TL;DR
Jobdesk data analyst itu narik data, bersihin, analisis, terus komunikasiin hasilnya buat bantu keputusan bisnis. Kenyataannya sekitar 40% waktu kerja abis buat bersihin data, sisanya kebagi ke meeting sama permintaan dadakan. Tugas detailnya beda-beda tergantung kamu kerja di startup, korporat, atau UMKM.
Jobdesk data analyst itu intinya ngubah data mentah jadi jawaban yang bisa dipakai buat ambil keputusan. Narik data dari sistem, bersihin yang berantakan, analisis, terus jelasin hasilnya ke orang yang nggak ngerti angka.
Tapi kalau kamu ngebayangin kerjaannya duduk depan dashboard keren sambil nemu insight ajaib tiap jam, jauh banget deh dari kenyataan.
Sebagian besar hari malah abis buat benerin data yang kotor sama bales permintaan dadakan. Di bawah ini aku kasih jadwal jam-per-jam yang realistis, terus beda jobdesk-nya di startup, korporat, sama UMKM.
Data analyst tuh ngumpulin data dari berbagai sumber, ngerapiin biar konsisten, terus nyari pola yang menjawab pertanyaan bisnis. Hasilnya dikemas jadi report atau dashboard yang gampang dibaca bos deh. Tugas hariannya muter di empat hal: narik data, bersihin data, analisis, sama komunikasi hasil.
Aku sengaja taruh "komunikasi" di situ ya. Banyak yang ngira kerjaan ini soal angka doang, padahal separuh nilai kamu ada di kemampuan jelasin angka ke tim marketing atau finance. Kalau kamu masih baru di dunia ini, mending baca dulu deh panduan apa itu data analyst biar gambaran besarnya kebentuk.
Harinya biasanya kebuka sama ngecek permintaan yang numpuk semalem. Habis itu narik dan bersihin data, lanjut meeting bareng tim. Baru sorenya analisis beneran, ditutup ngelayanin permintaan dadakan. Ini contoh satu hari yang lumayan khas, dari pengalaman aku sama beberapa temen yang kerja di e-commerce lokal. Jamnya nggak baku ya, porsinya kurang lebih segini nih.
| Jam | Ngapain |
|---|---|
| 09.00 - 09.30 | Buka laptop, cek Slack sama email. Udah numpuk 3 permintaan data dari semalem. |
| 09.30 - 11.00 | Narik data penjualan buat report mingguan, terus bersihin. Ini bagian paling makan waktu. |
| 11.00 - 12.00 | Standup meeting sama tim, lanjut sync bareng marketing soal target campaign. |
| 13.00 - 15.00 | Analisis beneran: nulis query, cek angka yang keliatan aneh, bikin grafik. |
| 15.00 - 16.00 | Ad-hoc request dadakan. "Tolong dong angka penjualan Keripik Juara bulan lalu, buat rapat sore." |
| 16.00 - 17.00 | Update dashboard, rapiin dokumentasi, bales pertanyaan follow-up. |
Perhatiin porsinya deh. Analisis yang bener-bener "mikir" itu cuma sekitar 2 jam. Sisanya kepake buat bersihin data, meeting, sama ngelayanin permintaan yang muncul tiba-tiba.
Kalau dipukul rata dari pengalaman aku, kira-kira kayak gini pembagiannya:
Angka ini estimasi kasar dari yang aku lihat ya, bukan hasil survei. Tapi polanya konsisten sih: analisis yang glamor itu justru bagian paling kecil.
Data di dunia nyata itu kotor. Selalu. Data penjualan dari kasir bisa punya format tanggal campur aduk, nama produk yang ketik beda-beda, sama baris kosong yang nyelip. Sebelum bisa dianalisis, semua itu harus dirapiin dulu kan ya.
Contoh nyata deh. Misal Toko Berkah punya data transaksi 12 ribu baris. Nama kota "Jakarta" ketulis lima versi: "Jakarta", "JKT", "jakarta", "Jkt Selatan", "Jkt Pusat". Kalau kamu langsung GROUP BY tanpa dibersihin, hasilnya lima baris berbeda buat satu kota yang sama lho.
-- Nyatuin variasi nama kota sebelum dihitung
SELECT
CASE
WHEN LOWER(kota) LIKE '%jkt%' OR LOWER(kota) LIKE '%jakarta%' THEN 'Jakarta'
ELSE kota
END AS kota_bersih,
SUM(total) AS omzet
FROM transaksi
GROUP BY kota_bersih;GROUP BY di sini cara ngegrupin data biar bisa dijumlah per kota. Detail soal aturannya bisa kamu cek di dokumentasi PostgreSQL. Kerjaan kayak gini nempel di hampir tiap hari, makanya aku bikin bahasan khusus soal data cleaning pakai SQL.
Ad-hoc request itu permintaan data dadakan yang nggak masuk rencana. Bos butuh angka buat rapat sore, tim marketing nanya performa campaign kemaren, finance minta rekap omzet. Semua pengen sekarang juga sih.
Masalahnya, permintaan ini sering keliatan sepele padahal nggak. "Tolong dong angka penjualan bulan lalu" bisa berarti narik data, bersihin, cek ulang, baru dikirim. Setengah jam melayang buat satu pertanyaan yang dikira 5 menit.
Makanya analyst yang udah pengalaman biasanya bikin dashboard biar orang bisa cek angka sendiri. Sekali bikin nih, permintaan berulang berkurang drastis. Ini salah satu alasan kenapa skill komunikasi sama dokumentasi kepake banget di kerjaan harian.
Judulnya sama, kerjaannya beda jauh tergantung tempat. Di startup kamu ngerjain semua sendiri. Di korporat kamu ngurus satu bagian kecil aja dari tim gede. Di UMKM kamu sering jadi orang data satu-satunya yang malah nyambi kerjaan lain.
| Aspek | Startup | Korporat | UMKM |
|---|---|---|---|
| Cakupan kerja | Luas, dari narik data sampe bikin dashboard sendiri | Sempit, fokus satu area kayak data marketing | Serabutan, kadang sekalian pegang admin sama laporan |
| Tool | SQL, Python, Looker Studio, apa aja yang gratis | Tool enterprise kayak Tableau atau Power BI | Sering cuma Excel sama Google Sheets |
| Data | Berantakan, masih dibangun sistemnya | Rapi tapi ribet birokrasinya | Manual, banyak input dari WhatsApp sama nota |
| Ritme | Cepet, banyak eksperimen | Lambat, banyak approval | Fleksibel tapi minim struktur |
Nggak ada yang lebih bagus kok, tergantung kamu cocoknya di mana. Kalau suka belajar cepet sambil pegang banyak hal, startup asik. Kalau suka spesialis dan proses jelas, korporat lebih enak. Kalau di UMKM, siap-siap aja jadi jagoan Excel soalnya SQL kadang belum kepake.
Ada empat skill yang paling sering kepake data analyst tiap hari: SQL, spreadsheet, visualisasi, sama komunikasi. Bukan tool paling canggih, tapi ini yang nempel di hampir semua kerjaan. SQL buat narik data, spreadsheet buat ngutak-ngatik cepet, sisanya buat nyajiin dan jelasin hasilnya ke orang lain.
Kalau kamu lagi siapin diri buat interview, SQL biasanya yang paling banyak ditanya. Aku udah kumpulin pertanyaan interview SQL yang sering keluar biar kamu nggak kaget pas hari-H.
Iya, sebagian besar. Tapi bukan cuma ngetik query diem-diem. Ada porsi meeting yang lumayan gede, sekitar seperempat waktu kerja, buat sync sama tim lain dan jelasin hasil analisis. Jadi skill ngomong sama nulis tetep kepake, nggak cuma jago teknis doang.
Nggak harus jago banget, tapi minimal ngerti SQL. SQL itu bahasa buat minta data dari database, dan hampir tiap lowongan data analyst mensyaratkan ini. Python berguna buat kerjaan yang lebih berat, tapi buat mulai, SQL sama Excel udah cukup buat dapet kerja pertama.
Dari yang aku lihat, cuma sekitar 2 jam dari 8 jam kerja. Sisanya kepake buat bersihin data, meeting, sama ngelayanin permintaan dadakan. Jadi kalau kamu masuk bidang ini ngarep mikir strategis seharian, ekspektasinya perlu diturunin dikit ya.
Data entry tugasnya masukin data ke sistem, titik. Data analyst tugasnya ngolah data yang udah ada jadi jawaban sama rekomendasi. Kadang di UMKM dua peran ini nyampur di satu orang, tapi intinya beda: satu ngisi, satu nganalisis.
Beda di kedalaman. Fresh grad lebih banyak kebagian narik sama bersihin data plus report rutin. Yang senior lebih ke nentuin pertanyaan apa yang layak dijawab dan ngasih rekomendasi ke manajemen. Tapi kerjaan bersihin data nggak pernah bener-bener hilang kok, bahkan buat yang senior.
Intinya jobdesk data analyst itu campuran narik data, bersihin, analisis, sama komunikasi, dengan porsi bersihin data yang paling gede. Kerjaannya beda-beda tergantung di startup, korporat, atau UMKM, tapi pondasinya sama.
Kalau kamu mau tau skill apa aja yang perlu disiapin sebelum ngelamar, cek panduan data analyst lengkap di sini dan mulai dari SQL dulu.
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.