). Menariknya, tak hanya dibutuhkan oleh perusahaan yang bergerak di bidang digital, data analyst juga dibutuhkan hampir di semua industri sehingga peluang kerja akan semakin besar, kamu bisa bekerja di industri transportasi, kesehatan, perbankan, dan masih banyak lagi. Apabila kamu sudah memiliki skill data analyst, kira-kira seperti ini jenjang karier data analyst:

Entry-level = Jenjang karier awal adalah entry-level terlebih dulu, di level ini kamu bertanggung jawab untuk mengekstrak data, analisis data, data cleaning, dan memberikan hasil temuan data tersebut kepada team yang membutuhkan
Mid-level = Jenjang selanjutnya adalah mid-level, di level ini kamu bertanggung jawab untuk berkolaborasi dengan berbagai tim untuk menguji dan menganalisis produk yang dijual bisnis, menyampaikan rekomendasi berdasarkan hasil insight, dan memberikan solusi inovatif kepada stakeholder berdasarkan data
Senior-level = Untuk bisa di level ini setidaknya kamu harus memiliki pengalaman 5 tahun sebagai data analyst karena di level ini kamu akan lebih banyak bertanggung jawab untuk memimpin team dan meninjau serta menyetujui berbagai rencana project terkait analisis data.

**Syarat Menjadi Data Analyst Incaran Industri**

Kebutuhan industri akan data analyst semakin meningkat dengan perkembangan big data. Bahkan, jika kamu cek lowongan pekerjaan data analytics kamu akan menemukan ribuan lowongan yang dibuka dari mulai posisi entry level hingga senior level. Dari segi industri juga sangat beragam, mulai dari perusahaan di bidang IT hingga perusahaan non IT juga membutuhkan data data analyst.

Namun tentunya, walaupun kebutuhan industri kini semakin tinggi, perusahaan juga tidak akan sembarangan alias memiliki kualifikasi tertentu untuk menerima data analyst di perusahaannya. Oleh karena itu, kamu juga harus memiliki kualifikasi yang sesuai dengan kebutuhan industri, berikut beberapa kualifikasi yang harus kamu penuhi jika ingin berkarier jadi data analyst:

Skill Analisis

Kualifikasi atau syarat utama yang dicari oleh industri adalah data analyst yang memiliki skill analisis yang baik. Alasannya tentu karena seorang data analyst akan memiliki tugas utama untuk menganalisis berbagai macam data yang sudah disaring sesuai dengan kebutuhan bisnis dan akhirnya akan diolah oleh data analyst untuk jadi bahan pengambilan keputusan bisnis. Mulai dari keputusan dari sisi marketing, finance, atau bahkan untuk ekspansi bisnis. Maka dari itu, data analyst wajib memiliki kualifikasi kemampuan analisis yang baik dan juga kreatif agar bisa mengolah data secara efisien.

Selain itu, skill analisis yang baik juga bisa dinilai dari cara kamu menganalisis dan menyajikan data yang sudah diolah ke perusahaan, kamu harus bisa memberikan hasil data secara teliti dan akurat agar keputusan bisnis juga bisa berjalan sesuai dengan harapan. Kualifikasi ini bisa kamu latih dengan terus praktik melakukan analisis data.

Skill Visualisasi Data

Kualifikasi utama dari data analyst selanjutnya adalah menguasai visualisasi data karena setelah kamu berhasil mengumpulkan informasi berupa data-data yang akurat untuk menjawab atau memberikan analisis, kamu juga harus memberikan presentasi berupa visualisasi data dari hasil temuan tersebut. Kamu harus bisa mempresentasikan data dalam berbagai bentuk seperti grafik atau disesuaikan dengan audience yang akan membaca data kamu.

Menguasai Tools Data Analytics

Kualifikasi selanjutnya adalah menguasai tools data analytics, umumnya tiap perusahaan akan menggunakan tools yang berbeda-beda. Namun, berikut tools yang paling umum banyak digunakan perusahaan:

Microsoft Excel = Tools data analytics untuk mengolah data hingga membuat grafik atau bagan
Tableau = Tools data analytics membuat grafik dengan visual dan dashboard yang menarik serta interaktif tanpa harus memiliki skill coding
SQL = Tools data analytics untuk manipulasi big data dan menggabungkan berbagai kumpulan data
R = Tools data analytics untuk mengelola big data dan untuk machine learning
SPSS = Tools data analytics untuk mengelola berbagai jenis data
Python = Bahasa pemrograman untuk menemukan library
Power BI = Tools data analytics untuk visualisasi data
Akkio = Tools data analytics untuk membuat neural network
Google Data Studio = Tools data analytics untuk visualisasi data

Business Knowledge

Selanjutnya, skill yang dicari oleh industri adalah business knowledge yang bisa membantu data analyst untuk melihat atau memprediksi masa depan perusahaan berdasarkan data-data yang dimiliki. Tentunya pengetahuan bisnis sangat penting untuk bisa menjadi pelengkap antara skill-skill yang kamu miliki. Karena jika kamu hanya menguasai hardskills dan memiliki kemampuan analisis saja tapi tidak memiliki pengetahuan akan bisnis, kemungkinan besar hasil insight yang kamu berikan tidak bisa menjadi dasar untuk kemajuan bisnis di perusahaan tempat kamu bekerja.

Sertifikasi Data Analyst

Fakta menariknya, kini hampir di semua perusahaan tidak mewajibkan data analyst yang memiliki background IT atau lulusan dari jurusan kuliah yang linear. Bahkan, di berbagai lowongan kerja juga banyak yang tidak mencantumkan jurusan tertentu sebagai kualifikasinya. Namun biasanya yang sering jadi kualifikasi adalah sertifikasi data analyst, sertifikat ini bertujuan untuk bisa membuktikan kepada perusahaan bahwa skill yang kamu miliki memang sudah qualified. Kamu bisa mendapatkan sertifikasi dengan mengikuti pelatihan seperti bootcamp atau mengikuti sertifikasi yang diadakan oleh berbagai lembaga terkait data.

Portfolio Data Analytics

Untuk bisa jadi data analyst, tidak cukup hanya memiliki CV saja tapi kamu juga harus memiliki portfolio yang bisa menunjukkan kepada rekruiter bahwa kamu memang menguasai skill terkait data analytics. Kamu bisa mencantumkan hal-hal berikut ini di portfolio:

Informasi diri = Nama lengkap dan ringkasan diri
Edukasi = Edukasi formal dan non formal
Kontak informasi = E-Mail atau nomor handphone
Pencapaian = Sertifikasi
Contoh proyek = Proyek data analytics yang pernah dikerjakan
Feedback = Feedback positif dari client atau atasan

Di bagian contoh proyek, kamu bisa menampilkan proyek-proyek terbaik yang pernah kamu kerjakan di perusahaan sebelumnya atau saat kamu mengikuti pelatihan bootcamp. Berikut jenis proyek data analytics yang bisa kamu tampilkan di portfolio:

Data importing and cleaning projects
Data manipulation projects
Data visualization projects
Predictive analytics
Exploratory data analysis
Probability and statistics

Cara Belajar Data Analyst: Rekomendasi Pelatihan

Rekomendasi Pelatihan Data Analyst — **Cara Belajar Data Analyst (Photo by ConverKit on Unsplash)**

Jika tertarik untuk memulai karier sebagai data analyst, kamu bisa belajar bersama di Bootcamp Data Science dari Digital Skola. Kelas Bootcamp Data Science ini cocok untuk pemula dan bisa diikuti oleh siapa saja tanpa latar belakang IT sekalipun. Nantinya kamu akan belajar skill dari basic hingga advanced dengan fasilitas lengkap mulai dari modul belajar komprehensif, pembuatan portofolio, penyaluran magang secara real experience ke perusahan mitra Digital Skola, hingga bantuan penyaluran kerja.

Di kelas Bootcamp Data Science Digital Skola kamu akan akan belajar skill terupdate sesuai kebutuhan industri bersama para tutor expert. Berikut beberapa outline materinya:

SQL
Programming with Python
Analytics with Numpy
Data Visualization
Git & Version Control System
Dataframe
Machine Learning

Untuk kamu yang ingin berkarier jadi data analyst, tidak perlu khawatir karena di kelas Bootcamp Data Science Digital Skola kamu akan dapat ilmu yang dibutuhkan untuk data analyst bahkan kamu akan mendapatkan pelatihan softskill, bantuan professional branding, hingga career mentoring secara eksklusif dan unlimited dengan HR Expert untuk mempersiapkan dirimu sebagai data talent yang siap kerja.

Ada banyak contoh alumni kelas Bootcamp Data Science Digital Skola yang kini sukses berkarier jadi data analyst, diantaranya:

Roberto Hutapea

View this post on Instagram

A post shared by Digital Skola – Bootcamp (@digital.skola)

Roberto Hutapea merupakan Alumni MSIB Data Science Batch 1 yang kini berkarier sebagai data analyst. Menurut Roberto, skill yang dipelajari di Digital Skola benar-benar terpakai di dunia kerja.

Dimas Aditiya

View this post on Instagram

A post shared by Digital Skola – Bootcamp (@digital.skola)

Dimas Aditiya merupakan Alumni MSIB Data Science Batch 1 yang kini berkarier sebagai data analyst. Dimas mengatakan, berkat skill dan personal branding yang dibangun di Digital Skola, Dimas bahkan sempat dapat offering dari perusahaan di Belanda.

Shalita Nafisah Putri

View this post on Instagram

A post shared by Digital Skola – Bootcamp (@digital.skola)

Shalita Nafisah Putri merupakan Alumni Bootcamp Data Science Batch 24 yang kini berkarier sebagai data analyst specialist. Menariknya, Shalita berasal dari background pendidikan kimia, berkat ikut kelas Digital Skola Shalita berhasil mulai karier dari nol sampai bisa jadi data analyst.

Penasaran ingin tahu info lengkap mengenai kelasnya? Klik button di bawah ini!

BOOTCAMP DATA SCIENCE

Tambah wawasan dengan artikel pilihan di bidang

teknologi, digital dan self development.