TL;DR
Dampak bisnis dari kerjaan analis diukur dengan tiga langkah: catat baseline sebelum ada perubahan, jalanin perubahannya sambil sisain kelompok pembanding, lalu hitung selisihnya dan ubah jadi rupiah atau jam. Menuliskannya pakai pola aksi, metode, angka hasil, dan periode. Kalau angkanya gak bisa dipisah dari faktor lain, tulis kontribusinya apa adanya, jangan klaim seluruh kenaikan.
Dampak bisnis dari kerjaan analis adalah selisih antara kondisi setelah analisismu dipakai dan kondisi kalau analisis itu gak pernah ada.
Definisi itu kedengeran ribet, tapi dia yang bikin klaim kamu tahan pertanyaan lanjutan di ruang interview.
Kebanyakan CV analis isinya daftar barang: bikin 12 dashboard, nulis 200 query, ngerjain laporan bulanan. Rekruter baca itu dan gak tahu harus mikir apa.
Di sini aku tunjukin cara ngukur dampak dengan angka yang bisa dipertahankan, lalu nulisnya di CV tanpa kedengeran ngarang.
Output itu barang yang kamu hasilkan: dashboard, query, laporan, model. Dampak itu perubahan angka bisnis atau perilaku tim setelah output itu dipakai orang. Satu analis bisa punya output banyak dengan dampak nol, kalau hasil kerjanya gak pernah dibuka siapa pun.
| Yang kamu kerjain | Output | Dampak |
|---|---|---|
| Bikin dashboard stok | 1 dashboard, 8 visual | Stok mati turun dari Rp 62 juta ke Rp 21 juta dalam 4 bulan |
| Otomasi laporan mingguan | 1 script Python | Waktu rekap turun dari 3 jam jadi 12 menit per minggu |
| Segmentasi pelanggan | 4 segmen, 1 notebook | Kampanye ke segmen tidur balikin 13 pelanggan dalam 30 hari |
| Bersihin data master produk | 386 SKU dirapikan | Selisih stok opname turun dari 4,1% ke 0,9% |
Kolom kanan yang bikin kamu naik gaji. Kolom tengah cuma bukti kamu hadir.
Pengukuran dampak butuh tiga hal: angka sebelum perubahan, kelompok yang gak kena perubahan, dan periode yang jelas. Tanpa salah satu dari tiga itu, kamu cuma nebak. Ini urutan yang aku pakai di tiap proyek.
Baseline itu angka kondisi awal. Catat sebelum kamu ubah apa pun, soalnya setelah perubahan jalan, ingatan orang soal "dulu berapa ya" hampir selalu meleset.
Yang perlu dicatat minimal empat hal:
Simpan di satu file yang bertanggal. Enam bulan lagi file ini yang jadi bukti waktu kamu nulis CV.
Ini yang paling sering dilewat. Kalau kamu kirim promo ke semua pelanggan lalu penjualan naik, kamu gak pernah tahu berapa yang bakal beli tanpa promo.
Bagi target jadi dua secara acak. Setengah kena perlakuan, setengah lagi dibiarkan.
Pola ini sama kayak A/B testing, cuma skalanya lebih kecil dan gak perlu tool khusus. Excel udah cukup buat ngacak 200 baris.
Kalau bisnisnya gak ngizinin ada kelompok yang gak dikasih perlakuan, pakai pembanding lain: cabang yang belum pakai sistem baru, periode yang sama tahun lalu, atau kategori produk yang gak masuk kampanye.
Tulis di awal: "aku bakal ukur selama 30 hari setelah pengiriman." Ini nyegah kamu milih tanggal potong yang paling bagus setelah lihat hasilnya.
Godaan buat manjangin periode sampai angkanya cantik itu nyata. Kunci tanggalnya dari awal.
Dampak bersih adalah hasil kelompok perlakuan dikurangi hasil kelompok pembanding. Bukan hasil kelompok perlakuan mentah-mentah.
Dampak bersih = (hasil kelompok perlakuan) - (hasil kelompok pembanding)
Contoh:
18,3% pelanggan yang dikirimi reminder balik belanja
5,8% pelanggan pembanding balik belanja sendiri
---------------------------------------------------
Dampak bersih = 12,5 poin persenKalau selisihnya tipis dan sampelnya kecil, cek dulu apakah bedanya bisa muncul dari kebetulan. Uji beda dua proporsi atau uji beda rata-rata bisa dijalanin pakai modul scipy.stats dalam beberapa baris.
Angka persentase susah dibayangkan orang non-teknis. Rupiah dan jam langsung kebayang.
| Jenis dampak | Cara ubah |
|---|---|
| Waktu hemat | Jam hemat x biaya per jam orang (gaji bulanan / 173 jam) |
| Penjualan tambahan | Jumlah transaksi tambahan x rata-rata nilai transaksi |
| Biaya turun | Selisih biaya bulanan x 12 |
| Kesalahan berkurang | Jumlah kasus x biaya rata-rata per kasus |
| Stok mati turun | Nilai stok yang cair x biaya modal per tahun |
Sebut asumsimu terbuka. "Dengan asumsi biaya per jam Rp 35.000" bikin angkamu bisa dicek, dan itu nambah kepercayaan bukan ngurangin.
Toko_berkah punya 1.842 pelanggan dari data 14 bulan. Segmentasi ngasih satu kelompok bernama "tidur panjang": 208 pelanggan yang gak transaksi lebih dari 180 hari, rata-rata belanja terakhirnya Rp 410.000.
Pemiliknya mau kirim reminder WhatsApp ke semua 208 orang. Aku minta dibagi dua dulu.
| Kelompok | Jumlah | Perlakuan | Balik belanja dalam 30 hari |
|---|---|---|---|
| Perlakuan | 104 | Reminder WhatsApp + diskon 5% | 19 orang (18,3%) |
| Pembanding | 104 | Gak dikirim apa-apa | 6 orang (5,8%) |
Kalau aku klaim seluruh 19 orang itu hasil kampanye, aku ngaku-ngaku. Enam orang di antaranya bakal balik sendiri.
Dampak bersihnya 13 pelanggan, dari selisih 12,5 poin persen dikali 104 orang. Dengan rata-rata belanja Rp 410.000, tambahan omzet bersih dalam 30 hari sekitar Rp 5.330.000.
Biaya diskon 5 persen dari 19 transaksi sekitar Rp 390.000. Jadi dampak bersih setelah biaya sekitar Rp 4.940.000.
Angka ini jauh lebih kecil dari "kampanye menghasilkan Rp 7,8 juta" yang bakal aku dapat kalau semua 19 orang diklaim. Tapi angka ini yang selamat waktu ditanya balik.
Satu poin dampak yang bagus punya empat bagian: aksi yang kamu lakukan, metode yang dipakai, angka hasil, dan periode. Urutan boleh dibolak-balik, tapi keempatnya harus ada. Hilangkan salah satu dan kalimatnya langsung terasa kosong.
[Kata kerja aksi] + [objek] + [metode] + [angka hasil] + [periode]Contoh dari kasus di atas:
Lemah: "Melakukan segmentasi pelanggan dan membuat kampanye reactivation."
Kuat: "Menyegmentasi 1.842 pelanggan pakai K-Means, lalu menguji kampanye reaktivasi dengan kelompok pembanding. Menambah 13 pelanggan aktif dan Rp 4,9 juta omzet bersih dalam 30 hari."
Perhatiin dua hal. Metodenya disebut, jadi rekruter teknis tahu kamu ngerti barangnya. Kelompok pembandingnya disebut, jadi rekruter senior tahu kamu jujur.
| Tipe dampak | Pola kalimat |
|---|---|
| Hemat waktu | Mangkas waktu [proses] dari [X] jadi [Y] lewat [metode], hemat [jam] per tahun |
| Naikin pemasukan | Ngidentifikasi [temuan], jadi dasar [aksi] yang nambah [Rp] dalam [periode] |
| Turunin biaya | Nemuin [masalah] lewat [analisis], nurunin [pos biaya] sebesar [Rp] per bulan |
| Kurangi risiko | Bikin [deteksi] yang nangkep [jumlah] kasus [masalah] sebelum [akibat] |
Pakai persentase atau angka relatif. "Nurunin biaya logistik 14 persen" gak bocorin nominal, tapi tetap kebaca besarnya.
Atau pakai satuan operasional: "mangkas 6 langkah approval jadi 2". Ini aman dan tetap konkret.
Ngeklaim seluruh kenaikan. Omzet naik 20 persen di bulan yang sama kamu rilis dashboard gak otomatis berarti dashboard-nya penyebabnya. Bulan itu ada Lebaran, atau kompetitor sebelah tutup.
Milih periode setelah lihat hasil. Ngukur 45 hari padahal janjinya 30, gara-gara di hari ke-38 ada transaksi besar. Ini yang bikin klaimmu ambruk pas ditanya detail.
Ngitung waktu hemat dari asumsi, bukan pengukuran. "Dashboard ini hemat 10 jam per minggu" tanpa pernah ngukur berapa lama proses lamanya. Tanya orangnya, catat, baru klaim.
Pakai metric yang gak nyambung ke uang. "Dashboard dibuka 340 kali" itu angka pemakaian, bukan dampak. Lanjutin ke keputusan apa yang berubah gara-gara 340 kali dibuka itu.
Ngukur pas efek barunya masih anget. Tim selalu lebih rajin di minggu pertama sistem baru. Ukur juga di bulan ketiga, dan pakai angka yang bertahan.
Lupa nyatat sama sekali. Kesalahan paling mahal. Setahun kerja, gak satu pun angka yang bisa dibuktiin.
Bikin satu file catatan dampak. Isinya empat kolom: tanggal, apa yang aku ubah, baseline, hasil setelah.
Isi tiap kali kamu selesai satu hal, bahkan yang kecil. Lima menit per entri.
Waktu masuk musim review kinerja atau kamu mau lamar kerja, file ini yang bikin kamu selesai nulis CV dalam satu jam.
Kebiasaan kedua: tanya "keputusan apa yang berubah" tiap kali ada yang minta laporan baru. Kalau jawabannya gak ada, laporan itu gak akan punya dampak, dan kamu bisa negosiasi buat ngerjain yang lain.
Mulai dari sekarang, jangan nunggu proyek besar. Catat kondisi awal sebelum kamu ubah apa pun, misalnya berapa menit satu laporan dikerjain atau berapa persen data yang salah input. Angka itu jadi baseline. Tiga bulan lagi kamu punya pembanding yang jujur, dan itu cukup buat satu poin CV yang kuat.
Cuma kalau kamu bisa nunjukin bagian mana yang datang dari analisismu. Omzet naik 20 persen bisa gara-gara musim, kompetitor tutup, atau tim sales nambah orang. Tulis kontribusi yang bisa kamu batasi, misalnya kampanye ke segmen yang kamu identifikasi. Angka kecil yang bisa dipertahankan lebih meyakinkan dibanding angka besar yang goyah pas ditanya.
Output itu barang yang kamu hasilkan: dashboard, laporan, query, model. Dampak itu perubahan perilaku atau angka bisnis setelah output itu dipakai. Bikin 12 dashboard itu output. Tim gudang mangkas stok mati Rp 40 juta setelah pakai dashboard itu, baru dampak. Rekruter tertarik sama bagian kedua.
Kalikan jam yang dihemat dengan biaya per jam orang yang ngerjain. Biaya per jam kasarnya gaji bulanan dibagi 173 jam kerja. Kalau proses rekap yang tadinya 3 jam jadi 12 menit dan dikerjain 2 orang tiap minggu, hitung penghematan tahunannya. Sebut asumsinya terbuka biar angkanya bisa dicek orang lain.
Perlu kalau kamu bandingin dua kelompok dan selisihnya tipis. Uji beda rata-rata atau uji proporsi bantu mastiin selisihnya bukan kebetulan. Kalau selisihnya besar dan sampelnya banyak, angka mentah udah cukup meyakinkan. Yang paling penting tetap ada kelompok pembanding, soalnya tanpa itu uji statistik apa pun jadi gak ada artinya.
Tiga hal yang perlu kamu bawa pas nutup halaman ini.
Catat baseline sebelum ngubah apa pun. Ini langkah yang paling murah dan paling sering dilewat.
Sisain kelompok pembanding sekecil apa pun. Tanpa itu, semua klaim kamu cuma kebetulan yang belum ketahuan.
Tulis dampaknya dengan angka bersih, bukan angka kotor. Rp 4,9 juta yang bisa dipertahankan lebih berharga dari Rp 7,8 juta yang runtuh di pertanyaan kedua.
Mulai file catatan dampakmu hari ini, satu baris aja. Kalau kamu butuh bahan segmentasi buat kampanye pertamamu, lanjut baca cara menentukan jumlah cluster, dan buat mantau angka yang lagi kamu ukur, deteksi anomali penjualan dengan SQL bisa jadi alat pantaunya. Rekap sederhananya sendiri masih bisa kamu bikin di spreadsheet pakai COUNTIFS dan AVERAGE.
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.