TL;DR
Pindah dari kasir ke analis data itu mungkin, dan jalur tercepatnya lewat data yang udah kamu pegang tiap hari di kasir: transaksi, stok, jam ramai, retur. Rani butuh 14 bulan belajar sambil kerja, dengan urutan Excel, SQL, lalu visualisasi. Yang bikin dia dipanggil interview bukan sertifikat, tapi satu portofolio berisi analisis pola belanja toko tempat dia kerja, lengkap dengan rekomendasi jam restock yang beneran dipakai supervisornya.
Rani kerja empat tahun jadi kasir di minimarket cabang Bekasi sebelum akhirnya jadi analis data di sebuah perusahaan distribusi FMCG. Butuh 14 bulan belajar sambil tetap masuk shift.
Aku ngobrol sama dia buat ngerti urutan yang dia tempuh. Namanya aku samarkan, dan beberapa angka toko sengaja dibulatkan atas permintaan dia. Sisanya apa adanya, termasuk bagian yang gagalnya.
Cerita pindah karier biasanya diceritain versi rapinya doang. Yang ini aku minta versi lengkap, termasuk tiga bulan pertama yang nyaris nggak ada hasilnya.
Kasir megang titik paling padat data di sebuah toko. Tiap transaksi lewat tanganmu, dan kamu lihat langsung hal yang nggak kelihatan di laporan.
Rani tau jam 17.30 sampai 19.00 antrean paling panjang di harian, tapi Sabtu pola itu geser ke jam 11.00. Dia tau produk mana yang sering diambil lalu ditaruh balik di rak dekat kasir. Dia tau retur susu UHT naik tiap habis promo beli dua gratis satu, karena pelanggan ambil yang tanggal kedaluwarsanya paling dekat.
Analis yang cuma dapat tabel transaksi nggak punya konteks ini. Mereka lihat angka retur naik dan nulis "perlu investigasi lanjutan".
Modal kayak gini nggak muncul di CV kalau kamu cuma nulis "melayani pelanggan dan mengoperasikan mesin kasir". Muncul kalau kamu ubah jadi pertanyaan yang bisa dijawab pakai data.
Rani sempat salah start. Tiga bulan pertama dia mulai dari Python, ikut kelas gratis, dan berhenti di materi ke tujuh karena nggak ngerti buat apa.
Setelah itu dia balik ke urutan yang lebih masuk akal buat orang ritel.
| Tahap | Durasi | Yang dipelajari | Output nyata |
|---|---|---|---|
| 1. Excel serius | 3 bulan | Pivot table, VLOOKUP, SUMIFS, tanggal | Rekap harian toko yang tadinya manual jadi otomatis |
| 2. SQL dasar | 4 bulan | SELECT, WHERE, GROUP BY, JOIN, window function | Query pola belanja per jam dari data ekspor kasir |
| 3. Visualisasi | 2 bulan | Looker Studio, prinsip baca grafik | Dashboard stok dan penjualan buat supervisor |
| 4. Portofolio dan lamaran | 5 bulan | Nulis temuan, latihan studi kasus | 3 proyek, 61 lamaran, 7 interview |
Yang bikin tahap satu jalan: dia langsung pakai buat kerjaan sendiri. Rekap penjualan harian yang biasanya 40 menit tiap tutup toko, setelah dibikin pakai SUMIFS dan pivot, turun jadi sekitar 8 menit.
Supervisornya nanya gimana caranya. Dari situ Rani dapat izin ekspor data transaksi mentah buat dipelajari di rumah, dengan syarat nama pelanggan dihapus.
Izin ini yang jadi pembeda besar. Dia punya data ritel asli sementara pelamar lain pakai dataset latihan yang sama persis dengan ribuan orang lain.
Tiga proyek, dan yang paling sering ditanya waktu interview cuma satu.
Proyek 1: Pola belanja per jam dan rekomendasi jam restock. Dia ambil 11 bulan data transaksi satu cabang, sekitar 148 ribu baris. Pertanyaannya sederhana: jam berapa rak paling sering kosong dibanding jam permintaan tertinggi?
Temuannya: 4 dari 12 kategori cepat laku punya puncak permintaan jam 17.00 sampai 19.30, tapi jadwal restock rutin jam 08.00 dan 14.00. Artinya rak sering kosong justru di jam paling ramai.
Dia usulin geser satu sesi restock ke jam 15.30 buat empat kategori itu doang. Supervisornya nyoba selama enam minggu. Kejadian rak kosong di jam sibuk untuk empat kategori tersebut turun dari rata-rata 9 kali seminggu jadi 3 kali seminggu.
Itu bukan angka besar. Tapi itu angka nyata, dari keputusan nyata, yang bisa dia ceritakan detailnya sampai ke asumsi yang dia pakai.
Proyek 2: Analisis retur setelah promo. Lebih kecil, tapi nunjukin dia bisa nyari sebab, bukan cuma nampilin grafik.
Proyek 3: Dashboard stok mingguan. Ini yang paling kurang menarik menurut dia, tapi paling sering dipakai orang toko. Konsep dasarnya mirip yang aku bahas di dashboard stok barang.
Satu hal yang dia sesalin: proyek satu baru dibikin di bulan ke sembilan. Kalau dibikin di bulan ketiga, dia yakin proses lamarannya bisa lebih cepat beberapa bulan.
Bukan materinya. Yang berat itu jadwal.
Shift kasir muter. Minggu ini pagi, minggu depan siang, kadang tutup toko jam 22.00. Belajar dengan jadwal yang berubah tiap minggu bikin kebiasaan susah kebentuk.
Cara dia nyiasatin: nggak pasang jam belajar tetap, tapi pasang aturan "selalu sebelum berangkat kerja, berapapun sisanya". Kadang cuma 25 menit. Yang penting nggak nol.
Berat kedua: 61 lamaran, 7 panggilan interview, 1 tawaran. Ada rentang empat bulan dia nggak dapat balasan sama sekali.
Yang berubah di bulan kesebelas: dia berhenti nulis lamaran generik dan mulai nyebut satu temuan spesifik dari proyeknya di paragraf pertama surat lamaran. Dari 14 lamaran setelah perubahan itu, dia dapat 5 panggilan.
Berat ketiga: rasa nggak pantas. Dia sempat nolak ngelamar ke satu lowongan karena syaratnya "minimal S1 statistik atau sejenisnya". Perusahaan yang akhirnya nerima dia punya syarat serupa di iklannya.
Kalau kamu lagi di posisi ini, ada pembahasan lebih panjang soal jalur masuk tanpa latar belakang IT di artikel ini.
Ini bagian yang paling banyak nentuin, menurut Rani.
Pewawancara nanya kenapa dia pindah dari kasir. Jawaban pertama yang dia siapin dulu: "karena pengen berkembang". Jawaban itu nggak menarik dan gampang ditebak.
Yang dia pakai belakangan: dia cerita soal angka retur susu UHT yang naik tiap habis promo, dan gimana laporan bulanan cuma nulis "retur meningkat" tanpa nyebut sebabnya. Lalu dia jelasin apa yang dia lakuin buat nyari sebabnya.
Bedanya jauh. Yang pertama jawaban motivasi, yang kedua bukti cara berpikir.
Buat kamu yang nyiapin interview serupa, format jawabannya bisa kamu latih pakai kerangka di interview behavioral data analyst.
Satu pertanyaan teknis yang dia hampir gagal: diminta jelasin beda metric dan dimensi, lalu diminta nyebut satu metrik yang menyesatkan kalau dilihat sendirian. Dia jawab rata-rata nilai transaksi, karena satu pembelian grosir bisa narik rata-rata naik padahal jumlah pembeli turun.
Rani minta bagian ini ditulis hati-hati, jadi aku sebutin rentang saja.
Gaji kasirnya waktu itu di kisaran upah minimum kota tempat dia kerja, ditambah uang lembur. Tawaran pertama sebagai analis data junior naik sekitar 40 persen dari total penghasilan bulanannya, tapi tanpa lembur.
Yang dia tekankan: kenaikan itu nggak langsung. Di enam bulan pertama sebagai analis, jam kerjanya justru lebih panjang karena dia harus ngejar banyak hal dari nol.
Kalau kamu mau angka pasaran yang lebih terukur per kota dan level, ada datanya di panduan negosiasi gaji data analyst.
Empat hal yang menurutku paling bisa ditiru.
Mulai dari data yang udah kamu pegang. Kamu kasir, teller, admin gudang, atau staf apotek? Data di tempatmu itu bahan portofolio yang nggak dimiliki pelamar lain. Minta izin, samarkan yang sensitif, lalu pakai.
Urutannya Excel dulu, baru SQL. Bukan karena Python jelek, tapi karena Excel kasih hasil yang kelihatan minggu pertama. Motivasi itu bahan bakar yang habis kalau nggak diisi hasil.
Bikin portofolio sebelum merasa siap. Rani nunggu sampai bulan kesembilan dan nyesel. Proyek pertama yang jelek tetap lebih berguna dari proyek sempurna yang belum ada.
Selesaikan sampai ada rekomendasi. Grafik doang nggak cukup. Yang bikin proyeknya nyantol di ingatan pewawancara adalah kalimat "jadwal restock digeser ke 15.30 dan kejadian rak kosong turun".
Kalau kamu lagi di awal dan belum tau mulai dari mana, coba pilih satu pertanyaan tentang tempat kerjamu sekarang yang jawabannya kamu penasaran. Satu pertanyaan, bukan sepuluh. Lalu cari datanya minggu ini juga.
Lanjut baca cara bikin portofolio data tanpa pengalaman kerja buat nyusun proyek pertamamu, atau panduan career switch ke data analyst buat gambaran jalur yang lebih lengkap.
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.