TL;DR
Lulusan teknik sipil bisa pindah ke analis data tanpa kuliah lagi, soalnya modal hitungan, kontrol mutu, dan kebiasaan baca laporan progres udah kepakai tiap hari di proyek. Yang perlu ditambah cuma SQL, satu tool visualisasi kayak Power BI, dan statistik terapan secukupnya. Dengan latihan 1 jam per hari kerja plus 3 jam di akhir pekan, rencana pindah 8 bulan itu realistis sambil tetap kerja proyek.
Lulusan teknik sipil bisa pindah ke analis data tanpa kuliah lagi, soalnya tiga modal intinya udah kepakai tiap hari di proyek: hitungan kuantitatif, kontrol kualitas data lapangan, dan kebiasaan baca laporan progres.
Yang perlu ditambah cuma tiga: SQL, satu tool visualisasi, dan statistik terapan secukupnya.
Aku tulis ini sebagai pola gabungan dari beberapa orang teknik sipil yang aku temuin di komunitas data. Bukan satu orang spesifik, jadi anggap ini peta, bukan biografi.
Anak teknik sipil terbiasa kerja dengan angka yang punya konsekuensi. Salah hitung volume beton berarti duit hilang atau struktur bermasalah. Kebiasaan ngecek ulang itu persis yang dituntut dari analis data waktu ngevalidasi angka sebelum masuk laporan.
Kamu juga udah biasa mikir dalam satuan, toleransi, dan margin kesalahan. Analis data yang nggak punya kebiasaan ini gampang percaya sama angka aneh.
Kurva S progres proyek itu grafik kumulatif. Rencana versus realisasi itu perbandingan dua seri waktu. Dua konsep ini muncul lagi di dashboard bisnis dengan nama beda.
Empat kebiasaan dari proyek langsung kepakai di kerjaan analis: rekap volume pekerjaan jadi agregasi data, kontrol mutu material jadi validasi kualitas data, kurva S jadi analisis tren waktu, dan RAB jadi pemahaman metrik biaya. Yang berubah cuma nama dan tool, cara berpikirnya sama.
| Kerjaan di proyek | Padanannya di analisis data |
|---|---|
| Rekap volume pekerjaan per item | Agregasi dan pengelompokan data |
| Uji slump dan kontrol mutu beton | Validasi data quality dan deteksi nilai menyimpang |
| Kurva S rencana versus realisasi | Analisis tren dan perbandingan target |
| Menyusun RAB dan opname | Bikin metric dan laporan biaya |
| Excel buat back-up perhitungan | Analisis cepat sebelum masuk tool berat |
Excel kamu kemungkinan udah di atas rata-rata. Kalau kamu pernah bikin file opname yang isinya SUMIFS dan lookup antar sheet, kamu udah pegang separuh perkakas harian analis. Cek daftarnya di 40 rumus Excel yang dipakai analis.
Ada tiga hal yang beneran baru. Sisanya tinggal ganti tool.
Di proyek, data datang dalam bentuk file Excel yang dikirim orang lapangan. Di kantor data, datanya nempel di database dan kamu ambil sendiri pakai SQL.
SELECT
cabang,
SUM(total) AS omzet
FROM transaksi
WHERE tanggal >= '2025-10-01'
GROUP BY cabang
ORDER BY omzet DESC;Logika GROUP BY ini sama persis kayak nyusun subtotal volume per item pekerjaan. Mulai dari aggregate function dan pelan-pelan masuk JOIN.
Power BI atau Looker Studio buat gantiin grafik manual di Excel. Kurva S yang biasa kamu update tiap minggu bisa jadi dashboard yang refresh sendiri.
Panduan resminya gratis di Microsoft Learn Power BI.
Yang praktis aja: median versus rata-rata, persentase pertumbuhan, dasar korelasi, dan cara baca sebaran. Kamu udah kenal deviasi standar dari uji mutu beton, tinggal dipakai ke konteks bisnis.
Kerja proyek jamnya nggak nentu, apalagi kalau kamu di lapangan. Rencana ini pakai asumsi 1 jam per hari kerja plus 3 jam di akhir pekan.
Soal formatnya, ikutin CV ATS friendly buat data analyst. Jangan tulis semua pengalaman proyek, ambil yang ada angkanya.
Buat project portfolio pertama, dataset toko_berkah lumayan pas soalnya strukturnya mirip laporan opname: tanggal, lokasi, item, volume, nilai.
Dari 1.842 baris transaksi Oktober 2025 di 4 cabang, omzet totalnya Rp 487.310.000. Tiga temuan yang aku dapat waktu ngerapiinnya:
Temuan ketiga itu yang paling nyambung sama kebiasaan proyek. Kamu udah biasa nolak material yang nggak sesuai spesifikasi, dan ini versi datanya.
Waktu wawancara, ceritain proses pengecekannya, bukan cuma grafik akhirnya. Itu yang bikin kamu keliatan beda dari kandidat yang cuma ikut kursus.
Nyembunyiin latar belakang sipil. Justru itu pembeda kamu. Kontraktor, developer properti, dan perusahaan material butuh analis yang ngerti istilah proyek.
Ngumpulin sertifikat tanpa project. Dua dashboard nyata lebih ngomong daripada lima sertifikat. Rekruter pengen lihat hasil, bukan daftar kursus.
Belajar Python duluan. Buat posisi analis di Indonesia, SQL dan tool visualisasi jauh lebih sering muncul di deskripsi lowongan. Python nyusul belakangan.
Nunggu ngerasa siap. Rasa siap itu nggak dateng sendiri. Lamar begitu portfolio kamu punya dua project yang bisa kamu ceritain ulang tanpa buka catatan.
Ninggalin lapangan terlalu cepat. Banyak yang resign duluan lalu panik. Belajar sambil kerja lebih aman, dan pengalaman proyeknya masih nambah.
Bisa. Perusahaan menilai skill dan portfolio, bukan jurusan. Modal hitungan dan ketelitian dari teknik sipil udah nutup sebagian syaratnya, jadi kamu tinggal nambah SQL, tool visualisasi, dan statistik terapan. Yang menentukan lolos atau nggak biasanya dua project nyata yang bisa kamu jelasin prosesnya, bukan gelar tambahan.
Sekitar 8 bulan kalau kamu latihan 1 jam per hari kerja plus 3 jam di akhir pekan. Bisa lebih cepat kalau Excel kamu udah kuat dan kerjaan proyeknya nggak terlalu padat. Yang bikin molor biasanya bukan materinya, tapi jadwal lapangan yang nggak nentu. Bikin jadwal kecil yang tetap jalan walau kamu lagi di site.
Kontraktor besar, developer properti, perusahaan material bangunan, dan logistik supply chain. Di situ pemahaman istilah proyek jadi nilai tambah, bukan bagasi. Kamu bisa langsung ngerti maksud data progres, jadwal, dan biaya tanpa harus dijelasin dari awal. Cari lowongan yang nyebut butuh pemahaman operasional atau proyek di deskripsinya.
Nggak wajib di awal. Buat posisi analis data di Indonesia, SQL dan tool visualisasi jauh lebih sering diminta. Belajar Python setelah kamu nyaman narik dan nyajiin data, biasanya di bulan ke sembilan ke atas. Kalau kamu incar posisi data scientist, urutannya beda dan Python masuk lebih awal.
Tulis ulang pakai bahasa hasil dan angka. Ganti mengawasi pekerjaan struktur jadi merekap dan memvalidasi data volume 200-an item pekerjaan tiap minggu, lalu menyusun laporan progres untuk manajemen. Yang dinilai kemampuan ngolah data dan komunikasinya. Buang detail teknis konstruksi yang nggak nyambung sama posisi yang kamu lamar.
Pindah dari teknik sipil ke analis data itu tukar tool, bukan tukar cara berpikir. Hitungan, ketelitian, dan kebiasaan ngecek ulang udah kamu bawa dari proyek.
Tiga langkahnya: kuasai SQL dulu, lanjut satu tool visualisasi, lalu bangun dua project yang bisa kamu ceritain prosesnya.
Mulai malam ini dengan satu query GROUP BY di NgulikSQL. Rasanya bakal familiar buat kamu yang biasa nyusun subtotal opname. Lanjut baca bikin portofolio data tanpa pengalaman buat nyiapin project pertamamu.
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.