5 Red Flag Portofolio Data Analyst yang Bikin Recruiter Skip

Memiliki portofolio data analyst menjadi salah satu cara untuk menunjukkan kemampuan kepada recruiter, terutama bagi fresh graduate dan kandidat yang belum memiliki banyak pengalaman kerja. Melalui portofolio data analyst, recruiter dapat melihat bagaimana kandidat mengolah data, menemukan insight, membuat visualisasi, hingga menyusun rekomendasi berdasarkan hasil analisis.

Namun, memiliki portofolio saja belum tentu cukup. Portofolio yang terlalu penuh, tidak terstruktur, atau hanya menampilkan hasil visualisasi tanpa penjelasan justru dapat membuat recruiter kehilangan minat. Maka dari itu, sahabat DQLab penting untuk mengetahui red flag portofolio data analyst yang sebaiknya dihindari. Berikut lima di antaranya.

1. Terlalu Banyak Project Tanpa Penjelasan yang Jelas

Memasukkan banyak project ke dalam portofolio memang terlihat seperti menunjukkan produktivitas. Namun, jumlah project bukan satu-satunya hal yang diperhatikan recruiter. Misalnya, seorang kandidat menampilkan 15 project sekaligus, tetapi setiap project hanya berisi screenshot dashboard dan beberapa grafik. Recruiter mungkin justru kesulitan memahami kemampuan yang ingin ditunjukkan.

Portofolio yang efektif tidak harus memiliki puluhan project. Beberapa project yang relevan dan dikerjakan secara mendalam dapat memberikan kesan yang lebih kuat. Setiap project sebaiknya menjelaskan masalah atau pertanyaan yang ingin dijawab, sumber dan jenis data yang digunakan, proses data cleaning, metode atau tools yang digunakan, hasil analisis, insight utama, dan rekomendasi berdasarkan data.

Baca Juga: Bootcamp Data Analyst with Python & SQL

2. Hanya Menampilkan Dashboard Tanpa Insight

Dashboard memang menjadi salah satu bentuk project yang populer dalam portofolio data analyst. Namun, dashboard yang menarik secara visual belum tentu menunjukkan kemampuan analisis yang kuat. Salah satu red flagnya adalah ketika portofolio hanya menampilkan berbagai chart tanpa menjelaskan apa yang dapat dipelajari dari data tersebut.

Sebagai contoh, kandidat menampilkan dashboard penjualan dengan informasi mengenai revenue, jumlah transaksi, dan produk terlaris. Namun, tidak ada penjelasan mengenai mengapa penjualan mengalami perubahan atau tindakan apa yang sebaiknya dilakukan berdasarkan data. Padahal, recruiter biasanya perlu melihat kemampuan kandidat dalam mengubah data menjadi informasi yang dapat digunakan untuk mengambil keputusan.

Karena itu, tambahkan interpretasi seperti:

“Peningkatan penjualan terutama berasal dari kategori produk X pada wilayah Y. Kondisi ini dapat menjadi pertimbangan untuk meningkatkan stok dan aktivitas pemasaran pada kategori tersebut.”

3. Terlalu Banyak Menonjolkan Tools

SQL, Excel, Python, Power BI, Tableau, dan berbagai tools lainnya memang penting bagi data analyst. Namun, portofolio sebaiknya tidak berubah menjadi sekadar daftar software yang pernah digunakan. Misalnya, sebuah project hanya menjelaskan:

Tools:

Excel, SQL, Python, Power BI

Informasi tersebut belum cukup untuk menunjukkan kemampuan kandidat. Akan lebih menarik jika tools tersebut dikaitkan dengan proses analisis. Contohnya:

• SQL digunakan untuk mengambil dan menggabungkan data transaksi.

• Python digunakan untuk melakukan data cleaning dan exploratory data analysis.

• Power BI digunakan untuk membuat dashboard performa penjualan.

• Hasil analisis digunakan untuk mengidentifikasi produk dengan penurunan penjualan terbesar.

Pada akhirnya, recruiter tidak hanya mencari kandidat yang mampu menggunakan software. Mereka juga membutuhkan seseorang yang mampu menggunakan tools tersebut untuk menyelesaikan masalah menggunakan data.

4. Visualisasi Data Terlalu Rumit

Portofolio data analyst memang perlu menunjukkan kemampuan membuat visualisasi. Namun, semakin banyak chart bukan berarti semakin baik. Penggunaan terlalu banyak warna, grafik 3D, pie chart yang berlebihan, atau dashboard yang penuh dengan elemen visual dapat membuat informasi utama sulit dipahami. Salah satu prinsip penting dalam visualisasi data adalah membuat informasi menjadi lebih mudah dipahami.

Sebelum memasukkan sebuah chart ke portofolio, coba tanyakan:

“Pertanyaan apa yang dijawab oleh grafik ini?”

Jika sebuah visualisasi tidak memberikan informasi penting maka pertimbangkan untuk menghapusnya. Daripada membuat lima jenis grafik untuk menunjukkan tren penjualan, satu line chart yang sederhana mungkin sudah cukup untuk memperlihatkan perubahan penjualan dari waktu ke waktu. Visualisasi yang sederhana tetapi memiliki pesan yang jelas dapat menunjukkan bahwa kandidat memahami data storytelling.

Baca Juga: Data Analyst vs Data Scientist

5. Tidak Ada Business Context atau Rekomendasi

Ini merupakan salah satu red flag yang cukup penting dalam portofolio data analyst. Analisis data pada dunia kerja umumnya tidak dilakukan hanya untuk menghasilkan grafik. Data digunakan untuk membantu menjawab masalah tertentu dan mendukung pengambilan keputusan. Karena itu, project portofolio akan lebih kuat jika memiliki konteks bisnis.

Misalnya, daripada hanya menulis:

“Analisis data penjualan perusahaan selama tahun 2025”

Lebih baik kandidat dapat menjelaskan:

“Perusahaan mengalami penurunan revenue selama dua kuartal terakhir. Analisis dilakukan untuk mengidentifikasi kategori produk, wilayah, dan periode yang paling berkontribusi terhadap penurunan tersebut.”

Setelah analisis selesai, kamu bisa tambahkan rekomendasi seperti:

• meningkatkan promosi pada kategori dengan potensi pertumbuhan tinggi

• mengevaluasi performa produk dengan penurunan penjualan

• mengoptimalkan persediaan berdasarkan pola permintaan

• melakukan evaluasi strategi pemasaran pada wilayah dengan performa rendah

Portofolio data analyst bukan sekadar kumpulan dashboard, grafik, atau daftar tools yang pernah digunakan. Portofolio seharusnya menjadi bukti bahwa kandidat mampu menggunakan data untuk memahami masalah, melakukan analisis, menemukan insight, dan memberikan rekomendasi. Jika ingin membuat recruiter tertarik, fokuslah pada kualitas project dan cara menyampaikan insight. Satu project yang mampu menunjukkan proses analisis secara jelas bisa lebih bernilai daripada banyak project yang hanya berisi screenshot dashboard semata.

FAQ

1. Apa saja red flag dalam portofolio data analyst?

Beberapa red flag yang perlu dihindari adalah terlalu banyak project tanpa penjelasan, hanya menampilkan dashboard tanpa insight, terlalu fokus pada tools, visualisasi yang rumit, serta tidak mencantumkan business context dan rekomendasi.

2. Apakah portofolio data analyst harus memiliki banyak project?

Tidak. Beberapa project yang relevan dan dijelaskan secara mendalam lebih baik daripada banyak project yang hanya menampilkan dashboard atau grafik tanpa konteks.

3. Apa yang membuat portofolio data analyst menarik bagi recruiter?

Portofolio yang menarik menunjukkan alur business problem → data → analysis → visualization → insight → recommendation sehingga recruiter dapat melihat kemampuan teknis sekaligus kemampuan problem solving kandidat.

Kalau kamu tertarik untuk berkarir sebagai Data Analyst yang menguasai teknik Data Cleaning secara handal, ini adalah saat yang tepat! Yuk, segera Sign Up ke DQLab! Di sini, kamu bisa belajar dari dasar hingga tingkat lanjut dengan materi dan tools yang relevan dengan kebutuhan industri, bahkan tanpa latar belakang IT. Belajar kapan saja dan di mana saja dengan fleksibilitas penuh, serta didukung oleh fitur eksklusif Ask AI Chatbot 24 jam!

Tidak cuma itu, DQLab juga sudah menerapkan metode pembelajaran HERO (Hands-On, Experiential Learning & Outcome-based) yang dirancang ramah untuk pemula, dan telah terbukti mencetak talenta unggulan yang sukses berkarier di bidang data. Jadi, mau tunggu apa lagi?

Jadi, tunggu apa lagi? Segera persiapkan diri untuk menguasai keterampilan di bidang data dan teknologi dengan subscribe modul premium, atau ikuti Bootcamp Data Analyst with SQL and Python sekarang juga!

Penulis: Reyvan Maulid

Tags

Belajar Data Science Online DQLab Data Science Free Module DQLab belajar data science