TL;DR
Jenjang karir data analyst umumnya jalan dari Junior Data Analyst (0-2 tahun), Data Analyst (2-4 tahun), Senior Data Analyst (4-7 tahun), lalu bercabang ke jalur individual contributor (Lead/Principal Analyst, Analytics Engineer, Data Scientist) atau jalur manajerial (Analytics Manager, Head of Data). Yang nentuin naik level bukan lama kerja, tapi seberapa besar keputusan yang berani orang lain ambil dari analisis kamu.
Jenjang karir data analyst umumnya jalan dari Junior Data Analyst, ke Data Analyst, ke Senior Data Analyst, lalu bercabang ke jalur individual contributor atau jalur manajerial.
Yang jarang dibilang: yang nentuin kamu naik level bukan lama kerja. Tapi seberapa besar keputusan yang berani orang lain ambil dari analisis kamu.
Aku bakal jabarin tiap level: kerjaan hariannya kayak apa, skill apa yang dituntut, rentang gajinya berapa di Indonesia per 2026, dan apa yang bikin orang nyangkut di satu level bertahun-tahun.
Ada 4 level inti sebelum percabangan, dan 2 arah setelahnya. Nama jabatannya beda-beda antar perusahaan, tapi polanya konsisten.
| Level | Pengalaman | Fokus kerjaan | Gaji Jakarta (juta/bulan) |
|---|---|---|---|
| Junior Data Analyst | 0-2 tahun | Eksekusi request | 6-10 |
| Data Analyst | 2-4 tahun | Bikin sistem pelaporan | 12-20 |
| Senior Data Analyst | 4-7 tahun | Nentuin pertanyaan | 22-35 |
| Lead / Analytics Manager | 7+ tahun | Ngarahin tim atau domain | 35-60 |
Angka gaji di atas rentang kasar buat Jakarta per awal 2026, dari yang aku lihat di lowongan dan obrolan sama orang di industri. Di luar Jakarta, biasanya 20-40% lebih rendah buat level yang sama. Bank dan perusahaan tech besar bayar di atas rentang ini, startup tahap awal di bawahnya tapi biasanya kasih equity.
Kerjaan kamu di sini: nerima permintaan, terus ngerjain.
"Tolong tarik data penjualan Q1 per kota." "Kenapa angka dashboard beda sama laporan finance?" "Bisa update slide ini pakai data bulan lalu?"
Skill yang dipakai tiap hari: SQL buat narik dan gabung data, spreadsheet buat ngerapiin, satu tool visualisasi (Looker Studio, Tableau, atau Power BI). Python opsional di banyak tempat, tapi makin ke sini makin sering diminta.
Yang bikin junior stuck: ngerjain persis apa yang diminta, nggak pernah nanya kenapa. Kamu dikasih tugas tarik data penjualan, kamu tarik. Padahal yang orang itu beneran mau tau adalah kenapa penjualan turun.
Cara keluar dari level ini: mulai kirim jawaban, bukan cuma data. Bukan "ini file-nya" tapi "ini file-nya, dan aku nemu penjualan Bandung turun 18% gara-gara satu SKU yang stoknya kosong 3 minggu."
Kalau SQL kamu masih goyang, mulai dari GROUP BY dan JOIN, dua ini yang paling sering kepake di kerjaan harian.
Di sini kamu berhenti jadi tukang tarik data, dan mulai bikin hal yang jalan tanpa kamu.
Kalau tiap Senin kamu ngerjain laporan mingguan yang sama, kamu bikin dashboard-nya, lalu laporan itu jalan sendiri. Waktu kamu balik buat masalah baru.
Skill baru yang muncul di level ini: bikin data model yang rapi (dimensi dan fakta, bukan satu tabel raksasa), ETL dasar, dan versioning query pakai Git. Beberapa tim udah pakai dbt di titik ini.
Yang bikin mid-level stuck: jadi terlalu nyaman jadi "orang yang bisa bikin dashboard." Dashboard kamu banyak, tapi nggak ada yang tau mana yang beneran dipakai buat keputusan.
Aku pernah audit satu tim analytics di perusahaan retail. Mereka punya 47 dashboard aktif. Setelah dicek log-nya, cuma 6 yang dibuka lebih dari sekali seminggu. Sisanya bikin capek maintenance, tapi nggak dipakai siapa-siapa.
Cara keluar dari level ini: mulai bunuh dashboard yang nggak dipakai, dan mulai bawa pertanyaan sendiri ke meeting.
Perbedaan senior sama mid bukan di tools. Senior lebih jago nentuin pertanyaan yang bener, sebelum satu baris SQL pun ditulis.
Contoh nyata. Product manager datang bilang "tolong cek retention user kita turun nggak." Mid-level bakal langsung bikin query retention. Senior bakal nanya dulu: retention yang mana? User yang baru daftar bulan ini, atau semua user aktif? Dan kenapa kamu curiga turun? Ada yang berubah di produk?
Setengah dari kerjaan analisis itu ngeklarifikasi pertanyaannya. Bagian ini yang nggak diajarin di kursus mana pun.
Skill yang jadi pembeda di level ini:
Yang paling sering jadi bottleneck: komunikasi. Kamu bisa nulis query paling elegan di kantor, tapi kalau direktur nggak paham kesimpulannya dalam 2 menit, analisis kamu nggak kepake.
Di sekitar tahun ke-5 sampai ke-7, jalannya pecah dua. Ini keputusan karir paling penting yang bakal kamu ambil.
Kamu tetap ngerjain masalah teknis, tapi masalahnya makin sulit dan makin luas dampaknya.
Beberapa peran yang biasa jadi tujuan:
Kamu berhenti nulis query, dan mulai ngurus orang plus prioritas.
Yang perlu kamu tau sebelum milih: di perusahaan tech yang matang, gaji Principal Analyst dan Analytics Manager itu setara. Jadi kamu nggak perlu jadi manager cuma buat naik gaji.
Tapi di banyak perusahaan Indonesia, terutama yang non-tech, jalur IC belum ada. Satu-satunya cara naik ya jadi manager. Cek dulu struktur perusahaan kamu sebelum berharap.
Ini pola yang berulang dari orang-orang yang aku ajarin di kelas Ngulik Data.
Pola 1: loncat perusahaan. Junior di startup kecil 1,5 tahun, pindah ke e-commerce sebagai mid dengan gaji naik 80%. Dua tahun kemudian pindah lagi jadi senior. Total 4 tahun dari junior ke senior. Kenaikan lewat pindah kerja biasanya 40-80%, jauh di atas kenaikan internal yang 8-15% per tahun.
Pola 2: tumbuh di dalam. Masuk sebagai junior di bank, promosi tiap 2 tahun. Enam tahun jadi senior. Gaji lebih lambat naik, tapi domain knowledge dalam banget, dan itu yang bikin dia akhirnya diambil jadi Head of Data di fintech.
Pola 3: nyangkut. Empat tahun di posisi yang sama, tetap ngerjain request yang sama. Skill SQL-nya bagus, tapi nggak pernah bawa masalah sendiri. Waktu ngelamar posisi senior, gugur di tahap studi kasus, karena ditanya "apa yang kamu lakuin kalau datanya nggak cukup" dan dia bingung.
Pola 3 ini paling sering. Dan penyebabnya hampir selalu sama: kelamaan nyaman jadi eksekutor.
Ngumpulin sertifikat, bukan bukti. Nggak ada hiring manager yang naikin gaji kamu gara-gara sertifikat kesekian. Yang mereka mau lihat: proyek yang ngasih dampak, dan angkanya. "Bikin dashboard churn yang bikin tim CS nurunin churn 3%" jauh lebih kuat dari 5 sertifikat.
Kejar tool baru terus. Ganti dari Tableau ke Power BI ke Looker nggak bikin kamu naik level. Tools itu bisa dipelajari dalam 2 minggu. Yang susah dan mahal itu judgment.
Nunggu promosi datang sendiri. Di kebanyakan perusahaan Indonesia, promosi itu diminta, bukan dikasih. Kalau kamu udah ngerjain kerjaan senior selama setahun, itu bukan otomatis jadi promosi. Itu jadi ekspektasi baru.
Ngindarin kerjaan yang "kotor". Bersihin data messy, dokumentasiin definisi metrik, ngurus data quality. Kerjaan ini nggak seksi, tapi orang yang bisa ngerjain ini yang paling dibutuhin tim, dan mereka yang paling susah digantiin.
Rata-rata 4 sampai 7 tahun, tapi rentangnya lebar. Yang paling cepat biasanya orang yang pindah kerja 1-2 kali di tahun-tahun awal, soalnya kenaikan level lewat pindah perusahaan biasanya lebih cepat dari promosi internal. Yang nentuin bukan jumlah tahun, tapi seberapa sering analisis kamu dipakai buat ambil keputusan yang ada risikonya.
Nggak harus. Data scientist cuma salah satu percabangan, dan bukan yang paling tinggi. Banyak senior analyst yang malah pindah ke analytics engineering atau product analytics dan dapat kompensasi setara. Pilih berdasarkan jenis masalah yang kamu suka: model prediktif ke data science, data rapi dan bisa dipercaya ke analytics engineering.
Per 2026, rentang kasar di Jakarta: junior 6-10 juta, mid 12-20 juta, senior 22-35 juta, lead atau manager 35-60 juta per bulan. Startup tahap awal biasanya bayar lebih rendah tapi kasih equity. Perusahaan tech besar dan bank bayar di atas rentang ini. Angka di luar Jakarta biasanya 20-40% lebih rendah buat level yang sama.
Bukan tools baru. Yang bikin naik itu kemampuan nentuin pertanyaan yang benar sebelum nulis query, dan berani ngasih rekomendasi yang bisa salah. Junior nunggu dikasih tiket. Senior datang ke meeting bawa masalah yang belum ada yang sadar, plus angka yang ngedukung. Komunikasi ke orang non-teknis biasanya jadi bottleneck terbesar di level ini.
Nggak. Di perusahaan tech yang matang, jalur individual contributor punya level setara manager sampai director, dan bayarannya mirip. Bedanya di jenis kerjaan: manager ngurus orang dan prioritas tim, IC ngurus masalah teknis yang paling sulit. Kalau kamu nggak suka meeting dan performance review, jalur IC lebih masuk akal, asal jalur itu emang ada di perusahaan kamu.
Empat level inti: junior (eksekusi), mid (bikin sistem), senior (nentuin pertanyaan), lead atau manager (ngarahin). Setelah tahun ke-5, kamu milih antara jalur IC atau manajerial. Di perusahaan yang bener, dua-duanya bayarannya setara.
Yang bikin naik level bukan sertifikat atau tool baru. Tapi seberapa berani orang ambil keputusan dari analisis kamu.
Kalau kamu masih di level junior dan pengen cepat naik, mulai dari fondasi yang paling sering dipakai: SQL yang beneran bisa dipakai kerja. Coba latihan window function di NgulikSQL, ini skill yang paling sering muncul di tes teknis level mid ke atas.
Buat gambaran skill apa aja yang diminta di lowongan Indonesia, cek juga daftar skill data analyst 2026. Data pembanding gaji global bisa kamu lihat di Stack Overflow Developer Survey.
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.