Skill Data Analyst: 12 Kemampuan yang Beneran Diminta Perusahaan

Skill data analyst yang paling sering diminta perusahaan Indonesia ada tiga: SQL, spreadsheet, dan satu tool visualisasi. Sisanya pelengkap.

Masalahnya, roadmap yang beredar di internet nyuruh kamu kuasai 40 tools sekaligus. Python, R, Tableau, Power BI, Spark, Airflow, dbt, statistik inferensial, machine learning. Belum mulai udah capek duluan.

Aku susun 12 skill ini berdasarkan apa yang beneran nongol di deskripsi lowongan data analyst Indonesia — bukan berdasarkan apa yang keren dipajang di LinkedIn.

Skill teknis apa yang wajib dikuasai data analyst?

Empat skill teknis ini muncul di hampir semua lowongan: SQL, spreadsheet, tools visualisasi, dan data cleaning. Kalau kamu pemula dan waktu belajarnya terbatas, kuasai empat ini dulu sampai bisa dipakai kerja beneran. Tools lain nyusul sesuai kebutuhan tempat kerja.

1. SQL

Ini skill nomor satu. Gak ada perdebatan.

SQL adalah bahasa buat minta data dari database. Kamu nulis query, database ngasih tabel jawaban.

Yang harus bisa: SELECT, WHERE, GROUP BY, JOIN, dan window function dasar. Bukan SQL tingkat dewa — cukup yang bisa jawab pertanyaan kayak "omzet per kota bulan lalu berapa".

SELECT kota, SUM(total_harga) AS omzet
FROM transaksi
WHERE tanggal >= '2026-03-01'
GROUP BY kota
ORDER BY omzet DESC;

Query 5 baris kayak gini yang kamu tulis 20 kali sehari di kerjaan nyata.

2. Spreadsheet (Excel / Google Sheets)

Ada yang bilang Excel udah mati. Coba lamar kerja, terus lihat sendiri.

Spreadsheet masih tempat 90% orang non-data di kantor kamu kerja. Kalau kamu gak bisa ngirim hasil dalam bentuk yang mereka ngerti, hasil analisis kamu nganggur di folder.

Yang perlu: pivot table, VLOOKUP atau XLOOKUP, IF bertingkat, dan chart yang gak norak.

3. Tools visualisasi

Pilih satu, dalami. Jangan nyoba tiga sekaligus.

Looker Studio gratis dan paling cepat dipelajari. Tableau dan Power BI lebih banyak dicari di perusahaan gede, tapi lisensinya bayar.

Buat mulai: Looker Studio. Skill dashboard-nya transferable ke tool lain kok.

4. Data cleaning

Skill paling gak seksi tapi paling banyak makan waktu. Data mentah selalu berantakan.

Nama kota ditulis "Jakarta", "jakarta", "DKI Jakarta", "Jkt". Tanggal setengah teks setengah angka. Kolom harga ada yang pakai titik ada yang koma.

Dari pengalamanku, sekitar 60% waktu kerja analyst habis di sini. Bukan di modelling yang keren.

5. Statistik dasar

Gak perlu gelar statistik. Yang dipakai: rata-rata, median, persentase, pertumbuhan, distribusi.

Yang penting bukan hitungannya — kalkulator bisa. Yang penting kamu tau kapan rata-rata nyesatin.

Contoh: rata-rata transaksi toko_berkah Rp 87.000. Kedengeran sehat. Tapi mediannya cuma Rp 42.000. Artinya ada segelintir transaksi gede yang narik rata-rata ke atas, sementara mayoritas pembeli belanja kecil-kecilan.

Analyst yang cuma laporin rata-rata bakal bikin bosnya salah ambil keputusan stok.

6. Python (atau R)

Ini skill nomor 6, bukan nomor 1. Sengaja.

Python kepakai kalau datanya gak muat di Excel, kalau kamu perlu automasi laporan yang diulang tiap minggu, atau kalau mau geser ke data science.

Buat kerjaan analyst harian di kebanyakan perusahaan Indonesia? SQL + spreadsheet udah nutup.

Kalau mau belajar, fokus di pandas dulu. Bukan seluruh ekosistemnya.

7. Pemahaman bisnis

Skill yang gak ada di kursus manapun tapi paling nentuin.

Kamu harus ngerti gimana perusahaan kamu bikin duit. Kalau kamu di e-commerce, kamu harus tau apa itu GMV, take rate, repeat rate.

Tanpa ini, kamu cuma tukang tarik data. Dikasih pertanyaan, kasih tabel. Gak bisa bilang "ini angkanya aneh, kayaknya ada yang salah di sistem pencatatan".

8. Komunikasi hasil

Ini yang misahin analyst Rp 8 juta dari analyst Rp 20 juta.

Nyerahin tabel 500 baris ke manager = kerjaan kamu belum selesai. Manager gak punya waktu baca.

Bilang: "Omzet turun 12% bulan ini. Penyebab utamanya kategori snack — turun Rp 4,2 juta. Tiga SKU ini yang paling anjlok." Itu baru selesai.

Aku bahas ini lebih dalam di artikel soft skill data analyst.

9. Data storytelling & desain chart

Pie chart dengan 12 irisan itu dosa. Chart yang bagus punya satu pesan.

Yang perlu kamu tau: kapan pakai bar chart (perbandingan), kapan line chart (tren waktu), kapan tabel biasa lebih jujur dari chart.

10. Version control dasar (Git)

Gak wajib buat semua posisi, tapi makin sering diminta.

Cukup: commit, push, pull, branch. Kalau tim kamu simpan query SQL di repo, kamu bakal butuh ini di minggu pertama.

11. Automasi & tools workflow

Laporan yang sama, tiap Senin pagi, 2 jam. Selama 2 tahun.

Itu 200 jam yang bisa dihemat kalau kamu bisa jadwalin query dan kirim otomatis. Google Apps Script, scheduled query di BigQuery, atau tools no-code kayak n8n.

12. Dokumentasi

Skill yang semua orang skip, dan semua orang nyesel.

Kamu bikin query yang rumit bulan Januari. Bulan April ada yang nanya "ini definisi user aktif apa sih?". Kalau gak dicatat, kamu ngulang riset dari nol.

Urutan belajarnya gimana kalau mulai dari nol?

Jangan belajar 12 skill bareng. Urutannya begini:

Fase	Fokus	Target hasil
Bulan 1–2	SQL dasar sampai JOIN + GROUP BY	Bisa jawab 10 pertanyaan bisnis pakai query
Bulan 3–4	Spreadsheet + data cleaning	Bisa rapihin dataset berantakan jadi siap analisis
Bulan 5–6	Visualisasi + statistik dasar	Punya 2 dashboard di portfolio
Bulan 7–8	Proyek nyata + komunikasi hasil	3 proyek portfolio dengan kesimpulan tertulis
Setelah kerja	Python, Git, automasi	Pelajari sesuai kebutuhan tim

Perhatiin kolom "target hasil". Belajar bukan diukur dari berapa jam nonton tutorial, tapi dari apa yang bisa kamu kerjain.

Contoh kasus: skill mana yang kepakai di kerjaan nyata?

Ini kasus dari dataset toko_berkah — jaringan 12 minimarket di Jawa Barat. Pemiliknya nanya satu hal sederhana: "kenapa omzet Maret turun?"

Buat jawab itu, skill yang kepakai:

1. SQL — narik omzet per cabang per kategori, banding Februari vs Maret. 15 menit.
2. Data cleaning — ternyata 340 dari 8.200 transaksi punya nama kategori yang beda penulisan. "Snack", "snack", "Makanan Ringan". Dirapihin dulu. 40 menit.
3. Statistik dasar — hitung persentase turun per kategori, bukan cuma selisih rupiah.
4. Visualisasi — satu bar chart, kategori diurut dari yang paling anjlok.
5. Komunikasi — tulis 3 kalimat kesimpulan.

Hasilnya: omzet total turun 9,4%. Tapi 71% dari penurunan itu datang dari satu kategori doang — minuman dingin. Cabang yang turun paling parah semuanya di daerah yang bulan Maret itu hujan terus.

Python? Nggak kepakai. Machine learning? Nggak kepakai.

Yang kepakai: SQL, cleaning, persentase, satu chart, dan kemampuan bilang "ini gara-gara cuaca, bukan gara-gara marketing".

Kesalahan umum waktu ngumpulin skill

Ngoleksi tools, bukan ngasah kemampuan mikir

Ada yang punya sertifikat Tableau, Power BI, dan Looker sekaligus. Tapi pas ditanya "kenapa angka ini turun", dia jawab "nanti saya bikinin dashboardnya".

Dashboard bukan jawaban. Dashboard itu tempat jawabannya ditaruh.

Tutorial paralysis

Nonton 40 jam kursus SQL, tapi belum pernah nulis query sendiri dari kepala kosong.

Obatnya: tutup video, buka dataset, kasih diri kamu pertanyaan, dan tulis query-nya. Salah gak apa-apa. Error message itu guru.

Skip statistik dasar gara-gara ngerasa udah jago Excel

Bisa bikin pivot table bukan berarti ngerti kapan rata-rata bohong. Dua hal beda.

Nunggu ngerasa "siap" buat lamar

Gak akan pernah ngerasa siap. Kalau kamu udah bisa SQL sampai JOIN, punya 2 proyek portfolio, dan bisa jelasin isinya — lamar aja.

FAQ

Skill apa yang paling penting buat data analyst pemula?

SQL. Hampir semua lowongan data analyst nulis SQL sebagai syarat, dan itu skill pertama yang diuji pas technical test. Setelah SQL, pelajari spreadsheet (Excel atau Google Sheets) dan satu tool visualisasi kayak Looker Studio. Tiga ini udah cukup buat lamar posisi junior. Python bisa nyusul nanti.

Apakah data analyst harus bisa Python?

Nggak wajib buat posisi junior di Indonesia. Banyak analyst kerja sehari-hari cuma pakai SQL, spreadsheet, dan dashboard. Python jadi penting kalau kamu nangani data yang gak muat di Excel, ngerjain automasi laporan berulang, atau mau geser ke data science. Jadikan Python skill nomor 4, bukan nomor 1.

Berapa lama belajar skill data analyst dari nol?

Dari yang aku lihat, 4 sampai 8 bulan latihan rutin cukup buat sampai level junior yang layak dilamar. Bulan 1-2 buat SQL dasar sampai JOIN dan agregasi. Bulan 3-4 spreadsheet dan pembersihan data. Bulan 5-6 visualisasi dan 2-3 proyek portfolio. Yang bikin lama biasanya nonton tutorial terus tanpa pernah nulis query sendiri.

Perlu kuliah statistik buat jadi data analyst?

Nggak perlu gelar statistik. Yang dipakai sehari-hari cuma statistik dasar: rata-rata, median, persentase, pertumbuhan, dan paham kapan rata-rata nyesatin. Kamu bisa pelajari itu dalam beberapa minggu. Uji hipotesis dan regresi baru relevan kalau kamu masuk tim yang ngerjain eksperimen atau A/B testing.

Skill apa yang bikin data analyst naik level lebih cepat?

Kemampuan nerjemahin angka jadi keputusan. Analyst yang cuma nyerahin tabel bakal terus dianggap tukang tarik data. Analyst yang bilang "omzet turun 12% gara-gara kategori snack, ini 3 SKU penyebabnya" bakal diajak duduk di rapat keputusan. Skill ini dilatih dengan nulis kesimpulan, bukan dengan nambah tools.

Penutup

Dua poin yang mau aku tinggalin:

• Empat skill inti — SQL, spreadsheet, visualisasi, data cleaning — udah cukup buat masuk. Sisanya dipelajari sambil kerja.
• Yang bikin kamu naik level bukan tools ke-13, tapi kemampuan nerjemahin angka jadi keputusan.

Mulai dari SQL hari ini. Latihan query-nya bisa langsung kamu coba di panduan belajar SQL dari nol, dan buat definisi istilah yang sering nongol di lowongan, cek glossary ETL sama data warehouse.

Buat gambaran skill mana yang lagi naik permintaannya secara global, laporan Future of Jobs dari World Economic Forum lumayan berguna dibaca.