Tools Data Analyst: 15 Alat yang Dipakai Analis di Dunia Nyata

Tools data analyst yang paling sering muncul di lowongan Indonesia ada empat: Excel atau Google Sheets, SQL, satu tool dashboard, dan Python. Sisanya nyusul.

Aku ngecek 40-an lowongan data analyst di LinkedIn dan Jobstreet bulan Maret 2026. SQL muncul di 37 dari 40. Excel di 34. Tableau, Power BI, atau Looker Studio di 29. Python cuma di 18 — dan hampir semuanya buat posisi level menengah ke atas.

Jadi kalau kamu lagi bingung mau belajar apa dulu, urutannya udah kelihatan dari data itu sendiri.

Tools apa yang beneran dipakai data analyst tiap hari?

Aku bagi 15 tools ini jadi lima kelompok berdasarkan fungsinya. Tiap tool aku kasih catatan: gratis atau bayar, dan seberapa cepat kamu bisa mulai.

1. Excel

Masih nomor satu, dan bakal tetap nomor satu untuk beberapa tahun ke depan. Alasannya bukan karena Excel canggih, tapi karena semua orang di kantor bisa buka file Excel. Bos kamu gak bakal install DBeaver cuma buat lihat angka.

Yang perlu kamu kuasai: pivot table, XLOOKUP, conditional formatting, dan Power Query. Empat itu nutup 80% kerjaan Excel seorang analis.

Gratis? Berbayar (Microsoft 365), tapi Google Sheets gratis dan 90% mirip.

2. Google Sheets

Pengganti Excel yang gratis dan kolaboratif. Kelebihan utamanya: bisa nyambung ke sumber lain lewat IMPORTRANGE dan langsung jadi sumber data buat Looker Studio.

Kelemahannya: mulai lemot di atas 50.000 baris. Kalau data kamu lebih besar dari itu, pindah ke database.

Gratis? Ya.

3. SQL

Ini bahasa yang kepake buat minta data dari database. Skill nomor satu yang diminta lowongan, dan yang paling cepat ngasih hasil nyata.

Kamu gak perlu jago semuanya. SELECT, WHERE, GROUP BY, JOIN, dan window function udah cukup buat mayoritas kerjaan analis.

Gratis? Ya. PostgreSQL, MySQL, SQLite semuanya gratis.

4. PostgreSQL

Database yang paling enak buat belajar SQL. Gratis, standar SQL-nya rapi, dan dokumentasinya jelas. Kalau kamu pakai PostgreSQL, pindah ke database lain nanti gampang.

Gratis? Ya, open source.

5. DBeaver

Aplikasi buat nulis query dan lihat hasilnya. Bisa nyambung ke hampir semua jenis database. Alternatifnya: TablePlus (bayar, tampilannya lebih enak) atau pgAdmin (gratis, khusus PostgreSQL).

Gratis? Ya, versi community.

6. Looker Studio

Tool dashboard gratis dari Google. Nyambung langsung ke Google Sheets, BigQuery, dan puluhan sumber lain. Ini yang aku rekomendasiin buat dashboard pertama kamu — gak perlu install, gak perlu bayar.

Batasnya: kalau datanya besar dan chart-nya banyak, dashboard-nya bisa lemot.

Gratis? Ya.

7. Power BI

Standar de facto di bank, BUMN, dan korporat besar Indonesia. Kalau target kerja kamu di sektor itu, ini yang harus kamu pegang.

Bahasa rumusnya namanya DAX, dan DAX butuh waktu buat dipahami. Siapin sebulan.

Gratis? Power BI Desktop gratis. Buat share dashboard ke tim, butuh lisensi Pro.

8. Tableau

Paling enak buat eksplorasi data secara visual. Kamu tarik-tarik kolom, chart-nya langsung kebentuk. Banyak dipakai perusahaan multinasional.

Gratis? Tableau Public gratis, tapi semua karyamu jadi publik. Versi berbayar mulai sekitar USD 15 per bulan.

9. Python

Kepake kalau ada kerjaan yang berulang. Gabungin 30 file CSV tiap bulan? Python. Ambil data dari API tiap hari? Python.

Library yang perlu kamu tau cuma tiga di awal: pandas buat olah tabel, matplotlib buat chart, requests buat ambil data dari internet.

Gratis? Ya.

10. Jupyter Notebook

Tempat nulis kode Python sambil langsung lihat hasilnya. Kode dan penjelasan ada di satu file. Bagus buat eksplorasi dan buat portfolio, karena orang bisa baca alur pikiranmu.

Gratis? Ya. Google Colab bahkan gak perlu install apa-apa.

11. BigQuery

Data warehouse dari Google. Bisa query miliaran baris dalam hitungan detik. Sandbox-nya gratis dengan kuota 1 TB query per bulan — lebih dari cukup buat latihan.

Gratis? Sandbox gratis. Di atas kuota, bayar per volume data yang dibaca.

12. dbt

Tool buat nyusun transformasi SQL jadi pipeline yang rapi dan bisa dites. Ini yang biasanya dipegang analytics engineer, bukan analis pemula.

Skip dulu kalau kamu baru mulai. Tapi kalau di CV kamu ada dbt dan kamu bisa jelasin, gaji tawarannya biasanya naik.

Gratis? dbt Core gratis.

13. Git dan GitHub

Buat nyimpen versi kode dan query kamu. Kepake pas kamu udah kerja bareng tim dan gak mau saling nimpa kerjaan.

Buat pemula, GitHub juga tempat naruh portfolio. Recruiter beneran ngecek ini.

Gratis? Ya.

14. VS Code

Editor buat nulis SQL, Python, apapun. Ringan, gratis, dan punya ekstensi buat semua yang kamu butuh.

Gratis? Ya.

15. Metabase

Tool BI open source yang ngasih orang non-teknis kemampuan bikin query sendiri lewat klik-klik. Banyak dipakai startup Indonesia yang mau ngurangin beban tim data.

Gratis? Versi open source gratis kalau kamu host sendiri.

Urutan belajar tools data analyst buat pemula

Kalau kamu mulai dari nol, ini urutan yang paling cepat ngasih hasil:

Bulan	Fokus	Target konkret
1	Google Sheets / Excel	Bisa bikin pivot table dan XLOOKUP tanpa googling
2–3	SQL + PostgreSQL + DBeaver	Bisa nulis query dengan JOIN dan GROUP BY sendiri
4	Looker Studio	Punya 1 dashboard yang bisa ditunjukin ke orang
5–6	Python (pandas)	Bisa gabungin banyak file CSV jadi satu tabel
7+	Git, BigQuery, dbt	Nyusul sesuai kebutuhan tempat kerja

Enam bulan, empat tools, satu portfolio. Itu udah cukup buat ngelamar posisi junior.

Contoh kasus: satu proyek, empat tools

Dataset toko_berkah di ngulikdata isinya 18.400 transaksi dari 6 cabang UMKM sembako selama setahun. Ini alur kerja nyatanya, dan tool apa yang kepake di tiap tahap.

Tahap 1 — Data mentah masuk sebagai CSV. Aku pakai Python (pandas) buat gabungin 6 file cabang jadi satu, sekaligus rapihin nama produk yang ejaannya beda-beda. Ada 86 produk unik, tapi setelah dibersihin dari spasi dan beda kapital, ternyata cuma 71 produk yang beneran beda.

Tahap 2 — Masuk ke PostgreSQL. Data disimpan di 6 tabel yang udah dinormalisasi. Query rekap omzet per kategori jalan dalam 40 milidetik.

Tahap 3 — Analisis pakai SQL. Di sini insight-nya muncul: cabang Depok cuma nyumbang 14% jumlah transaksi tapi 23% omzet. Rata-rata nilai transaksi di sana Rp 187.000, hampir 2x cabang lain.

Tahap 4 — Dashboard di Looker Studio. Query PostgreSQL diarahin ke Looker Studio, jadi 5 chart. Pemilik toko buka dari HP, gak perlu ngerti SQL sama sekali.

Empat tools. Gak satupun berbayar.

Tools yang bisa kamu skip dulu

Ada beberapa tool yang sering muncul di daftar "must-have" tapi sebenernya gak urgent buat pemula:

• Apache Spark — kepake kalau datamu lebih dari puluhan juta baris. Kalau belum, gak usah.
• Airflow — ini kerjaan data engineer. Skip.
• R — masih hidup di akademik dan riset, tapi lowongan analis di Indonesia hampir semuanya minta Python.
• Alteryx / SAS — mahal, dan cuma dipakai di perusahaan tertentu. Belajar kalau perusahaannya emang pakai.

Nambah tool baru sebelum yang dasar lancar itu cuma bikin kamu ngerasa produktif padahal jalan di tempat.

Kesalahan umum waktu milih tools

Belajar 5 tool sekaligus

Sebulan Excel, minggu depan pindah Python, minggu depannya Tableau. Hasilnya: semua setengah jalan, gak ada yang bisa dipakai kerja. Tuntasin satu, baru pindah.

Nulis semua tool di CV padahal cuma pernah nonton tutorialnya

Recruiter bakal nanya. Kalau kamu nulis Tableau tapi gak bisa jelasin bedanya dimension sama measure, itu justru bikin kepercayaan hilang. Empat tool yang kamu kuasai lebih kuat dari 15 tool yang kamu kenal namanya doang.

Nunggu tool "yang paling bener" sebelum mulai

Tableau vs Power BI vs Looker Studio — orang bisa debat berbulan-bulan sambil gak bikin dashboard satupun. Konsepnya sama semua. Pilih yang gratis, bikin sesuatu, baru pindah kalau perlu.

Skip SQL karena ngerasa Excel udah cukup

Excel mentok di ratusan ribu baris dan gak bisa akses database perusahaan. SQL itu yang bikin kamu bisa jawab pertanyaan bos tanpa nunggu orang lain narikin datanya. Panduan resmi PostgreSQL bisa kamu baca gratis di dokumentasi tutorial PostgreSQL.

FAQ

Tools data analyst apa yang paling wajib dikuasai duluan?

Excel dan SQL. Dua ini muncul di hampir semua lowongan data analyst di Indonesia, dari startup sampai bank. Excel buat kerja cepat dan ngobrol sama tim non-teknis. SQL buat narik data dari database sendiri tanpa nunggu tim engineering. Kuasai dua ini sampai lancar sebelum nambah tool baru — nambah tool sebelum yang dasar lancar cuma bikin bingung.

Perlu belajar Python buat jadi data analyst?

Gak wajib buat masuk, tapi kepake banget setelah kamu kerja. Python berguna kalau ada kerjaan yang berulang tiap minggu, misal gabungin 30 file CSV atau scrape data kompetitor. Kalau kerjaan kamu masih bisa dibereskan pakai SQL dan spreadsheet, tunda dulu Python. Belajar Python sambil gak punya masalah nyata buat dipecahin biasanya berhenti di tengah jalan.

Tableau, Power BI, atau Looker Studio — pilih yang mana?

Mulai dari Looker Studio karena gratis dan langsung nyambung ke Google Sheets. Buat portfolio, tiga-tiganya sama-sama diterima. Buat kerja, ikutin yang dipakai perusahaan targetmu: bank dan korporat besar biasanya Power BI, startup dan agensi lebih sering Looker Studio, perusahaan multinasional sering Tableau. Konsep dashboardnya sama, tombolnya doang yang beda.

Berapa banyak tools yang harus dicantumin di CV?

Empat sampai enam yang beneran kamu bisa pakai. Nulis 15 tools di CV justru bikin recruiter curiga, apalagi kalau kamu gak bisa jawab pertanyaan dasar pas interview. Lebih kuat nulis empat tools plus satu proyek nyata yang pakai tools itu. Bukti kerja selalu ngalahin daftar panjang.

Tools berbayar itu perlu gak buat pemula?

Gak perlu. Semua yang kamu butuh buat mulai ada versi gratisnya: Google Sheets, PostgreSQL, DBeaver, Looker Studio, Python, VS Code, dan BigQuery sandbox. Tableau dan Power BI Desktop juga punya versi gratis buat belajar. Jangan bayar tool apapun sebelum kamu punya masalah yang beneran butuh fitur berbayarnya.

Penutup

Ringkasan singkatnya:

• Empat tools yang bener-bener nentuin: Excel/Sheets, SQL, satu tool dashboard, Python.
• Semua yang kamu butuh buat mulai ada versi gratisnya. Nol rupiah.
• Satu proyek yang selesai lebih berharga dari 15 tool yang cuma kamu tonton tutorialnya.

Mulai minggu ini: pilih satu dataset yang kamu peduliin — catatan pengeluaran, data penjualan warung, apapun — terus bikin satu dashboard dari situ pakai Google Sheets dan Looker Studio. Gratis, dan hasilnya bisa langsung masuk portfolio.

Lanjut baca: cara jadi data analyst dari nol buat gambaran alur karirnya, dan cara bikin portfolio data analyst biar tools yang kamu pelajarin ada buktinya.