Belajar Data Science DQLab Diskon 85% Claim Promo
Berakhir 0 Days 4 Jam : 27 Menit : 13 Detik

Belajar Data Analyst, Terapkan Flowchart Analisa Data untuk mengukur Performa Perusahaan dengan SQL

Belajar Data Science di Rumah 20-Mei-2020

Tetap produktif dengan belajar Data Analyst di rumah aja! Sebagai seorang Data Analyst kamu dituntut untuk menganalisa data dan memahami bisnis agar insight yang dihasilkan sesuai dengan kebutuhan perusahaan.


Kunci utama lainnya untuk menjadi seorang Data Analyst adalah mampu bercerita atau story telling mengenai data tersebut. Dari project “Measuring Retail Store Sales Performance with SQL” yang disusun oleh Nelda Ampulembang Parenta, Senior Data Analyst Logisly, kita kini mengetahui peran Data Analyst lainnya yaitu bagaimana seorang Data Analyst mengukur performa suatu perusahaan menggunakan SQL.


Apa saja ya tahapannya? Yuk, kita simak bersama!




1. Overall Analysis 

Untuk memonitor keseluruhan data, ini merupakan salah satu langkah awal yang harus dilalui seorang Data Analyst. Overall analysis dapat dikategorikan menjadi dua bagian, yaitu analysis berdasarkan sales dan analisis berdasarkan customer.


“Pada step ini overall analysis berguna untuk memonitor semua data yang dimiliki dan key metrics yang digunakan.” Tutup Nelda.


Baca juga : Belajar Data Analyst dan Tingkatkan 3 Kompetensi Ini dengan Mengakses DQLab Project “Measuring Retail Store Performance with SQL”


2. Sub Category

Hal pertama yang harus dilakukan seorang Data Analysis adalah menganalisa performa awal dan dibandingkan dengan performa sebelumnya. Dengan demikian kita akan mengetahui produk apa saja yang masuk dalam kategori top performance dan low performance.


“Dari situ kita bisa lihat, sales yang mempunyai growth atau perkembangan yang positif dan sales yang mempunyai perkembangan yang negatif.” Ungkap Nelda.


3. Burn Rate Analysis

Pada proses ini, kita bisa menganalisa growth atau perkembangan yang negatif. Sudah melakukan promosi dan campaign secara efektif namun belum ada peningkatan sales? Dengan Burn Rate Analysis kita dapat membedah permasalahan tersebut 


“Sederhananya adalah, dengan Burn Rate Analysis kamu dapat mengetahui efektivitas dari campaign yang kamu lakukan. Apakah berjalan dengan baik atau sebaliknya.” Tambahnya.


4. Target Promotion

Dengan target promotion, kita dapat mengklasifikasikan customer-customer dengan menggunakan data-data yang sudah diolah dari step-step sebelumnya contohnya dari sales atau dari burn ratenya. 


“Jadi dapat meningkatkan sales nya dengan keadaan burn rate nya tetap rendah.”


Baca juga : DQLab Mentoring: Building Recommender System with Python


5. Terapkan ilmunya dengan DQLab Project

Penasaran bagaimana proses di atas dapat diterapkan dengan studi kasus nyata? Bangun portofoliomu untuk siap berkarir jadi Data Analyst. Akses project 'Measuring Retail Store Sales Performance with SQL' di sini

Akses video Data Mentoring#17:

Share

Postingan Terkait

Mulai Bangun Karirmu Bersama DQLab!