Buat Akun DQLab & Akses Kelas Data Science Python, R, SQL, Excel GRATIS!

Tutorial Membuat Portofolio Data Analyst untuk Pemula Data Non IT

Belajar Data Science di Rumah 15-Juni-2022
https://dqlab.id/files/dqlab/cache/70c21c83c827fed8de965ae57b33f08e_x_Thumbnail800.jpg

Profesi Data Analyst saat ini banyak dibutuhkan perusahaan yang bergerak di berbagai bidang seperti e-commerce, edukasi, transportasi online, dan lain sebagainya. Untuk menjadi Data Analyst tentu dibutuhkan skill tertentu beberapa diantaranya adalah statistik dan pemrograman. Data Analyst akan bertanggung jawab menganalisis data yang ada di perusahaan untuk menemukan informasi yang berguna bagi perusahaan. Dengan bantuan teknologi yang canggih, prosesnya pun akan berjalan lebih cepat.


Portofolio Data Analyst adalah faktor penting bagi kamu yang ingin berkarir menjadi Data Analyst. Namun ketika membuat portofolio Data Analyst banyak yang harus diperhatikan. Sebuah portofolio yang baik harus jelas dan dapat dipahami oleh pembaca. Beberapa hal yang perlu diperhatikan dalam membuat portofolio data yaitu judul, studi kasus yang diangkat, metode dan library yang digunakan, tahapan proses analisis, hingga kesimpulan yang didapatkan dari analisis yang sudah dilakukan. 


Seberapa penting portofolio data? Ketika kamu apply job sebagai Data Analyst, maka portofolio data penting untuk dipersiapkan. Portofolio data akan menunjukkan kemampuan serta pencapaian kamu di mata rekruter. Hal ini dapat menjadi pertimbangan bagi rekruter dan menambah kesempatanmu berkarir menjadi Data Analyst. Mungkin sahabat DQ bertanya-tanya, bagaimana cara membuat portofolio data yang baik? Yuk, simak pembahasannya di bawah ini!


1. Persiapkan Dataset yang Akan Digunakan

Dataset adalah komponen utama dalam analisis data. Ketika membuat portofolio data kamu bisa memilih dataset berisi informasi yang sedang trending saat ini. Kamu bisa mendapatkannya dari situs seperti Kaggle atau BPS. Biasanya sebuah dataset masih berupa raw data atau data mentah. Nah, data mentah ini harus kamu proses dahulu menjadi data yang lebih rapi dan layak untuk analisis. Proses ini juga perlu kamu jelaskan di dalam portofolio data. Dari mana kamu memperoleh data, referensi data, apa yang digunakan untuk mempersiapkan dataset, data apa saja yang digunakan untuk analisis, dan isi dari dataset tersebut. Berikut situs Kaggle dengan macam-macam dataset.

data analyst


Selain itu kamu juga bisa mendapatkan data dari website BPS. Kamu bisa mengunduh data yang dipublikasi oleh BPS untuk menjadi bahan analisis.

Baca juga : Kenali Perbedaan Data Scientist, Data Analyst dan Data Engineer


2 .Judul dan Studi Kasus yang Jelas

Sebuah portofolio harus memiliki judul serta studi kasus yang jelas. Buatlah judul yang menggambarkan isi dari portofolio datamu. Melalui judul, rekruter akan menilai apakah antara judul serta isi dan tujuan dari project yang kamu tuangkan dalam portfolio sesuai. Dengan judul yang sesuai, rekruter bisa lebih mudah dan tertarik dengan portfolio datamu. Portfolio bisa dibuat dalam bentuk presentasi atau tulisan yang di publish platform misalnya Medium. Contoh judul portofolio data sebagai berikut.

data analyst


Jika sudah menemukan judul yang tepat, kemudian jelaskan apa yang mendasari kamu melakukan analisis tersebut dan studi kasus apa yang menjadi fokus analisismu. Jabarkan secara jelas agar pembaca memahami dengan benar portofolio yang kamu buat. Bisa dalam beberapa poin atau dalam bentuk cerita. Hal ini juga dapat menjadi nilai tambah di mata rekruter mengenai kemampuan storytelling yang kamu miliki. 


3. Proses Analisis dan Kesimpulan

Proses analisis yang kamu lakukan juga dapat dijabarkan dalam portofolio. Bagaimana kamu memproses data, metode apa yang digunakan untuk analisis, serta tujuan dilakukannya analisis tersebut. Analisis yang kamu lakukan juga bisa dilihat dari berbagai sudut pandang tergantung pada data yang kamu gunakan. Hasil analisis biasanya disajikan dalam bentuk grafik seperti di bawah ini.

data analyst


Nah, dari visualisasi data tersebut kamu perlu menjabarkan informasi apa yang kamu peroleh. Kemudian berikan kesimpulan dari seluruh proses analisis yang sudah kamu lakukan. Kamu bisa menyimpulkannya dari informasi yang telah kamu dapatkan. Penting juga untuk memberikan solusi berdasarkan informasi tersebut di akhir portofolio. Rekruter akan lebih suka karena hal ini menunjukkan sikap solutif dan pemikiran kritis para kandidat data. 


4. Data Analyst Project : Business Decision Research

Masih pemula di bidang data? Tenang, kamu tetap bisa membuat portofolio data dengan project DQLab. Selain menyediakan modul belajar yang dapat membantu pemula belajar data dari nol, DQLab juga memberikan project-project data dengan studi kasus nyata di dunia industri. 

data analyst

Salah satu projectnya yaitu Business Decision Research. Project ini berisikan step by step memproses data mulai dari data preparation (importing data, data cleansing, churn customer, dan lain-lain), data visualization, dan data modelling. Langkah-langkah ini akan sering kamu lakukan ketika menjadi Data Analyst.


Project ini dapat kamu kemas menjadi portofolio data yang menarik dan bisa juga diunggah di platform seperti Medium, LinkedIn, atau Github. Jabarkan langkah-langkah tersebut di dalam portofolio datamu serta berikan kesimpulan dan solusi di akhir portofolio. Setelah selesai mengerjakan project kamu akan mendapatkan sertifikat gratis dari DQLab. 


Baca juga : Data Analyst vs Data Scientist, Yuk Kenali Perbedaannya 


Menjadi Data Analyst tidak hanya menarik bagi orang IT, namun banyak juga non IT yang ternyata tertarik dan ingin menjadi Data Analyst. Jika kamu pemula yang baru belajar data memang akan butuh waktu ekstra untuk belajar dan benar-benar memahami tentang data dan tools yang digunakan. 


Tapi bukan tidak mungkin pemula menjadi Data Analyst handal. Dengan berlatih rutin dan update portofolio data akan membuka kesempatan menjadi Data Analyst semakin lebar. Yuk, daftar di DQLab.id! Tingkatkan skill data dengan module-module yang disusun oleh data professional dari perusahaan ternama. Tersedia job connector juga, loh!


Penulis: Dita Kurniasari

Editor: Annissa Widya



Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login