TL;DR
Buku data analyst yang paling kepakai di kerjaan nyata cuma sedikit: satu buku SQL, satu buku statistik dasar, satu buku visualisasi, dan satu buku storytelling. Sisanya pelengkap. Kunci utamanya bukan berapa banyak buku yang kamu beli, tapi apakah tiap bab langsung kamu praktekin ke data sendiri dalam 24 jam setelah baca.
Buku data analyst yang paling kepakai di kerjaan nyata cuma sedikit. Sisanya numpuk di rak, bikin kamu ngerasa produktif padahal belum nulis satu query pun.
Daftar ini aku susun dari yang beneran aku buka lagi pas kerja. Bukan yang paling banyak direkomendasiin di internet.
Aku juga tulis buku mana yang biasanya nganggur, dan kenapa.
Buku pertama yang harusnya kamu baca, bahkan sebelum belajar SQL.
Isinya soal cara nyampein angka biar orang ngerti. Kenapa pie chart hampir selalu jelek. Kenapa chart kamu butuh judul yang nyatain kesimpulan, bukan cuma "Penjualan per Bulan".
Kenapa kepakai: skill ini yang bikin bosmu percaya sama analisis kamu. Query jago tapi chart-nya nggak kebaca = analisis yang nggak dipakai.
Level: pemula banget. Kalimatnya pendek, banyak gambar.
Kedengeran kuno, tapi 70% kerjaan analis di UMKM dan kantor menengah Indonesia masih lewat spreadsheet.
Kenapa kepakai: ngajarin pivot table dan analisis dasar dengan konteks statistik yang bener, bukan sekadar tutorial klik-klik.
Kalau kamu lebih suka belajar rumusnya langsung, mampir ke panduan fungsi VLOOKUP dan SUMIFS.
Buku SQL terbaik buat analis, bukan buat database admin. Bedanya penting.
Dia ngajarin dari sudut pandang orang yang mau jawab pertanyaan bisnis, bukan yang mau ngerawat server.
Bab yang paling kepakai: yang soal profiling data, gimana kenalan sama tabel yang baru pertama kali kamu buka.
Lebih tebal, lebih dalam. Bab window function-nya paling jelas dari semua buku yang pernah aku baca.
Kenapa kepakai: contoh-contohnya pakai data publik beneran (data sensus AS), jadi kamu latihan sama data berantakan, bukan data mainan.
Kalau kamu belum pernah nulis query sama sekali, mulai dari panduan belajar SQL untuk pemula dulu, baru buka buku ini.
Statistik tanpa rumus yang bikin pusing. Isinya cerita dan contoh kasus.
Kenapa kepakai: kamu bakal ngerti kenapa rata-rata bisa nipu, apa artinya sampel yang bias, dan kenapa korelasi bukan sebab-akibat. Konsep-konsep ini kepakai tiap minggu.
Naik satu level dari Naked Statistics. Ada kodenya (R dan Python), tapi penjelasannya tetap manusiawi.
Kapan dibaca: pas kamu udah mulai diminta ngevaluasi A/B test atau ditanya "ini bedanya signifikan nggak?"
28 contoh dashboard nyata, lengkap dengan kritik kenapa desainnya begitu.
Kenapa kepakai: ini buku yang paling sering aku buka lagi pas mau bikin dashboard baru. Nyari inspirasi struktur, bukan nyari teori.
Lebih tua dan lebih galak. Dia bakal bikin kamu berhenti pakai chart 3D selamanya.
Kapan dibaca: habis kamu bikin 5 dashboard dan mulai ngerasa ada yang salah tapi nggak tau apa.
Buku soal milih metrik yang bener. Kenapa "jumlah pengguna" itu vanity metric, dan apa yang harusnya kamu ukur.
Kenapa kepakai: begitu kamu bisa bilang "metrik ini nggak nyambung sama keputusan apa pun", kamu naik dari tukang tarik data jadi partner bisnis.
Bukan buku data, tapi buku soal gimana otak manusia (termasuk otak kamu) salah ngambil kesimpulan.
Kenapa kepakai: kamu bakal lebih hati-hati sama analisis kamu sendiri. Confirmation bias itu nyata, dan analis kena juga.
Aku tanya 34 orang di komunitas ngulikdata: buku data mana yang kamu beli tapi nggak selesai? Jawabannya numpuk di dua kategori.
| Kategori | Berapa yang nyebut | Alasan berhenti |
|---|---|---|
| Buku statistik matematis tebal | 19 dari 34 | Rumusnya nggak nyambung sama kerjaan harian |
| Buku machine learning teoritis | 14 dari 34 | Belum kepakai, kerjaan masih di level SQL & dashboard |
| Buku Python 800 halaman | 11 dari 34 | Kelamaan sampai bagian yang berguna |
Rata-rata mereka berhenti di bab 3.
Bukan berarti buku-buku itu jelek. Cuma waktunya belum pas. Kalau kerjaan kamu belum nyentuh machine learning, buku ML bakal jadi pajangan mahal.
Ini bagian yang lebih penting dari daftar bukunya sendiri.
Aturan 24 jam. Tiap selesai satu bab, praktekin ke data kamu sendiri dalam 24 jam. Bukan data contoh di buku, data kerjaan kamu, atau data publik dari BPS.
Satu bab per minggu, bukan satu buku per minggu. Buku 12 bab selesai 3 bulan, tapi ilmunya nempel. Kalau kamu ngebut 12 bab seminggu tanpa praktek, sebulan lagi kamu lupa semuanya.
Baca dua buku maksimal, jangan lima. Satu buku teknis (SQL atau statistik), satu buku ringan (visualisasi atau storytelling). Lebih dari itu, nggak ada yang selesai.
Tulis satu paragraf setelah tiap bab. Apa yang aku pelajari, dan di mana aku bakal pakai. Kalau nggak bisa jawab yang kedua, kemungkinan besar bab itu belum kamu butuhin sekarang.
Beli 5 buku sekaligus pas lagi semangat. Semangatnya habis di minggu ketiga, bukunya masih 5.
Mulai dari buku statistik tebal. Ini cara tercepat buat nyerah. Mulai dari yang tipis dan langsung kepakai.
Baca tanpa nulis query. Kamu bisa hafal semua sintaks SQL dari buku dan tetap bengong pas ketemu tabel asli.
Nunggu selesai baca baru mulai kerja. Nggak akan pernah selesai. Mulai kerja sambil baca.
Kalau bener-bener mulai dari nol, baca Storytelling with Data dulu. Bukunya tipis dan langsung ngubah cara kamu bikin chart. Habis itu baru masuk SQL lewat SQL for Data Scientists. Jangan mulai dari buku statistik tebal. Kebanyakan orang berhenti di bab 3.
Dua-duanya kepakai buat hal berbeda. YouTube bagus buat lihat orang ngetik query. Buku bagus buat ngerti kenapa satu pendekatan lebih baik dari yang lain, dan itu yang bikin kamu bisa mikir sendiri pas ketemu masalah baru.
Ada beberapa, tapi pilihannya masih terbatas. Buat SQL dan visualisasi, buku bahasa Inggris masih jauh lebih update. Kalau bahasa Inggris kamu berat, mulai dari buku bergambar kayak Storytelling with Data yang kalimatnya pendek.
Jangan kejar buku selesai, kejar bab yang kepraktekin. Satu bab per minggu plus 2 jam praktek ke data kerjaan sendiri. Buku 12 bab selesai 3 bulan, tapi ilmunya nempel.
Dari 34 orang yang aku tanya di komunitas ngulikdata, 19 nyebut buku statistik matematis tebal dan 14 nyebut buku machine learning teoritis. Rata-rata berhenti di bab 3, karena materinya belum nyentuh kerjaan harian mereka.
Kalau kamu baru mulai, ambil Storytelling with Data plus latihan SQL harian. Kombinasi ini yang paling cepat bikin kerjaan kamu keliatan bedanya.
Buat latihan SQL-nya, langsung aja di NgulikSQL, nulis query di browser, nggak perlu install apa-apa.
Lanjut baca roadmap Business Intelligence kalau kamu mau tau urutan skill yang perlu kamu bangun setelah baca.
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.