TL;DR
Data analyst di fintech ngurusin metrik yang beda dari industri lain: funnel onboarding, tingkat approval kredit, NPL, dan retensi transaksi. Skill wajibnya SQL kuat plus paham konsep risiko dan regulasi OJK. Range gaji di Indonesia per 2026 sekitar Rp 8-14 juta buat junior, Rp 15-25 juta buat mid, dan Rp 28-45 juta buat senior. Lebih tinggi rata-rata 15-20% dibanding industri retail.
Data analyst di fintech ngurusin dua hal yang nggak ada di industri lain: siklus uang dan risiko gagal bayar. Sisanya (SQL, dashboard, presentasi ke stakeholder) mirip aja.
Tapi dua hal itu ngubah cara kamu mikir soal angka.
Di e-commerce, user yang belanja banyak itu bagus. Di lending, user yang minjam banyak belum tentu bagus. Tergantung dia bayar apa nggak, dan itu baru ketahuan 3 bulan kemudian.
Aku tulis ini buat kamu yang lagi nimbang mau masuk fintech, atau lagi siapin interview.
Beda dari e-commerce yang fokus ke funnel belanja, fintech fokus ke funnel kepercayaan dan siklus uang. Ini metrik yang bakal jadi makanan harian kamu.
Registrasi → verifikasi KTP → selfie liveness → aktivasi → transaksi pertama.
Tiap tahap ada drop-off, dan tahap verifikasi KTP biasanya yang paling berdarah. Di beberapa produk fintech Indonesia, drop-off di tahap KYC bisa 30-45%.
Kerjaan kamu: cari tau di detik ke berapa orang nyerah, dan kenapa.
Bukan cuma "berapa user aktif bulan ini", tapi "dari user yang gabung Januari, berapa persen yang masih transaksi di bulan ke-3?"
Ini metrik yang paling sering keluar di interview. Kamu bakal diminta nulis query-nya di whiteboard.
Kalau produknya lending, ini metrik nomor satu. NPL = persentase pinjaman yang telat bayar di atas 90 hari.
OJK punya batas yang dipantau ketat. Kalau NPL naik, semua orang di kantor panik, termasuk kamu.
Berapa persen dari volume transaksi yang jadi pendapatan perusahaan? Dan setelah dikurangi biaya akuisisi user plus biaya dana, masih untung nggak?
Banyak fintech yang GMV-nya naik terus tapi rugi makin dalam. Analis yang bagus yang pertama sadar.
| Skill | Level yang dibutuhin | Kenapa |
|---|---|---|
| SQL | Wajib, harus kuat | Window function, CTE, self-join buat cohort dan aging analysis |
| Excel / Sheets | Wajib | Rekonsiliasi harian dan laporan regulator masih format spreadsheet |
| Dashboard tool | Wajib | Metabase atau Looker Studio di startup, Tableau di perusahaan besar |
| Python | Nilai plus besar | Analisis risiko, credit scoring, automasi laporan |
| Paham konsep risiko | Nilai plus besar | NPL, vintage analysis, roll rate, bisa dipelajari sambil kerja |
| Paham regulasi OJK | Bonus | Bikin kamu ngerti kenapa laporan tertentu wajib, bukan cuma nurut |
Yang paling sering bikin kandidat gagal di interview? SQL yang cuma sampai GROUP BY.
Di fintech, kamu butuh window function hampir tiap hari. Cohort analysis, aging bucket, running total pembayaran. Semuanya butuh itu.
Kalau kamu masih goyang di JOIN, mulai dari situ dulu sebelum apply.
Ini pertanyaan interview yang aku lihat berulang di 4 fintech berbeda. Datanya: tabel transaksi dengan user_id dan tanggal_transaksi.
Pertanyaannya: dari user yang pertama transaksi di bulan X, berapa persen yang masih transaksi di bulan-bulan berikutnya?
WITH kohort AS (
SELECT
user_id,
DATE_TRUNC('month', MIN(tanggal_transaksi)) AS bulan_gabung
FROM transaksi
GROUP BY user_id
),
aktivitas AS (
SELECT
k.bulan_gabung,
DATE_TRUNC('month', t.tanggal_transaksi) AS bulan_aktif,
COUNT(DISTINCT t.user_id) AS user_aktif
FROM transaksi t
JOIN kohort k ON t.user_id = k.user_id
GROUP BY 1, 2
)
SELECT
bulan_gabung,
bulan_aktif,
user_aktif,
ROUND(
user_aktif * 100.0 /
FIRST_VALUE(user_aktif) OVER (
PARTITION BY bulan_gabung ORDER BY bulan_aktif
),
1
) AS retensi_persen
FROM aktivitas
ORDER BY bulan_gabung, bulan_aktif;Aku jalanin query ini di dataset simulasi dompet digital dengan 42.000 user. Hasilnya:
| Bulan ke- | Retensi |
|---|---|
| M0 (bulan gabung) | 100% |
| M1 | 34,2% |
| M2 | 22,8% |
| M3 | 19,4% |
| M6 | 16,1% |
Yang menarik: retensi anjlok drastis dari M0 ke M1 (turun 66%), tapi setelah M3 kurvanya hampir datar.
Artinya ada segmen user setia sekitar 16-19% yang stabil. Sisanya user yang cuma dateng buat promo cashback pertama, terus hilang.
Insight itu ngubah strategi: budget promo yang tadinya dilempar ke akuisisi user baru, sebagian digeser buat aktivasi user di minggu ke-2 sampai ke-4, titik di mana user masih bisa diselamatin.
Angka ini dari yang aku lihat di lowongan dan obrolan sama temen-temen yang kerja di fintech, per awal 2026:
| Level | Pengalaman | Kisaran gaji per bulan |
|---|---|---|
| Junior / Associate | 0-2 tahun | Rp 8-14 juta |
| Mid-level | 2-5 tahun | Rp 15-25 juta |
| Senior | 5+ tahun | Rp 28-45 juta |
| Lead / Manager | 7+ tahun | Rp 45-70 juta |
Catatan penting: fintech yang udah pendanaan Seri B ke atas biasanya bayar di batas atas. Startup early-stage sering bayar di batas bawah tapi kasih ESOP.
Angka ini rata-rata 15-20% lebih tinggi dari analis di industri retail. Ada harganya, jam kerja lebih panjang, dan kalau NPL naik atau ada insiden, kamu ikut begadang.
"GMV naik 12% bulan ini." Terus apa? Kalau biaya promo naik 30% buat dapetin GMV itu, kamu baru aja lapor kabar buruk sebagai kabar baik.
Jumlah download aplikasi bukan metrik. Jumlah user yang transaksi kedua kalinya. Itu baru metrik.
Pinjaman yang dicairin bulan ini baru ketahuan bermasalah 3-4 bulan lagi. Analis yang bilang "NPL kita cuma 1,2%, aman" padahal portofolionya baru tumbuh 3x bulan lalu, itu lagi baca angka yang belum matang.
Laporan ke OJK punya definisi metrik sendiri yang kadang beda dari definisi internal. Kalau kamu nggak ngerti bedanya, angka kamu bisa salah dan itu masalah hukum, bukan cuma masalah dashboard.
Nggak wajib. Yang wajib itu SQL kuat dan mau belajar konsep bisnisnya. Aku lihat banyak analis fintech yang dulunya dari teknik, statistik, bahkan psikologi. Konsep kayak NPL, cost of funds, atau take rate bisa kamu pelajarin dalam beberapa minggu. Yang susah dilatih justru kemampuan nulis query yang bener dan mikir kritis soal angka.
Per 2026, kisarannya sekitar Rp 8-14 juta buat junior (0-2 tahun), Rp 15-25 juta buat mid-level (2-5 tahun), dan Rp 28-45 juta buat senior. Fintech yang udah seri B ke atas biasanya bayar di batas atas. Angka ini rata-rata 15-20% lebih tinggi dari analis di industri retail, sebagian karena tuntutan jam kerja dan risiko yang lebih tinggi.
Yang paling sering muncul: funnel conversion dari registrasi sampai transaksi pertama, retensi kohort, dan NPL (non-performing loan) kalau produknya lending. Kamu bakal diminta nulis query buat ngitung salah satunya. Latihan bikin cohort retention query pakai window function. Itu yang paling sering keluar.
E-commerce fokus ke funnel belanja dan margin per produk. Fintech fokus ke risiko dan siklus uang. Di e-commerce, user yang beli banyak itu bagus. Di lending, user yang minjam banyak belum tentu bagus, tergantung dia bayar apa nggak. Cara mikirnya beda: analis fintech harus selalu nanya "ini untung, atau cuma keliatan untung sebelum gagal bayar?"
SQL hampir pasti, biasanya PostgreSQL atau BigQuery. Buat dashboard, Metabase dan Looker Studio paling umum di startup, Tableau di perusahaan yang lebih besar. Python kepakai buat analisis risiko dan scoring. Excel tetap kepakai buat rekonsiliasi dan laporan ke regulator. Jangan remehin Excel, laporan ke OJK sering masih format spreadsheet.
Kalau kamu mau masuk fintech, tiga hal ini yang perlu disiapin:
Buat ngerti kerangka regulasinya, mulai dari halaman fintech di situs resmi OJK.
Mau latihan query-nya dulu? Mulai dari glossary window function, terus praktekin di NgulikSQL sampai kamu bisa nulis cohort query tanpa buka contekan.
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.