TL;DR
Senior data analyst adalah analis yang diukur dari kualitas keputusan yang dia bantu ambil, bukan dari jumlah request yang dia selesaikan. Perbedaan utamanya bukan skill teknis. Kebanyakan senior nulis SQL yang lebih sederhana dari junior. Yang berubah: senior nanya kenapa sebuah angka dibutuhkan sebelum ngerjain, berani nolak request yang gak jelas tujuannya, dan bisa nerjemahin hasil analisis jadi rekomendasi yang bisa dieksekusi tim bisnis.
Senior data analyst adalah analis yang diukur dari kualitas keputusan yang dia bantu ambil, bukan dari jumlah tiket yang dia tutup.
Kedengeran klise. Tapi coba lihat konsekuensinya: kalau ukurannya keputusan, maka analisis paling berharga yang bisa kamu kasih kadang adalah bilang "data ini gak cukup buat mutusin itu".
Junior gak pernah bilang gitu. Junior ngerjain apa yang diminta.
Yang bikin banyak orang kaget: query senior biasanya lebih sederhana dari query junior. Bukan lebih rumit. Karena mereka udah tau pertanyaan yang bener, jadi gak perlu muter-muter.
Bedanya ada di titik masuk kerjaan. Junior masuk dari request. Senior masuk dari keputusan yang mau diambil.
| Situasi | Junior | Senior |
|---|---|---|
| Dapet tiket "tarik data penjualan Q1" | Buka SQL editor | Nanya: dipakai buat mutusin apa? |
| Ditanya "kenapa penjualan turun" | Bikin 8 chart segmentasi | Cek dulu turunnya beneran atau noise |
| Angka hasil analisis mengejutkan | Langsung kirim ke stakeholder | Cek data quality dulu, baru kirim |
| Diminta 5 dashboard baru | Bikin 5 dashboard | Tanya mana yang bakal dibuka tiap minggu |
| Ditanya "kapan selesai?" | "Secepatnya" | Kasih estimasi + apa yang dikorbanin |
Perhatiin: gak ada satu baris pun yang soal skill SQL.
Ini yang paling murah dilakuin dan paling jarang dilakuin.
Waktu aku masih analyst, aku pernah habis 3 hari bikin analisis churn yang lengkap. Segmentasi, cohort, retention curve, semuanya. Pas dipresentasiin, stakeholder-nya bilang: "Oh, aku cuma butuh tau berapa customer yang berhenti bulan lalu buat slide board."
Satu angka. Query 4 baris. Tiga hari kebuang.
Satu pertanyaan di awal ("angka ini nanti dipakai buat apa?") bakal nyelametin itu. Sekarang aku selalu nanya, dan sekitar 1 dari 4 request berubah bentuk setelah ditanya.
Junior nerima semua request karena takut kelihatan gak helpful. Hasilnya: backlog 30 tiket, semuanya prioritas "tinggi", gak ada yang selesai bener.
Senior bilang: "Aku bisa kerjain dua dari lima ini minggu ini. Yang mana yang paling penting buat keputusan kamu?"
Itu bukan nolak. Itu maksa orang milih. Dan biasanya, waktu dipaksa milih, tiga dari lima request itu ternyata gak penting-penting amat.
Junior tau tabel transaksi punya kolom status. Senior tau kenapa ada 4% transaksi berstatus pending selama lebih dari 30 hari. Karena tim finance manual approve pembayaran transfer, dan mereka cuma cek seminggu sekali.
Info itu gak ada di database. Adanya di kepala orang finance. Senior tau karena mereka pernah ngobrol.
Analis yang gak ngerti proses bisnis di balik datanya bakal terus-terusan bikin analisis yang secara teknis bener tapi secara bisnis salah.
Junior kirim dashboard. Senior kirim dashboard plus tiga kalimat:
"Penjualan Bandung turun 18% bulan ini. Penyebabnya bukan demand. Jumlah order stabil, tapi 22% order dibatalkan karena stok kosong. Rekomendasi: cek proses restock Bandung, bukan naikin budget iklan."
Perbedaannya: yang pertama nyuruh stakeholder mikir sendiri. Yang kedua ngasih mereka pijakan buat ambil keputusan.
Ini yang paling sering bikin analyst dilirik buat promosi. Dan gak butuh skill teknis tambahan sama sekali.
Angka yang mengejutkan itu 70% kemungkinan bug, 30% kemungkinan insight. Junior kirim duluan, cek belakangan. Senior kebalik.
Checklist yang aku pakai tiap kali nemu angka aneh:
Poin terakhir itu jebakan klasik. Aku bahas detailnya di artikel SUM dan AVG di SQL.
Senior gak diukur cuma dari output sendiri. Kalau kamu bikin satu view yang dipakai 5 analyst dan hemat mereka 2 jam per minggu, itu 10 jam per minggu, lebih besar dari apapun yang bisa kamu kerjain sendirian.
Bentuknya bisa macem-macem: dokumentasi tabel, template query, naming convention, atau sekadar rutin review query junior sebelum masuk produksi.
Bukan karena skill-nya kurang. Karena mereka nyaman jadi eksekutor.
Eksekutor itu aman. Kamu dikasih tiket, kamu selesaiin, kamu gak salah. Kalau hasilnya gak kepakai, itu bukan salah kamu. Kamu cuma ngerjain yang diminta.
Masalahnya: peran itu paling gampang digantiin. Sekarang stakeholder bisa nanya ke ChatGPT buat bikin query sederhana. Aku bahas gimana caranya di ChatGPT untuk SQL. Yang gak bisa digantiin: orang yang tau pertanyaan mana yang layak ditanyain.
Tanda paling jelas kamu masih dilihat sebagai eksekutor: performance review kamu isinya jumlah dashboard yang dibikin, bukan keputusan yang berubah gara-gara analisis kamu.
Aku pakai skenario dari dataset toko_berkah, UMKM retail dengan 3 cabang.
Request dari owner: "Tolong buatin laporan produk terlaris per cabang, mingguan."
Respons junior: Bikin query GROUP BY produk dan cabang, sort by qty, ambil top 10. Kirim tiap Senin. Selesai dalam 2 jam.
Respons senior: Nanya dulu. "Laporan ini nanti buat ngapain?"
Jawaban owner: "Buat nentuin stok minggu depan."
Nah, itu pertanyaan yang beda. Produk terlaris minggu lalu belum tentu produk yang bakal habis minggu depan. Yang dia butuh bukan ranking penjualan, yang dia butuh produk yang stoknya bakal habis sebelum restock berikutnya.
Laporan yang bener isinya: sisa stok dibagi rata-rata penjualan harian = perkiraan hari sampai habis. Produk dengan angka di bawah 7 hari yang perlu ditindak.
Waktu aku hitung ini di data toko_berkah, produk terlaris nomor 1 ternyata punya stok cukup buat 24 hari. Yang kritis justru produk peringkat 14, stoknya tinggal 3 hari lagi, dan gak muncul di laporan top 10 sama sekali.
Query-nya gak lebih rumit. Pertanyaannya yang beda.
Bukan berarti teknis gak penting. Ada baseline yang gak bisa ditawar:
Python? Bagus punya, tapi di kebanyakan posisi analyst di Indonesia, ini bukan syarat. Yang lebih sering jadi pembeda: kemampuan nulis dokumentasi yang bikin orang gak perlu nanya kamu lagi.
Buat gambaran ruang lingkup peran ini di industri, deskripsi jabatan dari US Bureau of Labor Statistics lumayan bagus jadi patokan.
Ambil satu kebiasaan aja: tiap dapet request, balas dengan satu pertanyaan sebelum ngerjain.
"Angka ini nanti dipakai buat mutusin apa?"
Kalau jawabannya jelas, hasil kamu bakal lebih tepat sasaran. Kalau jawabannya bingung, kamu barusan nyelametin 3 hari kerjaan yang gak bakal kepakai.
Dua-duanya menang. Dan manajer kamu bakal notice, biasanya lebih cepet dari yang kamu kira.
Umumnya 3-5 tahun di Indonesia. Tapi lama kerja bukan penentunya. Aku pernah lihat orang 2 tahun udah dipromosi karena dia yang pertama nanya balik ke stakeholder sebelum ngerjain request.
SQL lancar termasuk window function, satu tool visualisasi, dan statistik dasar. Python bagus tapi bukan syarat di kebanyakan posisi analyst.
Rentangnya lebar tergantung industri. Yang lebih berguna: gaji naik ngikutin ruang lingkup dampak, bukan tahun pengalaman. Naikin ruang lingkupnya dulu.
Tiap dapet request, balas dengan satu pertanyaan: "angka ini dipakai buat mutusin apa?" Kebiasaan ini yang paling cepet dilihat manajer.
Performance review kamu isinya jumlah dashboard yang dibikin, bukan keputusan yang berubah gara-gara analisis kamu.
Tiga hal yang aku harap nempel:
Tapi fondasi teknisnya tetep harus kokoh. Kalau ROW_NUMBER dan RANK masih bikin kamu ragu, itu yang perlu dibenerin duluan. Karena kamu gak bisa nanya pertanyaan cerdas kalau masih sibuk berantem sama sintaks.
Besok, waktu tiket pertama masuk, jangan langsung buka SQL editor. Balas satu pertanyaan dulu. Lihat apa yang berubah.
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.