FLASH PROMO!! BELAJAR DATA SCIENCE ONLINE 6 BULAN 399K
Diskon 89%, Akses 76 Modul Data Science Premium, Metode Praktek Sandbox, Bersertifikat!
SERBU DISINI!
Pendaftaran ditutup dalam 0 Hari 4 Jam 15 Menit 22 Detik 

Ragam Project Data Analyst untuk NON IT

Belajar Data Science di Rumah 26-Desember-2022
https://dqlab.id/files/dqlab/cache/de1abcd50759c0e61f8cf147197d6ac1_x_Thumbnail800.jpeg

Untuk menjadi seorang data analyst yang handal pastinya kalian harus memiliki skill yang wajib dikuasai baik soft skill maupun hard skill. Jadi untuk menjadi seorang praktisi data atau seorang data analyst, data scientist, dan juga data engineer kalian harus memiliki soft skill seperti skill berkomunikasi, karena skill ini diperlukan untuk mempresentasikan dashboard atau hasil pekerjaan yang sudah selesai kepada user atau kepada klien kalian.


Selain soft skill yang harus kalian miliki hard skill pun juga kalian harus memilikinya untuk bisa menuliskan hasil project kalian sebagai portofolio, karena itu akan membantu kalian dalam mempelajari data science dengan terarah dan juga sebagai syarat untuk masuk ke dalam sebuah perusahaan. Skil-skill ini haruslah diimplementasikan melalui real case industri sebagai gambaran garis besar mengenai industri data. Maka dari itu kita harus mengetahui apa saja ragam project yang bisa dibuat jika ingin menjadi seorang praktisi data. Yuk simak terus artikel dibawah ini.


1. Web scraping

Project yang kalian bisa pakai atau terapkan adalah web scraping. Jadi web scraping ini adalah sebuah proses pengambilan data yang berasal dari sebuah website. Web scraping ini bisa kalian lakukan dengan bantuan browser extension dan juga dengan aplikasi. Kalian bisa menggunakan beberapa teknik yaitu seperti menyalin datanya secara manual, menggunakan regular expression, parsing HTML, atau juga bisa menggunakan google sheet.

Data Analyst

Dengan menggunakan web scraping ini kalian bisa mendapatkan leads, bisa mencari informasi suatu perusahaan, dan juga optimasi harga produk atau layanan. Kendala yang akan kalian hadapi adalah metode ini dapat membuat data yang sudah didapat tidak terlalu rapi karena kalian akan menemui teks-teks yang tidak diinginkan seperti tag html, maka dari itu kalian harus merapikan lagi hasil web scraping kalian. 


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


2. Data cleaning

Bagian yang terpenting jika kalian bekerja sebagai analisis data adalah membersihkan data atau data cleaning agar siap untuk masuk ke tahap analisis data. Jadi proses data cleaning ini adalah sebuah proses menghapus sebuah data yang salah dan menduplikat data, mengelola setiap data, dan juga memastikan bahwa format dari data haruslah konsisten.

Data Analyst

Ketika kita sedang mencari kumpulan data untuk kita berlatih menghapus data, maka carilah yang menyertakan banyak file yang sudah dikumpulkan dari berbagai sumber tanpa banyak kurasi data. Kalian bisa mencari data-data tersebut di internet seperti pada CDC Wonder dan lain sebagainya.


3. Exploratory Data Analysis

Analisis data juga adalah sebuah jawaban dari pertanyaan yang ditanyakan oleh klien dan dijawab dengan data. Dalam hal ini EDA atau exploratory data analysis akan membantu kalian untuk menjawab pertanyaan apa yang harus diajukan dan juga dijawab tentunya. Jadi ini akan membantu kalian dalam membuat sebuah project atau sebuah portofolio untuk melamar kerja pada perusahaan yang kalian inginkan. 

Data Analyst

Cara ini dapat kalian lakukan secara terpisah ataupun terhubung dengan proses data cleaning atau pada proses pembersihan data. Bagaimanapun juga kalian akan mencapai hal seperti berikut ini seperti banyak pertanyaan yang diajukan terkait dengan data, menemukan struktur dasar dari sebuah data, dan juga menguji hipotesis dan juga memvalidasi data tersebut.


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


4. Sentiment Analysis

Ide selanjutnya kalian bisa menggunakan teknik sentiment analysis ini. Jadi sentiment analysis ini adalah sebuah proses penggunaan text analytics untuk mendapatkan berbagai sumber data dari internet dan juga dari berbagai platform media sosial. Sentiment analysis ini juga salah satu bidang dari natural language processing (NLP) untuk bisa menentukan apakah data tersebut netral, positif, ataukah negatif.


Jenis analisis ini bekerja dengan baik dengan review dari sebuah website dan juga dari platform media sosial, yang dimana orang-orang lebih suka menawarkan opini publik tentang berbagai macam subjek. Untuk bisa mendapatkan itu semua kalian bisa menggunakan facebook, twitter, amazon, dan lain sebagainya.


Yuk, bulatkan tekad kamu mulai berkarir atau witch karir di bidang data analyst sekarang juga. Ngga usah overthinking karena tidak memiliki background pendidikan yang linier dengan itu. Kamu bisa mulai bangun portfolio datamu yang outstanding dengan Modul Data Analyst Career Track bersama DQLab dan nikmati modul-modul dari dasar hingga tingkat mahir. Caranya dengan Sign Up sekarang untuk #MulaiBelajarData di DQLab:

  • Buat Akun Gratis dengan Signup di DQLab.id/signup

  • Pilih menu Learn

  • Pilih menu Career Track

  • Lalu Pilih menu Data Analyst



Mulai Belajar
Data Science Sekarang
Bersama DQLab

Buat Akun Belajarmu & Mulai Langkah
Kecilmu Mengenal Data Science.

Buat Akun Gratis Dengan :

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/8be7fae4b69abead22aa9296bcab7b4b.jpg Sign-Up dengan Google

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/d0aa879292fb427c0978d2a12b416e98.jpg Sign-Up dengan Facebook

Atau Buat Dengan :