Cara Menjadi Data Analyst dari Nol: Roadmap Lengkap

Bayangkan kamu bekerja di bagian admin sebuah toko online. Setiap Senin atasanmu bertanya, "Minggu lalu produk apa yang paling laku, dan kenapa penjualan hari Kamis turun?" Kamu membuka file Excel berisi ribuan baris transaksi, menyaring, menjumlahkan, lalu membuat grafik sederhana. Tanpa sadar, kamu sedang melakukan pekerjaan inti seorang data analyst.

Itulah kenapa banyak orang bisa masuk ke profesi ini dari nol, termasuk dari latar belakang non-IT seperti akuntansi, manajemen, statistik, teknik, bahkan pendidikan. Yang dibutuhkan bukan gelar tertentu, tetapi kombinasi alat yang dikuasai, cara berpikir yang runtut, dan bukti nyata berupa portofolio. Artikel ini membahas langkah demi langkah cara menjadi data analyst dari nol: apa yang dikerjakan, skill apa yang dipelajari lebih dulu, urutan belajar yang masuk akal, contoh proyek portofolio, sampai strategi melamar kerja pertama.

Apa Sebenarnya Pekerjaan Data Analyst?

Secara sederhana, data analyst mengubah data mentah menjadi jawaban yang bisa dipakai untuk mengambil keputusan. Alur kerjanya biasanya seperti ini:

1. Memahami pertanyaan bisnis. Misalnya, "Kenapa jumlah pelanggan baru bulan ini turun?" Pertanyaan yang jelas menentukan data apa yang dicari.
2. Mengambil data. Data bisa berasal dari database aplikasi, file ekspor dari marketplace, Google Analytics, atau spreadsheet dari tim lain.
3. Membersihkan data. Bagian ini sering memakan waktu paling banyak: menghapus duplikat, menyeragamkan format tanggal, memperbaiki penulisan kota ("Jkt", "Jakarta", "DKI Jakarta"), dan menangani data kosong.
4. Menganalisis. Mengelompokkan, membandingkan periode, mencari pola, dan menguji dugaan.
5. Menyajikan temuan. Lewat dashboard, laporan, atau presentasi singkat yang bisa dipahami orang non-teknis.

Perhatikan bahwa langkah pertama dan terakhir bukan soal teknis. Data analyst yang dihargai adalah yang bisa menjawab pertanyaan "jadi apa yang harus kita lakukan?", bukan sekadar menyerahkan tabel angka.

Skill Inti yang Perlu Dikuasai

Tidak perlu mempelajari semuanya sekaligus. Berikut skill yang paling sering muncul di lowongan data analyst level pemula, diurutkan dari yang paling mendasar.

1. Spreadsheet (Excel atau Google Sheets)

Spreadsheet masih menjadi alat harian di banyak perusahaan Indonesia, dari startup sampai perusahaan keluarga. Kuasai hal-hal berikut:

• Formula dasar: SUM, AVERAGE, COUNTIF, SUMIFS, IF.
• Pencarian data: VLOOKUP, XLOOKUP, atau kombinasi INDEX dan MATCH.
• Pivot table untuk merangkum ribuan baris dalam hitungan detik.
• Pembersihan data: TRIM, PROPER, Text to Columns, Remove Duplicates.
• Grafik dasar: batang, garis, dan kapan sebaiknya tidak memakai diagram lingkaran.

2. SQL

Begitu data berada di database, spreadsheet tidak lagi cukup. SQL adalah bahasa untuk mengambil data langsung dari sumbernya, dan hampir selalu muncul di tes teknis data analyst. Contoh query yang menjawab pertanyaan "produk apa yang paling laku bulan ini":

SELECT p.nama_produk,
       SUM(o.jumlah) AS total_terjual
FROM orders o
JOIN products p ON p.id = o.product_id
WHERE o.tanggal >= '2026-10-01'
GROUP BY p.nama_produk
ORDER BY total_terjual DESC
LIMIT 10;

Kuasai berturut-turut: SELECT dan WHERE, agregasi dengan GROUP BY dan HAVING, berbagai jenis JOIN, subquery, lalu window function seperti ROW_NUMBER() dan SUM() OVER. Kamu bisa berlatih dengan MySQL atau PostgreSQL yang dipasang di laptop sendiri.

3. Visualisasi Data dan Dashboard

Temuan yang bagus bisa terabaikan kalau penyajiannya membingungkan. Pilih satu alat dan dalami: Looker Studio (gratis dan terhubung mudah dengan Google Sheets), Power BI, atau Tableau Public. Prinsipnya lebih penting daripada alatnya: satu grafik untuk satu pesan, judul yang menyatakan kesimpulan ("Penjualan turun 3 minggu berturut-turut"), dan warna yang tidak berlebihan.

4. Statistik Dasar

Kamu tidak perlu menjadi ahli matematika, tetapi perlu paham rata-rata, median, modus, persentil, simpangan baku, korelasi, dan konsep sampel. Contoh nyata: rata-rata gaji di sebuah divisi bisa terlihat tinggi hanya karena satu orang manajer, sehingga median sering lebih jujur menggambarkan kondisi. Pemahaman seperti ini mencegahmu menarik kesimpulan yang keliru. Belajar juga bahwa korelasi tidak sama dengan sebab-akibat.

5. Python (Nilai Tambah)

Python dengan pustaka pandas berguna untuk data yang terlalu besar bagi spreadsheet, pembersihan data yang berulang, atau otomatisasi laporan. Di awal ini bukan syarat mutlak, tetapi semakin sering diminta di lowongan. Mulailah setelah spreadsheet dan SQL terasa nyaman.

6. Komunikasi dan Pemahaman Bisnis

Skill ini sering diremehkan. Kamu perlu bisa bertanya balik ("maksud penjualan turun itu omzet atau jumlah transaksi?"), menjelaskan keterbatasan data, dan menulis ringkasan tiga kalimat untuk atasan yang sibuk. Pahami juga istilah dasar seperti omzet, margin, conversion rate, dan retention.

Roadmap Belajar Data Analyst dari Nol

Berikut gambaran urutan belajar yang realistis. Durasinya hanya patokan kasar dan sangat tergantung waktu belajarmu setiap hari.

Kunci roadmap ini ada pada konsistensi. Belajar satu sampai dua jam setiap hari biasanya lebih efektif daripada sepuluh jam di akhir pekan lalu berhenti dua minggu. Sumber belajar bisa dari dokumentasi resmi, kursus daring, atau platform latihan SQL interaktif. Kalau ingin sertifikat terstruktur, ada program seperti Google Data Analytics Certificate di Coursera atau sertifikasi Microsoft untuk Power BI. Cek sendiri biaya dan silabus terbarunya, dan ingat bahwa sertifikat hanya pelengkap, bukan pengganti portofolio.

Bangun Portofolio yang Meyakinkan

Bagi pemula tanpa pengalaman kerja, portofolio adalah bukti paling kuat. Rekruter ingin melihat bahwa kamu bisa menyelesaikan satu analisis dari awal sampai akhir, bukan sekadar mengikuti tutorial.

Ide proyek dengan konteks Indonesia

• Analisis data publik pemerintah. Portal Satu Data Indonesia (data.go.id) dan situs Badan Pusat Statistik menyediakan banyak dataset, misalnya data kependudukan atau harga komoditas. Contoh pertanyaan: "Provinsi mana yang harga berasnya paling fluktuatif dalam beberapa tahun terakhir?"
• Analisis penjualan toko online. Gunakan dataset e-commerce publik dari Kaggle, lalu cari produk terlaris, pola jam belanja, dan pelanggan yang berhenti membeli.
• Data usaha sendiri atau kenalan. Dengan izin pemiliknya, rapikan catatan penjualan warung, kedai kopi, atau toko daring kerabat, lalu sajikan rekomendasi. Proyek seperti ini terasa sangat nyata saat wawancara.
• Analisis ulasan aplikasi atau produk. Kelompokkan keluhan pelanggan berdasarkan kategori dan hitung mana yang paling sering muncul.

Struktur penulisan setiap proyek

1. Latar belakang dan pertanyaan yang ingin dijawab.
2. Sumber data dan langkah pembersihan yang kamu lakukan.
3. Analisis utama, lengkap dengan query atau kode.
4. Visualisasi kunci, cukup tiga sampai lima grafik.
5. Kesimpulan dan rekomendasi yang bisa ditindaklanjuti.

Simpan query dan notebook di GitHub agar mudah dibagikan. Kalau belum terbiasa, pelajari dulu cara menggunakan Git dan GitHub untuk pemula. Dashboard bisa dipublikasikan lewat Tableau Public atau Looker Studio, lalu tautannya dicantumkan di README.

Strategi Melamar Kerja Pertama

Lowongan dengan judul "Data Analyst" untuk fresh graduate memang banyak peminatnya. Perluas pencarianmu ke posisi yang bersinggungan dengan data, seperti business intelligence analyst, reporting analyst, MIS staff, admin data, atau operations analyst. Banyak orang memulai dari peran-peran ini lalu pindah ke posisi data analyst setelah punya pengalaman.

Beberapa hal praktis yang membantu:

• Tulis CV yang menonjolkan proyek dan hasil, misalnya "Menganalisis 10.000 baris data penjualan dan menemukan tiga produk dengan margin rendah". Panduan lengkapnya ada di artikel cara membuat CV yang dilirik HRD.
• Manfaatkan pengalaman kerja lama. Mantan staf keuangan atau admin gudang yang terbiasa dengan laporan bulanan punya cerita kuat tentang pemahaman bisnis.
• Siapkan diri untuk tes teknis berupa soal SQL, studi kasus spreadsheet, atau tugas rumah membuat dashboard.
• Latih menjelaskan satu proyek portofolio dalam dua menit: masalahnya, caramu menganalisis, dan apa yang kamu temukan.

Untuk tips mencari lowongan, menyusun jadwal melamar, dan menghadapi penolakan, baca juga tips mencari kerja IT untuk fresh graduate.

Gambaran Gaji dan Prospek Karir

Gaji data analyst di Indonesia sangat bervariasi tergantung kota, industri, ukuran perusahaan, dan pengalaman. Perusahaan teknologi dan perbankan di kota besar umumnya menawarkan angka berbeda dibanding perusahaan kecil di daerah. Daripada berpatokan pada satu angka, cek kisaran terbaru dari iklan lowongan yang mencantumkan gaji, laporan gaji tahunan dari perusahaan rekrutmen, atau bertanya langsung ke praktisi di komunitas data.

Dari sisi jenjang karir, data analyst bisa berkembang menjadi senior analyst atau analytics lead, beralih ke data scientist bila mendalami machine learning, ke data engineer bila tertarik membangun pipeline data, atau ke peran produk dan bisnis yang membutuhkan pemahaman data yang kuat.

Kesalahan Umum Pemula

• Terlalu lama di teori. Menonton kursus berjam-jam tanpa pernah membuka dataset sungguhan.
• Belajar terlalu banyak alat sekaligus. Excel, SQL, Python, R, Power BI, dan Tableau bersamaan membuat semuanya setengah matang.
• Portofolio hanya hasil tutorial. Dataset Titanic atau Iris sudah dikerjakan ribuan orang. Pilih data yang berbeda dan pertanyaan yang kamu rumuskan sendiri.
• Lupa menulis kesimpulan. Grafik tanpa interpretasi membuat pembaca menebak sendiri apa artinya.

FAQ

Apakah data analyst harus bisa coding?

Tidak harus mahir coding di awal. SQL hampir selalu dibutuhkan, sedangkan Python menjadi nilai tambah yang bisa dipelajari setelah dasar spreadsheet dan SQL kuat.

Apakah lulusan non-IT bisa menjadi data analyst?

Bisa. Banyak data analyst berasal dari jurusan ekonomi, statistik, teknik, atau bidang lain. Latar belakang non-IT justru bisa menjadi kelebihan karena membawa pemahaman bisnis, asalkan didukung penguasaan alat dan portofolio yang jelas.

Berapa lama belajar sampai siap melamar kerja?

Tidak ada angka pasti. Dengan belajar rutin setiap hari, banyak orang merasa siap melamar posisi junior setelah beberapa bulan, terutama bila sudah punya dua sampai tiga proyek portofolio. Kecepatannya tergantung waktu luang dan latar belakangmu.

Apa perbedaan data analyst dan data scientist?

Data analyst berfokus menjawab pertanyaan dari data yang sudah ada dan menyajikannya untuk pengambilan keputusan. Data scientist lebih dalam ke pemodelan statistik, prediksi, dan machine learning, sehingga umumnya membutuhkan kemampuan pemrograman dan matematika yang lebih kuat.

Apakah sertifikat wajib untuk melamar data analyst?

Tidak wajib. Sertifikat membantu menunjukkan bahwa kamu belajar secara terstruktur, tetapi rekruter biasanya lebih tertarik pada portofolio dan hasil tes teknis. Prioritaskan proyek nyata, lalu tambahkan sertifikat bila waktu dan biayanya memungkinkan.