Course: Data Analytics di Asia Tenggara: Difference between revisions
| Line 102: | Line 102: | ||
* Analitik Prediktif –– penggunaan teknik statistik dan pemodelan untuk menentukan apa yang mungkin terjadi di masa depan | * Analitik Prediktif –– penggunaan teknik statistik dan pemodelan untuk menentukan apa yang mungkin terjadi di masa depan | ||
* Analitik Preskriptif –– menggunakan statistik dan model untuk memprediksi kinerja masa depan dan membuat keputusan terbaik | * Analitik Preskriptif –– menggunakan statistik dan model untuk memprediksi kinerja masa depan dan membuat keputusan terbaik | ||
[[File:Course RevoU Data Analytics 130647.png|center|thumb]] | |||
== Part 3 - Keseharian Data Analyst & skill yang Dibutuhkan == | |||
=== Keseharian Seorang Data Analyst === | |||
Akan ada perbedaan di semua organisasi, tetapi berikut ini adalah gambaran tentang keseharian Data Analyst | |||
* Daily stand up - dengan tim data untuk menyelaraskan prioritas. | |||
* Periksa Asana atau Favro Board untuk melihat pekerjaan mana yang perlu dilakukan untuk hari itu. | |||
* Mempersiapkan dan menjelajahi kumpulan data baru untuk memecahkan masalah menggunakan Python atau SQL. | |||
* Membuat dokumentasi data proyek di Docs, atau biasa kita sebut PRD (Project Requirement Documents). | |||
* Analisis dataset dan visualisasikan data di Metabase, Tableau, PowerBI, mencari ''insight'' penting dari data. | |||
* Berhubungan dengan ''stakeholders'' untuk menyelaraskan strategi, menyelaraskan pertanyaan yang muncul dari tren data. | |||
* Membuat ''story'' dan deck presentasi untuk menyampaikan temuan yang ada kepada ''stakeholders.'' | |||
* Mempelajari kode baru dari Stack Overflow atau sumber lain untuk menjawab masalah (ya, mempelajari hal-hal baru setiap hari!). | |||
=== Keuntungan bekerja sebagai full-stack data analyst === | |||
'''Pertama''', fleksibilitas dan eksposur. Kamu bisa bekerja dengan stakeholder penting dan dapat belajar banyak dari mereka dan memajukan jalur ''career-path'' mu. | |||
''Barrier'' antara CxO dan data analyst sangat kecil; kamu harus bekerja sama dengan para pemimpin organisasi tempatmu bekerja karena ''insight'' mu penting. | |||
'''Kedua''', dampak dari data yang sedang kamu kerjakan dapat membantu dalam pembuatan keputusan. | |||
'''Ketiga''', lingkungan dinamis yang memungkinkanmu untuk mempelajari hal-hal baru setiap hari. Bisnis selalu punya masalah yang tak terbatas, yang memberikanmu banyak peluang untuk dikerjakan! | |||