Buat Akun DQLab & Akses Kelas Data Science Python, R, SQL, Excel GRATIS

Ragam Ide Portofolio Data Analyst, Siap Berkarir 2024

Belajar Data Science di Rumah 18-Maret-2024
https://dqlab.id/files/dqlab/cache/2-longtail-senin-03-2024-03-18-200242_x_Thumbnail800.jpg

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. 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 : Bootcamp Data Analyst with SQL and Python


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.

Data Analyst


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.


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 contoh ide portofolio tingkat menengah. 

Data Analyst

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.


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


4. Ide Portofolio Untuk Level Mahir

Data Analyst


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.


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.


Nah, tentunya untuk bisa membangun portofolio data analyst yang baik, kalian membutuhkan banyak ide, bukan? DQLab bisa menjadi sumber ide portofolio tersebut. 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 with Python & SQL bersama DQLab LiveClass! 


Penulis : Dita Feby 

Editor : Annissa Widya  

Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login