TL;DR
Data analyst healthcare adalah analis yang ngolah data rumah sakit, klinik, asuransi, dan farmasi buat bantu keputusan klinis maupun operasional. Kerjaannya mulai dari ngitung BOR tempat tidur, deteksi klaim BPJS yang aneh, sampai prediksi stok obat. Kisaran gaji di Indonesia 8-18 juta per bulan, dan lamarannya jauh lebih sepi dibanding lowongan data analyst e-commerce.
Data analyst healthcare adalah analis yang ngolah data rumah sakit, klinik, asuransi kesehatan, dan farmasi buat bantu keputusan operasional maupun klinis.
Kerjaannya kelihatan mirip data analyst di industri lain. Query, laporan, dashboard. Yang beda cuma datanya: bukan checkout dan cart abandonment, tapi kunjungan pasien, klaim BPJS, dan stok obat.
Dan ini yang bikin menarik. Lowongan data analyst e-commerce bisa dapet 400 pelamar dalam seminggu. Lowongan yang sama di rumah sakit swasta? Sering cuma puluhan. Kolam yang sama, ikannya jauh lebih sedikit.
Data analyst healthcare ngambil data dari sistem rumah sakit, klinik, asuransi, atau perusahaan farmasi, lalu ngubahnya jadi angka yang bisa dipakai buat ambil keputusan. Contohnya: berapa persen tempat tidur kepakai bulan ini, poli mana yang antriannya paling parah, obat apa yang stoknya bakal habis dua minggu lagi.
Tools-nya nggak eksotis. SQL, spreadsheet, dashboard. Yang perlu kamu tambahin cuma kosakata domainnya.
Beberapa istilah yang bakal kamu ketemu di minggu pertama:
Kelihatan asing? Iya. Tapi lima istilah ini bisa kamu kuasai dalam seminggu baca dokumentasi. Bandingin sama waktu yang kamu butuh buat belajar SQL dari nol.
Dari yang aku lihat di grup-grup lowongan data, ada tiga alasan yang paling sering muncul.
Pertama, orang mikir harus punya background kedokteran. Padahal yang dicari itu orang yang bisa nulis query dan baca angka, bukan orang yang bisa diagnosis pasien.
Kedua, brandingnya kalah seksi. Startup e-commerce punya kantor keren dan konten LinkedIn yang rame. Rumah sakit nggak posting soal data stack mereka.
Ketiga, orang nggak tau lowongannya ada. Posisi ini sering nggak dinamain "data analyst". Nama jabatannya bisa "Staf Rekam Medis dan Informasi Kesehatan", "Analis Klaim", atau "Officer Business Intelligence" di divisi keuangan RS.
Coba search dengan nama-nama itu. Hasilnya beda banget dari search "data analyst" doang.
Ini kerjaan paling dasar dan paling sering muncul. Manajemen RS butuh tau BOR, LOS, jumlah kunjungan rawat jalan, dan angka rujukan setiap hari. Kebanyakan RS masih ngerjain ini manual di Excel.
Kalau kamu bisa otomatisin satu laporan yang tadinya makan 3 jam per hari jadi 5 menit, kamu langsung punya cerita yang kuat di CV.
Di sisi asuransi dan BPJS, kerjaannya nyari klaim yang polanya aneh. Misalnya satu dokter yang tiba-tiba ngeklaim tindakan tertentu 5x lebih sering dari rata-rata sejawatnya.
Ini kerjaan GROUP BY dan window function murni. Nggak ada machine learning yang ribet di awal.
Obat kedaluwarsa itu uang yang dibakar. Obat habis pas dibutuhin itu pasien yang dirugikan.
Analis di bagian farmasi ngitung pola konsumsi bulanan, ngukur lead time supplier, dan bikin rekomendasi reorder point. Kebanyakan pakai rata-rata bergerak sederhana, bukan model canggih.
Berapa persen pasien yang balik lagi dalam 30 hari dengan keluhan yang sama? Angka ini namanya readmission rate, dan tinggi rendahnya bilang banyak soal kualitas layanan.
Waktu aku bantu ngerapiin data satu klinik pratama di Bekasi, mereka punya 14 bulan data kunjungan tapi nggak pernah dianalisis. Cuma diinput, disimpan, selesai.
Query pertamanya sesederhana ini:
SELECT
EXTRACT(DOW FROM tanggal_kunjungan) AS hari,
COUNT(*) AS total_kunjungan,
ROUND(AVG(durasi_tunggu_menit), 1) AS rata_tunggu
FROM kunjungan_pasien
WHERE tanggal_kunjungan >= '2025-01-01'
GROUP BY 1
ORDER BY 2 DESC;Hasilnya: Senin punya 31% dari total kunjungan mingguan, dengan rata-rata waktu tunggu 47 menit. Rabu cuma 9% kunjungan, waktu tunggu 12 menit.
Kliniknya nambah satu perawat khusus shift Senin pagi. Waktu tunggu Senin turun ke 28 menit dalam sebulan.
Itu satu query. Tiga baris GROUP BY. Nggak ada model prediktif, nggak ada Python.
| Skill | Seberapa penting | Kenapa |
|---|---|---|
| SQL | Wajib | Data rekam medis dan klaim hampir selalu di database relasional |
| Spreadsheet | Wajib | Manajemen RS masih minta laporan dalam bentuk Excel |
| Dashboard (Looker Studio / Metabase) | Penting | Buat laporan yang direfresh otomatis |
| Statistik dasar | Berguna | Buat ngukur outcome pasien dan uji perbedaan antar kelompok |
| Python | Bonus | Berguna di healthtech, jarang diminta di RS |
| Kosakata medis | Bisa dipelajari sambil jalan | ICD-10, BOR, LOS, INA-CBG: seminggu baca dokumentasi |
Kalau SQL kamu masih goyah, mulai dari COUNT dan GROUP BY. Dua fungsi itu ngerjain 60% laporan operasional RS.
Angka di bawah ini dari lowongan yang aku pantau sepanjang awal 2026. Anggap sebagai rentang kasar, bukan patokan mati.
Nggak jauh beda dari industri lain. Yang beda itu jumlah pesaingnya.
Nunggu sampai ngerti semua istilah medis. Nggak akan pernah cukup. Belajar sambil jalan, dan nggak usah malu nanya ke tim klinis. Mereka justru seneng ada yang peduli sama datanya.
Ngeremehin privasi data. Data kesehatan itu sensitif dan diatur UU Perlindungan Data Pribadi. Jangan pernah ekspor data pasien ke laptop pribadi atau paste ke chatbot AI. Ini bukan soal etika doang. Ini soal kamu bisa kena masalah hukum.
Langsung mau bikin model prediksi. Kebanyakan RS bahkan belum punya laporan harian yang rapi. Benerin dulu yang dasar. Nilai kamu naik lebih cepat dari situ.
Cuma nyari lowongan bertitel "data analyst". Search juga: analis klaim, staf rekam medis, business intelligence rumah sakit, healthcare data specialist.
Kalau kamu masih bingung beda peran analis di berbagai industri, artikel Data Analyst Startup vs Korporat ngebahas beda ritme kerjanya. Dan buat istilah-istilah dasar yang sering bikin bingung, cek glossary data analyst.
Data analyst healthcare adalah analis yang ngolah data dari rumah sakit, klinik, asuransi kesehatan, atau perusahaan farmasi. Output-nya bisa laporan operasional kayak BOR tempat tidur dan lama rawat pasien, bisa juga analisis klaim buat nemuin pola yang aneh. Bedanya sama analis e-commerce cuma di domain datanya, tools-nya tetap SQL, spreadsheet, dan dashboard.
Nggak harus. Yang dicari perusahaan itu kemampuan SQL dan kemampuan baca data, bukan ijazah kedokteran. Tapi kamu perlu belajar kosakata dasarnya: ICD-10, BOR, LOS, INA-CBG, kapitasi. Sebulan baca dokumentasi BPJS dan ngobrol sama tim medis biasanya udah cukup buat mulai.
Dari lowongan yang aku pantau di 2026, entry level di rumah sakit swasta besar ada di kisaran 8-11 juta per bulan. Level menengah dengan 3 tahun pengalaman 12-15 juta. Di healthtech atau asuransi kesehatan bisa 15-18 juta ke atas. Angkanya mirip industri lain, tapi persaingannya lebih sepi.
SQL nomor satu, karena data rekam medis dan klaim hampir selalu ada di database relasional. Habis itu spreadsheet buat laporan cepat ke manajemen. Lalu tools dashboard kayak Looker Studio atau Metabase. Statistik dasar berguna buat ngukur outcome pasien, tapi jarang jadi syarat wajib di posisi entry level.
Bikin satu proyek portfolio pakai data kesehatan publik. Analisis satu pertanyaan spesifik, misalnya pola kunjungan per hari dalam seminggu. Satu proyek yang tuntas lebih ngefek dari sepuluh sertifikat.
Kalau SQL kamu masih setengah jalan, mulai latihan di NgulikSQL. Query GROUP BY yang kamu latih hari ini persis yang dipakai buat ngitung BOR minggu depan.
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.