10 Ide Project Data Analyst Bertema Marketing

Project data analyst bertema marketing itu pilihan aman buat portfolio. Konteksnya gampang dipahami siapa aja, datanya banyak yang publik, dan pertanyaan bisnisnya jelas.

Rekruter juga ngerti marketing tanpa perlu latar teknis. Jadi analisis kamu langsung kena.

Ini 10 ide yang udah aku urutkan dari yang paling ramah pemula sampai yang butuh sedikit modeling. Tiap ide ada pertanyaan bisnisnya, skill yang dipakai, dan output yang bisa kamu pajang.

Kenapa project marketing bagus buat portfolio?

Karena tiap analisis marketing punya pertanyaan bisnis yang konkret dan angka yang bisa ditindaklanjuti. Rekruter nggak perlu jadi ahli buat ngerti kenapa toko mau tau channel iklan mana yang paling untung. Ini bikin insight kamu langsung kelihatan nilainya.

Kunci portfolio yang kuat itu bukan grafik cantik, tapi rekomendasi yang jelas di akhir. Tiap ide di bawah aku tutup dengan output yang harusnya kamu hasilkan.

10 ide project marketing buat data analyst

1. Analisis funnel konversi e-commerce

Lacak berapa banyak user yang lewat tiap tahap, dari lihat produk, masuk keranjang, sampai bayar. Cari tahap mana yang paling banyak bikin orang kabur. Skill: SQL agregasi, hitung conversion rate antar tahap. Output: grafik funnel plus satu tahap yang paling bocor. Konsepnya dibahas di glossary funnel.

2. Segmentasi pelanggan RFM

Kelompokkan pelanggan berdasarkan Recency, Frequency, dan Monetary. Kapan terakhir belanja, seberapa sering, dan berapa totalnya. Skill: SQL window function, NTILE buat bikin skor. Output: tabel segmen kayak "pelanggan setia" dan "hampir hilang" dengan jumlah tiap grup.

3. Analisis performa kampanye email

Bandingin open rate, click rate, dan konversi antar kampanye. Cari subjek atau waktu kirim yang paling nendang. Skill: agregasi, hitung CTR. Output: tabel ranking kampanye plus rekomendasi jam kirim. Definisi CTR ada di glossary CTR.

4. Analisis ROAS iklan per channel

Hitung Return on Ad Spend tiap channel, misalnya Instagram versus Google versus TikTok. Cari mana yang balik modal paling gede per rupiah iklan. Skill: JOIN data biaya dan pendapatan, hitung rasio. Output: tabel ROAS per channel dan saran realokasi budget.

5. Cohort retention pelanggan

Kelompokkan pelanggan berdasarkan bulan pertama belanja, lalu lacak berapa yang balik tiap bulan berikutnya. Skill: SQL date function, pivot. Output: tabel cohort segitiga yang nunjukin kapan pelanggan mulai kabur. Ada tutorialnya di cohort retention di SQL.

6. Market basket analysis

Cari produk yang sering dibeli bareng, misalnya kopi sama gula. Berguna buat bundling dan rekomendasi. Skill: self-join, hitung frekuensi pasangan produk. Output: daftar pasangan produk teratas plus ide bundle.

7. Analisis sentimen review produk

Olah teks review jadi skor positif dan negatif, lalu cari produk atau tema yang paling banyak dikeluhin. Skill: Python, text processing dasar. Output: ringkasan sentimen per produk dan keluhan yang paling sering muncul.

8. Churn prediction pelanggan langganan

Prediksi pelanggan mana yang bakal berhenti langganan bulan depan. Skill: Python, model klasifikasi sederhana kayak logistic regression. Output: daftar pelanggan berisiko tinggi plus faktor pendorongnya. Definisi churn ada di glossary churn.

9. Attribution multi-channel

Tentukan channel mana yang paling berjasa dalam satu konversi kalau pelanggan lewat banyak titik sentuh. Skill: SQL sequence analysis, model atribusi sederhana. Output: perbandingan first-touch versus last-touch dan implikasinya ke budget.

10. Dashboard performa konten media sosial

Gabung metrik reach, engagement, dan follower growth jadi satu dashboard yang gampang dibaca. Skill: tool visualisasi kayak Looker Studio, agregasi harian. Output: dashboard interaktif plus insight konten mana yang paling perform.

Cara milih project yang tepat

Jangan ambil sepuluh sekaligus. Pilih satu yang pertanyaan bisnisnya paling kamu ngerti, kerjain sampai tuntas, baru lanjut yang lain.

Satu angka yang bikin project kamu beda

Dari yang aku lihat di banyak portfolio pemula, sekitar 8 dari 10 berhenti di grafik tanpa satupun rekomendasi. Padahal bagian rekomendasi itu yang dibaca rekruter paling lama.

Contoh nyata: analisis funnel bilang "70% user kabur di tahap checkout". Itu bukan insight, itu angka. Insight-nya: "70% kabur di checkout, dan 60% dari mereka pakai HP. Halaman bayar kemungkinan nggak ramah mobile." Angka yang sama, tapi yang kedua ngasih arah.

Kesalahan umum saat bikin project marketing

• Berhenti di grafik. Tanpa rekomendasi, project kamu cuma latihan teknis. Selalu tutup dengan "jadi sebaiknya ngapain".
• Dataset kegedean. Data 10 juta baris malah bikin macet. Mulai dari yang cukup buat jawab pertanyaan.
• Nggak jelasin konteks. Rekruter nggak tau datasetmu. Tulis satu paragraf soal data dan pertanyaannya di awal.
• Metrik asal. Pastikan kamu paham beda CTR, konversi, dan ROAS sebelum masukin ke analisis.

FAQ

Butuh berapa project di portfolio?

Dua sampai tiga yang tuntas lebih kuat dari sepuluh yang setengah jadi.

Dari mana dapat datanya?

Kaggle, sample dataset Google Analytics di BigQuery, atau data toko sekitar dengan izin pemiliknya.

Cocok buat yang belum kerja?

Cocok. Konteks marketing gampang dipahami, mulai dari funnel atau RFM.

Mulai project pertamamu

Ringkasnya: pilih satu ide yang pertanyaan bisnisnya jelas, pakai dataset marketing publik, dan tutup dengan rekomendasi konkret. Itu yang bikin portfolio keliatan siap kerja.

Mau ide lain di luar marketing? Baca cara pajang portfolio di GitHub biar project kamu gampang ditemuin rekruter. Buat cari dataset, mulai dari koleksi dataset publik Kaggle.

Kalau kamu masih ngerasa skill SQL belum cukup buat ngerjain ini, latihan dulu di NgulikSQL sampai query agregasi kerasa gampang.