Kenali “Red Flag” dalam Portofolio Data Analyst

Portofolio data analyst merupakan koleksi atau kompilasi yang bisa dijadikan sebagai senjata bagi kandidat dalam mencari pekerjaan sebagai data analyst. Dengan portofolio data analyst, kandidat dapat menunjukkan kepada HRD atas ketertarikannya dalam melamar posisi data analyst. Portofolio yang dibuat oleh calon employee data analyst juga mencakup contoh laporan dan proyek yang dihasilkan. Hal ini menunjukkan skill yang calon kandidat miliki dalam mengkomunikasikan hasil analisis secara efektif kepada pemangku kepentingan yang mungkin sebelumnya pernah punya pengalaman terkait analisis data. Portofolio biasanya ditunjukkan dengan berbagai medium seperti blog, website, visualisasi data, dashboard interaktif dan lain-lain.

Namun, sebelum kandidat membuat sebuah portofolio data analyst penting untuk mengenali terlebih dahulu tanda bahaya atau red flag yang biasa terjadi. Ketika portofolio yang sudah kamu buat sudah kamu kirimkan dan sampai di meja rekruter, lalu portofolio yang kamu sajikan menunjukkan informasi yang inkonsisten dan tidak meyakinkan, maka HRD yang membaca portofolio kamu pastinya juga akan ragu atas informasi yang kamu sajikan disana. Apalagi kalau kamu membuat portofolionya secara asal-asalan pastinya rekruter juga akan menganggap bahwa kamu adalah kandidat yang tidak serius dan mendapatkan red flag dari rekruter. Yuk simak apa saja “red flag” yang harus kamu kenali sebelum atau saat membuat portofolio data analyst, lewat postingan ini yuk sahabat DQLab!

1. Kesalahan Metodologi

Hal yang seringkali rentan terjadi dalam membuat portofolio data analyst adalah kesalahan metodologi. Ketika ingin menyelesaikan suatu permasalahan dalam portofolio yang ingin kamu buat, pilihlah metode yang efektif dan measureable untuk dianalisis dan diselesaikan. Misalnya kamu ingin membuat portofolio yang permasalahannya berkaitan dengan retensi pelanggan dan churn maka kamu bisa menganalisis customer churn dengan bahasa pemrograman yang bisa kamu pilih sesuai dengan kemampuan kamu. Apabila terdapat kesalahan metodologi dalam analisis yang dilakukan misalnya menggunakan metode yang tidak tepat atau mengabaikan asumsi yang penting tentu saja dapat menyebabkan hasil yang tidak akurat atau tidak dapat diandalkan.

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

2. Visualisasi yang Tidak Efektif

Peranan visualisasi dalam portofolio data analyst sangatlah penting untuk memperjelas dan menegaskan penjelasan hasil analisis data kamu. Jika visualisasi dalam portofolio kamu tidak jelas, tidak teratur, dan tidak efektif dalam menjelaskan informasi yang ada maka ini juga bisa menjadi sebuah “Red Flag” bagi kamu seorang kandidat yang ingin melamar. Pentingnya membuat visualisasi yang menarik tentu saja, namun visualisasi yang efektif harus kalian terapkan untuk menjelaskan informasi penting yang ada dalam portofolio.

3. Tidak Ada Insight atau Actionable Recommendations

Portofolio yang kamu buat harapannya adalah permasalahan yang terjadi dapat diselesaikan dengan analisis data yang kamu lakukan. Apabila portofolio data yang kamu tuliskan ini hanya menampilkan hasil analisis tanpa ada visualisasi data dan rekomendasi yang ingin kamu berikan kepada pihak terkait, portofolio yang kamu buat juga tidak lengkap dan tidak menggambarkan informasi yang jelas. Portofolio tanpa adanya actionable recommendations yang dapat diimplementasikan tentu juga menjadi red flag. Penting untuk menunjukkan bahwa sebagai seorang kandidat perlu memiliki kemampuan untuk mengambil informasi dari data dan memberikan saran yang bernilai bagi bisnis atau organisasi.

4. Kurangnya Diversitas Proyek

Keragaman proyek data analyst juga menggambarkan seberapa dalam ilmu atau proyek yang pernah dikerjaan oleh calon employee data analyst. Diversitas proyek menunjukkan kedalaman seorang kandidat dalam menyelami seluruh analisis yang mereka punya. Apabila portofolio hanya mencantumkan satu jenis proyek saja dan hanya fokus pada analisis data yang itu-itu saja, hal ini juga menandakan bahwa kandidat memiliki pengalaman yang terbatas dalam mengatasi hambatan dan tantangan yang sewaktu-waktu terjadi.

Baca juga : Bootcamp Data Analyst with SQL and Python

5. Indikasi Plagiarisme

Dalam membuat portofolio, hal yang tidak bisa kamu anggap sepele adalah hak cipta. Portofolio yang kamu buat haruslah original tanpa ada saduran dari proyek yang lain. Hal ini meminimalisir terindikasi plagiarisme atau duplikasi portofolio yang ada. Jika terdapat indikasi plagiarisme dalam portofolio data analyst yang seharusnya milik orang lain, seperti penggunaan karya orang lain tanpa dibubuhkan atribusi yang tepat, maka hal ini bisa menjadi red flag bagi kamu sendiri sebagai kandidat. Rekruter akan menilai kamu secara kemampuan lewat portofolio yang kamu hasilkan. Selain itu, apabila terdapat pelanggaran etika dalam penggunaan data atau analisis yang dilakukan maka rekruter juga memiliki keraguan dalam menilai portofolio kamu saat di meja wawancara

Sahabat DQ tentu yakin untuk terbiasa menghindari kesalahan tersebut, adalah dengan terus berlatih. Semakin sering kita menyelesaikan beragam project, semakin sering pula kita memperbaiki kemampuan kita. Kalian bisa mulai melatih diri dengan menyelesaikan ragam project data analyst di DQLab. 

Modul ajarnya lengkap dan bervariasi. Semua skill yang dibutuhkan akan diajarkan. Dilengkapi studi kasus yang membantu kalian belajar memecahkan masalah dari berbagai industri. Bahkan diintegrasikan dengan ChatGPT. Manfaatnya apa?

• Membantu kalian menjelaskan lebih detail code yang sedang dipelajari

• Membantu menemukan code yang salah atau tidak sesuai

• Memberikan solusi atas problem yang dihadapi pada code

• Membantu kalian belajar kapanpun dan dimanapun

Selain itu, DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula. Tunggu apa lagi, segera ikuti DQLab LiveClass Bootcamp Data Analyst with SQL and Python!

Penulis: Reyvan Maulid