TL;DR
Lamaran data analyst yang nggak dibalas biasanya kesaring di lapisan yang nggak ada hubungannya sama kemampuan kamu: rasio pelamar per lowongan, definisi level yang ngambang, parsing CV otomatis, portofolio yang isinya dataset publik yang sama kayak ribuan orang, dan perusahaan yang belum punya orang buat nilai kerjaan data. Dari 68 lamaran yang aku catat sendiri, cuma 9 yang dibalas. Cara paling cepat naikin angka itu bukan nambah lamaran, tapi ngecek lapisan mana yang bocor.
Lamaran data analyst yang nggak dibalas biasanya kesaring di lapisan sistem, bukan di lapisan kemampuan.
Kamu kirim 40 lamaran, dapat 2 balasan. Lalu kamu nambah skill, nambah sertifikat, nambah project. Kirim 40 lagi, dapat 2 balasan.
Pola itu bukan soal kamu kurang usaha. Ada lima titik di proses rekrutmen yang nyaring pelamar sebelum siapa pun sempat lihat isi kepalamu.
Alasan struktural adalah penyebab yang ada di rancangan proses rekrutmen, bukan di kualitas pelamarnya. Contohnya jumlah pelamar yang jauh lebih banyak dari kapasitas orang yang nyeleksi, atau filter otomatis yang jalan sebelum manusia baca. Kamu bisa jadi kandidat yang pas dan tetap kesaring.
Bedanya penting soalnya solusinya beda. Masalah kemampuan dijawab dengan belajar. Masalah struktural dijawab dengan ganti jalur atau ganti target.
Lowongan data analyst junior di Jakarta biasanya buka 1 sampai 2 slot. Yang ngelamar bisa ratusan dalam seminggu, soalnya syarat masuknya kelihatan terbuka buat semua jurusan.
Recruiter yang megang 8 posisi sekaligus nggak mungkin baca semuanya utuh. Yang kebaca lengkap cuma tumpukan paling atas.
Efeknya, waktu lamaran kamu masuk jadi penentu besar. Lamaran yang masuk di 48 jam pertama punya peluang kebaca jauh lebih besar dari yang masuk di hari kesepuluh.
Yang bisa kamu lakuin: pasang notifikasi lowongan harian, dan lamar di hari yang sama waktu posting muncul. Ini perubahan kecil yang efeknya kerasa.
Banyak lowongan bertajuk junior data analyst minta 2 sampai 3 tahun pengalaman, plus SQL, Python, Power BI, dan pengalaman bikin dashboard produksi.
Ini biasanya kejadian karena posisinya baru pertama kali dibuka di perusahaan itu. Nggak ada senior yang bisa ngebimbing, jadi mereka pengen orang yang langsung jalan sendiri.
Buat kamu yang beneran pemula, lowongan kayak gini bukan pintu masuk. Itu lowongan mid level yang salah label.
Yang bisa kamu lakuin: baca bagian tanggung jawab, bukan judulnya. Kalau di situ ada kata mandiri, ownership penuh, atau bangun dari nol, itu bukan slot buat orang yang baru mulai.
Mayoritas perusahaan menengah ke atas nerima lamaran lewat sistem pelacak lamaran. Sistem ini nyimpen CV kamu jadi teks yang bisa dicari, lalu recruiter nyari kandidat pakai kata kunci. Cara kerja umumnya bisa kamu baca di dokumentasi resmi Greenhouse, salah satu sistem yang paling banyak dipakai.
Masalahnya, CV dengan layout dua kolom, ikon, tabel, atau teks di dalam gambar sering kebaca acak-acakan. Nama kamu nyampur sama alamat, skill nyampur sama nama kampus.
Waktu recruiter nyari kata SQL, CV kamu nggak muncul. Padahal kata itu ada di sana, cuma nyangkut di dalam grafik skill berbentuk lingkaran.
Yang bisa kamu lakuin: pakai satu kolom, format .pdf hasil ekspor teks (bukan hasil scan), dan tulis nama tool secara harfiah. Detail lengkapnya ada di CV ATS friendly untuk data analyst.
Titanic, Iris, Superstore, dan dataset e-commerce Brazil muncul di hampir semua portofolio pemula. Recruiter yang udah lihat 200 CV bulan ini pernah lihat analisis Titanic yang persis sama.
Nggak ada yang salah sama dataset itu buat belajar. Yang bermasalah adalah dipakai sebagai bukti kerja.
Project yang bikin recruiter berhenti scroll biasanya punya dua ciri: datanya lokal dan pertanyaannya nyata. Rekap penjualan warung tetangga selama 3 bulan lebih menarik dari model machine learning di dataset Kaggle.
Yang bisa kamu lakuin: ambil satu masalah nyata dari lingkungan kamu, kumpulin datanya sendiri, dan tulis rekomendasinya dalam bahasa bisnis. Satu project kayak gini ngalahin lima notebook dataset publik.
Ini yang paling jarang dibahas. Kamu ngelamar ke perusahaan yang belum punya tim data sama sekali, lalu yang nyeleksi adalah HR dan manajer operasional.
Mereka nggak bisa nilai query kamu bagus atau nggak. Jadi keputusannya jatuh ke hal yang bisa mereka nilai: nama kampus, lama pengalaman, dan seberapa rapi kamu ngomong.
Di kondisi kayak gini, kandidat teknis yang kuat sering kalah dari kandidat yang komunikasinya lebih lancar.
Yang bisa kamu lakuin: cek dulu apakah perusahaan itu udah punya orang data di LinkedIn. Kalau belum ada satu pun, siapin cerita dampak bisnis, bukan detail teknis.
Waktu aku pindah jalur ke data, aku catat semua lamaran di satu spreadsheet. Kolomnya sederhana: tanggal kirim, nama perusahaan, sumber lowongan, punya tim data atau nggak, dan status balasan.
Total 68 lamaran dalam 4 bulan. Hasilnya begini:
| Tahap | Jumlah | Persentase |
|---|---|---|
| Lamaran terkirim | 68 | 100% |
| Dapat balasan apa pun | 9 | 13% |
| Interview HR | 6 | 9% |
| Interview teknis | 4 | 6% |
| Offer | 1 | 1,5% |
Angka yang paling ngubah cara aku ngelamar: dari 9 balasan itu, 7 datang dari perusahaan yang udah punya minimal satu orang data analyst di tim. Padahal perusahaan tipe itu cuma 23 dari 68 lamaran.
Artinya tingkat balasan di perusahaan yang udah punya tim data ada di 30%, sementara di perusahaan tanpa tim data cuma 4%. Selisihnya delapan kali lipat.
Buat ngitung ini sendiri, kamu cuma butuh COUNTIFS di spreadsheet tracker kamu. Nggak perlu tool khusus.
Nambah volume lamaran tanpa ganti apa pun. Kalau tingkat balasanmu 3%, ngirim 200 lamaran cuma bikin capek dan dapat 6 balasan. Perbaiki dulu satu lapisan, baru tambah volume.
Nambah sertifikat buat masalah yang bukan sertifikat. Kalau kamu ditolak karena CV nggak kebaca sistem, sertifikat kesepuluh nggak nolong.
Nggak nyatet apa pun. Tanpa tracker, kamu nebak. Dengan tracker, kamu tau lapisan mana yang bocor dalam 3 minggu.
Ngelamar cuma lewat satu portal. Sebagian lowongan data di Indonesia nggak pernah diposting publik, dan diisi lewat rekomendasi orang dalam. Cara masuk ke jalur itu ada di cara cari mentor data analyst.
Dari catatan pribadiku, 13% dari 68 lamaran. Angka ini bakal beda-beda tergantung kota, jalur lamaran, dan level posisi yang kamu incar. Yang lebih berguna buat kamu bukan bandingin sama orang lain, tapi bandingin sama angkamu sendiri bulan lalu. Kalau setelah 30 lamaran kamu masih di bawah 5%, kemungkinan besar masalahnya di CV atau di pemilihan lowongan.
Perlu, asal kamu penuhi bagian intinya. Kalau syarat teknis utamanya SQL dan spreadsheet dan kamu bisa keduanya, lamar aja walau kamu belum pegang Power BI. Tapi kalau lowongan minta 3 tahun pengalaman bangun pipeline sendirian dan kamu baru 3 bulan belajar, itu bukan optimisme, itu buang waktu. Baca bagian tanggung jawabnya buat mutusin.
Cari nama perusahaan di LinkedIn, lalu filter karyawannya pakai kata kunci data analyst, data engineer, atau business intelligence. Kalau muncul minimal satu orang, kemungkinan besar ada yang bisa nilai kerjaan teknismu. Cek juga apakah lowongannya nyebut tool spesifik. Lowongan yang nyebut dbt atau BigQuery biasanya ditulis orang yang beneran pakai tool itu.
Yang datanya lokal dan pertanyaannya jelas. Contohnya rekap penjualan UMKM kenalanmu selama 3 bulan, lengkap sama rekomendasi stok yang bisa langsung dipakai pemiliknya. Tulis di README-nya tiga hal: masalah apa yang kamu jawab, apa yang kamu temuin, dan apa yang berubah setelahnya. Recruiter lebih peduli itu daripada jumlah baris kode kamu.
Belum tentu. Cek dulu tiga hal berurutan: berapa persen lamaranmu masuk ke perusahaan yang udah punya tim data, apakah CV-mu kebaca rapi waktu di-copy paste ke Notepad, dan apakah portofoliomu pakai dataset publik yang umum. Kalau ketiganya udah beres dan setelah 40 lamaran masih nol balasan, baru pertimbangkan jalur masuk lain kayak posisi operasional yang banyak megang data.
Lamaran yang nggak dibalas ngasih informasi nol. Kamu nggak tau kesaring di mana, jadi kamu nebak dan biasanya nebaknya salah arah.
Tracker sederhana ngubah tebakan itu jadi angka. Lima kolom, tiga minggu, dan kamu tau lapisan mana yang bocor.
Mulai hari ini, catat setiap lamaran yang kamu kirim beserta satu kolom tambahan: perusahaan ini udah punya orang data atau belum. Habis itu rapiin CV-nya pakai panduan CV ATS friendly untuk 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.