SUPER 6.6 SALE! DISKON 99%
Belajar Data Science 6 Bulan hanya 99K!

1 Hari 8 Jam 2 Menit 47 Detik

Tools Praktis untuk Bangun Portfolio Data Analyst

Belajar Data Science di Rumah 01-Maret-2023
https://dqlab.id/files/dqlab/cache/9088eb81a48e080be6fb9c925a2a42e5_x_Thumbnail800.jpeg

Kemampuan seorang data analyst dalam mengolah data perlu dibuktikan dalam bentuk portfolio. Hal ini penting karena skill data analyst tidak cukup jika hanya dituliskan dalam CV. Perlu adanya bukti pengaplikasiannya melalui projek yang telah diselesaikan. Untuk membangun portofolio pun, ada beragam tools yang bisa kalian pertimbangkan.


Tools data analyst tentunya memiliki fungsi dan keunggulan masing-masing. Misalnya Python lebih cocok digunakan untuk menunjukkan kemampuan manipulasi data. Sedangkan R Studio lebih tepat untuk analisis statistik. Sedangkan Tableau digunakan untuk visualisasi data. Tools apa saja yang bisa kalian gunakan untuk membangun portofolio? Yuk simak penjelasan berikut!


1. Mengapa Portfolio Data Analyst Penting?

Data Analyst

Sebagian orang masih menganggap bahwa portofolio tidak sepenting CV dalam melamar pekerjaan. Padahal, fungsi CV dan portofolio jelas berbeda. CV fokus untuk merangkum riwayat hidup profesional, sementara portofolio bertugas memvalidasi skill dan menunjukkan keterampilan nyata menyelesaikan permasalahan kepada recruiter. Bagian itu tentu tidak akan ditemukan dalam CV. Di bidang praktis seperti data analytics, CV saja tidak cukup untuk memberi tahu recruiter skill dan keterampilan yang bisa kalian lakukan. Lebih dari itu, perusahaan membutuhkan hasil nyata dari semua yang sudah disampaikan dalam CV, termasuk data yang berhasil dikelola, tools yang bisa kalian gunakan dalam mengolah data, dan banyak lainnya.


Ada beberapa hal yang perlu kalian perhatikan ketika membangun portfolio data analyst. Beberapa poin tersebut yaitu:

  • Profil dan perkenalan diri.  Di bagian ini, jelaskan secara singkat tentang dirimu kepada recruiter, fokus apa yang kalian tekuni, dan bagian apa yang kalian kuasai.

  • Projek yang telah diselesaikan. Bagian ini adalah inti dari disusunnya portofolio data analyst. Inilah saatnya kalian menunjukkan skill dan keterampilan sebagai data analyst, seperti mengekstrak data dengan SQL, melakukan data cleaning dan validasi data menggunakan Python, hingga sukses memvisualisasikan data menjadi informasi yang mudah dipahami untuk dijadikan pilihan bisnis.

  • Blog atau testimoni dari perusahaan. Saat kalian memiliki blog pribadi yang menceritakan tentang pengalaman dalam data analytics, hal itu menunjukkan bahwa kalian memiliki kemampuan dalam bercerita dan menjelaskan data yang kompleks dengan cara ringkas, jelas, dan mudah dipahami. 


Nah, bisa dikatakan bahwa portofolio penting sekali untuk digunakan untuk menunjukkan keahlianmu dalam menampilkan pemahaman data analyst. Tools apa saja yang bisa kalian gunakan untuk membuat portofolio data analyst? Berikut penjelasannya.


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


2. Tools Excel

Data Analyst

Excel adalah salah satu tools data analytics yang cocok digunakan pemula. Tool ini membantu membuat grafik/bagan dengan cepat dan mudah. Excel juga menawarkan berbagai jenis bagan, seperti clustered bar charts, scatterplots, bar charts, pie charts, radar charts, dan banyak lainnya. Fitur Excel lainnya yang paling umum adalah manipulasi data. Dengan menggunakan beragam fungsi dan rumus, kalian dapat melakukan hampir segala jenis manipulasi yang dibutuhkan untuk data. Seperti misalnya, kalian bisa menambahkan angka-angka di setiap kolom secara otomatis.


Salah satu rekomendasi projek yang bisa kalian bangun dengan Excel adalah Pivot Table. Dalam Microsoft Excel, pivot table adalah ringkasan data yang dikemas dalam tabel interaktif agar memudahkan dan membantu kalian untuk membuat laporan dan menganalisisnya dengan melihat perbandingan data yang dimiliki. Penggunaan pivot table excel untuk membuat laporan dan analisis data sudah terbukti manfaatnya. Terutama di dunia kerja, ketika kalian harus mengolah data besar dalam jumlah banyak. 


Selain itu, kalian juga bisa membangun portofolio dengan membuat dashboard. Karena Excel memiliki beragam pilihan chart, kalian bisa membuat dashboard sederhana menggunakan Excel. Dashboard mengumpulkan dan memvisualisasikan data dari berbagai sumber, seperti database, file yang dihosting secara lokal, dan layanan web. Dashboard memungkinkan memantau kinerja bisnis dengan menampilkan tren historis, data yang dapat ditindaklanjuti, dan informasi waktu nyata.


3. Tools Python

Data Analyst

Python menjadi bahasa pemrograman yang sering digunakan oleh data analyst untuk berbagai keperluan. Sehingga ini bisa menjadi poin tambahan bagi kalian jika ingin membangun portofolio menggunakan Python. Artinya kalian dapat mengaplikasikan tools yang paling sering digunakan oleh praktisi data untuk menyelesaikan beragam permasalahan. Berikut ide projek portofolio yang bisa kalian bangun.

  • Data mining. Library yang digunakan untuk data mining di Python adalah Scrapy. Dengan Scrapy kalian dapat membangun program khusus yang dapat mengumpulkan data terstruktur dari web. Ini juga banyak digunakan untuk mengumpulkan data dari API.

  • Data processing dan modelling. Pada proses ini digunakan library NumPy dan Pandas. NumPy digunakan untuk mengatur kumpulan data besar, membuat operasi matematika, dan vektorisasi pada array dengan lebih mudah. Pandas digunakan untuk membersihkan data mentah ke dalam sebuah bentuk yang cocok untuk dianalisis.

  • Data visualization. Matplotlib dan Seaborn adalah library yang sering digunakan untuk visualisasi data. Dengan library ini maka kalian akan terbantu dalam mengubah angka atau data menjadi grafik, histogram, diagram lingkaran, dan lain-lain.


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


4. Tools R Studio

Data Analyst

R Studio adalah tools yang digunakan oleh Data Analyst dengan fokus untuk mengolah data statistik dan memvisualisasi data grafis. Keunggulan dari R Studio adalah banyaknya alat hitung statistik yang bisa digunakan untuk mengolah data. Tools ini memiliki total 15.000 tools untuk membuat, memanipulasi, membuat model, hingga membuat visualisasi data. Karena baik untuk visualisasi data, kalian bisa membangun projek sebagai portofolio yang berkaitan dengan visualisasi data. Bahkan R Studio lebih fleksibel dan memiliki banyak variasi bentuk chart dibandingkan Python. Kalian bisa mengkreasikan visual data sesuai keinginan dan kreativitas kalian menggunakan R Studio. 


5. Tools Tableau

Data Analyst

Tableau adalah salah satu tools visualisasi data yang paling banyak digunakan. Pembeda signifikan tableau dengan tools visualisasi data yang lain adalah kemampuannya untuk mengolah data menggunakan kombinasi tools visualisasi dan analisis data sekaligus. Dengan Tableau, kalian bisa membuat grafik sederhana hingga visualisasi yang kreatif dan interaktif. 


Salah satu fitur Tableau yang luar biasa dan disukai banyak data analyst adalah kalian tidak perlu menulis kode atau sintaks untuk menggunakan tools visualisasi data ini. Kalian cukup melakukan drag and drop sesuai kebutuhan. Selain itu, software interaktif ini juga kompatibel dengan berbagai sumber data dan memiliki banyak versi sehingga dapat disesuaikan dengan kebutuhan dan hardware yang dimiliki.


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. Kemudahan ini bisa kalian dapat dengan Sign Up di website, ya. Tunggu apa lagi? Bangun portofolio profesional bersama DQLab!


Penulis: Dita Feby

Editor: Annisa 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