Project Data Analyst Mudah untuk Fresh Graduate

Profesi 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 mampu memberikan solusi dari sebuah kasus. Nah tentunya hal ini cukup sulit bagi para fresh graduate yang belum memiliki gambaran terkait permasalahan di dunia kerja, permasalahan yang sering dimiliki perusahaan. Nah, kali ini akan dibahas ide portofolio bagi kalian para fresh graduate. Meski mudah, tapi dijamin akan memukau para rekrute. Yuk simak penjelasannya!

1. Membuat Dashboard Call Center Menggunakan Excel

Excel merupakan salah satu tools data analyst yang sering digunakan. Sehingga seorang data analyst wajib menguasai Excel untuk mempermudah proses analisis data. Excel dapat digunakan untuk beragam tugas data analyst diantaranya membersihkan, menyimpan, menganalisis, memodelkan, memvisualisasikan, dan membuat laporan. Fungsi atau kegunaan Excel bisa diperluas dengan menggunakan fitur-fitur lebih tinggi yang disediakan Excel. Tentu ini juga membutuhkan kemampuan lebih dari sekadar pemahaman rumus dasar.

Salah satu projek data analyst yang bisa kalian kembangkan menggunakan Excel adalah membuat dashboard. Pada projek ini kalian diharapkan mampu melakukan preprocessing data dan menentukan diagram yang sesuai untuk masing-masing kategori data. Di sini kalian juga tidak hanya membuat diagram, namun juga mengaturnya secara terstruktur agar informasi yang disampaikan dalam dashboard tepat dan sesuai, tidak kurang atau tidak lebih. Kalian juga perlu memperhatikan tampilannya agar interaktif. Misal memanfaatkan penggunaan filter dan slicer. 

2. Analisis Customer dan Produk Menggunakan SQL

Pada projek ini kalian akan melakukan analisis terhadap performa produk dan desain marketing sehingga dapat mengetahui kebutuhan customer. Dari sini kalian juga bisa menganalisis perilaku pelanggan terhadap produk tertentu seperti kebiasaan belanja, voucher yang digunakan, paket yang sering dibeli secara berulang. Dengan ini tim marketing akan lebih mudah mendapatkan insight dan melakukan perbaikan terhadap strategi marketing yang lebih tepat. 

Biasanya upaya analisis yang demikian dengan mudah dilakukan menggunakan SQL. Karena tidak dibutuhkan banyak tahapan selain pemahaman pengolahan database sesuai kebutuhan. Kalian bisa menggunakan DB Browser, MySQL, atau PostgreSQL. Tanpa menggunakan algoritma atau teknik khusus, selama query yang dituliskan tepat, maka hasil analisis juga tepat. Kalian bisa menunjukkan dan mempublikasikan hasil projek tersebut ke berbagai platform seperti GitHub atau medium.

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

3. Mengidentifikasi Pasar Terbaik Menggunakan Python

Dalam proyek analisis data ini, kalian akan menggunakan bahasa pemrograman Python untuk melakukan analisis probabilitas dan statistik untuk membantu perusahaan menemukan pasar terbaik untuk mengiklankan produk mereka. Beberapa hal yang dilakukan diantaranya  melakukan statistik deskriptif seperti memperkirakan rata-rata, median, mode, varians, dan distribusi frekuensi yang berguna untuk lebih memahami data yang dimiliki. 

Selain itu, kalian akan melakukan statistik preskriptif dengan menyelidiki lokasi, kepadatan, dan daya beli pelanggan potensial perusahaan. Dalam prosesnya, kalian akan mempelajari cara menangani outlier yang secara tidak proporsional memengaruhi dan mendistorsi hasil analisis preskriptif. Dengan menggunakan Python, semua proses di atas akan lebih mudah. Karena Python telah memiliki sejumlah fungsi yang siap pakai. Kalian tinggal menuliskan code untuk memanggil fungsi tersebut.

4. Analisis Movie Rating Menggunakan Python

Dalam proyek analisis data ini, kalian akan membuat sistem rekomendasi film menggunakan kumpulan data tertentu. Kalian akan memuat dataset ke dalam DataFrame panda dan melakukan operasi cleansing berdasarkan. Namun perlu diperhatikan bahwa algoritma machine learning tidak bekerja dengan baik jika bertemu data teks. Kalian harus menemukan cara untuk merepresentasikan teks secara numerik. 

Kalian akan mempelajari cara menggunakan algoritma vektorisasi teks Term Frequency-Inverse Density Frequency (TF-IDF) untuk memberikan representasi numerik data teks. Selanjutnya, kalian akan mempelajari cara menggunakan metrik jarak kesamaan cosinus untuk mengevaluasi skor kesamaan. Terakhir, kalian akan membuat dashboard interaktif untuk menampilkan hasil analisis.Pekerjaan sehari-hari kalian sebagai analis data akan melibatkan analitik prediktif. Pengetahuan tentang pembelajaran mesin akan memungkinkan kalian melakukan tugas-tugas ini dengan lebih baik.

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

5. Mengerjakan Market Basket Analysis Di DQLab

Market Basket Analysis merupakan salah satu metode atau teknik yang sering digunakan dan paling bermanfaat untuk dunia marketing. Tujuan dari Market Basket Analysis adalah untuk menentukan produk manakah yang pelanggan beli dalam waktu bersamaan, di mana nama dari metode ini diambil dari kebiasaan pelanggan menaruh barang mereka ke keranjang atau ke dalam daftar belanja (market basket). Dengan mengetahui produk manakah yang dibeli secara bersamaan akan dapat sangat membantu pedagang ataupun perusahaan lainnya. 

Sebuah toko juga dapat menggunakan informasi ini untuk menempatkan produk yang sering terjual secara bersamaan di dalam satu area atau kategori, sementara  sebuah katalog ataupun situs e-commerce dapat menggunakannya untuk menentukan layout dari katalog mereka. Sumber data dari market basket analysis antara lain dapat bersumber dari transaksi kartu kredit, kartu undian, kupon diskon, panggilan keluhan pelanggan. Market basket analysis umumnya dimanfaatkan sebagai titik awal pencarian pengetahuan dari suatu transaksi data ketika kita tidak mengetahui pola spesifik apa yang kita cari.

Sahabat DQ bisa membangun portofolio data dengan belajar di DQLab. Untuk kalian yang ingin siap berkarir jadi Data Analyst persiapkan diri dengan tepat sekarang. Tidak ada kata terlambat untuk belajar. Dengan belajar di DQLab kalian akan:

• Menerapkan teknik mengolah data kotor, hasilkan visualisasi data dan model prediksi dengan studi kasus Retail dan Finansial

• Dapatkan sesi konsultasi langsung dengan praktisi data lewat data mentoring

• Bangun portofolio data langsung dari praktisi data Industri

• Akses Forum DQLab untuk berdiskusi.

Yuk, segera Sign Up dan bangun portofoliomu sekarang juga!

Penulis : Dita Feby 

Editor : Annissa Widya