5 Project Data Analyst Simpel tapi Powerful yang Bikin HR Melirik

Sering kali calon data analyst terjebak pada satu mitos yaitu membuat portofolio data harus rumit, pakai machine learning canggih, dan dataset harus jutaan baris supaya terlihat keren. Padahal, di mata HR dan user, yang lebih penting adalah cara kamu memahami masalah, mengolah data dengan rapi, lalu menyampaikan insight secara jelas. Project yang simpel tapi tajam sering kali justru lebih “menjual” daripada dashboard yang penuh visual dan hanya tempelan saja.

The Future of Jobs Report 2025 yang dikeluarkan oleh World Economic Forum melaporkan bahwa kemampuan analytical thinking dan problem solving menjadi skill yang semakin krusial bagi seorang data analyst di berbagai industri. Artinya, bukan sekadar tools yang dinilai, tetapi bagaimana kamu berpikir. Kalau kamu masih pemula, justru ini kesempatan yang tepat untuk membuat portfolio data analyst yang simpel tapi HR langsung melirik! Apa saja rekomendasi tema project yang cocok? Langsung saja simak penjelasan berikut sahabat DQLab!

1. Dashboard Penjualan Retail

Kita mulai project yang pertama yaitu dashboard penjualan retail. Project ini bisa dibilang klasik. Kamu bisa menggunakan Microsoft Excel atau Microsoft Power BI untuk membuat dashboard sederhana berisi total penjualan, tren bulanan, produk terlaris, dan performa tiap wilayah. Fokusnya bukan pada banyaknya grafik, tetapi apa yang bisa diputuskan dari data ini?

Agar lebih powerful,tambahkan 3-5 insight tertulis di bawah dashboard. Misalnya, penjualan naik signifikan di kuartal tertentu karena promo musiman atau satu produk menyumbang 40 persen revenue sehingga berisiko jika terlalu bergantung pada satu kategori. HR akan melihat bahwa kamu bisa memahami konteks bisnisnya.

Baca Juga: Bootcamp Data Analyst with Python & SQL

2. Analisis Performa Campaign Digital Marketing

Dataset marketing biasanya berisi metrik seperti impressions, clicks, CTR, CPC, dan conversion rate. Kamu bisa membuat visualisasi menggunakan Google Looker Studio atau Tableau Public untuk membandingkan performa antar campaign. Yang bikin project ini powerful adalah kemampuanmu dalam menghubungkan angka dengan strategi. Misalnya, campaign yang memiliki CTR (Conversion to Rate) tinggi belum tentu punya conversion rate tinggi juga. Dari situ, kamu bisa menyarankan evaluasi landing page atau segmentasi audiens. Insight semacam ini menunjukkan bahwa kamu sudah siap bekerja di dunia industri data.

3. Analisis Turnover dan Absensi

Banyak perusahaan peduli pada turnover rate dan produktivitas karyawan. Kamu bisa membangun dashboard yang menunjukkan tren attrition dan potensi faktor penyebabnya melalui dataset sederhana seperti jumlah karyawan masuk/keluar, tingkat absensi, dan lama bekerja.

Gunakan Microsoft Power BI untuk membuat KPI card dan visual tren tahunan. Lalu, tambahkan analisis sederhana. Misalnya, divisi dengan tingkat turnover tertinggi atau hubungan antara masa kerja dan kemungkinan resign. Project ini terlihat matang karena menyentuh isu strategis yang sering dihadapi perusahaan.

Baca Juga: Data Analyst vs Data Scientist

4. Exploratory Data Analysis (EDA) E-Commerce

Kalau kamu ingin terlihat lebih teknis, lakukan EDA menggunakan Python dengan bantuan library seperti Pandas dan Matplotlib. Dataset e-commerce biasanya memuat data transaksi, kategori produk, harga, dan lokasi pelanggan. Di sini kamu bisa menunjukkan kemampuan data cleaning, handling missing values, dan membuat visualisasi tren penjualan. Tambahkan analisis korelasi sederhana atau segmentasi pelanggan berdasarkan frekuensi belanja. Project ini powerful karena menunjukkan kamu menguasai proses end-to-end.

5. Dashboard Keuangan Pribadi

Project ini terdengar sederhana, tetapi justru sangat kuat jika dikemas dengan baik. Kamu bisa membuat dashboard cashflow (income vs expense), kategori pengeluaran terbesar, dan tren tabungan bulanan menggunakan Excel atau Power BI.

Nilai plusnya ada pada storytelling. Jelaskan bagaimana data tersebut bisa membantu pengambilan keputusan. Misalnya, mengurangi pengeluaran di kategori tertentu atau menentukan target tabungan. HR sering menyukai project yang realistis dan aplikatif karena menunjukkan cara berpikirmu terstruktur dan praktis.

Portofolio yang bikin HR melirik tentu saja harus disusun secara jelas dan sesuai konteks. Lima project di atas membuktikan bahwa melalui dataset sederhana dan tools yang umum digunakan industri, kamu sudah bisa membangun portofolio yang kuat. Kuncinya ada pada problem framing, analisis yang rapi, dan insight yang actionable.

Daripada menunggu “nanti aja kalau sudah jago”, lebih baik mulai saja dengan project yang simpel tapi powerful. Sebab, yang dicari di dunia data bukan sekadar orang yang bisa bikin grafik, tapi yang bisa menjawab pertanyaan bisnis dengan data. Selamat mencoba!

FAQ

1. Apakah project sederhana benar-benar cukup untuk menarik perhatian HR?

Ya, selama project tersebut menunjukkan alur berpikir yang jelas. HR dan user biasanya lebih tertarik pada bagaimana kamu memahami masalah, membersihkan data, memilih visual yang tepat, dan menyampaikan insight yang relevan. Project yang simpel tapi punya analisis tajam dan rekomendasi konkret justru terlihat lebih matang dibanding dashboard yang kompleks tapi tanpa arah.

2. Tools apa yang sebaiknya dipakai untuk portofolio pemula?

Kamu bisa mulai dari tools yang umum digunakan industri seperti Microsoft Excel, Microsoft Power BI, Tableau Public, atau Python. Tidak perlu menguasai semuanya sekaligus. Yang lebih penting adalah memahami konsep analisis dan bisa menjelaskan prosesnya dengan percaya diri.

3. Berapa banyak project ideal untuk satu portofolio Data Analyst?

Tidak perlu terlalu banyak. Tiga sampai lima project yang solid, rapi, dan terdokumentasi dengan baik sudah cukup untuk menunjukkan kompetensi dasarmu. Pastikan setiap project punya konteks masalah, proses analisis, visualisasi yang relevan, serta insight yang bisa dijadikan bahan diskusi saat interview.

Kalau kamu tertarik untuk berkarir sebagai Data Analyst yang menguasai teknik Data Cleaning secara handal, ini adalah saat yang tepat! Yuk, segera Sign Up ke DQLab! Di sini, kamu bisa belajar dari dasar hingga tingkat lanjut dengan materi dan tools yang relevan dengan kebutuhan industri, bahkan tanpa latar belakang IT. Belajar kapan saja dan di mana saja dengan fleksibilitas penuh, serta didukung oleh fitur eksklusif Ask AI Chatbot 24 jam!

Tidak cuma itu, DQLab juga sudah menerapkan metode pembelajaran HERO (Hands-On, Experiential Learning & Outcome-based) yang dirancang ramah untuk pemula, dan telah terbukti mencetak talenta unggulan yang sukses berkarier di bidang data. Jadi, mau tunggu apa lagi?

Jadi, tunggu apa lagi? Segera persiapkan diri untuk menguasai keterampilan di bidang data dan teknologi dengan subscribe modul premium, atau ikuti Bootcamp Data Analyst with SQL and Python sekarang juga!

Penulis: Reyvan Maulid