Coba hitung berapa jam dalam seminggu yang kamu habiskan untuk pekerjaan seperti ini: menyalin angka dari satu file Excel ke file lain, mengganti nama puluhan file laporan, mengirim email yang isinya hampir sama ke banyak orang, atau menunggu tim IT menarikkan data penjualan. Jika jawabannya lebih dari dua jam, kemungkinan besar sebagian pekerjaan itu bisa diotomatiskan.
Dua alat yang paling berguna untuk itu adalah Python untuk mengotomatiskan pekerjaan berulang dan SQL untuk mengambil serta menganalisis data. Keduanya bisa dipelajari tanpa latar belakang informatika.
Python: biarkan komputer mengerjakan yang berulang
Python populer untuk otomasi karena sintaksnya mudah dibaca dan tersedia banyak pustaka siap pakai. Contoh sederhana: mengganti nama semua file PDF di sebuah folder agar diawali tanggal hari ini.
from pathlib import Path
from datetime import date
folder = Path("laporan")
for i, file in enumerate(sorted(folder.glob("*.pdf")), start=1):
file.rename(folder / f"{date.today()}_laporan_{i:02}.pdf")
Lima baris kode ini bisa menggantikan pekerjaan manual selama berpuluh-puluh menit. Pola yang sama bisa diterapkan untuk pekerjaan lain:
- Excel: membaca puluhan file rekap, menjumlahkan angka, lalu membuat satu file ringkasan dengan
openpyxl. - Email: mengirim email personal ke daftar penerima dari spreadsheet.
- Data web: mengambil informasi dari halaman web secara berkala.
Semua contoh tersebut dibahas bertahap dalam e-book Python Praktis untuk Otomasi. Buku ini membahas dasar Python yang benar-benar dibutuhkan untuk otomasi, lalu langsung menerapkannya ke pekerjaan kantor sehari-hari.
SQL: bertanya langsung kepada database
Hampir semua data perusahaan, mulai dari transaksi, pelanggan, sampai stok, tersimpan di database. SQL adalah bahasa untuk mengambil jawaban dari data tersebut. Dengan SQL, kamu tidak perlu menunggu orang lain mengekspor data, lalu mengolahnya manual di Excel.
Misalnya, untuk melihat lima produk dengan penjualan tertinggi bulan ini:
SELECT p.nama, SUM(d.qty * d.harga) AS omzet
FROM detail_penjualan d
JOIN produk p ON p.id = d.produk_id
WHERE d.tanggal >= '2026-11-01'
GROUP BY p.nama
ORDER BY omzet DESC
LIMIT 5;
Setelah dasar seperti JOIN dan GROUP BY dikuasai, langkah berikutnya adalah CTE dan window function untuk analisis tren, peringkat, dan pertumbuhan dari bulan ke bulan. Kemampuan ini sering diuji dalam seleksi kerja analis data.
Berlangganan gratis. Artikel & tutorial coding terbaru langsung ke email kamu. Tanpa spam.
E-book SQL untuk Analis Data mengajarkan semuanya memakai dataset penjualan toko online yang realistis, sehingga contoh query mudah dibayangkan di pekerjaan nyata.
Kombinasi Python dan SQL
Kekuatan sebenarnya muncul ketika keduanya digabungkan: SQL mengambil data, Python mengolah dan mengirim hasilnya. Contohnya, laporan penjualan mingguan yang otomatis dibuat setiap Senin pagi dan dikirim ke email atasan tanpa kamu sentuh sama sekali.
Mulai dari mana?
- Jika pekerjaanmu lebih banyak di Excel dan file: mulai dari Python.
- Jika sering diminta data dari sistem atau aplikasi: mulai dari SQL.
- Jika ingin berkarier sebagai analis data: pelajari keduanya, dimulai dari SQL.
Masih nyaman dengan spreadsheet? E-book Excel untuk Kerja Kantor dan Pakai AI untuk Kerja Kantor bisa menjadi jembatan sebelum masuk ke coding.
Paket hemat
Python Praktis untuk Otomasi dan SQL untuk Analis Data masing-masing dijual Rp35.000. Jika ingin sekaligus mempelajari pengembangan aplikasi web, Paket Programmer berisi tiga buku, yaitu Python, SQL, dan Laravel dari Nol sampai Deploy, seharga Rp84.000 (total satuan Rp105.000). Harga dapat berubah saat promo, jadi cek halaman promo BukuPraktis.
Penutup
Otomasi tidak harus dimulai dari proyek besar. Pilih satu pekerjaan berulang yang paling menyita waktu minggu ini, lalu coba otomatiskan. Jam yang berhasil dihemat bisa dipakai untuk pekerjaan yang lebih bernilai.