A Day in The Life of A "Data Analyst"

Kamu tertarik ingin menjadi Data Analyst, tapi belum ada gambaran:

• Keseharian-nya ngapain sih?
• Suka-duka nya apa?
• Ekspektasi vs realita gimana?
• Bedanya apa sama Data Scientist?

Di artikel ini, kamu akan menemukan jawabannya dari dua orang Data Analyst bernama Galih Rizky dan Nikita Putri.

Halo! Boleh perkenalkan diri kamu, tempat kerja, dan role kamu?

Galih: Halo! Nama gua Galih Rizky. Gua Data Analyst di Delivery Hero, parent company nya FoodPanda untuk SEA market. Gua relocate dari Indonesia karena kantor utamanya di Berlin, Jerman.

Nikita: Halo! Gue Nikita, gue memulai karir sebagai Business Intelligence Analyst di iPrice Malaysia, sekarang masih jadi BI Analyst juga di BukuKas Jakarta. Sebagai BI Analyst gue bantu perusahaan jadi lebih data-driven, dengan cara menganalisa data-data dari berbagai divisi yang bisa dijadikan dasar untuk pengambilan keputusan dan prediksi perkembangan di masa depan.

Apa hal yang membuat kamu tertarik berkarir di bidangmu yang sekarang (Data Analytics)?

Galih: Gua memang dari awal suka mikir dan menganalisa. Apapun gw coba lihat lebih dalam. Hal itu bikin gua mengejar karir gw yang sekarang ini.

Nikita: Data dan analytics itu sangat luas dan sebenernya ada di kehidupan sehari-hari. Selain itu juga sangat menantang dan bikin penasaran.

Hal ini yang menurut gue bikin gak bosen, karena banyak banget yang bisa dicari tau dan bantu kita untuk bikin keputusan yang tepat berdasarkan data. Data analytics ngajarin gue jadi orang yang berpikir outside the box dan selalu cari arti dibalik angka atau data.

Kalau sekarang, day-to-day kamu typically seperti apa?

Galih:

Nikita:

Aktivitas sehari-hari apa sih yang berbeda antara Data Analytics dan Data Science?

Galih: Menurut gua sih, banyak overlap-nya. Malah mirip banget sebenarnya.

Tapi, perbedaanya ada di fokus time frame data yang dikerjain antara kedua role.

Data Analytics lebih fokus terhadap data dari kejadian yang sudah terjadi, sementara Data Science berusaha menjawab apa yang akan terjadi nanti dengan data yang mereka miliki.

Nikita: Sebetulnya memang banyak overlap. Di beberapa perusahaan, data analyst dan data scientist menggunakan tools yang sama. Tapi mungkin kedalaman teknikal dan statistik level nya lumayan berbeda.

Kalau Data Analyst sudah bisa menganalisa atau kerja sehari-hari dibantu oleh SQL/Excel/Tableau dan diolah untuk jadi insights dengan simple statistic untuk stakeholders yang bisa berupa ppt atau email. Sedangkan, Data Scientist kesehariannya lebih menggunakan Python, R untuk membuat heavy statistical data modeling, machine learning dan yang berhubungan algoritma.

Hal apa yang paling menyenangkan & menantang berkarir sebagai Data Analyst?

Galih: Hal yang paling menyenangkan adalah ketika kita, sebagai data analyst:

• bersusah payah membersihkan data,
• melakukan investigasi dan analisa,
• mempresentasikannya dalam Dashboard yang mudah dilihat dan dimengerti pengguna,
• kemudian suggestion dari hasil kerjaan kita dipakai dan diimplementasikan oleh tim produk

Yang akhirnya berdampak pada pengembangan perusahaan kita. Itu hal yang paling menantang dan menyenangkan menurut gua.

Nikita: Visualisasi itu menurut gue adalah yang paling asik. Kenapa? Karena kita bisa kreatif untuk menampilkan penemuan kita yang terus dituangkan ke dalam charts, detail sampai ke warna dan harus sesuai dengan audience supaya mudah dimengerti.

Dan juga hasil dari investigasi dan analisa yang dilakukin, bisa dijadikan suggestions untuk perusahaan atau team.

Sedangkan, hal yang paling menantang adalah yang berhubungan dengan data quality. Kita harus punya judgement yang tepat apakah data ini bisa dipakai untuk analisa, atau kita cari cara lain.

Data cleanliness dan accuracy termasuk dan kalau data nya harus dibersihkan, itu lumayan makan waktu dan harus tau gimana caranya untuk ngerjain se-efficient mungkin.

Apa ekspektasi VS realita waktu terjun ke dunia Data Analytics?

Galih: Yang gua paham biasanya, banyak teman-teman kita yang baru mau terjun ke dunia Data Analytics berekspektasi akan melakukan analisa-analisa menantang, menggunakan algoritma kompleks untuk menjawab pertanyaan strategis bisnis.

Walaupun kita melakukan hal itu semua sekali atau dua kali, kegiatan itu hanya sebagian sangat kecil dari keseharian kita (5% - 20% dari waktu kerja kita.

Realitanya, waktu kita akan banyak dihabiskan membenahi data kita, database kita, tabel-tabel kita, dan bug squashing dari pipeline airflow.

Nikita: Ekspektasi terbesar gue waktu itu sebagai BI Analyst adalah gue akan cuma bikin dashboard, laporan dan kasih insights.

Tapi realita nya gak sesimple itu. Karena, untuk menganalisa gue harus tau data nya dari mana, paham data-data seluruh divisi, harus familiar dengan table-table yang ada, bersihkan data, dan gak sekedar kasih insights tapi berfikir lebih jauh dari orang-orang biasanya.

Kalau dulu, boleh cerita kah kalau menurut kamu, skills technical & behavioural apa yang mendukungmu akhirnya bisa mengawali karir sebagai Data Analysts?

Galih: Gua dulu sebenarnya kurang tahu apa bedanya data analyst sama analyst lain.

Tapi, waktu gua memulai karir gua, gua terjun mengikuti passion gua di industri Game Development.

Skill ngoding gua minim sebenarnya, tapi gua suka melakukan analisa. Gua terima kerjaan sebagai Data Analyst di Touchten games.

Tak disangka, bidang Data Analytics sangat menarik dan gua terus belajar untuk jadi profesional di bidang itu.

Menurut gua, yang penting adalah ikuti passion, minat dan bakat kamu. Jangan paksain untuk kerja di perusahaan yang kamu gak punya passion atau minat, walaupun kompensasinya besar.

Selain itu, harus punya kemauan untuk belajar itu sangat penting buat semua profesi, terutama Data Analyst.

Nikita: Pasti nya punya keinginan dan sangat nyaman dealing dengan angka dan seneng menyelesaikan masalah atau puzzle. Jadi punya Mathematical skill yang kuat, terutama Statistic, itu akan sangat mendukung.

Analytical tools nya seperti Excel, SQL dan Visualisation tools kaya Tableau atau PowerBI.

Selain itu, enjoy being proactive and enjoy story telling.

Boleh share advice/ tips/ kunci keberhasilan untuk teman-teman yang sedang considering berkarir di bidang Data Analytics?

Galih: Buat advice mungkin selain melakukan hal-hal yang disebutkan di pertanyaan sebelumnya, juga harus sabar.

Mungkin pekerjaannya Data Analytics tidak sesuai dengan bayangan kamu, tapi hasil dari jerih payah kamu akan berdampak langsung terhadap pertumbuhan perusahaan kamu.

Selain dari itu juga, coba belajar SQL dan salah satu bahasa pemrograman seperti R atau Python. Lebih baik juga kalau bisa berkenalan dengan salah satu visualization tools seperti Tableau atau Looker.

Nikita: Kalau kalian suka untuk:

• menganalisa dan lakukan investigasi,
• menerapkan ilmu statistik di kehidupan sehari-hari,
• punya data-driven mindset,
• suka sharing penemuan kalian ke orang lain,

ini bisa jadi kunci kalian berkarir di bidang Analytics.

Apakah punya rekomendasi buku/ podcast/ artikel/ video untuk temen-temen yg mau mendalami skills di Data Analytics?

Galih: Untuk rekomendasi wadah belajar SQl, mungkin bisa coba DataCamp.

Kalau buku, karena gua selalu berkutat dengan Google BigQuery, jadi gua saranin baca Google BigQuery: The Definitive Guide.

Soalnya, bukunya seperti textbook yang kamu bisa revisit kalau ketemu problem SQL yang ga kamu ngerti.

Gua juga recommend baca Storytelling with Data buat belajar visualisasi data.

Nikita: Banyak banget online courses yang bisa kalian ambil, misalnya:

• Udemy,
• Codecademy,
• dan DataCamp.

Courses ini bagus untuk yang baru mau mulai dan mau memperdalam technical skills kalian.

Menurut kamu, gimana sih jenjang karir seorang Data Analyst? Untuk entry level position biasanya dimulai sebagai apa, lalu step-nya seperti apa untuk naik ke role yang paling senior?

Galih: Sebenarnya, tidak terlalu jauh beda antara entry level dan senior level untuk Data Analyst dari segi kerjaannya (kecuali senior level nya manager).

Yang membedakan adalah komprehensi terhadap pengetahuan industri yang data analyst itu bekerja. Selain dari itu, pengetahuan fundamental statistik dan computer science juga membedakan entry level dan senior.

Di awal karir kamu sebagai Data Analyst, kamu akan banyak belajar, mulai dari belajar statistik lagi, belajar struktur data perusahaan, hingga belajar bisnis perusahaan kamu.

Semakin kamu nyaman dengan pekerjaan kamu dan kamu bisa menerima tanggung jawab lebih, baru kamu akan diminta untuk problem solving dan analisa strategis untuk perusahan kamu.

Nikita: Sebagai Junior, biasanya dimulai dengan kerjaan yang lumayan simple kaya ngebersihin data, bikin laporan, dan bikin presentasi.

Dan kalau udah mulai Medior mulai bisa ambil project besar dengan team lain, yang bisa juga kolaborasi misalnya dengan Data Science, Data Engineer atau Marketing. Project ini sifatnya bukan daily task tapi untuk membuat inovasi baru, dan lebih jadi leader di setiap project.

Terakhir! Typical seseorang yang sukses di karir kamu itu orang yang seperti apa?

Galih: Yang gua perhatikan selama ini, yang sukses di bidang Data Analytics adalah profesional yang nyaman menyelesaikan masalah dan memiliki interpersonal skills yang baik.

Contoh hiperbolanya, dia bisa menceritakan masalah kompleks ke anak umur 5 tahun. Kenyamanan menghadapi permasalahan kompleks ini tentunya karena dia telah memiliki pemahaman yang dalam terhadap data analytics, bisnis dan industri, serta pengalaman yang dalam.

Nikita: Sukses itu relative. Tapi menurut gue orang yang nyaman bekerja dengan angka, punya analytical dan data-driven mindset, critical thinking dan nyaman menyuarakan ide-ide dan inovasi untuk dijadikan suggestions, itu orang yang bakal punya journey yang panjang di bidang analytics.

Tertarik berkarir seperti Galih & Nikita dan ingin belajar Data Analytics?

Cara kerja RevoU:

✓ Kelas online live dan interaktif selama 13 minggu (19.00–21.00 WIB)

✓ Belajar dari instruktur terbaik dari perusahaan ternama (lihat di sini)

✓ Mengerjakan proyek riil dibimbing oleh mentor