Ide Portfolio Visualisasi Data untuk Data Analyst

Menemukan ide untuk portofolio data analyst cukup tricky, terutama untuk beginner. Beberapa orang berpikir bahwa project data harus sangat rumit atau mencolok. Namun nyatanya, bukan kerumitan yang membuat suatu project menarik untuk ditampilkan dalam portfolio. Hal yang paling penting dalam portfolio data analyst adalah bagaimana cara kita mendemonstrasikan keahlian yang kita miliki, idealnya menggunakan kumpulan data yang menarik minat kita. Kabar baiknya, di era teknologi, mendapatkan data bukanlah hal yang sulit karena data ada di mana-mana dan bisa kita jangkau dengan lebih mudah. Kita hanya perlu tahu di mana menemukannya dan apa yang harus dilakukan dengan data tersebut.

Dalam postingan ini, kita akan membahas beberapa ide project yang akan membantu kamu, khususnya para beginner untuk membangun portofolio dari awal, dengan fokus pada visualisasi data. Aspek ini sangat penting karena data analyst harus bisa mengkomunikasikan kumpulan data dengan chart yang lebih mudah dipahami, terutama bagi orang lain yang ‘buta’ terhadap data. Apa saja project yang bisa kita kerjakan dan dari mana kita mendapatkan datanya? Yuk kita simak bersama!

1. Visualisasi Data

Scraping, mengelola, dan menganalisis data adalah sebuah kesatuan. Namun, mengkomunikasikan hasil temuan kita adalah PR yang tidak semua bisa men-deliver dengan baik. Tidak semua orang suka membaca dan melihat angka namun menyukai gambar. Oleh karena itu, visualisasi data adalah hal yang efektif untuk men-deliver hasil temuan tersebut. Visualisasi yang baik, baik statis maupun interaktif merupakan tambahan yang bagus untuk portofolio analitik data apa pun. Hal ini karena dengan visualisasi data menunjukkan bahwa kita dapat membuat visualisasi yang efektif dan menarik secara visual. 

Beberapa tools visualisasi gratis termasuk Google Charts, Canva Graph Maker (gratis), dan Tableau Public. Sedangkan jika kita ingin show off kemampuan coding, kita bisa menggunakan library Python seperti Seaborn atau library Shiny pada R.

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

2. Covid 19

Meskipun bukan lagi dianggap sebagai pandemi, namun virus Covid 19 masih ada dan masih bisa menginfeksi beberapa orang. Kita dapat mendapatkan data ini dari situs seperti Kaggle yang sudah memiliki ribuan set data Covid-19 yang tersedia. Kita bisa menggunakan heat maps global untuk menunjukkan di mana kasus melonjak, versus di mana kasusnya sangat sedikit. Kita juga bisa menggunakan dua bar chart untuk menunjukkan infeksi yang diketahui versus infeksi yang diprediksi. Kita bisa membangun visualisasi data Covid-19 menggunakan R, Shiny, dan Plotly. Kamu bisa cari datanya di sini.

3. Akun Paling Banyak Di-follow

Social media adalah hal yang tidak terpisahkan di era teknologi modern. Data mengenai orang yang paling banyak diikuti di Instagram memiliki potensi besar untuk divisualisasi dan menarik perhatian banyak orang. Kita dapat membuat bar chart interaktif yang melacak perubahan di akun yang paling banyak diikuti dari waktu ke waktu. Kita juga dapat menjelajahi apakah akun merek atau selebritas lebih efektif dalam pemasaran influencer. Data untuk project ini dapat kamu akses di sini.

4. Informasi Perjalanan

Topik lain yang cocok untuk visualisasi adalah data transportasi. Ada banyak cara dan tools yang bisa kita gunakan untuk membuat visualisasi data. Sebagai contoh, project menarik dari Chen Chen di github yang menggunakan Python untuk memvisualisasikan tujuan wisata teratas di seluruh dunia, dan korelasi antara wisatawan masuk atau keluar dengan produk domestik bruto (PDB).

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

Ingin bangun portfolio dengan case yang lebih beragam dengan data yang mencerminkan data real di dunia industri? Yuk bangun portfolio kamu bersama DQLab! DQLab adalah platform belajar online yang berfokus pada pengenalan Data Science dan Artificial Intelligence dengan menggunakan bahasa pemrograman populer seperti R dan Python. Menariknya, DQLab adalah platform edukasi pertama yang mengintegrasi fitur ChatGPT yang memudahkan beginner untuk mengakses informasi mengenai data science secara lebih mendalam.

DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula. Jadi sangat cocok untuk kamu yang belum mengenal data science sama sekali. Untuk bisa merasakan pengalaman belajar yang praktis dan aplikatif, yuk sign up sekarang di DQLab.id atau ikuti training corporate DQLab dengan klik tautan https://dqlab.id/b2b  berikut untuk informasi lebih lengkapnya!

Penulis: Galuh Nurvinda K