Mengenal GitHub untuk Portofolio Data Analyst
Portofolio online memungkinkan para data analyst untuk menunjukkan proyek-proyek yang telah mereka kerjakan untuk dikenal luas bahkan oleh recruiter. Salah satu platform yang sering digunakan sebagai media portofolio adalah GitHub. GitHub adalah platform berbasis web yang dirancang untuk mengelola code proyek dengan mudah dan bahkan dapat digunakan untuk berkolaborasi
Namun, seperti halnya platform portofolio data analyst lainnya, GitHub juga memiliki kelebihan dan kelemahan. Aspek ini perlu kalian pertimbangkan agar SahabatDQ dapat memutuskan platform yang sesuai dengan kebutuhan dan kapasitas kemampuan kalian. Apa saja kelebihan dan kekurangan media ini? Apakah ada rekomendasi media lain yang bisa digunakan? Simak pembahasan lengkapnya di sini!
1. Apa Itu GitHub?
GitHub adalah sebuah platform berbasis web yang dirancang khusus untuk mengelola proyek pengembangan perangkat lunak atau data science menggunakan sistem pengontrol versi Git. GitHub menyediakan fitur repositori yang memungkinkan kalian untuk menyimpan dan mengatur code. SahabatDQ dapat membuat repository terpisah untuk setiap proyek data science yang ingin ditampilkan dalam portofolio.
Kalian dapat mengunggah file Jupyter Notebook, dataset, dan dokumen lainnya yang terkait dengan proyek data science ke repositori GitHub. Kalian juga dapat menambahkan deskripsi proyek, menggambarkan tujuan, metodologi, dan hasil dari proyek tersebut. Selain itu, SahabatDQ juga dapat menggunakan fitur-fitur GitHub seperti wiki proyek untuk menjelaskan detail lebih lanjut, serta menambahkan catatan atau penjelasan dalam bentuk README.md di repository.
Dengan menggunakan GitHub sebagai media portofolio, kalian dapat membagikan proyek-proyek dengan orang lain, termasuk rekruiter. Cara ini membantu HR untuk melihat dan mengevaluasi kemampuan dan keahlian kalian dalam data science melalui proyek-proyek yang telah dikerjakan. Selain itu, GitHub juga dapat menjadi platform kolaboratif di mana kalian dapat menerima feedback, saran, atau kontribusi dari orang lain untuk meningkatkan proyek-proyek yang telah kalian kerjakan.
Baca juga : Kenali Perbedaan Data Scientist, Data Analyst dan Data Engineer
2. Kelebihan GitHub sebagai Platform Portofolio
Dengan mengunggah portofolio ke GitHub, kalian dapat meningkatkan visibilitas proyek-proyek yang telah kalian kerjakan. Orang-orang yang sedang mencari calon karyawan di bidang data science dapat dengan mudah menemukan dan mengevaluasi proyek-proyek kalian. GitHub juga memudahkan aksesibilitas ke portofolio, karena dapat diakses melalui web tanpa perlu instalasi perangkat lunak tambahan.
GitHub berbasis pada sistem pengontrol versi Git, yang memudahkan kalian untuk melacak dan mengelola perubahan dalam proyek. Sehingga SahabatDQ dapat dengan mudah melihat revisi kode, melacak perubahan, dan kembali ke versi sebelumnya jika diperlukan. Juga, kemampuan untuk membuat cabang (branch) terpisah untuk setiap proyek memungkinkan eksperimen atau pengembangan fitur secara terisolasi tanpa mempengaruhi repository utama.
GitHub juga memungkinkan kalian untuk menyertakan deskripsi, dokumentasi, dan catatan dalam setiap repository. Sehingga kalian dapat menjelaskan tujuan, metodologi, dan hasil proyek secara rinci. Dengan demikian, orang lain akan lebih mudah memahami proyek yang sedang dikerjakan. Kalian juga dapat menggunakan fitur seperti README.md atau wiki proyek untuk memberikan penjelasan tambahan, instruksi penggunaan, atau referensi.
3. Kekurangan GitHub sebagai Platform Portofolio
Sayangnya, GitHub hanya didesain khusus untuk menyimpan dan mengelola code. Meskipun kalian dapat mengunggah berbagai jenis file, seperti dokumen PDF atau dataset, GitHub lebih berfokus pada tampilan dan pengelolaan code. Artinya, GitHub tidak dapat membaca file non-code seperti laporan, presentasi, atau visualisasi interaktif. Jika dibutuhkan, mungkin perlu menggunakan platform portofolio lain atau menggabungkan GitHub dengan platform lain.
GitHub menggunakan Git sebagai sistem pengontrol versi, yang memerlukan pengetahuan dan keterampilan dasar untuk mengelola repositori dengan benar. Jika SahabatDQ belum terbiasa dengan Git, maka perlu belajar dan berlatih terlebih dahulu sebelum menggunakan platform ini secara efektif.
Tidak hanya itu, meskipun GitHub menyediakan penyimpanan gratis untuk repositori publik, terdapat batasan kapasitas penyimpanan. Jika portofolio data analyst kalian terdiri dari banyak proyek besar atau menggunakan banyak file, kalian juga harus mempertimbangkan batasan penyimpanan yang ada atau mempertimbangkan opsi berlangganan berbayar untuk mendapatkan kapasitas penyimpanan yang lebih besar.
Baca juga : Data Analyst vs Data Scientist, Yuk Kenali Perbedaannya
4. Rekomendasi Platform Portofolio Data Analyst
Selain GitHub, berikut adalah beberapa rekomendasi platform portofolio lain yang dapat kalian pertimbangkan untuk menampilkan proyek-proyek data analyst:
LinkedIn: LinkedIn adalah platform profesional untuk membangun personal branding dan menunjukkan pengalaman kerja, keahlian, dan proyek-proyek yang relevan. Kalian dapat menambahkan deskripsi, gambar, dan tautan ke proyek data analyst kalian di bagian "Pengalaman" atau "Proyek" di profil LinkedIn. LinkedIn juga memiliki fitur artikel yang memungkinkan SahabatDQ untuk berbagi insight atau hasil analisis suatu proyek.
Kaggle: Kaggle adalah komunitas online yang didedikasikan untuk data science dan machine learning. Selain menjadi platform untuk mengikuti kompetisi dan berkolaborasi dalam proyek data science, Kaggle juga menyediakan fitur portofolio untuk menampilkan proyek-proyek. Kalian dapat mengunggah kernel (notebook) yang berisi analisis data, model machine learning, dan visualisasi yang telah dikerjakan.
Tableau Public: Tableau Public adalah platform interaktif yang memungkinkan kalian membuat visualisasi data interaktif dan menampilkannya secara online. Kalian dapat mengunggah visualisasi yang telah dibuat menggunakan tool seperti Tableau Desktop, dan membagikannya di profil Tableau Public. Ini akan memudahkan SahabatDQ menunjukkan keterampilan visualisasi data kepada orang lain dengan memberikan tautan ke proyek-proyek data analisis secara langsung.
Medium: Kalian dapat menggunakan Medium untuk menulis artikel atau blog tentang proyek-proyek data analisis yang telah kalian kerjakan. Medium memberikan tampilan yang profesional, serta memungkinkan SahabatDQ untuk berbagi pemikiran, proses analisis, dan hasil dalam bentuk yang terstruktur dan mudah dibaca.
Bagi kalian yang pemula dan bingung harus memulai darimana, DQLab sangat cocok sebagai pilihan membangun portofolio. Mengapa demikian? Modul pembelajaran diatur sehingga pemula dapat mempelajari hal mendasar terlebih dahulu untuk memperkuat pengetahuannya. Selanjutnya akan diberikan beberapa studi kasus yang memperluas pemahaman kalian dan mengaplikasikannya ke permasalahan yang bervariasi. Untuk pemula yang tidak memiliki latar belakang IT pun dimudahkan dengan Live Code Editor sehingga tidak perlu install aplikasi ketika harus praktik coding.
Bahkan modul di DQLab diintegrasikan dengan ChatGPT loh. 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 Sign Up dan ikuti Bootcamp Data Analyst bersama DQLab LiveClass!
Penulis : Dita Feby
Editor : Annissa Widya