TL;DR
Mock interview studi kasus bisnis adalah latihan wawancara di mana kamu dikasih masalah bisnis terbuka dan diminta mikir keras di depan pewawancara. Yang dinilai bukan jawaban akhirnya, tapi cara kamu memecah masalah, ngolah angka, dan ngasih rekomendasi yang bisa dieksekusi. Rubrik 5 dimensi dengan skala 1-4 bikin penilaiannya konsisten antar sesi latihan.
Mock interview studi kasus bisnis adalah latihan wawancara di mana kamu dikasih masalah bisnis terbuka dan diminta mikir keras di depan pewawancara.
Yang bikin banyak kandidat gagal bukan kurang pintar. Mereka langsung lompat ke jawaban tanpa nanya apa-apa dulu.
Di bawah ada transkrip lengkap satu sesi 30 menit, plus rubrik 20 poin yang bisa kamu pakai buat nilai jawabanmu sendiri.
Mock interview studi kasus adalah simulasi wawancara di mana pewawancara ngasih situasi bisnis nyata, misalnya penjualan turun, lalu ngeliat gimana kamu memecah masalahnya. Nggak ada jawaban tunggal yang benar. Yang dinilai adalah struktur berpikir, kefasihan sama angka, dan rekomendasi yang bisa langsung dikerjain tim.
Formatnya beda dari tes teknis. Nggak ada laptop, nggak ada query. Kamu ngomong, pewawancara nanya balik.
Buat posisi data analyst di startup Indonesia, tahap ini biasanya muncul setelah tes SQL dan sebelum wawancara user.
Aku pakai kasus dari dataset latihan ngulikdata. Warungku adalah aplikasi pesan antar makanan yang beroperasi di Bandung. Order sukses bulan ini 8.100, turun dari 9.200 bulan lalu. Penurunannya 12%.
Angka funnel dua bulan terakhir:
| Tahap | Bulan lalu | Bulan ini |
|---|---|---|
| Buka aplikasi | 101.000 | 100.000 |
| Lihat menu resto | 43.100 | 42.000 |
| Masuk keranjang | 18.700 | 18.400 |
| Klik bayar | 9.900 | 9.600 |
| Order sukses | 9.200 | 8.100 |
Kandidat cuma dikasih kalimat pertama. Tabel ini keluar kalau dia minta.
Aku potong bagian basa-basi. Ini menit ke-2 sampai menit ke-26.
Pewawancara: Order sukses Warungku bulan ini turun 12% dibanding bulan lalu. Kamu analyst yang ditugasin. Mulai dari mana?
Kandidat: Sebelum nebak penyebabnya, aku mau pastiin dulu tiga hal. Satu, penurunan ini di semua kota atau cuma Bandung? Dua, definisi order sukses itu order yang dibayar atau order yang sampai ke pelanggan? Tiga, ada rilis aplikasi atau perubahan promo di periode yang sama?
Pewawancara: Bandung doang, dan kita baru buka di Bandung jadi anggap ini satu-satunya pasar. Order sukses = pembayaran berhasil. Nggak ada rilis besar, tapi tim promo motong budget voucher 20% awal bulan.
Kandidat: Oke. Kalau budget voucher dipotong, aku ekspektasi penurunannya kelihatan di bagian atas funnel, misalnya orang buka aplikasi lebih sedikit atau isi keranjang lebih sedikit. Boleh minta angka funnel dua bulan itu?
Pewawancara: Boleh, ini datanya. (nyodorin tabel di atas)
Kandidat: Menarik, hipotesis voucher-ku kayaknya salah. Buka aplikasi cuma turun 1%, keranjang turun 1,6%, klik bayar turun 3%. Semuanya kecil.
Yang lompat itu tahap terakhir. Bulan lalu dari 9.900 yang klik bayar, 9.200 sukses. Itu sekitar 93%. Bulan ini dari 9.600 cuma 8.100 sukses, sekitar 84%.
Pewawancara: Terus artinya apa?
Kandidat: Artinya masalahnya di pembayaran, bukan di minat beli. Rasio sukses bayar turun 8,5 poin persen. Kalau rasio bulan ini masih 93%, order sukses bakal sekitar 8.930, cuma turun 3% bukan 12%.
Jadi hampir seluruh penurunan datang dari satu tahap.
Pewawancara: Bagus. Langkah berikutnya?
Kandidat: Aku pecah rasio sukses bayar per metode pembayaran, per versi aplikasi, dan per tanggal. Tiga potongan itu biasanya cukup buat nemuin sumbernya.
Kalau satu metode bayar yang jatuh, kemungkinan besar masalah di penyedia pembayaran. Kalau satu versi aplikasi yang jatuh, itu bug rilis. Kalau jatuhnya di tanggal tertentu, aku cek log kejadian di tanggal itu.
Pewawancara: Aku kasih satu potongan. Ini rasio sukses per metode.
| Metode bayar | Porsi transaksi | Sukses bulan lalu | Sukses bulan ini |
|---|---|---|---|
| QRIS | 46% | 96% | 96% |
| E-wallet A | 31% | 94% | 62% |
| Transfer bank | 15% | 88% | 87% |
| Tunai di tempat | 8% | 91% | 90% |
Kandidat: Ketemu. E-wallet A anjlok dari 94% ke 62%, sementara metode lain stabil.
Porsinya 31% dari transaksi. Penurunan 32 poin persen di segmen sebesar itu nyumbang sekitar 10 poin penurunan rasio total, dan itu cocok sama 8,5 poin yang kita lihat.
Pewawancara: Rekomendasi kamu apa?
Kandidat: Tiga hal, urut prioritas.
Hari ini juga, tim engineering cek log error dari E-wallet A dan hubungi mereka. Kalau penyebabnya di sisi mereka, kita nggak bisa nunggu.
Sambil nunggu, ubah urutan metode bayar di halaman checkout biar QRIS muncul paling atas. Ini bisa dikerjain dalam sehari dan langsung nyelametin sebagian order.
Minggu depan, pasang alert otomatis kalau rasio sukses per metode turun lebih dari 5 poin dalam 24 jam. Kita kehilangan 1.100 order karena ketahuannya sebulan telat.
Pewawancara: Risiko dari rekomendasi kedua?
Kandidat: Pengguna setia E-wallet A mungkin bingung atau ninggalin aplikasi kalau metode favoritnya diturunin. Aku bakal batasi perubahannya cuma sampai masalahnya kelar, dan pantau rasio pembatalan harian selama percobaan.
Rubrik yang aku pakai punya 5 dimensi, tiap dimensi skala 1 sampai 4. Total maksimal 20.
| Dimensi | Skor 1 | Skor 4 |
|---|---|---|
| Klarifikasi masalah | Langsung nebak penyebab tanpa nanya | Nanya 2-3 hal yang beneran ngubah arah analisis |
| Struktur analisis | Lompat-lompat antar ide | Punya urutan jelas dan nyebut hipotesis sebelum minta data |
| Kefasihan angka | Salah hitung atau nggak ngitung sama sekali | Ngitung kasar dengan cepat dan pakai hasilnya buat nyaring hipotesis |
| Rekomendasi | Saran umum tanpa pemilik dan tenggat | Aksi spesifik, urut prioritas, sadar trade-off |
| Komunikasi | Diam lama, atau ngomong tanpa kesimpulan | Mikir keras dengan suara, rangkum tiap selesai satu tahap |
Skor kandidat di transkrip tadi: klarifikasi 4, struktur 4, angka 4, rekomendasi 3, komunikasi 3. Total 18 dari 20.
Kenapa rekomendasi cuma 3? Dia nggak nyebut siapa pemilik tiap aksi dan berapa dampak rupiahnya. Kalau rata-rata nilai order Rp 45.000, 1.100 order hilang setara Rp 49,5 juta pendapatan kotor. Angka itu yang bikin manajemen gerak cepat.
Komunikasi 3 karena dia nggak ngerangkum ulang di akhir. Kebiasaan nutup dengan tiga kalimat ringkas nambah kesan rapi.
Patokan ambangnya: 12 ke bawah masih perlu latihan dasar, 13-15 layak buat posisi junior, 16 ke atas siap buat posisi mid.
Rekam suaramu pakai HP, lalu dengar ulang sambil ngisi rubrik di atas. Cara ini kelihatan canggung di awal dan efektif banget setelah sesi ketiga.
Buat bahan kasus, ambil laporan tahunan perusahaan publik atau data BPS, lalu bikin pertanyaan sendiri: kenapa angka ini turun di kuartal itu?
Latih juga pemecahan segmen. Sebagian besar kasus selesai begitu kamu bisa motong angka total jadi kelompok yang masuk akal, dan itu inti dari segmentation.
Buat kasus yang berhubungan sama retensi pengguna, pahami dulu cara baca cohort analysis. Pertanyaan "pengguna baru bulan ini lebih jelek dari bulan lalu nggak?" muncul di hampir semua wawancara produk.
Kalau kamu mau lihat gimana funnel dipecah di alat analitik beneran, dokumentasi Funnel exploration Google Analytics ngasih gambaran istilah yang dipakai tim produk.
Standar di kebanyakan perusahaan adalah 30-45 menit buat satu kasus. Buat latihan, 30 menit udah cukup: 5 menit klarifikasi, 15 menit analisis, 5 menit rekomendasi, sisanya tanya jawab. Kalau kamu latihan sendirian, pasang timer dan patuhi. Kebiasaan ngobrol tanpa batas waktu bikin kamu kaget waktu pewawancara asli motong di menit ke-40.
Boleh, asal kamu lanjutin dengan cara kamu bakal nyari tau. Jawaban kayak "aku belum punya angkanya, tapi aku bakal cek rasio checkout per metode bayar dulu" jauh lebih kuat dari nebak asal. Pewawancara nyari cara kamu mikir waktu informasinya kurang, dan itu situasi normal di kerjaan sehari-hari.
Studi kasus bisnis biasanya soal angka besar: pendapatan turun, biaya naik, margin tipis. Studi kasus produk fokus ke perilaku pengguna di dalam aplikasi. Buat posisi data analyst, dua-duanya sering muncul dan pendekatannya mirip, cuma metriknya beda.
Kebanyakan pewawancara ngizinin, tapi mereka juga ngeliat apakah kamu bisa ngitung kasar di kepala. Latih pembagian sederhana kayak 8.100 dibagi 9.600 sampai kamu bisa bilang "sekitar 84 persen" dalam lima detik. Angka bulat yang cepat lebih berguna dari angka presisi yang lama.
Komunitas data di Discord dan Telegram sering punya kanal khusus latihan wawancara. Alternatif lain, tukar sesi sama teman satu angkatan yang juga lagi cari kerja. Yang penting kedua pihak pakai rubrik yang sama biar penilaiannya nggak asal terasa enak.
Kandidat di transkrip tadi menang bukan karena nebak penyebabnya duluan. Dia menang karena ngitung 93% versus 84% lalu tau harus nyari ke mana.
Rubrik 20 poin itu bikin latihanmu terukur. Tanpa rubrik, mock interview cuma jadi obrolan yang enak didengar.
Latihan berikutnya, coba kasus yang sama tapi minta partnermu ngasih data yang menyesatkan. Kemampuan nolak data yang nggak relevan itu yang bedain skor 3 dan 4.
Lanjut baca rubrik penilaian take-home test buat tau apa yang reviewer cari di tahap berikutnya, atau latihan query di NgulikSQL biar tahap tes teknismu aman duluan.
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.