Ide Portofolio Data Analyst yang Unik & Menarik

Profesi data analyst saat ini banyak dibutuhkan banyak industri untuk mengolah data yang kemudian digunakan untuk kebijakan produk. Untuk dapat berkarir di bidang data, Sahabat DQ perlu memiliki portofolio yang meyakinkan. Sebuah portofolio dapat menjadi acuan bagi rekruter untuk melihat pengalaman kerja dan skills yang dimiliki. Selain itu, portofolio juga dapat digunakan untuk membangun personal branding yang profesional. Selain itu, portofolio juga penting untuk menjadi jurnal perkembangan skill yang selalu selalu diupdate mengikuti kebutuhan industri.

Portofolio data analyst haruslah unik dan menarik jika digunakan untuk melamar pekerjaan. Karena semakin banyak orang yang tertarik bekerja di bidang data, semakin banyak pula yang menyiapkan portofolio. Alhasil, portofolio yang biasa saja tidak akan memberikan nilai tambahan untuk kalian. Nah, kali ini akan dibahas ide portofolio baik untuk level pemula sampai level mahir. Yuk simak penjelasannya!

1. Tips Membuat Portofolio

Hal pertama yang perlu dipastikan sebelum membuat portofolio adalah skills apa saja yang ingin ditonjolkan dalam portofolio.  Beberapa hal atau skill yang perlu diperhatikan diantaranya yaitu kemampuan komunikasi, kemampuan analisis, kemampuan berpikir kritis, kemampuan mengemas informasi menjadi menarik dan sederhana. 

Setelah mengetahui skills apa saja yang ingin ditonjolkan dalam portofolio, buatlah daftar proyek yang telah dikerjakan. Dalam portofolio tersebut, cobalah untuk menjabarkan secara singkat proyek-proyek yang telah dikerjakan seperti apa permasalahannya, mengapa perlu diselesaikan, solusi yang sudah diberikan, solusi baru yang dianggap lebih efisien. 

Jika Sahabat DQ menggunakan website sebagai platform untuk portofolio, tidak ada salahnya untuk menampilkan beberapa feedback positif yang diberikan oleh klien atau atasan terdahulu. Menampilkan feedback dalam portofolio juga akan meningkatkan kredibilitas sebagai data scientist.

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

2. Ide Portofolio Untuk Level Pemula

Pada level pemula umumnya skill yang ditunjukkan adalah kemampuan dasar dalam memahami langkah-langkah analisis data. Tidak dibutuhkan teknis khusus, perpaduan dengan ilmu lain, atau proses analisis yang mendalam. Biasanya penggunaan modul, package, fungsi atau library standar sudah cukup membantu proses menyimpulkan suatu masalah. Berikut ide yang bisa digunakan untuk membangun portofolio bagi pemula. 

Customer Churn Analysis Project

Churn analysis adalah teknik analisis yang bertujuan mengetahui alasan customer berhenti menggunakan produk atau layanan dari perusahaan. Customer churn perlu ditindaklanjuti karena menjadi gambaran utama atas kesuksesan suatu bisnis dalam mempertahankan customer. Dengan analisis tersebut, maka akan sangat membantu perusahaan untuk mengambil keputusan yang paling tepat agar angka churn customer tidak semakin tinggi. Kalian bisa menggunakan data historis penjualan atau data feedback yang diberikan customer. 

Umumnya, perusahaan akan melakukan beberapa tahapan penting ketika mengetahui angka churn cukup tinggi. Diantaranya adalah:

• Mencari tahu penyebab churn. Beberapa alasan customer meninggalkan atau menghentikan penggunaan produk perusahaan adalah merasa tidak dipedulikan, layangan yang buruk, tidak ada modifikasi dari produk yang sudah ada, tidak lagi cocok dengan kebutuhan, dan masih banyak lagi. Oleh karena itu perlu diketahui secara spesifik penyebabnya.

• Meningkatkan customer engagement. Bisnis perlu membangun hubungan yang kuat dengan customer. Beberapa langkah yang bisa dilakukan adalah melakukan komunikasi dengan beragam channel seperti email, SMS, push notification.

• Memberikan reward kepada pelanggan. Terkadang pelanggan perlu mendapatkan insentif atau loyalitas yang diberikan. Program reward adalah solusi yang tepat untuk menghargai loyalitas pelanggan.

Sentiment Analysis

Sentiment analysis adalah proses penggunaan analisis teks untuk mendapatkan berbagai sumber data dari internet dan beragam platform media sosial. Tujuannya adalah untuk memperoleh opini dari pengguna yang terdapat pada platform tersebut. Dengan bantuan sentiment analysis, informasi yang tadinya tidak terstruktur dapat diubah menjadi data yang lebih terstruktur. Data tersebut dapat menjelaskan opini masyarakat mengenai produk, merek, layanan, politik, atau topik lainnya. Perusahaan, pemerintah, maupun bidang lainnya kemudian memanfaatkan data-data tersebut untuk membuat analisis marketing, review produk, umpan-balik produk, dan layanan masyarakat.

Ada beberapa tipe sentiment analysis. Diantaranya adalah sebagai berikut.

• Fine-grained sentiment analysis adalah tipe analisis yang memiliki penilaian spesifik. Biasanya, fine-grained sentiment analysis banyak digunakan pada review e-commerce berupa lima bintang.

• Emoticon detection bertujuan untuk mendeteksi emosi, seperti kebahagiaan, kemarahan, kesedihan, dan frustasi.

• Aspect-based sentiment analysis digunakan untuk mengetahui aspek apa yang mendapat penilaian positif, netral, atau negatif dari pelanggan. Misalnya dalam sebuah review produk, ada pelanggan yang memberikan komentar, “Bahan celana ini halus dan nyaman digunakan.” Artinya produk mendapatkan penilaian positif.

• Analisis sentimen multilingual dimanfaatkan untuk menganalisis kata-kata dalam berbagai bahasa.

  
  

3. Ide Portofolio Untuk Level Menengah

Pada level menengah, skill yang ingin ditonjolkan lebih mendalam adalah kemampuan bernalar kritis. Biasanya modul yang digunakan juga jarang dikenal atau dimanfaatkan pada portofolio yang umum ditemukan. Produk dari ide ini juga umumnya tidak sekadar model tapi sudah dalam bentuk aplikasi sederhana. Berikut beberapa contoh ide portofolio tingkat menengah. 

Chatbots

Chatbot adalah sebuah program komputer berbasis AI (Artificial Intelligence), alias robot virtual yang dapat mensimulasikan percakapan layaknya manusia. Teknologi ini juga dikenal sebagai asisten digital yang dapat memahami serta memproses permintaan pengguna, dan memberikan jawaban yang relevan dengan cepat. Bahkan, chatbot dapat menirukan percakapan manusia dalam bentuk teks maupun suara yang diaplikasikan pada website dan aplikasi seperti Facebook, WhatsApp, Twitter dan lain-lain.

Chatbot sangat penting bagi perkembangan bisnis karena memberikan manfaat sebagai berikut.

• Menghemat waktu pelanggan. Chatbot sangatlah cerdas untuk memastikan konsumen merasa terbantu dengan jawaban yang diberikan. Konsumen juga tidak perlu menunggu antrian untuk melakukan konsultasi dengan bisnis.

• Tersedia dalam waktu 24 jam. Konsumen akan kabur ke bisnis milik kompetitor, apabila tidak dilayani dengan cekatan. Untuk itulah, bot diciptakan agar selalu sedia melayani konsumen tanpa batas waktu tertentu.

• Meningkatkan kualitas customer experience. Chatbot dapat membangun percakapan dengan pelanggan secara proaktif, melalui rekomendasi dan bantuan yang ditawarkan sehingga pelanggan dapat merasa terbantu. Itulah mengapa chatbot kerap dimanfaatkan sebagai cara untuk meningkatkan kualitas customer experience pada suatu bisnis.

Apple Watch Workout Analysis

Apple watch memiliki beragam fitur pendeteksi olahraga yang kalian lakukan. Bahkan juga memuat data total kalori yang terbakar, jarak lari atau jalan, rata-rata detak jantung, dan data kesehatan lainnya. 

Dengan menggunakan data tersebut, kalian bisa melakukan analisa performa kesehatanmu dalam kurun waktu tertentu. Langkah-langkah yang bisa dilakukan adalah pertama export data dari apple watch dalam bentuk XML. Selanjutnya lakukan beberapa proses pembersihan data, eksploratori data, dan proses transformasi jika dibutuhkan. Selanjutnya kalian bisa simpan file akhir dalam bentuk CSV file untuk kemudian dilakukan data visualization, misalnya menggunakan Google Data Studio.

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

4. Ide Portofolio Untuk Level Mahir

Pada tahap ini, jelas seorang praktisi data sudah memiliki pemahaman yang mumpuni. Bahkan sudah mampu mengkolaborasikan data analyst ke ilmu lainnya. Pada tahap ini pula seorang praktisi data tidak hanya mengenal machine learning, namun juga deep learning. Output yang dikeluarkan pun sudah berupa sistem atau mesin yang bekerja secara otomatis. Berikut contoh ide projek yang bisa digunakan untuk portofolio level mahir. 

Movie Recommendation System

Recommendation system adalah salah satu sistem yang mampu memprediksi peringkat yang mungkin pengguna berikan untuk suatu item tertentu. Salah satu perusahaan yang menggunakan konsep ini adalah Netflix. Netflix memanfaatkan data science sebagai strategi untuk merekomendasikan film yang mirip dengan yang pelanggan sukai dan tonton berulang kali. 

Ada dua jenis recommendation system, yaitu Content-based recommendation systems dan Collaborative filtering recommendation systems.

• Dalam content-based recommendation systems, poin-poin yang menjadi pertimbangan antara lain latar belakang pengetahuan produk dan informasi pelanggan. Misalnya, jika kalian pernah menonton film bergenre fiksi ilmiah, content-based recommendation system akan memberi saran untuk film serupa yang bergenre sama, yaitu fiksi ilmiah.

• Collaborative Filtering memungkinkan rekomendasi berdasarkan kesamaan profil penggunanya. Misalnya, jika si A menonton konten crime, fiksi ilmiah, dan thriller, sementara si B menonton konten fiksi ilmiah, thriller, dan action. Sistem ini mempertimbangkan behavior dari  suatu pengguna sambil merekomendasikan pengguna lainnya.

Image Classification

Konsep ini dapat dibedakan menjadi beberapa tipe yaitu:

• Object tracking umum digunakan untuk analisis video dan observasi real-world interactions. Di era dimana AI sudah tidak asing lagi, object tracking juga mulai diaplikasikan untuk teknologi seperti autonomous driving systems.

• Segmentasi gambar merupakan salah satu aplikasi mendasar di bidang computer vision. Secara umum, segmentasi gambar adalah proses “memisahkan” sebuah gambar utuh menjadi beberapa grup-grup pixel yang kemudian dapat dikategorikan. Atau dengan kata lain, proses untuk memahami peran dari tiap-tiap pixel dalam sebuah gambar.

• Instance segmentation adalah pengembangan dari semantic segmentation, dimana hasil yang diharapkan adalah pemisahan objek-objek dalam suatu gambar secara menyeluruh, bukan lagi berdasarkan kategori dari objek tersebut. Sebagai contoh, Instance Segmentation menghasilkan 5 warna berbeda untuk 5 buah mobil dalam suatu gambar.

Nah, apakah Sahabat DQ sudah ada gambaran terkait portofolio yang akan dibuat untuk persiapan karir menjadi Data Analyst? Jangan khawatir jika kalian bingung mencari sumber portofolio lainnya. Di DQLab, kalian akan mendapatkan beragam contoh studi kasus yang bisa digunakan untuk menambah portofolio kalian. 

Tidak hanya menyelesaikan secara otodidak, kalian juga akan dibantu secara bertahap sampai paham untuk menyelesaikan studi kasus tersebut. Menariknya Sahabat DQ tidak perlu install aplikasi lagi karena sudah dilengkapi dengan Live Code Editor, loh. Yuk segera Sign Up dan perbanyak portofolio kalian dengan belajar bersama DQLab!

Penulis : Dita Feby 

Editor : Annissa Widya