Studi Kasus Nyata: Dari Data Mentah ke Insight Bisnis
Di artikel sebelumnya, kita sudah membahas alur kerja Data Analyst dan tools yang digunakan. Pada bagian ini, kita akan masuk ke studi kasus sederhana tapi realistis agar kamu benar-benar paham bagaimana Data Analyst bekerja di dunia nyata.
Artikel ini sangat cocok untuk:
Pemula yang ingin belajar data analyst dari nol
Career switcher yang ingin tahu gambaran kerja nyata
Kamu yang sedang membangun portfolio
1. Studi Kasus: Data Penjualan Toko
Bayangkan kamu bekerja sebagai Data Analyst di sebuah perusahaan retail. Atasanmu memberikan file Excel berisi data penjualan selama 6 bulan dan bertanya:
"Produk apa yang paling berkontribusi ke penjualan dan kapan waktu penjualan tertinggi terjadi?"
File Excel tersebut berisi kolom:
Tanggal Transaksi
Nama Produk
Kategori Produk
Jumlah Terjual
Harga
Total Penjualan
Sekilas terlihat rapi, tapi jangan tertipu.
2. Mengecek Kondisi Data (Data Understanding)
Langkah pertama Data Analyst bukan langsung bikin chart.
Yang dilakukan:
Mengecek duplikat transaksi
Memastikan format tanggal konsisten
Mengecek nilai kosong (null)
Memastikan tipe data (angka vs teks)
Contoh masalah nyata:
Tanggal tersimpan sebagai teks
Harga bertipe teks, bukan numerik
Produk yang sama tapi penulisan berbeda
Ini adalah fase data understanding & data cleaning.
3. Data Cleaning (Bagian Paling Penting)
Sekitar 70–80% waktu Data Analyst dihabiskan di sini.
Langkah yang dilakukan:
Menghapus duplikat data
Menyeragamkan nama produk
Memperbaiki format tanggal
Memastikan kolom numerik bisa dihitung
Tools yang bisa digunakan:
Excel (Remove Duplicate, Text to Columns)
Power Query
SQL
Tanpa data bersih, analisis apa pun akan menyesatkan.
4. Analisis Data
Setelah data bersih, barulah analisis dilakukan.
Contoh analisis yang dilakukan:
Total penjualan per produk
Produk terlaris
Penjualan per bulan
Perbandingan antar kategori
Di Excel, ini bisa dilakukan dengan:
Pivot Table
Filter
Basic formula
Di tahap ini, Data Analyst mulai menemukan pola.
5. Visualisasi & Insight
Visualisasi bukan tujuan akhir, insight-lah yang paling penting.
Contoh insight yang benar:
❌ "Penjualan produk A paling tinggi"
✅ "Produk A menyumbang 45% dari total penjualan dan paling laku di akhir bulan"
Visual yang biasa digunakan:
Bar chart
Line chart
KPI card
6. Cara Berpikir Data Analyst
Data Analyst selalu berpikir:
Apa yang terjadi?
Kenapa bisa terjadi?
Apa dampaknya ke bisnis?
Aksi apa yang bisa diambil?
Bukan sekadar mengolah angka, tapi membantu pengambilan keputusan.
7. Penutup
Studi kasus ini menggambarkan bahwa kerja Data Analyst:
Tidak selalu kompleks
Sangat dekat dengan Excel & data bisnis
Membutuhkan ketelitian dan cara berpikir logis
Di artikel selanjutnya, kita akan membahas:
👉 Bagaimana mengubah studi kasus ini menjadi portfolio Data Analyst yang menarik recruiter.
Artikel ini bagian dari seri belajar Data Analyst dari nol untuk pemula yang ingin berkembang secara realistis dan konsisten.
