100 Ide Proyek Analisis Data dari Pemula sampai Siap Kerja

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.

1. Rekap pengeluaran pribadi 12 bulan, cari 3 kategori terbesar
2. Hitung biaya transportasi harian kamu setahun, bandingin ojol dan transportasi umum
3. Analisis riwayat belanja e-commerce kamu, cari bulan paling boros
4. Bandingin harga 20 barang dapur di tiga toko online
5. Lacak harga cabai dan bawang mingguan dari data Badan Pangan, cari pola musiman
6. Rekap nilai kuliah per semester, cari mata kuliah yang narik IPK turun
7. Hitung biaya kos plus makan dibanding gaji magang di 5 kota
8. Analisis jam tidur dari data smartwatch selama 90 hari
9. Rekap absensi tim kecil, hitung tingkat kehadiran per bulan
10. Bandingin tarif listrik prabayar dan pascabayar dari struk 12 bulan
11. Hitung berapa lama uang kamu bertahan kalau kena PHK, pakai data pengeluaran nyata
12. Analisis daftar lagu Spotify kamu, cari genre yang paling sering diputar per tahun
13. Rekap penjualan warung atau usaha keluarga selama 6 bulan
14. Hitung margin per produk dari catatan usaha kecil
15. Analisis pola kunjungan pelanggan per jam di kedai kopi
16. Bandingin ongkir 4 kurir ke 10 kota tujuan
17. Rekap donasi atau iuran RT, cari bulan dengan partisipasi terendah
18. Hitung kalori masakan rumahan dari daftar bahan
19. Analisis harga BBM dan pengaruhnya ke pengeluaran bulanan kamu
20. 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.

21. Hitung omzet per cabang per bulan dari tabel transaksi dan tabel cabang
22. Cari 10 produk dengan margin tertinggi, gabungin tabel produk dan HPP
23. Bikin laporan pelanggan yang belum belanja 90 hari terakhir
24. Hitung rata-rata nilai transaksi per kategori pelanggan
25. Cari produk yang sering dibeli bareng dalam satu struk
26. Bikin tabel penjualan harian yang isinya lengkap termasuk hari tanpa transaksi
27. Hitung pertumbuhan bulan ke bulan pakai window function
28. Ranking cabang per bulan dan lacak perubahan peringkatnya
29. Cari transaksi dobel dari data kasir
30. Hitung jeda hari antar transaksi tiap pelanggan
31. Bikin segmentasi RFM pakai SQL murni tanpa alat lain
32. Hitung tingkat retensi pelanggan per bulan pendaftaran
33. Cari jam paling ramai per hari per cabang
34. Bandingin performa produk sebelum dan sesudah ganti harga
35. Hitung kontribusi tiap kategori ke total omzet dengan persentase
36. Bikin laporan stok yang nunjukin produk hampir habis
37. Deteksi harga jual yang lebih rendah dari modal
38. Hitung rata-rata waktu proses pesanan dari dua tabel timestamp
39. Bikin daftar pelanggan yang naik kelas dari kecil ke besar
40. Analisis pengaruh diskon ke jumlah unit terjual
41. Hitung penjualan kumulatif berjalan per cabang
42. Cari cabang yang penjualannya turun 3 bulan berturut-turut
43. Bikin tabel kalender lengkap dan gabungin ke data transaksi
44. Bandingin performa produk baru di 30 hari pertama
45. 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.

46. Dashboard penjualan bulanan dengan filter cabang dan kategori
47. Dashboard stok dengan penanda merah untuk barang di bawah batas aman
48. Peta sebaran penjualan per provinsi
49. Dashboard kinerja tim sales dengan target dan pencapaian
50. Grafik tren harga pangan mingguan dengan garis rata-rata bergerak
51. Dashboard keuangan pribadi dengan pemisahan kebutuhan dan keinginan
52. Corong konversi dari pengunjung sampai pembeli
53. Dashboard kualitas data yang nunjukin baris kosong dan duplikat per tabel
54. Perbandingan performa 3 kurir dengan metrik biaya dan lama kirim
55. Dashboard produktivitas tim dengan jumlah tiket selesai per minggu
56. Grafik kohor retensi pelanggan berbentuk matriks
57. Dashboard okupansi kos atau kontrakan per bulan
58. Perbandingan biaya iklan dan pendapatan per kanal
59. Dashboard laporan UMKM satu halaman yang bisa dicetak
60. Grafik sebaran gaji dari data lowongan yang kamu kumpulin sendiri
61. Dashboard cuaca dan pengaruhnya ke penjualan minuman
62. Papan skor kompetisi internal dengan peringkat otomatis
63. Dashboard kehadiran karyawan dengan pola per hari dalam seminggu
64. Perbandingan target dan realisasi anggaran per departemen
65. 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.

66. Analisis pola belanja Ramadan dari data penjualan retail 2 tahun
67. Hitung dampak gratis ongkir ke margin bersih seller online
68. Analisis harga properti per kecamatan dari data listing publik
69. Bandingin UMR dan biaya hidup di 10 kota
70. Analisis keterlambatan kereta dari data jadwal dan realisasi
71. Hitung tingkat okupansi hotel per musim liburan
72. Analisis sebaran fasilitas kesehatan per kabupaten dari data BPS
73. Bandingin produksi beras antar provinsi dan hubungannya ke harga
74. Analisis pola pembayaran cicilan dari data pinjaman
75. Hitung biaya akuisisi pelanggan per kanal promosi
76. Analisis churn member gym atau langganan bulanan
77. Bandingin efektivitas promo diskon dan promo bundling
78. Analisis sentimen ulasan produk marketplace
79. Hitung dampak kenaikan harga BBM ke ongkos distribusi
80. Analisis waktu tunggu antrean di layanan publik
81. Bandingin performa cabang berdasarkan luas area dan jumlah karyawan
82. Analisis pola pemakaian listrik rumah tangga per jam
83. Hitung potensi hemat dari ganti kemasan produk
84. Analisis tingkat pengembalian barang per kategori produk
85. 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.

86. Bangun pipeline dari file CSV harian sampai tabel siap dashboard
87. Bikin proyek dbt dengan minimal 5 model dan test kualitas data
88. Bikin skrip pembersih data yang bisa dipakai ulang buat file bulanan
89. Bangun kamus metrik yang isinya definisi 15 KPI perusahaan fiktif
90. Rancang skema database buat toko online dari nol
91. Bikin sistem peringatan yang kirim notifikasi kalau penjualan turun ekstrem
92. Bangun laporan otomatis yang jalan tiap Senin pagi
93. Rancang dan jalanin uji A/B untuk satu perubahan halaman produk
94. Bikin model prediksi churn dengan penjelasan faktor pendorongnya
95. Bangun proyeksi penjualan 3 bulan ke depan dengan metode sederhana
96. Bikin analisis harga optimal dari data elastisitas permintaan
97. Bangun sistem penilaian prospek penjualan berdasarkan data historis
98. Rancang alur audit data bulanan buat tim keuangan
99. Bikin dokumentasi lengkap satu dataset perusahaan fiktif
100. 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.