TL;DR
Roadmap data scientist 2026 yang masuk akal terdiri dari enam tahap: spreadsheet, SQL, statistik dasar, Python untuk data, machine learning dasar, dan portfolio. Urutannya penting karena tiap tahap dipakai di tahap berikutnya. Kalau dijalanin 6-8 jam per minggu sambil kerja, tahap 1 sampai 4 realistis selesai dalam 5-7 bulan, dan itu udah cukup buat ngelamar posisi data analyst.
Roadmap data scientist yang masuk akal punya enam tahap: spreadsheet, SQL, statistik dasar, Python, machine learning dasar, portfolio. Urutannya bukan selera. Tiap tahap dipakai di tahap berikutnya.
Masalah roadmap yang beredar di internet: isinya 40 topik, 12 tool, dan 3 framework yang kamu nggak bakal sentuh dalam dua tahun pertama kerja. Orang lihat itu, ngerasa kecil, terus nyerah di minggu ketiga.
Yang di bawah ini versi yang bisa dijalanin sambil kerja 6-8 jam seminggu.
Iya, Excel atau Google Sheets. Jangan diskip.
Alasannya sederhana: 80 persen data di UMKM dan perusahaan menengah Indonesia masih hidup di spreadsheet. Kalau kamu nggak bisa mainin data di sana, kamu bakal keliatan aneh di minggu pertama kerja.
Yang perlu kamu bisa:
GROUP BY dalam bentuk klik-klik. Nguasain pivot table bikin SQL nanti jauh lebih gampang dicerna.JOIN.Kalau kamu udah bisa keempatnya, lanjut. Nggak usah nunggu jago Power Query.
Tahap yang paling cepat kasih hasil nyata. Setelah tahap ini, kamu udah bisa kerja. Beneran, banyak posisi data analyst entry level yang minta SQL doang.
Urutan belajar SQL yang aku pakai:
SELECT, WHERE, ORDER BY: seminggu.GROUP BY dan agregasi (SUM, COUNT, AVG): seminggu. Ini yang paling sering kepakai.JOIN: dua minggu. Jangan buru-buru. Setengah bug analisa di dunia kerja asalnya dari JOIN yang salah.WITH): seminggu.Query kayak gini udah cukup buat ngerjain 60 persen permintaan di kantor:
SELECT kategori,
COUNT(*) AS jumlah_transaksi,
SUM(total_harga) AS omzet,
ROUND(AVG(total_harga)) AS rata_rata
FROM transaksi
WHERE tanggal >= '2026-01-01'
GROUP BY kategori
HAVING COUNT(*) > 50
ORDER BY omzet DESC;Latihan langsungnya bisa mulai dari halaman fungsi GROUP BY.
Ini tahap yang paling sering dilewat, dan paling sering bikin analis salah simpulan.
Yang beneran kepakai sehari-hari cuma segelintir:
Kalkulus dan aljabar linear? Baru kepakai kalau kamu masuk riset model atau deep learning. Itu bukan mayoritas pekerjaan data di Indonesia.
Sekarang baru Python, dan cuma bagian yang kepakai buat data.
Yang bisa kamu skip dulu: OOP, decorator, async, dan semua materi Python yang ada di kursus programmer umum. Kamu nggak lagi belajar jadi software engineer.
Kalau kamu udah kuat SQL, pandas terasa familiar. groupby di pandas itu GROUP BY. merge itu JOIN.
Baru di sini. Bukan di bulan pertama, walaupun ini yang paling seru dijanjiin iklan bootcamp.
Cakupan yang wajar buat pemula:
Deep learning, LLM fine-tuning, MLOps: nanti. Kalau kamu belum bisa jelasin kenapa modelmu salah prediksi, nambah layer nggak nolong.
Portfolio bukan tahap terakhir. Portfolio itu yang kamu bikin sambil belajar.
Tiga proyek yang beres dan bisa kamu jelasin alasannya lebih kuat dari sepuluh sertifikat. Yang dicari recruiter:
Sumber data Indonesia yang gratis dan nyata: Satu Data Indonesia dan portal BPS. Data yang orang lokal peduli.
Salah satu murid NgulikSQL, background akuntansi, kerja full-time di distributor FMCG. Belajar 6 jam per minggu, kebanyakan Sabtu pagi.
| Bulan | Tahap | Hasil nyata |
|---|---|---|
| 1 | Spreadsheet | Otomatisin rekap stok mingguan, hemat 3 jam/minggu |
| 2-3 | SQL | Bisa narik data sendiri, nggak nunggu tim IT 3 hari |
| 4 | Statistik | Nemu rata-rata omzet nutupin 2 cabang yang anjlok |
| 5-6 | Python | Bikin laporan bulanan otomatis |
| 7 | Portfolio | 3 proyek, semua pakai data kantornya (yang diizinin) |
Bulan ke-8 dia pindah ke posisi data analyst. Gajinya naik 45 persen. Dia nggak nyentuh machine learning sama sekali sampai bulan ke-11.
Yang bikin dia dapet kerja: bisa nunjukin analisa yang nyelametin duit perusahaan, bukan sertifikat.
Kalau belajar 6-8 jam per minggu sambil kerja, tahap 1 sampai 4 realistis selesai dalam 5-7 bulan. Itu udah cukup buat ngelamar posisi data analyst. Buat posisi data scientist penuh dengan machine learning, tambah 4-6 bulan lagi. Asumsinya kamu beneran praktek, bukan cuma nonton video.
SQL dulu. Hampir semua data di perusahaan tersimpan di database, dan SQL yang dipakai buat ngambilnya. Kamu bisa ngasih nilai ke tim cuma dengan SQL, bahkan sebelum nyentuh Python. SQL juga lebih cepat dikuasai, sekitar 4-6 minggu buat level yang kepakai kerja.
Nggak perlu gelar, tapi perlu paham konsepnya. Yang kepakai sehari-hari: distribusi, rata-rata versus median, korelasi bukan kausalitas, dan dasar uji hipotesis. Kalkulus dan aljabar linear baru kepakai kalau kamu masuk riset model atau deep learning.
Portfolio. Sertifikat cuma nunjukin kamu nyelesaiin kursus, portfolio nunjukin kamu bisa nyelesaiin masalah. Tiga proyek yang beres dan bisa kamu jelasin alasannya jauh lebih kuat dari sepuluh sertifikat.
Bisa, dan itu jalur yang umum. Background non-IT sering jadi keunggulan karena kamu udah ngerti konteks bisnisnya. Orang akuntansi yang bisa SQL lebih cepat kasih nilai dibanding programmer yang nggak ngerti laporan keuangan.
Yang paling nentuin:
Mau mulai tahap 2 hari ini? Buka halaman fungsi SELECT dan tulis query pertamamu. Kalau istilah JOIN masih asing, mampir dulu ke glossary.
Habis SQL dasar, lanjut ke teknik yang bikin CV kamu beda: sessionization SQL.
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.