Apa yang Dikerjakan Data Analyst Sehari-hari?
Pada artikel sebelumnya “Apa Itu Data Analyst? Peran, Skill, dan Contoh Nyata”, kita sudah membahas definisi dan gambaran umum profesi Data Analyst. Sekarang, kita lanjut ke pertanyaan yang paling sering muncul:
Sebetulnya, Data Analyst itu ngapain aja setiap hari?
Artikel ini akan membahas workflow kerja Data Analyst, tools yang digunakan, dan contoh kasus nyata agar kamu punya bayangan realistis tentang pekerjaan ini.
1. Memahami Masalah Bisnis (Business Understanding)
Pekerjaan Data Analyst tidak langsung buka Excel atau coding.
Langkah pertama justru adalah memahami masalah bisnis, misalnya:
Kenapa penjualan bulan ini turun?
Produk mana yang paling menguntungkan?
Channel marketing mana yang paling efektif?
Biasanya Data Analyst akan:
Diskusi dengan stakeholder (sales, marketing, operasional)
Menentukan pertanyaan bisnis yang ingin dijawab
Menentukan metrik (KPI) yang relevan
🔑 Tanpa pemahaman bisnis, analisis data bisa salah arah meskipun teknisnya benar.
2. Mengumpulkan Data (Data Collection)
Setelah tahu masalahnya, Data Analyst akan mencari sumber data, seperti:
Database perusahaan (SQL)
File Excel / Google Sheets
Data dari sistem internal (CRM, ERP)
Data eksternal (survey, API, laporan publik)
Di tahap ini, sering muncul kondisi:
Data tersebar di banyak file
Format tidak konsisten
Banyak data duplikat atau kosong
Ini normal, dan memang bagian dari pekerjaan.
3. Membersihkan Data (Data Cleaning)
Inilah tahap yang sering disebut:
80% kerja Data Analyst adalah data cleaning
Contoh aktivitasnya:
Menghapus data duplikat
Menangani nilai kosong (null)
Menyamakan format tanggal
Standarisasi nama produk / customer
Validasi angka yang tidak masuk akal
Tools yang sering digunakan:
Excel / Google Sheets
Power Query
SQL
Python (pandas)
💡 Data yang kotor = insight yang menyesatkan.
4. Analisis Data (Data Analysis)
Setelah data rapi, barulah masuk ke analisis.
Beberapa contoh analisis:
Tren penjualan per waktu
Perbandingan performa antar produk
Segmentasi customer
Analisis kontribusi (Pareto 80/20)
Teknik yang sering dipakai:
Aggregation (SUM, AVG, COUNT)
Filtering & grouping
Perhitungan growth & percentage
Analisis sederhana statistik deskriptif
Fokusnya selalu kembali ke:
“Apa insight yang bisa membantu keputusan?”
5. Visualisasi Data (Data Visualization)
Hasil analisis tidak cukup kalau hanya berupa angka.
Data Analyst perlu menyajikannya dalam bentuk visual:
Chart
Dashboard
Ringkasan insight
Tools populer:
Excel (PivotChart)
Power BI
Tableau
Looker Studio
Visualisasi yang baik:
Mudah dipahami
Tidak berlebihan
Fokus ke pesan utama
6. Menyampaikan Insight (Data Storytelling)
Tahap ini sering disepelekan, padahal krusial.
Data Analyst harus bisa:
Menjelaskan apa yang terjadi
Menjelaskan kenapa itu terjadi
Memberi rekomendasi berbasis data
Contoh storytelling sederhana:
“Penjualan turun 12% karena kontribusi produk A menurun sejak minggu ke-3. Berdasarkan data, stok dan promosi di channel online juga berkurang.”
7. Contoh Kasus Nyata Sederhana
Kasus: Penjualan frozen food menurun
Langkah Data Analyst:
Kumpulkan data penjualan
Bersihkan data duplikat
Analisis produk terlaris
Bandingkan channel penjualan
Buat dashboard
Beri rekomendasi (fokus ke produk & channel paling profitable)
🎯 Bukan sekadar laporan, tapi dasar pengambilan keputusan.
Penutup
Pekerjaan Data Analyst adalah kombinasi antara:
Logika
Teknis
Pemahaman bisnis
Bukan tentang siapa yang paling jago coding, tapi siapa yang bisa mengubah data menjadi insight yang berguna.
Pada artikel selanjutnya, kita akan bahas:
👉 Skill Wajib Data Analyst untuk Pemula (Tanpa Background IT)
