Cara Menjadi Data Analyst di Indonesia: Skill, Roadmap, dan Gaji (2026)

Data analyst menjawab pertanyaan bisnis dengan data. Produk mana yang paling laku bulan lalu? Kenapa pendaftar di Surabaya turun? Apakah promo kemarin balik modal? Tugasnya menarik angka yang tepat, mengeceknya, lalu menjelaskan artinya kepada orang yang harus mengambil keputusan.

Ini juga pekerjaan pertama yang paling umum di dunia data. Anda tidak perlu gelar ilmu komputer, dan tool-nya bisa dipelajari dari laptop di rumah. Sertifikat Data Analytics dari Google, misalnya, tidak mensyaratkan gelar atau pengalaman dan bisa selesai dalam kurang dari enam bulan dengan kurang dari 10 jam per minggu (Coursera).

1. Apa yang dikerjakan data analyst sehari-hari

Isinya berbeda di tiap perusahaan, tetapi minggu kerja yang umum kira-kira seperti ini:

• Menulis SQL untuk menarik data penjualan, pengguna, atau operasional dari database perusahaan
• Membersihkan data itu: menghapus duplikat, merapikan tanggal, dan mencocokkan total dengan angka yang sudah dipercaya
• Membuat dan memperbarui dashboard yang dibuka para manajer setiap Senin
• Menjawab pertanyaan dadakan dari tim marketing, keuangan, atau operasional, sering kali harus selesai hari itu juga
• Menulis ringkasan singkat: apa yang berubah, kemungkinan penyebabnya, dan apa langkah berikutnya

Poin terakhir paling sering diremehkan pemula. Grafik yang tidak dipahami siapa pun tidak mengubah apa-apa. Analyst yang cepat naik jabatan adalah mereka yang temuannya benar-benar dipakai untuk mengambil keputusan.

Data analyst, data scientist, atau data engineer?

Ketiga jabatan ini saling beririsan, dan perusahaan kecil sering mencampurnya. Pembagian yang umum seperti ini:

Kalau belum yakin mana yang cocok, mulailah dari analyst. Skill-nya terpakai juga di dua peran lainnya. Baca cara menjadi data scientist atau cara menjadi data engineer setelah Anda tahu arah mana yang lebih menarik.

2. Lima skill yang Anda butuhkan

Spreadsheet (Excel atau Google Sheets)

Hampir semua perusahaan di Indonesia masih bergantung pada spreadsheet, jadi di sinilah Anda mulai. Pelajari sort dan filter, SUMIFS dan COUNTIFS, XLOOKUP atau VLOOKUP, pivot table, dan grafik sederhana. Kalau Anda bisa mengubah data mentah hasil ekspor menjadi pivot table yang rapi dalam sepuluh menit, Anda sudah berguna.

SQL

SQL adalah cara mengambil data dari database tanpa harus minta tolong engineer. Pelajari SELECT, WHERE, GROUP BY, JOIN, lalu window function. Inilah inti pekerjaannya, sekaligus skill pertama yang dibutuhkan data engineer, jadi waktu belajarnya tidak akan sia-sia.

Satu tool BI

Tool BI (business intelligence) mengubah tabel menjadi dashboard yang bisa dipakai orang lain. Pilih satu saja: Looker Studio gratis dan populer di startup, sedangkan Power BI dan Tableau sering dipakai di perusahaan yang lebih besar. Setelah menguasai satu, yang lain cukup dipelajari dalam hitungan hari.

Statistik dasar

Anda tidak butuh matematika tingkat lanjut. Yang dibutuhkan: rata-rata dan median (serta kapan masing-masing bisa menyesatkan), persentase dan tingkat pertumbuhan, distribusi, korelasi versus sebab-akibat, dan cukup paham sampling untuk tahu kapan selisih angka terlalu kecil untuk dipercaya.

Bercerita dengan data

Artinya memilih grafik yang tepat, menaruh kesimpulan di judul, dan menulis tiga kalimat yang mau dibaca manajer yang sibuk. Latihannya: jelaskan setiap grafik yang Anda buat dengan suara keras, seolah-olah kepada orang di luar tim Anda.

Tool AI bisa membantu kelima skill ini, dari membuat draf query SQL sampai menyarankan jenis grafik. Tapi AI juga bisa salah dengan sangat yakin, jadi selalu cek hasilnya. Panduan kami tentang cara membuat prompt yang bagus menunjukkan cara meminta hasil yang bisa Anda verifikasi.

3. Roadmap belajar, secara berurutan

Pelajari skill sesuai urutan ini, karena setiap langkah memakai langkah sebelumnya. Perkiraan waktunya untuk sekitar 8 sampai 10 jam per minggu, sama dengan ritme sertifikat Google Data Analytics. Roadmap data analyst di roadmap.sh bisa dipakai sebagai daftar cek kalau Anda ingin lebih detail.

1. Spreadsheet (3 sampai 4 minggu): rumus, lookup, pivot table, dan grafik sederhana.
2. SQL (4 sampai 6 minggu): SELECT, WHERE, GROUP BY, JOIN, lalu window function.
3. Statistik dasar (2 sampai 3 minggu): rata-rata, distribusi, tingkat pertumbuhan, korelasi versus sebab-akibat.
4. Satu tool BI (3 sampai 4 minggu): bangun satu dashboard dari data mentah sampai siap dipakai manajer.
5. Storytelling (2 minggu, lalu berkelanjutan): pilih grafik yang tepat, beri judul berisi temuan, tulis ringkasan singkat.
6. Proyek portofolio (4 sampai 6 minggu): dua atau tiga proyek dengan data publik yang nyata.

Ide portofolio yang relevan di Indonesia

• Harga antardaerah. Ambil data harga atau inflasi per provinsi dari sumber publik, lalu tunjukkan di mana harga naik paling cepat, dengan satu grafik yang jelas dan satu paragraf penjelasan.
• Penjualan toko online. Pakai dataset e-commerce publik, tulis query SQL-nya, dan buat dashboard penjualan per kategori, bulan, dan kota.
• Pertanyaan dari pekerjaan Anda sendiri. Anonimkan datanya dulu. Pertanyaan bisnis yang nyata selalu lebih menarik daripada dataset terkenal.

Untuk setiap proyek, tulis README singkat: pertanyaannya, datanya, temuan Anda, dan apa yang akan Anda cek berikutnya. Hiring manager membaca itu sebelum membuka dashboard Anda.

4. Berapa gaji data analyst di Indonesia

Di Indeed Indonesia, rata-rata gaji data analyst adalah Rp6.324.092 per bulan, dari 89 laporan gaji (diperbarui 27 Oktober 2026). Kisaran umumnya sekitar Rp3,3 juta sampai Rp12 juta per bulan. Rata-rata di Jakarta sekitar Rp7,6 juta.

Data Jobstreet, yang diambil dari kisaran gaji yang dicantumkan perusahaan di lowongan, menunjukkan gambaran serupa untuk Jakarta: rata-rata Rp7,5 juta di Jakarta Barat dan Rp10 juta di Jakarta Timur (Jobstreet, November 2026).

Ada dua hal yang perlu diingat. Pertama, ini rata-rata dari semua level; pekerjaan pertama biasanya dibayar di dekat batas bawah. Kedua, nama jabatan bisa menipu. “Data analyst” di perusahaan teknologi yang seharian menulis SQL digaji berbeda dengan posisi admin yang memperbarui satu spreadsheet, padahal keduanya masuk ke rata-rata yang sama. Baca deskripsi pekerjaannya, jangan hanya judulnya.

Permintaannya pun tidak akan surut. Future of Jobs Report 2025 dari World Economic Forum menempatkan big data specialist di puncak daftar pekerjaan dengan pertumbuhan tercepat hingga 2030 (WEF), dan Kementerian Komunikasi dan Digital kini memperkirakan Indonesia butuh 12 juta talenta digital pada 2030, naik dari perkiraan sebelumnya 9 juta (Investortrust).

5. Mendapatkan pekerjaan data analyst pertama

Titik awal Anda menentukan rute tercepat. Tiga yang paling umum:

• Anda sudah bekerja dengan spreadsheet (keuangan, sales ops, admin, marketing). Mulailah menganalisis di pekerjaan sekarang: buat laporan yang tidak sempat dibuat orang lain, lalu minta untuk memegangnya. Pindah posisi secara internal sering menjadi jalan tercepat.
• Anda mahasiswa atau fresh graduate. Incar magang atau posisi junior, dan taruh proyek Anda di bagian atas CV, di atas IPK.
• Anda pindah dari bidang yang tidak berkaitan. Pilih industri yang Anda kenal, seperti ritel, kesehatan, atau logistik, dan bangun proyek dengan data dari industri itu. Pengetahuan domain adalah keunggulan nyata.

Kesalahan yang umum

• Belajar Python sebelum SQL. Python berguna, tetapi SQL-lah yang dipakai analyst setiap hari, jadi dahulukan SQL.
• Mengoleksi sertifikat alih-alih menyelesaikan proyek. Dua proyek yang selesai dengan penjelasan yang jelas lebih berharga daripada lima sertifikat.
• Dashboard tanpa tujuan. Setiap dashboard harus menjawab satu pertanyaan. Tulis pertanyaan itu di judulnya.
• Tidak mengecek angka. Bandingkan total Anda dengan angka yang sudah dipercaya orang sebelum membagikan apa pun.

Kalau sudah siap mulai, jalur Data Analyst di Datamew membahas skill-skill ini lewat pelajaran tiga menit, dan unit pertamanya gratis. Setelah satu atau dua tahun menjadi analyst, banyak orang pindah ke data science, data engineering, atau AI. Baca jenjang karier AI engineer kalau Anda tertarik membangun produk dengan model AI.