TL;DR
Soal studi kasus bisnis di interview analis data nguji cara kamu berpikir, bukan hafalan rumus. Kerangka jawaban yang aman punya lima langkah: klarifikasi pertanyaannya, tentukan metrik yang diukur, pecah metrik itu jadi komponen, uji hipotesis penyebabnya satu per satu, lalu tutup dengan rekomendasi beserta cara mengukurnya. Latih pakai 12 soal di artikel ini dengan batas waktu 10 menit per soal.
Soal studi kasus bisnis di interview analis data nguji cara kamu berpikir, bukan hafalan rumus.
Pewawancara mau lihat satu hal: waktu dikasih pertanyaan yang samar, kamu bisa memecahnya jadi bagian yang terukur atau langsung nebak.
Dari 34 sesi mock interview yang aku pandu, alasan kandidat gagal hampir selalu sama. Bukan karena jawabannya salah, tapi karena mereka langsung lompat ke kesimpulan tanpa nanya definisi metriknya dulu.
Di bawah ini kerangka jawaban lima langkah dan 12 soal buat latihan. Pasang timer 10 menit per soal.
Empat hal, dan cuma satu di antaranya soal angka. Pewawancara ngukur apakah kamu bisa bikin pertanyaan samar jadi terukur, apakah kamu tau data mana yang relevan, apakah alasanmu runut, dan apakah kesimpulannya bisa ditindaklanjuti orang bisnis.
Yang gak dinilai: kecepatan hitung, jumlah istilah teknis, dan seberapa canggih model yang kamu sebut.
Kandidat yang bilang "aku bakal cek dulu apakah penurunannya terjadi di semua kota atau cuma satu" hampir selalu lebih dinilai tinggi daripada yang langsung nyebut nama algoritma.
Kerangka ini jalan buat hampir semua tipe soal. Ucapkan langkahnya keras-keras di depan pewawancara, biar dia bisa ngikutin jalan pikiranmu dan nolongin kalau kamu nyasar.
Langkah 3 yang paling ngebedain kandidat. Memecah metric jadi komponen ngubah pertanyaan besar yang bikin panik jadi dua pertanyaan kecil yang bisa dicek.
Tipe soal paling sering keluar. Polanya selalu sama: ada angka yang bergerak, kamu diminta cari kenapa.
"Sebuah jaringan minimarket 40 cabang di Jawa Tengah ngeliat omzet September turun 18 persen dibanding Agustus. Apa yang kamu cek?"
Kerangka jawaban: Pecah dulu jadi jumlah transaksi kali nilai rata-rata transaksi. Cek apakah penurunannya merata di 40 cabang atau numpuk di beberapa. Bandingin juga sama September tahun lalu, soalnya bisa jadi ini pola musiman setelah momen belanja Agustus. Terakhir cek apakah ada cabang yang tutup atau sistem kasir yang bermasalah.
"Aplikasi kasir UMKM dapat 3.000 pendaftar baru per bulan, tapi pengguna aktif harian gak gerak dari 12.000. Kenapa?"
Kerangka jawaban: Ini soal keseimbangan antara pengguna masuk dan pengguna keluar. Bikin cohort analysis per bulan pendaftaran, lalu lihat berapa persen yang masih aktif di hari ke-7 dan ke-30. Kalau retensi hari ke-7 di bawah 30 persen, masalahnya di pengalaman awal, bukan di jumlah pendaftar.
"Toko online kamu jual 25 persen lebih banyak kuartal ini, tapi laba bersihnya turun 8 persen. Apa yang terjadi?"
Kerangka jawaban: Pecah laba jadi omzet dikurangi harga pokok dikurangi beban operasional. Cek pergeseran komposisi produk, sering kali produk yang laku naik justru yang marginnya tipis. Lalu cek biaya promo, ongkos kirim gratis, dan biaya iklan per pesanan.
"Dari 12 cabang, satu cabang omzetnya cuma separuh rata-rata. Rekomendasi kamu apa?"
Kerangka jawaban: Jangan langsung bilang tutup. Cari pembanding yang adil dulu: luas area, jumlah penduduk sekitar, umur cabang, dan jam operasional. Cabang yang baru buka 4 bulan wajar di bawah rata-rata. Setelah segmentation yang setara, baru bandingin omzet per meter persegi.
"Tim produk mau rilis fitur cicilan di aplikasi belanja. Metrik apa yang kamu pakai buat nentuin fitur ini berhasil?"
Kerangka jawaban: Sebut satu metrik utama, misalnya persentase pesanan yang selesai dibayar. Lalu sebut metrik penjaga yang gak boleh rusak, misalnya tingkat gagal bayar dan nilai rata-rata pesanan. Fitur yang naikin konversi tapi naikin gagal bayar 3 kali lipat itu rugi.
"Kamu mau tes tombol checkout warna baru. Gimana rancangannya?"
Kerangka jawaban: Sebut hipotesis, metrik utama, unit acaknya (per pengguna, bukan per sesi), dan berapa lama tesnya jalan. Hitung ukuran sampel dari tingkat konversi sekarang dan besaran perubahan yang layak dikejar. Sebut juga bahwa tes harus jalan minimal satu siklus mingguan penuh, soalnya perilaku belanja Sabtu beda dari Selasa. Detail teknis uji signifikansinya ada di A/B testing.
"Perusahaan belum pernah ngukur kepuasan pelanggan. Mulai dari mana?"
Kerangka jawaban: Mulai dari satu pertanyaan yang konsisten ditanyakan di titik yang sama, misalnya setelah transaksi selesai. Pakai skala yang bisa dihitung, bukan kolom isian bebas. Cara nyusunnya ada di panduan skala Likert di Google Form. Sebut juga risiko bias: kalau cuma pelanggan yang masih datang yang ditanya, kamu gak pernah denger suara yang udah pindah.
"Kamu punya waktu buat satu proyek: bikin dashboard penjualan, benerin kualitas data pelanggan, atau bikin model prediksi churn. Pilih mana?"
Kerangka jawaban: Tanya dulu keputusan apa yang lagi macet sekarang. Kalau data pelanggannya kotor, model churn-nya bakal salah dan dashboard-nya bakal dibantah orang. Urutan yang masuk akal biasanya benerin data dulu. Sebut alasannya dalam bentuk risiko, bukan selera.
"Direktur minta angka pertumbuhan yang kamu tau perhitungannya cacat. Apa yang kamu lakukan?"
Kerangka jawaban: Kasih angkanya bareng catatan keterbatasannya secara spesifik, bukan cuma bilang datanya kurang bagus. Sebut selisih perkiraannya berapa dan kapan versi yang bener bisa siap. Ini soal komunikasi, dan yang dinilai adalah keberanian sekaligus kesopanannya.
"Manajemen mau naikin harga 10 persen. Kamu diminta memperkirakan dampaknya. Gimana?"
Kerangka jawaban: Cari data historis waktu harga pernah berubah, lalu lihat perubahan volumenya. Kalau gak pernah ada, usulkan tes terbatas di 2 cabang selama 4 minggu. Sebut ambang batas: kenaikan harga 10 persen masih untung selama volume turunnya di bawah angka tertentu, dan hitung angka itu di depan pewawancara.
"Kira-kira berapa gelas kopi yang terjual per hari di Kota Yogyakarta?"
Kerangka jawaban: Mulai dari jumlah penduduk, perkirakan porsi yang minum kopi di luar rumah, lalu frekuensi per minggu. Sebut asumsimu keras-keras dan tandai mana yang paling rapuh. Yang dinilai struktur hitungannya, bukan ketepatan angkanya.
"Berapa penghematan dari otomatisasi laporan bulanan?"
Kerangka jawaban: Hitung jam kerja yang kepakai sekarang dikali biaya per jam dikali 12 bulan. Lalu kurangi waktu bikin dan merawat otomasinya. Sebut juga manfaat yang gak berbentuk uang, misalnya laporan yang siap 3 hari lebih awal.
Soalnya: omzet Toko Berkah turun 18 persen bulan September dibanding Agustus. Ini bentuk jawaban yang runut dalam 4 menit.
Klarifikasi. "Sebelum jawab, aku mau pastiin dulu. Turun 18 persen ini omzet kotor atau setelah diskon? Dan apakah jumlah hari operasionalnya sama?"
Metrik. "Aku bakal lihat omzet harian per cabang, plus jumlah transaksi dan nilai rata-rata transaksi sebagai dua komponennya."
Pecah. "Kalau jumlah transaksinya tetap tapi nilai rata-ratanya turun, artinya orang masih datang tapi belanja lebih sedikit. Kalau kebalikannya, masalahnya di jumlah pengunjung."
Uji hipotesis. "Empat dugaan, urut dari yang paling murah dicek: efek musiman setelah belanja sekolah Agustus, satu cabang bermasalah, stok kosong di produk laris, dan pesaing baru di sekitar cabang."
Angka pendukung. Waktu datanya dipotong per cabang, tiga cabang turun 6 sampai 9 persen sementara cabang Godean turun 41 persen. Jumlah transaksinya turun 38 persen, nilai rata-ratanya cuma turun 5 persen. Artinya orangnya yang berkurang.
Rekomendasi. "Fokus ke Godean dulu. Cek jam kasir, ketersediaan produk laris, dan apakah ada toko baru di radius 500 meter. Pantau jumlah transaksi harian cabang itu selama 2 minggu sebagai tanda perbaikan."
Perhatiin bahwa jawaban ini gak pernah nebak penyebab tunggal. Dia nyempitin ruang masalah sampai tinggal satu cabang.
"Mungkin karena kompetitor" tanpa proses apa pun bikin nilai kamu jatuh, walaupun tebakannya kebetulan bener.
Pewawancara gak bisa baca pikiran. Ucapkan proses berpikirnya, termasuk waktu kamu ragu.
Kata retensi tanpa penjelasan bisa berarti lima hal berbeda. Sebut definisinya sekali di awal.
Rekomendasi diskon 30 persen memang naikin transaksi. Kalau kamu gak nyebut dampaknya ke margin, itu jawaban setengah jadi.
Studi kasus selesai di rekomendasi yang bisa dikerjakan orang, lengkap sama KPI buat mantau hasilnya.
Di interview beneran, satu studi kasus biasanya dikasih 15 sampai 25 menit termasuk tanya jawab. Waktu latihan, pasang timer 10 menit supaya kamu terbiasa memilih poin yang penting. Habiskan 2 menit pertama buat klarifikasi dan susun kerangka, jangan langsung nyebut angka.
Bukan cuma boleh, itu justru yang dinilai. Soal studi kasus sengaja dibikin kurang lengkap buat lihat apakah kamu sadar informasi apa yang hilang. Tanya definisi metriknya, rentang waktunya, dan cakupan pasarnya. Tapi batasi di dua sampai tiga pertanyaan, jangan sampai habis waktu cuma buat klarifikasi.
Bilang apa yang kamu tau dan apa yang kamu butuhin buat tau sisanya. Pewawancara jauh lebih nyaman sama kandidat yang bilang butuh data pembanding tiga bulan sebelumnya, daripada kandidat yang nebak angka dengan percaya diri. Nebak tanpa dasar itu risiko terbesar di studi kasus.
Cuma kalau diminta. Studi kasus bisnis nguji cara berpikir, sesi SQL biasanya terpisah. Yang berguna adalah nyebut data apa yang kamu butuhin dan dari tabel mana, misalnya transaksi harian per cabang dan status pengguna baru. Itu udah cukup nunjukin kamu paham sumber datanya.
Soal data analyst lebih banyak soal diagnosis metrik bisnis seperti omzet, margin, dan retensi pelanggan. Soal product analyst lebih sering minta kamu ngedesain metrik baru buat fitur, ngerancang eksperimen, dan nentuin kapan fitur layak dirilis penuh. Kerangka lima langkahnya sama, contoh datanya yang beda.
Ambil satu soal per hari, pasang timer 10 menit, dan jawab dengan suara keras sambil direkam. Dengerin rekamannya besok. Bagian yang kamu sendiri bingung waktu dengerin ulang, itu bagian yang perlu diperbaiki.
Dua hal yang paling cepat naikin kualitas jawaban: selalu mulai dari klarifikasi, dan selalu pecah metrik jadi dua komponen sebelum nyari penyebab.
Buat perhitungan uji signifikansi di soal eksperimen, referensi fungsi statistiknya ada di dokumentasi resmi SciPy.
Kalau kamu mau otomatiskan pemantauan metrik yang jadi rekomendasimu, lanjut ke cara bikin skrip analisis terjadwal.
Coba soal nomor 1 hari ini, tulis kerangka jawabanmu di komentar.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kerja data analyst di luar negeri bukan soal ijazah luar negeri. Yang nentuin: sponsorship visa, portfolio, dan negara yang kamu incar.
Financial analyst kerja di angka uang, data analyst kerja di angka apa pun. Tapi di 2026 tools-nya makin sama. Ini beda dan irisannya.
Apa itu marketing analyst, metrik apa yang tiap hari dipegang, tools yang wajib bisa, dan jalur masuk yang paling realistis buat orang non-teknis di Indonesia.