Cara Bikin Portfolio Data Analyst yang Dilirik Recruiter (2026)

Portfolio data analyst yang dilirik recruiter itu bukan galeri chart cantik. Yang bikin recruiter berhenti scroll adalah 3-5 proyek yang nunjukin cara kamu mikir: dari masalah bisnis, cari insight, sampai kasih rekomendasi.

Aku sering lihat portfolio yang isinya 10 dashboard warna-warni tapi ga jelas mau jawab pertanyaan apa. Recruiter bingung, terus close tab.

Kabar bagusnya, kamu ga butuh 20 proyek kok. Butuh 3-5 yang rapi dan punya cerita jelas. Sisanya soal cara nyusun biar recruiter langsung nangkep value kamu dalam hitungan detik.

Apa itu portfolio data analyst?

Portfolio data analyst adalah kumpulan proyek yang nunjukin kamu bisa ngubah data mentah jadi keputusan bisnis. Isinya biasanya 3-5 studi kasus. Tiap kasus punya masalah yang mau dijawab, insight yang kamu temuin, dan rekomendasi yang bisa dieksekusi. Bedanya sama laporan biasa, portfolio nunjukin cara kamu mikir, bukan cuma hasil jadi.

Kalau kamu masih baru dan belum yakin scope kerjaan data analyst kayak apa, mampir dulu ke apa itu data analyst. Portfolio kamu nanti idealnya nyerempet skill yang disebut di situ: SQL, spreadsheet, dan cara komunikasiin angka ke orang non-teknis.

Apa yang recruiter liat di 30 detik pertama?

Dari yang aku lihat, recruiter Indonesia ga baca portfolio kamu baris per baris. Mereka scan cepat cari 3 hal: proyeknya jawab masalah bisnis apa, insight-nya masuk akal atau ga, dan kamu ngasih rekomendasi atau berhenti di chart. Kalau 30 detik itu ga nemu cerita jelas, portfolio kamu dilewatin.

Angka 30 detik ini estimasi dari obrolan sama beberapa temen yang megang hiring, bukan riset formal ya. Tapi polanya konsisten. Recruiter kebanjiran lamaran, jadi mereka filter secepat mungkin.

Nih yang bikin mereka betah baca lebih lama:

• Judul proyek yang jelas. "Analisis Churn Pelanggan Toko Berkah" lebih kebaca dari "Project 1".
• Satu kalimat konteks. Masalah bisnisnya apa, dalam bahasa manusia.
• Insight di depan. Taruh temuan utama di atas, jangan disembunyiin di paragraf ke-8.
• Rekomendasi. Ini yang misahin kamu dari orang yang cuma bisa bikin chart.

Contoh gampangnya gini. Ada dua portfolio dengan analisis yang sama persis. Yang satu bukanya langsung "Penjualan turun 18%, ini penyebab dan solusinya". Yang satu lagi buka pakai 40 baris kode import library. Recruiter milih yang pertama, tiap kali.

Gimana struktur tiap proyek biar nunjukin cara berpikir?

Tiap proyek ikutin 4 bagian yang sama. Ada framing masalah dan proses analisis di awal, terus insight dan rekomendasi di akhir. Urutan ini yang bikin recruiter ngerti alur pikir kamu, bukan cuma lihat output. Ini kerangka yang bisa kamu pakai ulang buat semua proyek.

1. Framing masalah bisnis

Mulai dari pertanyaan bisnis, bukan dari dataset. "Kenapa penjualan Keripik Juara turun 18% di kuartal 2?" jauh lebih kuat dari "Analisis dataset penjualan". Satu kalimat ini yang bikin recruiter paham kamu ngerti konteks, bukan cuma ngoprek angka. Angka 18% dan "kuartal 2" juga bikin masalahnya kerasa nyata, bukan latihan sekolah.

2. Proses analisis

Tunjukin langkah kamu, ringkas aja. Query SQL apa yang dipakai, kolom mana yang dibandingin, asumsi apa yang kamu ambil. Ga usah semua kode ditempel deh. Cukup yang nunjukin kamu ngambil keputusan analisis yang masuk akal.

Misalnya, buat ngukur retensi pelanggan Keripik Juara, kamu bisa pakai cohort analysis. Ini cara ngelompokin pelanggan berdasarkan bulan pertama mereka beli, terus lihat berapa yang balik lagi.

SELECT
  DATE_TRUNC('month', tanggal_pertama_beli) AS cohort_bulan,
  COUNT(DISTINCT customer_id) AS jumlah_pelanggan
FROM pelanggan_keripik_juara
GROUP BY 1
ORDER BY 1;

Kalau kamu mau belajar teknik ini dari nol, aku udah tulis panduannya di cohort analysis pakai SQL. Retensi itu salah satu topik yang paling bikin recruiter penasaran, soalnya langsung nyambung ke duit.

3. Insight yang kamu temuin

Insight itu temuan yang ga keliatan sebelum kamu analisis. Bukan "penjualan Juni Rp45 juta", itu cuma angka mentah. Tapi "80% penurunan datang dari 1 channel doang: reseller yang berhenti restock". Nah itu baru insight.

4. Rekomendasi yang bisa dieksekusi

Ini bagian yang paling sering dilupain, padahal ini yang dicari recruiter. Habis nemu insight, kasih saran konkret. "Hubungi 12 reseller yang berhenti restock, tawarin margin lebih tinggi buat 3 bulan pertama." Rekomendasi kayak gini nunjukin kamu mikir kayak orang bisnis, bukan cuma tukang query.

Jenis proyek apa yang sebaiknya masuk portfolio?

Biar portfolio kamu keliatan lengkap, campur beberapa jenis proyek yang nunjukin skill beda-beda. Recruiter jadi tau kamu ga cuma jago di satu titik. Campuran ini juga bikin kamu keliatan lebih siap kerja, soalnya kerjaan analyst beneran emang lompat-lompat antar jenis analisis. Ini pilihan yang aman:

• Exploratory analysis. Ambil satu dataset, ajuin pertanyaan, cari polanya. Contohnya nyari produk mana yang sering dibeli barengan di Toko Berkah.
• Dashboard. Bikin satu dashboard yang jawab pertanyaan rutin, kayak performa penjualan mingguan. Ini nunjukin kamu bisa bikin sesuatu yang dipakai tim berulang, bukan sekali lihat terus dibuang.
• Analisis retensi atau cohort. Ini yang paling nyambung ke bisnis. Berapa pelanggan yang balik beli lagi, dan kenapa sisanya kabur.
• Proyek SQL berat. Satu proyek dengan query yang lumayan rumit, buat nunjukin kamu nyaman di database. Recruiter teknis suka banget lihat ini.
• Cleaning data. Ambil data berantakan, rapiin, dokumentasiin langkahnya. Ga seksi sih, tapi kebanyakan kerjaan analyst beneran ya di sini.

Ga usah kelimanya sekaligus. Pilih 3-4 yang paling kamu kuasai, terus kerjain yang rapi.

Contoh proyek portfolio data analyst dari awal sampai akhir

Biar ga ngambang, ini satu contoh proyek utuh pakai kerangka tadi. Datanya fiktif, tapi polanya mirip kasus nyata di UMKM e-commerce lokal.

Masalah: Toko Berkah, toko baju online di Shopee, ngerasa iklan makin mahal tapi omzet stuck. Pertanyaannya: pelanggan mana yang beneran nguntungin, dan mana yang cuma beli sekali pas ada diskon?

Proses: Aku ambil data 6 bulan transaksi. Pelanggan dikelompokin jadi cohort per bulan pertama beli. Terus dihitung berapa persen yang balik beli lagi di bulan-bulan berikutnya.

Insight: Pelanggan yang pertama beli tanpa diskon punya retensi 34%. Yang pertama kali beli pas flash sale cuma 9%. Artinya diskon narik banyak orang tapi mayoritas ga pernah balik.

Rekomendasi: Kurangin budget flash sale 30%, geser ke program loyalty buat pelanggan non-diskon. Estimasi hemat biaya akuisisi sekitar Rp8 juta per bulan kalau retensi naik 5 poin.

Proyek kayak gini cuma butuh 1 dataset dan 1 pertanyaan tajam. Tapi ceritanya lengkap, dari masalah sampai duit yang bisa dihemat. Itu yang bikin recruiter inget kamu pas rapat shortlist.

Gimana nulis ringkasan tiap proyek biar kebaca cepat?

Tulis ringkasan 3-4 kalimat di atas tiap proyek, sebelum kode atau chart apa pun. Isinya masalah yang dijawab, cara kamu analisis, dan temuan utamanya. Ringkasan ini yang dibaca recruiter di 30 detik pertama, jadi taruh yang paling penting di depan.

Contohnya buat proyek Toko Berkah tadi. "Toko baju online ngerasa iklan makin mahal. Aku analisis retensi 6 bulan dan nemu pelanggan diskon cuma balik 9%. Rekomendasiku, geser budget ke program loyalty biar hemat Rp8 juta per bulan." Empat kalimat, recruiter langsung nangkep intinya.

Portfolio yang dilirik vs yang dilewatin

Beda tipis di eksekusi, tapi hasilnya jauh. Ini pembandingnya biar gampang kamu cek sendiri.

Yang dilirik recruiter	Yang dilewatin
3-5 proyek fokus	10+ proyek asal banyak
Mulai dari pertanyaan bisnis	Mulai dari "ini dataset dari Kaggle"
Insight ditulis di depan	Chart numpuk tanpa penjelasan
Ada rekomendasi konkret	Berhenti di visualisasi
README rapi, gampang dinavigasi	Notebook 200 sel tanpa struktur

Di mana sebaiknya naruh portfolio data analyst?

Taruh portfolio di tempat yang gampang dibuka recruiter tanpa install apa-apa. Pilihan paling umum: GitHub buat kode, plus satu halaman ringkasan yang enak dibaca di HP. Recruiter sering buka lamaran dari HP, jadi jangan cuma andelin notebook yang berat.

• GitHub + GitHub Pages. Standar buat data analyst. Kode kelihatan, dan kamu bisa bikin halaman ringkasan gratis. Cara setup-nya ada di dokumentasi resmi GitHub Pages.
• Notion. Paling cepat buat nulis narasi proyek. Cocok kalau kamu mau fokus ke cerita, bukan ke kode.
• Looker Studio. Buat dashboard interaktif yang gratis dan gampang di-share. Panduannya ada di bantuan resmi Looker Studio.

Saran aku sih, GitHub buat kode plus Notion buat narasi. Kombinasi ini gampang dibikin dan langsung kebaca di HP recruiter.

Gimana biar recruiter nemu portfolio kamu?

Portfolio bagus ga ada gunanya kalau ga ada yang buka. Jadi jangan cuma nunggu recruiter nyari, pasang link-nya di tempat yang pasti mereka lihat pas ngecek kamu. Intinya bikin portfolio segampang mungkin diakses, dari CV sampai badan email lamaran:

• CV. Taruh di bagian atas, deket nama dan kontak. Jangan disempilin di halaman kedua.
• LinkedIn. Masukin ke bagian About atau Featured, biar recruiter yang ngecek profil kamu langsung nemu.
• Email lamaran. Sebut satu proyek paling kuat di badan email, terus kasih link langsung ke proyek itu, bukan ke halaman depan.

Satu hal kecil yang sering dilupain: pastiin link-nya kebuka tanpa login. Banyak yang naruh di notebook private terus recruiter mentok di halaman minta akses. Sayang banget kan.

Kesalahan umum yang bikin portfolio ga dilirik

Beberapa hal ini yang paling sering aku lihat bikin portfolio bagus jadi keliatan biasa aja.

• Pakai dataset yang itu-itu aja. Titanic dan Iris udah dilihat recruiter ribuan kali. Pakai data yang nyerempet konteks lokal, kayak penjualan UMKM atau harga pasar.
• Chart tanpa cerita. Sepuluh visualisasi tanpa satu kalimat insight ga ada gunanya. Recruiter ga tau kamu mau ngomong apa.
• Skip rekomendasi. Berhenti di "ini grafiknya" bikin kamu keliatan kayak operator tool, bukan analis.
• README berantakan. Kalau recruiter buka GitHub kamu terus bingung mulai dari mana, mereka tutup. Kasih daftar isi dan ringkasan tiap proyek di atas.

Sekali portfolio kamu jadi, biasanya recruiter lanjut ke interview teknis. Banyak yang mulai dari SQL. Kamu bisa siap-siap lewat kumpulan pertanyaan interview SQL yang sering keluar di sesi teknis.

FAQ

Berapa proyek yang ideal buat portfolio data analyst?

Tiga sampai lima proyek udah cukup, asal tiap proyek punya cerita lengkap dari masalah sampai rekomendasi. Lebih dari itu malah bikin recruiter capek scroll. Mending 3 proyek tajam daripada 12 proyek yang isinya chart doang tanpa insight.

Perlu pengalaman kerja dulu ga buat bikin portfolio?

Ga perlu kok. Kamu bisa pakai data publik atau bikin skenario UMKM fiktif kayak Toko Berkah. Yang dinilai recruiter itu cara kamu mikir, bukan apakah datanya dari perusahaan beneran. Banyak yang dapat kerja pertama justru dari proyek mandiri kayak gini.

Dataset buat proyek portfolio dari mana?

Kamu bisa ambil dari Kaggle, data publik BPS, atau bikin dataset simulasi sendiri yang mirip kasus lokal. Yang penting datanya nyambung ke pertanyaan bisnis yang jelas. Dataset lokal kayak penjualan e-commerce atau transaksi warung lebih nempel di ingatan recruiter daripada Titanic.

Berapa lama bikin portfolio data analyst?

Kalau fokus, satu proyek utuh bisa kelar 1-2 minggu sambil kerja atau kuliah. Buat 3-5 proyek, siapin sekitar 1-2 bulan santai. Ga usah buru-buru ngejar banyak. Satu proyek rapi tiap 2 minggu udah bagus banget.

Lebih penting mana, banyak proyek atau proyek berkualitas?

Kualitas menang jauh. Recruiter cuma butuh yakin kamu bisa mikir dari masalah ke rekomendasi. Satu proyek yang nunjukin alur berpikir lengkap lebih meyakinkan daripada sepuluh notebook setengah jadi tanpa kesimpulan.

Mulai dari satu proyek

Portfolio yang dilirik recruiter itu soal 3-5 proyek yang punya cerita jelas, dari masalah bisnis sampai rekomendasi. Ga perlu banyak. Perlu tajam.

Kalau kamu bingung mulai dari proyek apa, aku udah siapin 10 proyek portfolio siap kerjain di Ngulik Portfolio. Tiap proyek udah ada datasetnya, pertanyaan bisnisnya, dan panduan sampai bagian rekomendasi. Tinggal kamu kerjain, terus pajang di GitHub sama LinkedIn. Satu proyek selesai minggu ini jauh lebih berharga daripada rencana 10 proyek yang ga pernah mulai.