✨PROMO SPESIAL 11.11!✨
Belajar Data Bersertifikat 12 Bulan hanya 170K!
0 Hari 4 Jam 29 Menit 58 Detik

Bangun Portofolio Datamu Bersama DQLab, Kursus Data Analyst Bersertifikat!

Belajar Data Science di Rumah 19-November-2021
https://dqlab.id/files/dqlab/cache/2ff88d315162b1d7914c4eeb3904840b_x_Thumbnail800.png

Sebagai seorang calon praktisi data, tentunya membangun portofolio Data Analyst merupakan suatu prasyarat sebelum kalian terjun memasuki ranah industri data. Sederhananya, portofolio data mengisyaratkan bahwa pelamar telah memiliki pengalaman dalam mengerjakan suatu proyek atau challenge yang diberikan oleh kursus Data Analyst. Kamu bisa mendapatkan pekerjaan di bidang Data Analyst dengan kemampuan statistik yang cukup, Machine Learning, pemrograman, dan juga mengikuti kursus Data Analyst. Tetapi beberapa orang yang memiliki keterampilan tersebut justru tidak memiliki portofolio. Walaupun resume itu penting, memiliki portofolio merupakan bukti publik yang menunjukkan keterampilan Data Analytic dapat mendukung prospek karirmu. 


Portofolio biasanya ditanyakan oleh recruiter ketika interview berlangsung. Harapannya, pelamar bisa menjelaskan kepada recruiter mengenai pengalaman selama mengerjakan proyek yang didapatkan dari kursus data science atau mengikuti kompetisi data, kendala dan hambatan yang dialami, hingga sebagai ajang untuk memamerkan keahlian mereka terkait dengan Data Analytic yang telah mereka dapatkan selama mengikuti kursus Data Analyst. Oleh karena itu, pada artikel DQLab kali ini, kita akan membahas pentingnya membangun portofolio data untuk karirmu. Yuk simak selengkapnya artikel berikut ini!


1. Bangun Portofolio dengan Mengakses DQLab Project

DQLab Project merupakan salah satu wadah bagi member DQLab untuk membangun portofolio data mereka. Dengan mengikuti program Data Mentoring, kamu bisa belajar secara langsung bersama ahlinya, dan kamu juga berkesempatan untuk membangun relasi bersama para praktisi dan member DQLab lainnya. Dengan mengakses DQLab Project yang dirancang khusus berdasarkan kasus riil industri, kamu akan berlatih seperti menghadapi kasus yang biasanya dihadapi industri nyata.


Baca juga : Kenali Perbedaan Data Scientist, Data Analyst dan Data Engineer


2. Pentingnya Membangun Portofolio

Selain bermanfaat dalam membuat portofolio, portofolio penting karena dapat membantu kamu mendapatkan pekerjaan. Berdasarkan artikel yang membahas tentang David Robinson Chief Data Scientist di DataCamp ketika dia diwawancarai oleh Marissa Gemma di blog Mode Analytics. Dia ditanya tentang pengalaman mendapatkan pekerjaan pertamanya di industri. Strategi paling efektif menurutnya adalah membangun portofolio. Dia membuat blog dan melakukan banyak proyek analisis data, dan ini membantu memberikan bukti publik tentang keterampilan data science nya. Kamu mungkin bisa saja menganggap ini tidak terlalu penting, akan tetapi jika kamu semakin aktif, makan semakin besar juga kemungkinan kamu mendapatkan pekerjaan dengan cepat. 


3. Jenis Proyek yang Ada di Portofolio

Proyek portofolio yang baik adalah proyek yang melakukan pemodelan-pemodelan yang berbobot dan dengan menggunakan data yang menarik. Banyak orang melakukan analisa dengan data keuangan atau data Twitter; tidak buruk, akan tetapi datanya tidak begitu menarik. Salah satu kuncinya adalah pada web scraping yang merupakan cara yang efektif untuk mendapatkan data yang menarik. 

Salah satu contoh proyeknya adalah data spam. Saat ini, kita dikelilingi oleh spam di sekitar kita seperti email spam, iklan spam, dan SMS spam. Dataset spam SMS berisi sekumpulan pesan SMS yang dideteksi sebagai spam. Kumpulan data ini mewakili pesan spam yang berbeda sebagai entri dari file CSV agar mudah dibaca dan diekstrak. File CSV data set berisi dua kolom, satu untuk klasifikasi pesan sebagai spam atau bukan, dan yang lainnya adalah teks mentah pesan. Lalu bagaimana kamu dapat menggunakan data spam tersebut? Kamu dapat menggunakan algoritma klasifikasi (Classification) machine learning untuk membuat pengklasifikasi pesan spam, lalu mengujinya pada beberapa pesan untuk melabeli mereka sebagai aman atau spam. Kamu dapat membuat model dan melatih dataset ini untuk memprediksi dan mendeteksi pesan spam.


4. Media Sosial Sebagai Tempat Publikasi Portofolio Datamu

Memiliki akun Github, Kaggle, Stack Overflow, dan sejenis dapat mendukung profil dan memperluas jaringanmu. Contohnya adalah GitHub, Profil Github adalah media yang tepat untuk menunjukkan bahwa kamu adalah Data Analyst yang kompeten. Git yang merupakan repository atau tempat penyimpanan kode programming, dapat diakses oleh tim atau contributor. Sehingga, Github sangat disarankan penggunanya untuk menyimpan portofolio data yang kamu miliki. Dengan berkolaborasi bersama antar programmer dan Data Scientist, kamu bisa saling share project yang dibangun satu sama lain dan memungkinkan untuk saling melihat apa yang telah dibuat beserta tahap analisisnya. Di beberapa perusahaan, recruiter biasanya juga akan melihat GitHub si pelamar. 


Baca juga : Data Analyst vs Data Scientist, Yuk Kenali Perbedaannya 


5. Perdalam Skill Menjadi Data Analyst dengan Bergabung Bersama DQLab

Persiapkan karir datamu dengan memperdalam ilmu Data Science dengan membangun portofolio data sebanyak-banyaknya. Dengan belajar online bersama DQLab, kamu tetap bisa produktif pada akhir pekan kamu dengan mengasah kompetensi sesuai dengan kebutuhan, baik dari materi yang ingin kamu pelajari maupun dari segi waktu belajarnya. Nikmati pengalaman belajar di rumah secara praktis dan aplikatif bersama DQLab, dan akses modul baru DQLab serta raih sertifikat untuk menjadi modal memulai karir menjadi seorang Data Analyst!



Penulis: Salsabila Miftah R

Editor : Annissa Widya Davita


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login