Claude untuk Analisa Data: Kelebihan yang Jarang Dibahas

Claude bisa baca file CSV kamu, nulis query SQL, dan jelasin logika analisis yang bikin kamu bingung. Itu tiga hal yang paling sering aku pakai dia buat kerjaan data.

Yang jarang dibahas: batasannya. Claude bisa salah hitung, dan dia nggak tau kolom mana di database kamu yang datanya udah busuk sejak 2024.

Artikel ini alur kerja yang beneran aku pakai — bukan daftar fitur. Plus cara verifikasi hasilnya biar kamu nggak kirim angka salah ke bos.

Apa yang bisa dilakukan Claude buat analisa data?

Claude bisa dipakai buat tiga hal di alur kerja analis: mrosesin file data yang kamu upload, nulis query atau kode dari deskripsi masalah, dan jelasin kode yang orang lain tulis. Semuanya lewat percakapan biasa, tanpa install apa pun.

Yang bikin dia beda dari asisten AI lain di kerjaan data: jendela konteksnya panjang. Kamu bisa kirim skema 15 tabel sekaligus, plus 200 baris data contoh, dan Claude masih inget semuanya waktu nulis query di pesan ke-10.

Tugas	Seberapa bisa diandalkan	Catatan
Nulis query SQL dari deskripsi	Tinggi	Asal kamu kasih skema tabelnya
Jelasin query orang lain	Tinggi	Paling underrated
Analisis file CSV yang di-upload	Tinggi kalau dia nulis kode	Cek kodenya, bukan cuma hasilnya
Hitung angka dari teks tanpa kode	Rendah	Di sini dia paling sering salah
Tau data mana yang bisa dipercaya	Nggak bisa	Cuma kamu yang tau

Gimana cara analisis file CSV pakai Claude?

Upload file-nya, terus tanya. Tapi cara nanya nentuin banget kualitas jawabannya.

Prompt yang jelek:

Analisis file ini dong.

Kamu bakal dapat ringkasan generik. Jumlah baris, nama kolom, statistik dasar. Nggak kepake.

Prompt yang bagus:

Ini data penjualan toko_berkah, 4.812 baris, Januari-Desember 2025.
Kolom: tanggal, kota, produk, kategori, qty, harga_satuan, total_harga, kasir.

Pertanyaanku: produk mana yang omzetnya turun 2 bulan berturut-turut?
Tolong tulis kodenya dulu, jalanin, terus kasih tabel hasilnya.
Kalau ada asumsi yang kamu ambil, sebutin.

Tiga hal yang bikin prompt ini kerja. Kamu kasih konteks tabelnya. Kamu kasih pertanyaan yang spesifik. Dan kamu minta dia tunjukin kodenya.

Bagian terakhir itu yang paling penting. Kalau Claude nulis kode Python dan menjalankannya, angkanya dihitung sama kode — bukan ditebak model. Itu bedanya jauh.

Gimana cara minta Claude nulis query SQL?

Kasih skema, bukan cuma pertanyaan.

Ini template yang aku pakai:

Database: PostgreSQL 15

Tabel toko_berkah:
- id_transaksi (varchar)
- tanggal (date)
- kota (varchar)
- produk (varchar)
- qty (int)
- harga_satuan (numeric)
- total_harga (numeric)

Aku mau: cari produk yang omzetnya turun 2 bulan berturut-turut.
Tulis query-nya, jelasin logikanya per bagian.

Hasilnya kira-kira gini:

WITH omzet_bulanan AS (
    SELECT
        produk,
        DATE_TRUNC('month', tanggal) AS bulan,
        SUM(total_harga) AS omzet
    FROM toko_berkah
    GROUP BY produk, DATE_TRUNC('month', tanggal)
),
dengan_lag AS (
    SELECT
        produk,
        bulan,
        omzet,
        LAG(omzet, 1) OVER (PARTITION BY produk ORDER BY bulan) AS omzet_lalu,
        LAG(omzet, 2) OVER (PARTITION BY produk ORDER BY bulan) AS omzet_2_lalu
    FROM omzet_bulanan
)
SELECT produk, bulan, omzet_2_lalu, omzet_lalu, omzet
FROM dengan_lag
WHERE omzet < omzet_lalu
  AND omzet_lalu < omzet_2_lalu
ORDER BY produk, bulan;

Query ini pakai LAG dan CTE. Kalau kamu belum paham dua-duanya, kamu nggak bisa ngecek benerannya — dan itu masalah.

Ini poin yang perlu jujur: Claude ngebantu kamu nulis query lebih cepat, tapi cuma kalau kamu udah bisa baca query. Kalau nggak, kamu cuma nyalin sesuatu yang nggak kamu ngerti.

Kelebihan yang jarang dibahas: minta dia jelasin kode orang lain

Ini use case yang paling aku sering pakai, dan paling jarang dibahas orang.

Kamu masuk perusahaan baru. Ada query 200 baris yang jalan tiap pagi, nggak ada yang tau siapa yang nulis, dan sekarang hasilnya aneh. Kamu harus benerin.

Prompt-nya:

Ini query yang aku warisin dari analyst sebelumnya.
Jelasin per bagian dia ngapain, dan tunjukin bagian mana
yang paling mungkin jadi sumber angka aneh.

[paste query 200 baris]

Claude bakal pecah query itu jadi bagian-bagian, jelasin tiap CTE ngapain, dan biasanya nunjuk hal yang kelewat — misalnya LEFT JOIN yang harusnya INNER JOIN, atau filter tanggal yang ngelewatin satu hari di ujung bulan.

Kerjaan yang biasanya makan 2 jam baca query, jadi 15 menit.

Ini beda sama minta dia nulis dari nol. Di sini kamu udah punya konteks kerjaannya, dan Claude cuma bantu kamu baca lebih cepat.

Contoh kasus: audit dashboard toko_berkah

Kasus nyata yang aku kerjain bulan lalu.

Angka omzet di dashboard beda 4,2% dari angka finance. Selisihnya kecil, tapi konsisten muncul tiap bulan. Nggak ada yang tau kenapa.

Yang aku lakuin: kirim skema 6 tabel yang kepake di dashboard ke Claude, plus query yang bikin measure omzetnya, plus definisi omzet versi finance.

Prompt-nya cuma: "cari kemungkinan sumber selisih 4,2% ini, urutkan dari yang paling mungkin."

Claude ngasih 5 kemungkinan. Nomor 2 tepat sasaran: query dashboard pakai total_harga yang udah termasuk ongkir, sementara finance ngitung omzet tanpa ongkir.

Aku cek. Ongkir rata-rata 4,1% dari nilai transaksi di dataset ngulikdata. Cocok.

Yang perlu digarisbawahi: Claude nggak nemuin ini sendirian. Dia nggak tau ada kolom ongkir yang kecampur. Dia bisa nebak setelah aku kirim skemanya. Dan aku yang harus verifikasi tebakannya.

Kerjaan 1 minggu jadi 1 hari. Tapi tetap butuh analyst yang tau harus ngasih konteks apa.

Kesalahan umum waktu pakai Claude buat data

1. Percaya angka yang dia sebut tanpa cek kodenya. Kalau Claude bilang "total omzet Jakarta Rp 31,5 juta" tapi nggak nunjukin kode yang ngitung, jangan percaya. Minta dia tulis kodenya, jalanin, dan tampilin hasilnya. Yang ngitung harus kode, bukan model.

2. Nggak kasih skema tabel. Ini penyebab nomor satu query yang salah. Claude bakal nebak nama kolom kamu, dan tebakan itu sering meleset. Kirim skemanya. Butuh 30 detik, ngehemat 3 kali bolak-balik.

3. Upload data sensitif tanpa mikir. Buat data pelanggan atau angka keuangan yang belum publik, jangan upload mentahnya. Kirim skema plus 5 baris contoh yang udah diacak. Claude nggak butuh data asli buat nulis query yang benar.

4. Minta "insight" tanpa kasih pertanyaan bisnis. "Kasih insight dari data ini" bakal ngasih kamu observasi generik yang nggak bisa dipakai buat keputusan. Kasih pertanyaan yang punya konsekuensi: "cabang mana yang harus kita tutup?" jauh lebih berguna.

5. Nyalin query yang nggak kamu ngerti. Kalau kamu nggak bisa jelasin ulang query itu ke orang lain, jangan pakai di produksi. Suatu hari dia bakal error, dan kamu yang harus benerin.

Batasan yang harus kamu tau

Claude nggak tau konteks perusahaan kamu. Dia nggak tau kolom status di tabel order udah nggak dipakai sejak migrasi 2024. Dia nggak tau tim marketing punya definisi "pelanggan aktif" yang beda dari tim finance.

Semua itu pengetahuan yang cuma ada di kepala orang-orang di kantor kamu. Dan itu bagian yang paling nentuin analisis kamu bener atau nggak.

Jadi Claude nggak gantiin analyst. Dia mempercepat bagian nulis dan ngerangkum — yang menurut pengalamanku makan 40-60% waktu kerja. Bagian mikir tetap kamu.

Detail kemampuan dan batasan teknisnya bisa kamu baca di dokumentasi resmi Anthropic.

FAQ

Apakah Claude bisa baca file Excel dan CSV langsung?

Bisa. Upload file-nya ke percakapan, lalu tanya apa yang mau kamu tau. Buat file besar, Claude bakal nulis kode Python buat mrosesnya, bukan baca baris per baris. Ini malah lebih akurat, soalnya hitungannya dikerjain kode. Batas ukuran file tergantung paket yang kamu pakai, tapi CSV di bawah 30 MB biasanya aman.

Apakah angka hasil analisa Claude bisa dipercaya?

Kalau Claude nulis dan menjalankan kode buat ngitung, angkanya biasanya benar karena yang ngitung itu kodenya. Kalau Claude ngerangkum angka dari teks tanpa ngitung, di situ dia bisa salah. Aturan yang aku pakai: minta dia tunjukin kodenya, lalu cek satu angka manual. Kalau satu angka cocok, biasanya sisanya juga.

Claude atau ChatGPT buat analisa data?

Dua-duanya bisa ngerjain tugas dasar analisa data dengan hasil mirip. Dari yang aku pakai sehari-hari, Claude lebih kuat waktu diminta jelasin logika query yang rumit dan waktu harus baca konteks panjang. Yang paling nentuin bukan modelnya, tapi seberapa jelas kamu ngasih konteks tabel dan pertanyaan bisnisnya.

Apakah data perusahaan aman kalau di-upload ke Claude?

Tergantung kebijakan perusahaan kamu dan paket yang dipakai. Buat data sensitif, cara paling aman itu jangan upload data mentahnya sama sekali. Kirim aja skema tabel dan beberapa baris contoh yang udah diacak. Claude nggak butuh data asli buat nulis query yang benar, dia cuma butuh tau nama kolom dan tipe datanya.

Apakah Claude bisa gantiin data analyst?

Nggak, dan bukan karena Claude kurang pintar. Bagian tersulit dari kerjaan analyst itu nentuin pertanyaan yang benar dan tau data mana yang bisa dipercaya. Claude nggak tau kalau kolom status di tabel kamu udah nggak dipakai sejak 2024. Dia bisa mempercepat bagian nulis query dan ngerangkum, yang biasanya makan 40-60% waktu kerja.

Ringkasan

Tiga cara pakai Claude yang beneran kepake: analisis file yang kamu upload (minta dia tunjukin kodenya), nulis query dari skema tabel (kasih skemanya, jangan cuma pertanyaan), dan jelasin query warisan yang bikin pusing.

Yang ketiga paling undervalued. Baca query 200 baris dari 2 jam jadi 15 menit.

Dan satu aturan yang nggak boleh dilanggar: kalau kamu nggak bisa jelasin ulang query-nya, jangan pakai.

Fondasinya tetap SQL. Kalau JOIN dan CTE masih goyang, mulai dari situ dulu — Claude bakal jauh lebih berguna kalau kamu bisa ngecek kerjaannya.

Mau lihat prompt-prompt yang udah aku uji buat kerjaan data? Ada di kumpulan prompt AI untuk data analyst.