Cita-citaku Menjadi Data Analis

1) Jalur kuliah & kampus yang oke

Jalur umum (ID):

S1: Statistika/Matematika, Sistem Informasi, Informatika/Ilkom, Teknik Industri, Ekonomi (kuantitatif).
Contoh kampus (bukan daftar penuh): UI (FMIPA/Fasilkom), ITB (FS/STEI), UGM (MIPA/TI), ITS (Stat/Informatika), IPB (Stat/Ekono), UNAIR, UNPAD, BINUS, Telkom University, UNDIP, ITS, UB, ITS, Prasmul.
Luar negeri (kalau bidik beasiswa/eksposur): NUS/NTU (SG), HKUST (HK), Melbourne/UNSW (AU), UCL/Imperial/Warwick (UK), CMU/UC Berkeley/UMich (US).
Alternatif cepat (non-kampus): bootcamp SQL+BI+Python, kursus Google Data Analytics/IBM, proyek freelance/magang + portofolio dashboard.

2) Cocoknya buat introvert atau ekstrovert?

Introvert: cocok data wrangling, analisis kuantitatif, otomasi (SQL/Python), dokumentasi; banyak deep work.
Ekstrovert: cocok BI/storytelling, presentasi stakeholder, requirements gathering, workshop.

Role ideal = hybrid: analitik tajam + cerita data yang gampang dicerna.

Statistik inti: deskriptif, peluang, uji hipotesis, korelasi/regresi, A/B testing.
SQL & modeling data: SELECT/JOIN/CTE, window functions, agregasi, desain skema sederhana (star/snowflake).
Spreadsheet & Excel advanced: Pivot, Power Query, XLOOKUP/INDEX-MATCH, fungsi tanggal/teks, Solver.
Python/R untuk analitik: pandas/numpy, matplotlib/plotly; R (dplyr/ggplot) kalau suka.
BI & visualisasi: Power BI/Tableau/Looker Studio; praktik dashboard & data storytelling.
Bisnis & metrik: funnel, cohort, retention, CAC/LTV (produk/marketing), KPI operasional.
ETL/Versi & cloud dasar: git, pipeline ringan (dbt/Airflow dasar), BigQuery/Snowflake (konsep).

Role	Fokus Utama	Skill Kunci	Output	Cocok Buat
Data Analyst	Query, analisis, insight harian	SQL, Excel, BI, Stat dasar	Dashboard, ad-hoc analysis	Suka problem bisnis + angka
BI Analyst	Reporting & KPI perusahaan	SQL, BI kuat, model KPI	Report rutin, semantic model	Suka standar & konsistensi
Product Analyst	Metrik produk & eksperimen	SQL, stat A/B, Python	Analisis funnel/retensi, experiment readout	Suka produk digital
Marketing Analyst	Kampanye & atribusi	SQL, BI, spreadsheet, GA	ROAS/LTV, mix, cohort	Suka growth/iklan
Data Scientist (jr.)	Modeling prediktif	Python/R, ML dasar, stat	Model, eksperimen	Suka modeling
Data Engineer (jr.)	Pipeline & data warehouse	SQL, ETL, cloud	Table bersih, job ETL	Suka infra & otomasi

Wajib (mulai sekarang):

SQL (Postgres/MySQL/BigQuery).
Excel/Google Sheets advanced (Pivot, Power Query).
BI: Power BI / Tableau / Looker Studio (pilih 1 untuk dalam, 1 cadangan).
Python (pandas, matplotlib/plotly) atau R (dplyr, ggplot2).
Git & GitHub untuk versi kode, Notion/Confluence untuk catatan.

Bagus punya (lanjutan):

dbt (transformasi), Airflow/Prefect (scheduler), BigQuery/Snowflake/Redshift, Regex, Excel VBA ringan.
Stat & eksperimen: SciPy, causal basics.

Workflow aman: struktur repo (data/raw, data/clean, notebooks, dashboards, docs), naming konsisten, README.

Mahasiswa/fresh grad: magang 1–2x (BI/analitik), bangun 3 proyek: (1) dashboard KPI, (2) SQL case studi, (3) notebook analitik.
Switcher non-tech: bootcamp + proyek publik (dataset terbuka), kontribusi di Kaggle/GitHub, apply junior/BI analyst.
Naik kelas (product analyst): kuat SQL, eksperimen, event tracking & skema data produk.

Kuasai 20 query SQL inti (JOIN, window, CTE, pivot) pada dataset transaksi.
Buat dashboard BI 3 halaman (Ringkasan KPI, Funnel, Cohort Retensi).
Tulis 1-pager insight/minggu (temuan + rekomendasi bisnis).
Notebook A/B testing sederhana (uplift, power, guardrail).
Template data dictionary & metrics definition (single source of truth).
Standarisasi data viz (warna, label, anotasi; no chart junk).
Latihan presentasi 5 menit: cerita → bukti → rekomendasi (1 slide per poin).

SQL dasar → window → 2) Excel/Sheets advanced → 3) Stat dasar & eksperimen → 4) BI & dashboard → 5) Python/R analitik → 6) Metrik bisnis (funnel, cohort, unit economics) → 7) ETL/dbt & git → 8) Storytelling & deck.

Your page rank: