Data Analyst di Perbankan: Risiko, Kredit, dan Regulasi

Data analyst di perbankan kerja di tiga area: nentuin siapa layak dapet pinjaman (credit scoring), ngukur potensi kerugian bank (risk management), dan bikin laporan wajib buat OJK.

Bukan bikin dashboard cakep buat rapat mingguan. Angka yang kamu keluarin dipakai buat mutusin apakah orang dapet KPR atau nggak.

Aku sering ditanya: "kerja data di bank itu enak nggak sih?" Jawabannya tergantung kamu tipe orang yang gimana. Ini gambaran jujurnya.

Apa yang beneran dikerjain data analyst di bank?

Hari-hari kamu bakal habis di tiga hal ini.

1. Credit scoring — siapa yang boleh pinjam

Bank punya data ratusan ribu debitur: penghasilan, umur, lama kerja, riwayat cicilan, jenis pekerjaan. Tugas kamu nyari pola — profil kayak apa yang cenderung nunggak.

Output-nya skor. Nasabah dengan skor tinggi dapet limit gede dan bunga rendah. Skor rendah ditolak.

Kamu bakal banyak main sama regresi logistik — metode statistik buat prediksi ya-atau-nggak. Bank suka model ini karena hasilnya bisa dijelasin ke regulator. Model yang akurat tapi nggak bisa dijelasin? Nggak lolos.

Ini penting. Di bank, model yang bisa kamu pertanggungjawabkan menang dari model yang akurasinya 2% lebih tinggi tapi black box.

2. Risk management — berapa potensi rugi

Metrik yang bakal kamu hafal di luar kepala: NPL ratio (non-performing loan). Ini persentase kredit yang nunggak di atas 90 hari.

Query-nya kayak gini:

SELECT jenis_kredit,
       COUNT(*) AS total_debitur,
       SUM(baki_debet) AS total_outstanding,
       SUM(CASE WHEN hari_tunggak > 90 THEN baki_debet ELSE 0 END) AS outstanding_npl,
       ROUND(
         SUM(CASE WHEN hari_tunggak > 90 THEN baki_debet ELSE 0 END)
         / NULLIF(SUM(baki_debet), 0) * 100,
         2
       ) AS npl_ratio_persen
FROM pinjaman
WHERE status = 'aktif'
GROUP BY jenis_kredit
ORDER BY npl_ratio_persen DESC;

OJK ngasih batas NPL 5%. Lewat dari itu, bank kena perhatian khusus. Jadi angka ini dipantau tiap bulan, dan kalau naik, ada rapat.

Pola CASE WHEN di dalam SUM itu bakal kamu tulis ratusan kali. Pelajari fungsi CASE WHEN sampai jadi refleks.

3. Regulatory reporting — laporan yang dilihat OJK

Ini bagian yang paling nggak seksi tapi paling nggak bisa salah.

Bank wajib lapor rutin ke OJK dan Bank Indonesia — posisi kredit, likuiditas, kecukupan modal. Formatnya udah ditentuin, deadline-nya ketat, dan salah angka bisa kena sanksi.

Jadi tiap angka harus bisa ditelusuri balik ke sumbernya. Kamu bakal nulis dokumentasi "kolom ini diambil dari tabel X, difilter Y, dijumlah Z" berkali-kali.

Kedengeran membosankan? Iya. Tapi ini yang bikin skill dokumentasi kamu jadi tajam banget, dan itu kepakai di mana-mana nanti.

Deteksi fraud: bagian yang paling seru

Kalau kamu suka tantangan, tim fraud biasanya yang paling menarik.

Pola dasarnya: cari transaksi yang "aneh" dibanding kebiasaan nasabah itu sendiri.

WITH rata_nasabah AS (
  SELECT nasabah_id,
         AVG(nominal) AS rata_transaksi,
         STDDEV(nominal) AS sd_transaksi
  FROM transaksi
  WHERE tanggal >= CURRENT_DATE - INTERVAL '90 days'
  GROUP BY nasabah_id
  HAVING COUNT(*) >= 10
)
SELECT t.transaksi_id,
       t.nasabah_id,
       t.tanggal,
       t.nominal,
       r.rata_transaksi,
       ROUND((t.nominal - r.rata_transaksi) / NULLIF(r.sd_transaksi, 0), 1) AS z_score
FROM transaksi t
JOIN rata_nasabah r ON t.nasabah_id = r.nasabah_id
WHERE t.tanggal >= CURRENT_DATE - INTERVAL '7 days'
  AND t.nominal > r.rata_transaksi + 3 * r.sd_transaksi
ORDER BY z_score DESC;

Query ini nyari transaksi yang nominalnya lebih dari 3 standar deviasi di atas kebiasaan nasabah itu.

Nasabah yang biasa transaksi Rp 500 ribu tiba-tiba transfer Rp 40 juta jam 3 pagi? Itu yang ketangkep.

HAVING COUNT(*) >= 10 itu penting. Nasabah baru yang cuma punya 2 transaksi nggak punya "kebiasaan" yang bisa dibandingin.

Skill yang beneran dicari

Skill	Seberapa penting	Kenapa
SQL	Wajib	Semua data nasabah ada di database relasional
Excel lanjutan	Wajib	Rekonsiliasi dan laporan masih berat di Excel
Statistik dasar	Penting	Credit scoring, uji signifikansi
Python / R	Nilai plus	Terutama buat tim risiko dan model
Paham produk bank	Sering diremehkan	Kamu nggak bisa analisis NPL kalau nggak tau apa itu baki debet

Yang terakhir itu pembeda. Banyak pelamar jago Python tapi nggak bisa jawab "apa bedanya kredit konsumtif dan produktif". Interviewer di bank pasti nanya itu.

Gaji dan jenjang karir

Kisaran yang aku denger dari beberapa teman di bank besar Indonesia (BCA, Mandiri, BRI, BNI), per 2026:

• Entry level (0–2 tahun): Rp 8–14 juta per bulan
• Menengah (3–5 tahun): Rp 15–25 juta per bulan
• Senior / lead (5+ tahun): Rp 25–40 juta per bulan

Ini di luar bonus tahunan, yang di bank bisa 3–6 kali gaji tergantung kinerja perusahaan.

Bank digital dan fintech kadang bayar lebih tinggi buat skill yang sama. Tapi beban kerja dan stabilitasnya beda — pertimbangin sendiri.

Jalur karirnya biasanya: Data Analyst → Senior Analyst → Team Lead → Head of Analytics. Ada juga yang belok ke Risk Officer atau Product Owner — dua-duanya butuh orang yang ngerti data.

Yang bikin kerja data di bank beda

Lambat, dan itu disengaja. Kamu nggak bisa "coba dulu, benerin nanti". Angka yang salah masuk ke laporan OJK itu masalah serius. Jadi ada validasi berlapis dan approval yang panjang.

Buat orang yang biasa iterasi cepat ala startup, ini bisa bikin frustrasi. Tapi kalau kamu tipe yang teliti dan suka kerjaan yang jelas dampaknya, ini cocok.

Data-nya rapi. Ini bonus yang jarang disadari. Bank punya data governance yang ketat, jadi kamu nggak akan ketemu kolom bernama data_final_v2_REVISI_FIX.xlsx. Dibanding UMKM atau startup awal, ini surga.

Akses data dibatasi ketat. Kamu nggak bisa akses data nasabah semaunya. Setiap query yang nyentuh data pribadi kena audit log. Biasain diri.

FAQ

Apa kerjaan data analyst di bank?

Tiga area besar. Credit scoring: bikin model dan analisis buat nentuin siapa layak dapet pinjaman dan berapa limitnya. Risk management: ngukur potensi kerugian dari portofolio kredit atau pasar. Regulatory reporting: nyiapin laporan wajib buat OJK dan Bank Indonesia. Di luar itu ada juga deteksi fraud dan analisis perilaku nasabah buat produk baru.

Skill apa yang paling dicari bank buat posisi data analyst?

SQL nomor satu, karena hampir semua data nasabah dan transaksi ada di database relasional. Excel tingkat lanjut masih dipakai berat buat rekonsiliasi dan laporan. Statistik dasar penting buat credit scoring. Python atau R jadi nilai tambah, terutama buat tim risiko. Yang sering diremehkan pelamar: paham produk perbankan itu sendiri.

Berapa gaji data analyst di bank Indonesia?

Buat entry level di bank besar seperti BCA, Mandiri, atau BRI, kisarannya sekitar Rp 8 sampai 14 juta per bulan. Level menengah dengan 3 sampai 5 tahun pengalaman bisa Rp 15 sampai 25 juta. Bank digital dan fintech kadang bayar lebih tinggi buat skill yang sama, tapi biasanya beban kerjanya juga lebih berat.

Harus punya latar belakang keuangan buat masuk?

Nggak wajib, tapi bantu banget. Banyak data analyst di bank datang dari statistik, matematika, atau teknik informatika. Yang lebih penting adalah kemauan belajar produk perbankan: apa itu NPL, gimana bunga dihitung, apa bedanya kredit konsumtif dan produktif. Kamu bisa belajar ini dalam beberapa bulan pertama kerja.

Kenapa kerja data di bank kesannya lambat?

Karena regulasi. Setiap angka yang keluar dari laporan resmi harus bisa dipertanggungjawabkan ke OJK, dan salah angka bisa kena sanksi. Jadi ada proses validasi berlapis, dokumentasi metodologi, dan approval yang panjang. Buat orang yang biasa iterasi cepat, ini bisa terasa berat. Tapi ini yang bikin skill dokumentasi kamu jadi tajam.

Penutup

Kalau kamu lagi mikir masuk ke perbankan, dua hal yang perlu kamu siapin:

SQL yang beneran kuat — bukan cuma SELECT dan WHERE, tapi window function dan CASE WHEN yang jadi refleks. Dan pemahaman produk bank, minimal tau apa itu NPL, baki debet, dan bedanya kredit konsumtif sama produktif.

Yang kedua bisa kamu pelajari dari situs OJK dalam beberapa akhir pekan. Yang pertama butuh latihan rutin.

Mulai dari panduan belajar SQL dari nol, terus lanjut ke window function yang bakal kepakai tiap hari di tim risiko.

Aturan dan format laporan resmi bisa kamu cek langsung di halaman regulasi perbankan OJK.