TL;DR
Data analyst di startup ngerjain semuanya (dari nyusun pipeline, bikin dashboard, sampai presentasi ke founder) dengan siklus kerja hitungan hari. Di korporat, perannya lebih sempit dan spesifik. Datanya udah rapi di warehouse, tapi satu proyek bisa makan berbulan-bulan gara-gara proses persetujuan. Startup ngasih kamu jam terbang yang lebar dan cepat; korporat ngasih kedalaman, struktur, dan stabilitas.
Data analyst di startup ngerjain semuanya sendiri. Data analyst di korporat ngerjain satu hal, tapi dalam.
Dua-duanya nulis SQL. Yang beda: siapa yang nyiapin datanya, berapa lama satu proyek jalan, dan siapa yang baca hasilnya.
Aku pernah di dua-duanya. Ini beda yang paling kerasa, bukan yang paling sering ditulis di LinkedIn.
Di startup, hari kamu bisa kayak gini:
Jam 9, founder nanya di Slack kenapa retensi minggu lalu turun. Jam 11 kamu udah nulis query, nemuin bug di tracking event, dan lapor balik. Jam 2 kamu bikin dashboard baru. Jam 4 kamu bantu tim marketing setup UTM.
Di korporat, hari kamu lebih kayak gini:
Senin ada permintaan laporan dari divisi finance. Kamu isi form request. Rabu ada meeting alignment sama data engineer buat nentuin tabel mana yang dipakai. Minggu depan kamu mulai nulis query-nya. Dua minggu lagi hasilnya direview sama manajer sebelum dikirim.
Bukan soal mana yang lebih bagus. Ini soal ritme mana yang cocok sama cara kamu kerja.
| Startup | Korporat | |
|---|---|---|
| Cakupan kerja | Lebar: ETL, dashboard, presentasi, kadang produk | Sempit dan dalam: satu domain atau satu divisi |
| Kondisi data | Berantakan. Kamu yang benerin. | Rapi di warehouse. Ada tim khusus. |
| Siklus proyek | Hari sampai 2 minggu | 1-6 bulan |
| Audiens laporan | Founder, langsung | Manajer, lalu naik berlapis |
| Tools | Apa aja yang gratis dan cepat | Stack resmi perusahaan |
| Dampak keputusan | Kelihatan minggu itu juga | Kelihatan kuartal depan |
| Mentor | Sering nggak ada | Biasanya ada |
| Stabilitas | Perusahaan bisa tutup | Lebih aman |
Ini yang paling bikin kaget orang yang pindah.
Di korporat, biasanya udah ada data warehouse. Tabel fact_transaksi udah bersih, kolomnya konsisten, dan ada data dictionary yang bisa kamu baca.
Di startup, data kamu mungkin ada di tiga tempat: database produksi, spreadsheet yang diisi manual sama tim ops, dan export CSV dari tools pihak ketiga.
Kolom tanggalnya format teks. Nama produk ada tiga varian ejaan. Dan nggak ada yang tau kenapa 400 baris punya customer_id yang sama.
Di startup, kamu yang benerin semua itu. Kalau kamu belum nyaman ngerapiin data kotor pakai SQL, ini bakal berat.
Fungsi yang bakal kamu pakai tiap hari: COALESCE buat nangani nilai kosong, dan CASE WHEN buat nyeragamkan kategori.
Mitos yang beredar: startup bayar lebih gede.
Dari lowongan yang aku pantau di awal 2026, gambarannya lebih begini:
| Level | Startup awal (pre-Seri A) | Startup mapan (Seri B+) | Korporat besar |
|---|---|---|---|
| Entry (0-2 th) | 6-9 juta | 9-13 juta | 8-12 juta |
| Menengah (2-5 th) | 10-15 juta | 15-22 juta | 13-20 juta |
| Senior (5 th+) | 15-22 juta | 25-40 juta | 22-35 juta |
Startup tahap awal sering bayar di bawah pasar, tapi kasih tanggung jawab yang jauh lebih besar dan kadang opsi saham.
Opsi saham itu lotere. Jangan hitung dia sebagai gaji. Kalau kamu butuh angka yang pasti tiap bulan, korporat lebih masuk akal.
Startup yang udah Seri B ke atas biasanya yang paling murah hati. Mereka punya uang, dan mereka masih butuh orang yang bisa gerak cepat.
Dua orang yang aku kenal, sama-sama mulai 2023.
Rani masuk startup logistik 22 orang. Tahun pertama dia bangun pipeline data dari nol, bikin 6 dashboard, dan nyusun definisi metrik yang dipakai seluruh perusahaan. Dia juga sempat ngerjain hal yang bukan kerjaannya: setup Metabase, ngajarin tim ops nulis query.
2026 ini dia Head of Data. Timnya 3 orang.
Dimas masuk bank besar sebagai analis di divisi risiko kredit. Tahun pertama dia ngerjain satu jenis laporan, tapi dalam banget. Dia jadi orang yang paling ngerti model scoring di kantornya.
2026 ini dia Senior Analyst. Gajinya lebih tinggi dari Rani, dan dia tidur nyenyak tiap malam.
Dua-duanya berhasil. Yang beda cuma bentuk keberhasilannya.
SQL wajib di dua-duanya. Yang beda skill di sekitarnya.
Yang lebih kepakai di startup:
Yang lebih kepakai di korporat:
Skill kedua ini sering diremehin. Tapi orang yang bisa gerakin keputusan di organisasi 5.000 orang punya nilai yang nggak dimiliki siapa pun.
Banyak orang ngambil jalan tengah: 2-3 tahun di korporat buat bangun dasar dan dapat mentor, lalu pindah ke startup yang udah punya pendanaan.
Urutan sebaliknya juga bisa, tapi lebih jarang. Orang startup sering frustrasi sama ritme korporat, dan itu kelihatan di interview.
Milih startup gara-gara kelihatan seru di Instagram. Kantor keren dan snack gratis nggak nutupin kenyataan kamu ngerjain 3 orang punya kerjaan.
Milih korporat gara-gara "aman", tanpa cek timnya. Korporat yang tim datanya masih pakai Excel manual bakal bikin skill kamu mandek.
Percaya opsi saham sebagai kompensasi. Tanya berapa persen kepemilikannya, berapa valuasi terakhir, dan gimana skema vesting-nya. Kalau perusahaannya nggak mau jawab, itu jawaban.
Nggak nanya soal kondisi data waktu interview. Tanya: "data warehouse-nya udah ada? Siapa yang ngurus?" Jawabannya nentuin 60% kerjaan kamu setahun ke depan.
Kalau kamu masih pemula dan mau belajar cepat, startup ngasih jam terbang yang lebih lebar. Kamu bakal nyentuh SQL, dashboard, spreadsheet, sampai ngobrol langsung sama founder dalam satu minggu. Tapi kalau kamu belum pede sama dasar-dasarnya, korporat ngasih mentor, proses yang jelas, dan ruang buat salah tanpa langsung berdampak ke bisnis.
Rata-rata gaji pokok di korporat besar biasanya lebih tinggi dan lebih stabil, terutama di level entry. Startup yang udah dapat pendanaan Seri B ke atas bisa bayar setara atau lebih, kadang plus opsi saham. Startup tahap awal sering bayar di bawah pasar tapi kasih tanggung jawab yang jauh lebih besar.
SQL tetap nomor satu di dua-duanya. Bedanya, di startup kamu juga perlu bisa ngerapiin data mentah sendiri, sering data POS atau CSV yang berantakan. Kamu juga perlu berani ngambil keputusan tanpa data lengkap. Di korporat, kemampuan komunikasi lintas divisi dan kesabaran ngurus proses jauh lebih kepakai.
Yang paling sering bikin kaget itu ketiadaan struktur. Di korporat kamu punya data engineer yang nyiapin tabel, di startup kamu yang ngerjain sendiri. Kalau kamu udah biasa nulis SQL sendiri dan nggak alergi data kotor, transisinya lancar.
Korporat punya jenjang yang jelas: analyst, senior, lead, manager. Startup jenjangnya nggak jelas, tapi kalau perusahaannya tumbuh, kamu bisa lompat ke posisi kepala data dalam 2-3 tahun. Risikonya juga nyata: startup bisa tutup.
Di dua-duanya, SQL yang bikin kamu dipercaya. Kalau itu masih goyah, mulai dari sana, latihan di NgulikSQL.
Lagi lihat-lihat industri yang kompetisinya lebih sepi? Baca Data Analyst di Healthcare. Dan buat istilah-istilah yang sering nongol di lowongan, cek glossary data analyst.
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.