TL;DR
Tools data analyst yang paling sering diminta di lowongan Indonesia ada empat: Excel atau Google Sheets, SQL, satu tool visualisasi (Looker Studio, Tableau, atau Power BI), dan Python. Sisanya (dbt, BigQuery, Git, Jupyter) nyusul sesuai kebutuhan tempat kerja. Kalau baru mulai, kuasai Excel dan SQL dulu sampai lancar, baru tambah satu tool dashboard.
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. Hampir semuanya buat posisi level menengah ke atas.
Jadi kalau kamu lagi bingung mau belajar apa dulu, urutannya udah kelihatan dari data itu sendiri.
Aku bagi 15 tools ini jadi lima kelompok berdasarkan fungsinya. Tiap tool aku kasih catatan: gratis atau bayar, dan seberapa cepat kamu bisa mulai.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
Editor buat nulis SQL, Python, apapun. Ringan, gratis, dan punya ekstensi buat semua yang kamu butuh.
Gratis? Ya.
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.
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.
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.
Ada beberapa tool yang sering muncul di daftar "must-have" tapi sebenernya gak urgent buat pemula:
Nambah tool baru sebelum yang dasar lancar itu cuma bikin kamu ngerasa produktif padahal jalan di tempat.
Sebulan Excel, minggu depan pindah Python, minggu depannya Tableau. Hasilnya: semua setengah jalan, gak ada yang bisa dipakai kerja. Tuntasin satu, baru pindah.
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.
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.
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.
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.
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.
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.
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.
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.
Ringkasan singkatnya:
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.
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.