Pengen jadi data analyst, tapi bingung harus mulai dari mana? Tenang, kamu nggak sendirian. Banyak pemula langsung loncat belajar machine learning atau framework yang rumit, lalu kewalahan dan berhenti di tengah jalan. Padahal kunci belajar data itu bukan seberapa cepat, tapi seberapa tepat urutannya.
Di artikel ini, kita spill roadmap belajar data analyst dari nol yang realistis untuk sekitar enam bulan. Urutannya dibuat supaya setiap skill jadi pondasi buat skill berikutnya, jadi kamu nggak belajar loncat-loncat tanpa arah.
TL;DR
- Mulai dari Excel dan statistik dasar, lanjut ke SQL, lalu visualisasi data, baru Python.
- Setiap tahap sebaiknya ditutup dengan mini project supaya skill kamu langsung teruji.
- Portofolio yang rapi dan bisa dijelaskan dengan jelas sering lebih berharga daripada tumpukan sertifikat.
Apa Sebenarnya Kerjaan Data Analyst
Sebelum belajar, pahami dulu apa yang dikerjakan seorang data analyst. Secara sederhana, data analyst bertugas mengubah data mentah menjadi insight yang bisa dipakai untuk mengambil keputusan.
Alur kerjanya kurang lebih seperti ini:
- Memahami pertanyaan bisnis. Misalnya, "Kenapa penjualan bulan ini turun?"
- Mengambil data dari database, spreadsheet, atau sistem lain.
- Membersihkan data dari duplikat, nilai kosong, dan format yang berantakan.
- Menganalisis pakai perhitungan, perbandingan, dan pola.
- Menyajikan hasil dalam bentuk dashboard, laporan, atau presentasi.
Dari alur ini kelihatan bahwa skill teknis saja nggak cukup. Kamu juga perlu kemampuan berpikir logis dan komunikasi. Roadmap di bawah dirancang untuk melatih keduanya.
Bulan 1 dan 2: Excel, Statistik, dan Logika Data
Bulan 1: Excel dan Logika Data
Excel adalah pintu masuk paling ramah buat pemula. Di sini kamu belajar konsep inti seperti baris, kolom, tipe data, dan agregasi tanpa harus pusing dengan sintaks pemrograman.
Yang perlu dikuasai:
- Rumus dasar:
SUM,AVERAGE,COUNTIFS,SUMIFS,IF - Lookup:
VLOOKUP,XLOOKUP, atauINDEX-MATCH - Membersihkan data:
TRIM, Remove Duplicates, Text to Columns - Pivot Table dan chart sederhana
Mini project: Ambil dataset penjualan sederhana, bersihkan, lalu buat ringkasan penjualan per bulan dan per kategori produk dengan Pivot Table.
Bulan 2: Statistik Dasar dan Cara Berpikir Analitis
Banyak pemula melewatkan tahap ini, padahal statistik dasar bikin analisis kamu jauh lebih masuk akal. Kamu nggak perlu jadi ahli matematika, cukup paham konsep yang sering dipakai.
Materi yang penting:
- Ukuran pemusatan: mean, median, modus, dan kapan masing-masing dipakai
- Ukuran penyebaran: range, standar deviasi, dan persentil
- Distribusi data dan cara mengenali outlier
- Korelasi vs kausalitas, supaya kamu nggak asal menyimpulkan sebab-akibat
Selain itu, latih juga cara merumuskan pertanyaan. Misalnya, daripada bertanya "data ini isinya apa?", biasakan bertanya "faktor apa yang paling memengaruhi angka penjualan?".
Mini project: Analisis dataset sederhana dan tulis tiga insight dalam bahasa yang mudah dipahami orang non-teknis.
Bulan 3: SQL untuk Mengambil Data
Di dunia kerja, data biasanya tersimpan di database, bukan di file Excel. Di sinilah SQL jadi skill wajib. Kabar baiknya, SQL termasuk bahasa yang relatif mudah dipelajari karena strukturnya mirip bahasa Inggris.
Urutan belajarnya:
SELECT,FROM,WHERE,ORDER BY- Fungsi agregat:
COUNT,SUM,AVGdenganGROUP BYdanHAVING JOINuntuk menggabungkan beberapa tabelCASE WHENuntuk membuat kategori- Subquery dan CTE (
WITH) untuk query yang lebih kompleks
Mini project: Gunakan database contoh, lalu jawab pertanyaan seperti "lima produk dengan pendapatan tertinggi per kota" atau "pelanggan mana yang tidak bertransaksi tiga bulan terakhir".
Bulan 4: Visualisasi Data dan Dashboard
Insight sebagus apa pun nggak akan berguna kalau nggak bisa dipahami orang lain. Bulan keempat fokus ke cara menyajikan data dengan jelas.
Tools yang bisa dipilih:
- Power BI, banyak dipakai di perusahaan yang sudah memakai ekosistem Microsoft
- Tableau atau Looker Studio sebagai alternatif
Yang perlu dipelajari bukan cuma cara klik-klik bikin grafik, tapi juga prinsip visualisasi:
- Pilih jenis chart sesuai tujuan: tren pakai line chart, perbandingan pakai bar chart
- Hindari chart yang terlalu ramai atau dekorasi berlebihan
- Susun dashboard dari ringkasan ke detail
- Tambahkan judul yang langsung menyampaikan insight
Mini project: Buat dashboard penjualan interaktif dengan filter tanggal, wilayah, dan kategori produk.
Bulan 5: Python untuk Analisis Data
Setelah paham konsep data dari Excel, SQL, dan visualisasi, belajar Python jadi jauh lebih mudah. Python berguna untuk mengolah data dalam jumlah besar, otomatisasi tugas berulang, dan analisis yang lebih fleksibel.
Fokus pada:
- Dasar Python: variabel, list, dictionary, perulangan, fungsi
- pandas untuk membaca, membersihkan, dan mengolah data
- matplotlib atau seaborn untuk visualisasi
- Jupyter Notebook atau Google Colab sebagai tempat latihan
Contoh kode sederhana yang bakal sering kamu tulis:
import pandas as pd
df = pd.read_csv("penjualan.csv")
ringkasan = df.groupby("kota")["total"].sum().sort_values(ascending=False)
print(ringkasan.head())
Mini project: Lakukan exploratory data analysis (EDA) pada satu dataset publik, lengkap dengan pembersihan data, visualisasi, dan kesimpulan.
Bulan 6: Portofolio dan Persiapan Kerja
Bulan terakhir dipakai untuk merapikan semua yang sudah kamu pelajari menjadi portofolio yang meyakinkan.
Isi Portofolio yang Ideal
Cukup 3 sampai 4 project yang kuat, misalnya:
- Satu project Excel atau spreadsheet
- Satu project SQL dengan query yang terdokumentasi
- Satu dashboard Power BI atau Tableau
- Satu project end-to-end dengan Python
Setiap project sebaiknya menjelaskan latar belakang masalah, data yang dipakai, proses analisis, insight, dan rekomendasi. Simpan di GitHub, Notion, atau website pribadi supaya mudah dibagikan.
Persiapan Melamar
- Rapikan CV dan tonjolkan project yang relevan
- Latih menjelaskan project dalam dua sampai tiga menit
- Siapkan diri untuk tes teknis seperti query SQL atau studi kasus Excel
Ringkasan Roadmap
| Bulan | Fokus | Tools | Output |
|---|---|---|---|
| 1 | Logika data dan spreadsheet | Excel / Google Sheets | Ringkasan penjualan dengan Pivot Table |
| 2 | Statistik dasar dan berpikir analitis | Excel | Tulisan berisi tiga insight |
| 3 | Mengambil dan mengolah data | SQL | Kumpulan query studi kasus |
| 4 | Visualisasi dan dashboard | Power BI / Tableau | Dashboard interaktif |
| 5 | Analisis lanjutan dan otomatisasi | Python, pandas | Notebook EDA |
| 6 | Portofolio dan persiapan kerja | GitHub, Notion | Portofolio siap dibagikan |
Ingat, timeline ini fleksibel. Kalau kamu belajar sambil kuliah atau kerja, wajar kalau butuh waktu lebih lama. Yang penting konsisten, bukan ngebut.
Penutup
Belajar data analyst dari nol itu sangat mungkin, asal urutannya masuk akal: mulai dari Excel dan statistik, lanjut ke SQL, visualisasi, Python, lalu tutup dengan portofolio. Setiap tahap punya mini project supaya skill kamu terbukti, bukan sekadar teori. Hindari godaan untuk lompat ke materi yang terlalu advanced sebelum dasarnya kuat.
Kalau kamu ingin menjalani roadmap ini dengan pendampingan dan teman seperjuangan, kamu bisa cek program YDAP yang dirancang khusus untuk calon data analyst muda.
