TL;DR
Career switch ke data analyst realistis dalam 6 bulan kalau kamu konsisten 10-12 jam per minggu dan fokus ke tiga hal: SQL, spreadsheet, dan satu tool visualisasi. Dua proyek portofolio yang selesai lebih ngefek dari sepuluh sertifikat. Kuncinya bukan nambah tool baru, tapi punya bukti kerja yang bisa dibuka orang lain.
Career switch ke data analyst butuh sekitar 6 bulan belajar dengan intensitas 10-12 jam per minggu, plus 2-4 bulan lagi buat proses lamaran. Itu angka realistis buat orang yang masih kerja full-time.
Aku dulu dari mining engineering. Bukan IT, bukan statistik. Yang bikin aku akhirnya dapet kerja bukan sertifikat, tapi dua proyek yang bisa dibuka orang di browser mereka.
Di bawah ini rencana bulan per bulan, skill apa yang dipelajari kapan, dan jebakan yang bikin banyak orang stuck di bulan ketiga.
Tiga skill inti, dan urutannya penting:
| Skill | Seberapa sering muncul di lowongan | Waktu belajar sampai layak |
|---|---|---|
| SQL | Hampir semua | 6-8 minggu |
| Spreadsheet (Excel/Sheets) | Sebagian besar | 3-4 minggu |
| Tool visualisasi (Looker Studio / Tableau / Power BI) | Sekitar separuh | 3-4 minggu |
| Python | Sekitar sepertiga | 10-12 minggu |
| Statistik dasar | Jarang diminta eksplisit, sering ditanya waktu wawancara | 3-4 minggu |
Perhatiin bahwa Python ada di posisi keempat. Banyak orang mulai dari sini, dan itu yang bikin mereka habis 3 bulan tanpa bisa ngelamar ke mana-mana.
SQL dulu. Selalu SQL dulu.
Target akhir bulan 2: kamu bisa jawab pertanyaan bisnis yang butuh 2-3 tabel digabung, tanpa googling sintaks.
Minggu 1-2: dasar. SELECT, WHERE, ORDER BY, LIMIT. Ini gampang, jangan kelamaan di sini.
Minggu 3-4: agregasi. GROUP BY, COUNT, SUM, AVG, HAVING. Di sini SQL mulai berguna. Kamu bisa jawab "berapa omzet per kota per bulan".
Minggu 5-6: JOIN. Ini yang misahin orang yang bisa SQL dari orang yang pernah lihat SQL. INNER, LEFT, dan ngerti kenapa LEFT JOIN kadang ngasih baris kosong. Baca referensi JOIN sampai kamu bisa gambar hasilnya di kepala sebelum jalanin query.
Minggu 7-8: window function dan CTE. ROW_NUMBER, RANK, running total. Plus WITH untuk mecah query panjang jadi potongan yang kebaca.
Ukuran kamu udah siap: bisa nulis query yang jawab "produk apa yang penjualannya turun 3 bulan berturut-turut" tanpa buka contekan.
Kalau tiap hari cuma 1 jam, jangan 1 jam nonton video. 20 menit baca, 40 menit nulis query sendiri. Perbandingan ini yang paling sering kebalik.
Di sinilah 80% orang gagal. Bukan karena skill-nya kurang. Mereka pindah ke tutorial berikutnya, bukan bikin sesuatu.
Namanya Tutorial Paralysis: nonton terus, ngerti terus, tapi gak pernah bikin apa-apa yang bisa dibuka orang lain.
Ambil dataset publik Indonesia. Data BPS, data terbuka Pemprov DKI, atau data penjualan UMKM. Jangan pakai dataset Titanic atau Iris, itu udah dipakai 50 ribu orang dan recruiter langsung skip.
Alurnya:
Bagian nomor 5 itu yang paling sering dilewatin, dan justru itu yang paling dibaca recruiter.
Cari data yang jelek beneran. Tanggal formatnya campur, nama kota ada yang "Jakarta", "DKI Jakarta", "jakarta ", angka disimpen sebagai teks.
Kenapa ini penting? Karena 60-70% kerjaan data analyst asli itu bersih-bersih data. Proyek yang nunjukin kamu bisa handle data jelek lebih meyakinkan dari dashboard cantik dari data yang udah rapi.
Dua proyek. Selesai. Bukan lima yang setengah jadi.
CV data analyst yang bagus isinya angka, bukan kata sifat.
Buruk: "Berpengalaman dalam analisis data dan pembuatan laporan."
Bagus: "Bangun dashboard penjualan dari 4.812 transaksi UMKM; nemuin 7 produk dengan perputaran di atas 20 bulan senilai Rp8,4 juta modal nganggur."
Yang kedua bisa diverifikasi. Yang pertama bisa ditulis siapa aja.
Kalau kamu masih kerja di bidang lain, pengalaman lama kamu bukan beban. Orang finance ngerti angka bisnis. Orang marketing ngerti perilaku pelanggan. Tulis itu sebagai bekal domain.
Cek juga panduan negosiasi gaji data analyst sekarang, bukan nanti pas udah dapet tawaran. Kamu butuh angka pasar di kepala sebelum HR nanya.
Ini bagian yang jarang dibilang orang: rasio lamaran ke wawancara buat career switcher itu kejam.
Patokan kasar dari yang aku amati: dari 30 lamaran, sekitar 5 wawancara, dan 1 tawaran. Kalau kamu nyerah di lamaran ke-10, kamu berhenti tepat sebelum angka statistiknya mulai kerja.
Strategi yang lebih ngefek dari nembak 100 lowongan:
Wawancara teknis data analyst di Indonesia hampir selalu ada tes SQL. Biasanya 3-5 soal: agregasi, JOIN, dan satu soal window function. Latihan nulis query di kertas. Banyak yang masih pakai whiteboard.
Minggu ini Python, minggu depan Tableau, minggu depannya lagi R. Enam bulan lewat, kamu kenal 6 tool tapi gak jago satu pun.
Kuasai SQL sampai lancar dulu. Baru tool lain.
Sertifikat gak pernah jadi alasan orang dipanggil wawancara. Portofolio iya. Kalau kamu punya waktu 20 jam, pakai buat bikin proyek, bukan buat ngerjain kuis sertifikasi.
Kamu gak akan pernah ngerasa siap. Analis yang udah kerja 5 tahun masih googling sintaks. Mulai lamar di bulan 5, walau kamu ngerasa masih kurang.
Tanpa orang yang ngoreksi, kamu bisa 6 bulan nulis query yang jalan tapi jelek. Cari satu orang yang bisa review kerjaan kamu, komunitas, teman, siapa pun.
Titanic. Iris. Netflix movies. Recruiter udah lihat itu ratusan kali. Data Indonesia yang jarang disentuh bikin proyek kamu langsung beda.
10-12 jam per minggu sambil kerja full-time. Ini pembagian yang paling sering berhasil:
Yang bikin ini gagal biasanya bukan kurang jam, tapi jam yang dipakai buat nonton, bukan buat nulis query.
Bisa, kalau kamu konsisten 10 sampai 12 jam per minggu dan fokus ke skill yang beneran dipakai. Yang gak realistis itu bukan waktunya, tapi ekspektasinya. Setelah 6 bulan kamu siap buat posisi junior atau associate, bukan senior. Dan proses lamarannya sendiri biasanya makan 2 sampai 4 bulan lagi. Jadi total dari nol sampai kerja, sekitar 8 sampai 10 bulan.
Gak wajib buat posisi junior di Indonesia. Dari lowongan data analyst yang aku amati, SQL muncul hampir di semua, spreadsheet di sebagian besar, Python cuma di sekitar sepertiga. Kalau waktu kamu terbatas, kuasai SQL sampai beneran lancar dulu. Python bisa nyusul setelah kamu kerja, dan biasanya lebih cepat dipelajari kalau kamu udah paham logika data.
Gak perlu. Yang bikin kamu diterima itu portofolio dan kemampuan jawab pertanyaan teknis, bukan nama bootcamp di CV. Bootcamp berguna kalau kamu butuh struktur dan deadline dari luar, dan kamu punya duitnya. Tapi banyak yang lulus bootcamp tetap gak dapet kerja soalnya proyek mereka sama persis kayak 200 lulusan lain di angkatan itu.
Dua proyek yang selesai lebih baik dari lima yang setengah jadi. Satu proyek analisis dengan SQL plus dashboard, satu lagi proyek pembersihan data yang berantakan. Pakai data Indonesia yang orang lain jarang pakai, misal dari BPS atau data terbuka pemerintah daerah. Tiap proyek harus punya tulisan singkat: pertanyaan apa yang dijawab, gimana caranya, dan apa temuannya.
Bisa, dan pengalaman kerja kamu sebelumnya itu nilai tambah, bukan beban. Orang yang pernah kerja di finance ngerti angka bisnis. Orang marketing ngerti perilaku pelanggan. Analis yang paham konteks bisnis jauh lebih berguna dari analis yang cuma bisa nulis query. Sebut pengalaman lama kamu sebagai bekal domain, bukan sebagai sesuatu yang kamu tinggalin.
Ringkasnya:
Hari ini, buka satu dataset publik dan tulis satu pertanyaan yang mau kamu jawab. Satu kalimat. Itu langkah pertamanya. Bukan install tool, bukan beli kursus.
Mulai dari SQL: cek referensi fungsi SELECT dan definisi peran data analyst di glosarium ngulikdata. Lowongan yang mau kamu incar bisa kamu lihat sendiri strukturnya di profil pekerjaan analis data BLS. Pasar Indonesia beda angkanya, tapi tugas hariannya mirip.
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.