Product Analyst: Jobdesk, Skill, dan Bedanya dari Data Analyst

Product analyst adalah analis yang kerja bareng tim produk buat ngukur perilaku pengguna dan mutusin fitur mana yang layak dibangun.

Kalau data analyst ditanya "berapa omzet bulan ini?", product analyst ditanya "kenapa 62% orang berhenti di halaman verifikasi?"

Pertanyaan kedua yang bikin peran ini beda. Dan itu juga yang bikin gajinya sering lebih tinggi.

Apa itu product analyst?

Product analyst adalah orang yang ngukur gimana pengguna makai produk digital, terus nerjemahin angkanya jadi keputusan produk. Dia duduk di tim produk, bukan di tim data terpusat. Lawan bicara hariannya product manager, designer, dan engineer — bukan tim keuangan.

Output utamanya bukan laporan bulanan. Outputnya rekomendasi: fitur ini layak dilanjut, fitur itu dimatiin, alur ini harus dipotong dari 5 langkah jadi 3.

Apa aja jobdesk product analyst sehari-hari?

Ini gambaran realistis dari yang aku lihat di tim produk startup Indonesia:

1. Analisis funnel. Ngitung berapa orang lolos tiap langkah, dan di mana mereka kabur. Ini kerjaan paling sering.
2. Baca hasil A/B test. Nentuin varian mana yang menang, dan yang lebih penting: apakah bedanya beneran atau cuma kebetulan.
3. Ngukur adopsi fitur. Fitur baru dirilis. Berapa persen pengguna aktif yang nyoba dalam 14 hari? Berapa yang pakai lagi minggu depannya?
4. Retensi dan cohort. Dari 1.000 orang yang daftar Januari, berapa yang masih aktif di Maret?
5. Bikin dan jagain event tracking. Kalau eventnya salah pasang, semua angka di atas jadi sampah. Product analyst yang biasanya nyadar duluan.
6. Nemenin diskusi roadmap. Ini yang paling gak keliatan tapi paling menentukan. Kamu yang ngasih angka waktu tim debat mau bangun fitur A atau B.

Apa bedanya product analyst dan data analyst?

Aspek	Product Analyst	Data Analyst
Fokus	Satu produk dan cara orang makainya	Semua fungsi bisnis
Pertanyaan khas	Kenapa user drop di step 3?	Berapa omzet per kota bulan ini?
Lawan bicara	Product manager, designer, engineer	Marketing, finance, operasional
Data utama	Event log perilaku pengguna	Data transaksi dan operasional
Metrik favorit	Retensi, konversi funnel, adopsi fitur	Omzet, margin, biaya per akuisisi
Output	Rekomendasi keputusan produk	Laporan dan dashboard

Skill teknisnya mirip. SQL, spreadsheet, visualisasi. Yang beda konteks dan siapa yang bakal debat sama kamu di rapat.

Kalau kamu masih ngeraba-raba beda peran-peran data, perbandingan data analyst vs data scientist bisa jadi bacaan pelengkap.

Skill apa yang wajib dipunya product analyst?

SQL. Bukan pilihan. Kamu bakal nulis query yang nyentuh tabel event dengan jutaan baris tiap hari. Window function dan CTE kepake terus.

Analisis funnel. Kamu harus bisa ngubah event log jadi angka konversi per langkah. Ini query-nya:

WITH langkah AS (
  SELECT
    user_id,
    MAX(CASE WHEN event = 'buka_halaman_daftar' THEN 1 ELSE 0 END) AS s1,
    MAX(CASE WHEN event = 'isi_form' THEN 1 ELSE 0 END) AS s2,
    MAX(CASE WHEN event = 'verifikasi_otp' THEN 1 ELSE 0 END) AS s3,
    MAX(CASE WHEN event = 'akun_aktif' THEN 1 ELSE 0 END) AS s4
  FROM events
  WHERE event_date >= CURRENT_DATE - INTERVAL '30 days'
  GROUP BY user_id
)
SELECT
  SUM(s1) AS buka_halaman,
  SUM(s2) AS isi_form,
  SUM(s3) AS verifikasi_otp,
  SUM(s4) AS akun_aktif,
  ROUND(100.0 * SUM(s4) / NULLIF(SUM(s1), 0), 1) AS konversi_total_persen
FROM langkah;

Pola CASE WHEN di dalam MAX itu trik standar buat ngubah baris event jadi kolom per langkah.

Statistik dasar buat A/B test. Kamu gak butuh gelar statistik. Kamu butuh paham satu hal: kapan beda 2% itu berarti, dan kapan itu cuma noise. Sample size dan p-value.

Ngerti cara event dipasang. Skill yang paling sering diremehin. Kalau kamu gak tau event "klik_beli" itu kepicu waktu tombol diklik atau waktu halaman konfirmasi kebuka, angka kamu bisa meleset jauh.

Nulis rekomendasi yang bisa dieksekusi. "Konversi turun 8%" itu bukan rekomendasi. "Konversi turun 8% sejak OTP dipindah ke langkah 2, saranku balikin ke langkah 4" — itu baru rekomendasi.

Contoh kasus: funnel checkout di toko_berkah

Toko_berkah nambahin fitur checkout baru. Datanya dari 30 hari terakhir, 12.400 pengguna yang mulai proses beli:

Langkah	Jumlah user	Lolos dari langkah sebelumnya
Buka keranjang	12.400	—
Isi alamat	9.180	74,0%
Pilih pengiriman	5.760	62,7%
Pilih pembayaran	5.290	91,8%
Bayar selesai	4.630	87,5%

Konversi total: 37,3%. Kelihatannya lumayan.

Tapi lihat langkah "pilih pengiriman". Cuma 62,7% yang lolos — 3.420 orang kabur di situ. Ini kebocoran terbesar, jauh di atas langkah lain.

Waktu aku pecah lagi berdasarkan kota, polanya kelihatan: pengguna dari luar Jawa yang paling banyak kabur, 71% dari mereka berhenti di langkah ini. Ongkir baru muncul di situ, dan buat sebagian besar, angkanya lebih mahal dari produknya.

Rekomendasinya jelas: tampilin estimasi ongkir di halaman produk, jangan tunggu sampai checkout. Ini yang gak bakal kelihatan dari laporan omzet biasa.

Berapa gaji product analyst di Indonesia?

• Entry level (0-2 tahun): Rp 8-14 juta per bulan di startup teknologi Jakarta
• Menengah (2-4 tahun): Rp 15-28 juta
• Senior / lead (5+ tahun): Rp 35-50 juta

Angkanya beda jauh antar perusahaan. Startup yang baru dapat pendanaan biasanya bayar di atas rata-rata. Perusahaan konvensional yang baru mulai bikin tim produk biasanya di bawah.

Kesalahan umum product analyst pemula

Ngelaporin angka tanpa rekomendasi. Product manager gak butuh dashboard tambahan. Dia butuh tau apa yang harus dilakuin Senin depan.

Percaya hasil A/B test yang sample-nya kecil. Beda 3% dari 200 pengguna itu bisa jadi kebetulan murni. Hitung sample size sebelum tes jalan, bukan sesudah.

Gak ngecek kualitas event. Konversi tiba-tiba naik 40%? Sebelum senang, cek dulu apakah ada event yang double-fire setelah rilis terakhir.

Ngukur metrik yang gampang, bukan yang penting. Jumlah klik gampang diitung. Apakah pengguna dapat manfaat dari kliknya — itu yang susah dan yang penting.

FAQ

Apa bedanya product analyst dan data analyst?

Product analyst fokus ke satu produk dan gimana orang makainya: funnel, retensi, adopsi fitur. Data analyst cakupannya lebih luas, dari penjualan sampai keuangan. Skill teknisnya mirip, yang beda konteks dan siapa yang jadi lawan bicara.

Berapa gaji product analyst di Indonesia?

Entry level di startup Jakarta Rp 8-14 juta. Level menengah Rp 15-28 juta. Senior bisa tembus Rp 35-50 juta. Angka ini beda jauh antar perusahaan.

Apakah product analyst harus bisa coding?

SQL wajib. Python berguna tapi bukan syarat mutlak. Yang lebih penting: kamu paham cara event tracking dipasang, dan tau kapan angka dari tool itu gak bisa dipercaya.

Gimana cara pindah dari data analyst ke product analyst?

Ambil kerjaan analisis yang nyentuh produk di tempat kamu sekarang. Analisis funnel pendaftaran, retensi mingguan, hasil rilis fitur baru. Dua atau tiga proyek udah cukup jadi bahan cerita di wawancara.

Tool apa yang paling sering dipakai product analyst?

SQL buat narik data mentah, plus satu product analytics tool kayak Amplitude, Mixpanel, atau PostHog. Spreadsheet tetap kepake buat ngitung cepat dan bikin tabel keputusan.

Penutup

Tiga hal yang bikin kamu siap ngelamar product analyst:

• Bisa nulis query funnel dari event log mentah, bukan cuma baca dashboard.
• Punya minimal satu analisis yang berujung ke keputusan produk nyata — kayak temuan ongkir di toko_berkah yang bikin 3.420 orang kabur.
• Bisa bilang "data ini belum cukup buat nyimpulin" tanpa merasa gagal.

Buat yang mau ngerti cara ngukur retensi dan funnel dengan bener, dokumentasi funnel PostHog gratis dan penjelasannya lugas.

Mau bangun skill SQL-nya dulu? Latihan window function dan CTE di NgulikSQL — dua topik itu yang paling sering keluar di tes product analyst. Bacaan lanjutan: glossary cohort analysis.