Proyek portofolio yang bikin kamu dilirik itu yang punya tiga hal: pertanyaan yang jelas, data yang bisa diakses, dan keputusan yang keluar dari hasilnya.
Bukan yang paling ribet teknisnya. Dari yang aku lihat di CV yang lewat, proyek prediksi harga rumah Boston udah muncul terlalu sering sampai nggak ada nilainya lagi.
Seratus ide di bawah ini aku susun per level, dan semuanya bisa dikerjain pakai data Indonesia atau data yang kamu punya sendiri.
Level 1: Proyek spreadsheet buat yang baru mulai (nomor 1-20)
Satu tabel, satu pertanyaan, selesai dalam 2 sampai 4 jam. Cocok kalau kamu belum pernah bikin proyek sama sekali.
- Rekap pengeluaran pribadi 12 bulan, cari 3 kategori terbesar
- Hitung biaya transportasi harian kamu setahun, bandingin ojol dan transportasi umum
- Analisis riwayat belanja e-commerce kamu, cari bulan paling boros
- Bandingin harga 20 barang dapur di tiga toko online
- Lacak harga cabai dan bawang mingguan dari data Badan Pangan, cari pola musiman
- Rekap nilai kuliah per semester, cari mata kuliah yang narik IPK turun
- Hitung biaya kos plus makan dibanding gaji magang di 5 kota
- Analisis jam tidur dari data smartwatch selama 90 hari
- Rekap absensi tim kecil, hitung tingkat kehadiran per bulan
- Bandingin tarif listrik prabayar dan pascabayar dari struk 12 bulan
- Hitung berapa lama uang kamu bertahan kalau kena PHK, pakai data pengeluaran nyata
- Analisis daftar lagu Spotify kamu, cari genre yang paling sering diputar per tahun
- Rekap penjualan warung atau usaha keluarga selama 6 bulan
- Hitung margin per produk dari catatan usaha kecil
- Analisis pola kunjungan pelanggan per jam di kedai kopi
- Bandingin ongkir 4 kurir ke 10 kota tujuan
- Rekap donasi atau iuran RT, cari bulan dengan partisipasi terendah
- Hitung kalori masakan rumahan dari daftar bahan
- Analisis harga BBM dan pengaruhnya ke pengeluaran bulanan kamu
- Bikin kalkulator titik impas usaha kecil dengan input biaya tetap dan variabel
Buat semua ide di atas, tiga fungsi ini yang paling kepakai: SUMIFS, COUNTIFS, dan XLOOKUP.
Level 2: Proyek SQL multi tabel (nomor 21-45)
Dua tabel ke atas, ada JOIN dan agregasi. Ini yang paling sering ditanya waktu tes teknis.
- Hitung omzet per cabang per bulan dari tabel transaksi dan tabel cabang
- Cari 10 produk dengan margin tertinggi, gabungin tabel produk dan HPP
- Bikin laporan pelanggan yang belum belanja 90 hari terakhir
- Hitung rata-rata nilai transaksi per kategori pelanggan
- Cari produk yang sering dibeli bareng dalam satu struk
- Bikin tabel penjualan harian yang isinya lengkap termasuk hari tanpa transaksi
- Hitung pertumbuhan bulan ke bulan pakai window function
- Ranking cabang per bulan dan lacak perubahan peringkatnya
- Cari transaksi dobel dari data kasir
- Hitung jeda hari antar transaksi tiap pelanggan
- Bikin segmentasi RFM pakai SQL murni tanpa alat lain
- Hitung tingkat retensi pelanggan per bulan pendaftaran
- Cari jam paling ramai per hari per cabang
- Bandingin performa produk sebelum dan sesudah ganti harga
- Hitung kontribusi tiap kategori ke total omzet dengan persentase
- Bikin laporan stok yang nunjukin produk hampir habis
- Deteksi harga jual yang lebih rendah dari modal
- Hitung rata-rata waktu proses pesanan dari dua tabel timestamp
- Bikin daftar pelanggan yang naik kelas dari kecil ke besar
- Analisis pengaruh diskon ke jumlah unit terjual
- Hitung penjualan kumulatif berjalan per cabang
- Cari cabang yang penjualannya turun 3 bulan berturut-turut
- Bikin tabel kalender lengkap dan gabungin ke data transaksi
- Bandingin performa produk baru di 30 hari pertama
- Hitung nilai rata-rata pelanggan selama masa aktifnya
Kalau kamu belum kenal konsep aggregate function, mulai dari nomor 21 dan 24 dulu.
Level 3: Dashboard dan visualisasi (nomor 46-65)
Di sini kamu dinilai dari seberapa cepat orang lain paham tanpa kamu jelasin.
- Dashboard penjualan bulanan dengan filter cabang dan kategori
- Dashboard stok dengan penanda merah untuk barang di bawah batas aman
- Peta sebaran penjualan per provinsi
- Dashboard kinerja tim sales dengan target dan pencapaian
- Grafik tren harga pangan mingguan dengan garis rata-rata bergerak
- Dashboard keuangan pribadi dengan pemisahan kebutuhan dan keinginan
- Corong konversi dari pengunjung sampai pembeli
- Dashboard kualitas data yang nunjukin baris kosong dan duplikat per tabel
- Perbandingan performa 3 kurir dengan metrik biaya dan lama kirim
- Dashboard produktivitas tim dengan jumlah tiket selesai per minggu
- Grafik kohor retensi pelanggan berbentuk matriks
- Dashboard okupansi kos atau kontrakan per bulan
- Perbandingan biaya iklan dan pendapatan per kanal
- Dashboard laporan UMKM satu halaman yang bisa dicetak
- Grafik sebaran gaji dari data lowongan yang kamu kumpulin sendiri
- Dashboard cuaca dan pengaruhnya ke penjualan minuman
- Papan skor kompetisi internal dengan peringkat otomatis
- Dashboard kehadiran karyawan dengan pola per hari dalam seminggu
- Perbandingan target dan realisasi anggaran per departemen
- Dashboard keluhan pelanggan dikelompokin per jenis masalah
Buat milih jenis grafiknya, aku tulis panduannya di memilih antara garis, area, dan batang. Konsep dashboard yang bagus juga aku bahas terpisah.
Level 4: Proyek analisis bisnis Indonesia (nomor 66-85)
Level ini yang paling gampang jadi bahan ngobrol waktu wawancara, soalnya konteksnya nyata.
- Analisis pola belanja Ramadan dari data penjualan retail 2 tahun
- Hitung dampak gratis ongkir ke margin bersih seller online
- Analisis harga properti per kecamatan dari data listing publik
- Bandingin UMR dan biaya hidup di 10 kota
- Analisis keterlambatan kereta dari data jadwal dan realisasi
- Hitung tingkat okupansi hotel per musim liburan
- Analisis sebaran fasilitas kesehatan per kabupaten dari data BPS
- Bandingin produksi beras antar provinsi dan hubungannya ke harga
- Analisis pola pembayaran cicilan dari data pinjaman
- Hitung biaya akuisisi pelanggan per kanal promosi
- Analisis churn member gym atau langganan bulanan
- Bandingin efektivitas promo diskon dan promo bundling
- Analisis sentimen ulasan produk marketplace
- Hitung dampak kenaikan harga BBM ke ongkos distribusi
- Analisis waktu tunggu antrean di layanan publik
- Bandingin performa cabang berdasarkan luas area dan jumlah karyawan
- Analisis pola pemakaian listrik rumah tangga per jam
- Hitung potensi hemat dari ganti kemasan produk
- Analisis tingkat pengembalian barang per kategori produk
- Bandingin biaya rekrutmen per kanal dan kualitas kandidatnya
Buat nyari datanya, mulai dari portal Badan Pusat Statistik. Ribuan tabelnya gratis dan bisa diunduh langsung.
Level 5: Proyek siap kerja (nomor 86-100)
Proyek yang nunjukin kamu bisa kerja dari data mentah sampai kesimpulan, bukan cuma ngerjain potongan.
- Bangun pipeline dari file CSV harian sampai tabel siap dashboard
- Bikin proyek dbt dengan minimal 5 model dan test kualitas data
- Bikin skrip pembersih data yang bisa dipakai ulang buat file bulanan
- Bangun kamus metrik yang isinya definisi 15 KPI perusahaan fiktif
- Rancang skema database buat toko online dari nol
- Bikin sistem peringatan yang kirim notifikasi kalau penjualan turun ekstrem
- Bangun laporan otomatis yang jalan tiap Senin pagi
- Rancang dan jalanin uji A/B untuk satu perubahan halaman produk
- Bikin model prediksi churn dengan penjelasan faktor pendorongnya
- Bangun proyeksi penjualan 3 bulan ke depan dengan metode sederhana
- Bikin analisis harga optimal dari data elastisitas permintaan
- Bangun sistem penilaian prospek penjualan berdasarkan data historis
- Rancang alur audit data bulanan buat tim keuangan
- Bikin dokumentasi lengkap satu dataset perusahaan fiktif
- Kerjain satu masalah bisnis dari awal sampai presentasi rekomendasi
Nomor 92 dan 100 yang paling sering bikin pewawancara bertanya lebih lanjut. Buat nomor 92, konsep A/B testing perlu kamu pahami dulu. Buat nomor 87, mulai dari tutorial model dbt pertama.
Contoh kasus: apa yang bikin satu proyek menonjol
Aku pernah ngerjain nomor 66, analisis pola belanja Ramadan, pakai data toko_berkah 24 bulan.
Temuan yang biasa: penjualan Maret naik 47 persen dibanding rata-rata bulan lain. Ini yang semua orang juga nemu.
Temuan yang bikin beda: puncaknya bukan di minggu terakhir Ramadan, tapi di 10 hari pertama. Sekitar 38 persen kenaikan omzet Ramadan terjadi di 10 hari pertama, dan itu didorong pembelian sembako dalam jumlah besar. Sementara 2 minggu terakhir malah turun 12 persen dari minggu pertama.
Rekomendasinya jadi konkret: stok sembako harus penuh sebelum Ramadan mulai, bukan di tengah. Dan promo minggu ketiga sebaiknya diarahkan ke kategori kue kering, bukan sembako.
Bedanya bukan di alat. Sama-sama spreadsheet. Bedanya di pertanyaan lanjutan yang aku ajukan setelah nemu angka pertama.
Kesalahan umum waktu bikin proyek portofolio
1. Mulai dari dataset, bukan dari pertanyaan. Kalau kamu unduh data dulu baru mikir mau ngapain, hasilnya biasanya grafik tanpa kesimpulan.
2. Berhenti di visualisasi. Grafik cantik tanpa rekomendasi itu setengah pekerjaan. Tulis satu paragraf soal keputusan apa yang bisa diambil.
3. Pakai dataset yang udah bersih banget. Kemampuan bersihin data itu justru yang dibayar. Cari data yang berantakan.
4. Ngerjain 12 proyek sekaligus. Tiga yang selesai lebih berharga dari 12 yang mangkrak di folder.
5. Nggak nulis dokumentasi. Kalau nggak ada penjelasan, recruiter nggak akan tau kamu ngerjain apa. Satu halaman ringkasan udah cukup.
6. Ngeskip pemeriksaan data. Kesimpulan dari data yang punya duplikat atau outlier yang belum dicek bisa salah total.
FAQ
Berapa proyek yang cukup buat portofolio data analyst?
Tiga sampai empat proyek yang selesai dan terdokumentasi lebih kuat dari sepuluh notebook setengah jadi. Idealnya satu proyek spreadsheet, satu proyek SQL, satu dashboard, dan satu proyek yang kamu kerjain dari data mentah sampai rekomendasi. Kombinasi itu udah nunjukin kamu bisa kerja di semua tahap.
Data buat proyek ambil dari mana kalau belum kerja?
Badan Pusat Statistik punya ribuan tabel gratis soal ekonomi, penduduk, dan harga. Satu Data Indonesia nyediain data dari banyak kementerian. Kaggle punya dataset global. Kamu juga bisa pakai data sendiri, misalnya riwayat transaksi e-wallet atau catatan belanja bulanan. Data pribadi sering justru lebih menarik karena ceritanya nyata.
Proyek harus pakai machine learning biar dilirik?
Nggak. Kebanyakan lowongan data analyst nyari orang yang bisa jawab pertanyaan bisnis pakai SQL dan spreadsheet, bukan yang bisa latih model. Proyek analisis penjualan yang rapi dengan rekomendasi jelas lebih relevan buat posisi analyst dibanding model prediksi yang akurasinya bagus tapi nggak jelas dipakai buat apa.
Gimana cara nunjukin proyek ke recruiter?
Tulis satu halaman ringkasan per proyek: pertanyaannya apa, datanya dari mana, apa yang kamu temuin, dan keputusan apa yang bisa diambil. Taruh di GitHub, Notion, atau blog pribadi. Screenshot dashboard-nya, jangan cuma kasih link file mentah. Recruiter jarang buka notebook, tapi hampir selalu baca ringkasan.
Berapa lama waktu yang wajar buat satu proyek?
Proyek level pemula cukup 2 sampai 4 jam. Level menengah sekitar 1 sampai 2 minggu kalau dikerjain sambil kerja atau kuliah. Proyek besar yang mencakup pipeline dan dashboard bisa sebulan. Kalau satu proyek udah lewat 6 minggu dan belum selesai, kecilin dulu ruang lingkupnya dan selesaikan versi kecilnya.
Penutup
Yang perlu kamu bawa:
- Pilih proyek dari pertanyaan yang kamu penasaran jawabannya, bukan dari dataset yang lagi populer.
- Selesaikan sampai ada rekomendasi. Grafik tanpa kesimpulan nggak dihitung.
- Tiga proyek tuntas ngalahin dua puluh yang mangkrak.
Sekarang pilih satu nomor dari daftar di atas yang bikin kamu penasaran. Buka spreadsheet, dan kerjain 30 menit hari ini juga.