Career Switch ke Data Analyst: Rencana 6 Bulan yang Realistis

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.

Skill apa yang beneran dibutuhin data analyst?

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.

Bulan 1–2: SQL sampai lancar, bukan sampai kenal

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.

Bulan 3–4: dua proyek portofolio yang selesai

Di sinilah 80% orang gagal. Bukan karena skill-nya kurang — tapi karena 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.

Proyek 1: analisis + dashboard

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:

1. Tentuin satu pertanyaan bisnis yang jelas. Bukan "analisis data penjualan", tapi "produk mana yang stoknya numpuk tapi jarang laku, dan berapa rupiah yang nganggur di rak?"
2. Bersihin datanya. Dokumentasikan apa yang kamu bersihin.
3. Query pakai SQL. Simpen query-nya.
4. Bikin dashboard di Looker Studio (gratis).
5. Tulis ringkasan 500 kata: pertanyaannya apa, caranya gimana, temuannya apa, rekomendasinya apa.

Bagian nomor 5 itu yang paling sering dilewatin, dan justru itu yang paling dibaca recruiter.

Proyek 2: data yang berantakan

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.

Bulan 5: CV, LinkedIn, dan cara nulis bukti

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.

Bulan 6: lamar dengan angka yang realistis

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:

• Lamar internal dulu. Kalau kantor kamu sekarang punya tim data, minta proyek sampingan. Pindah internal jauh lebih gampang dari pindah eksternal.
• Posisi "analyst" di industri lama kamu. Kamu udah ngerti bisnisnya, tinggal buktiin bisa querynya.
• Startup tahap awal. Mereka lebih peduli kamu bisa apa daripada gelar kamu apa.

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.

Kesalahan yang bikin rencana 6 bulan jadi 2 tahun

Ngumpulin tool, bukan skill

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.

Ngejar sertifikat

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.

Nunggu ngerasa "siap"

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.

Belajar sendirian total

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.

Bikin portofolio dari dataset yang semua orang pakai

Titanic. Iris. Netflix movies. Recruiter udah lihat itu ratusan kali. Data Indonesia yang jarang disentuh bikin proyek kamu langsung beda.

Jadwal mingguan yang beneran bisa dijalanin

10–12 jam per minggu sambil kerja full-time. Ini pembagian yang paling sering berhasil:

• Senin–Jumat: 1 jam per hari, pagi sebelum kerja. 20 menit baca, 40 menit praktek.
• Sabtu: 4 jam. Ini waktu proyek — bukan waktu belajar hal baru.
• Minggu: 2 jam. Review yang udah dikerjain, rapiin catatan.
• Satu hari libur penuh. Bukan opsional. Yang burnout di bulan 3 itu yang gak pernah libur.

Yang bikin ini gagal biasanya bukan kurang jam, tapi jam yang dipakai buat nonton, bukan buat nulis query.

FAQ

Beneran bisa career switch ke data analyst dalam 6 bulan?

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.

Harus belajar Python juga gak buat jadi data analyst?

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.

Perlu ikut bootcamp yang mahal gak?

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.

Portofolio isinya harus apa aja?

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.

Umur 30-an masih bisa switch ke data?

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.

Penutup

Ringkasnya:

• SQL dulu, 2 bulan penuh. Tool lain nyusul.
• Dua proyek yang selesai pakai data Indonesia yang jarang disentuh orang.
• Lamar di bulan 5 walau kamu ngerasa belum siap. Kamu gak akan pernah ngerasa siap.

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.