Course: Data Analytics di Asia Tenggara: Difference between revisions
m Kangtain moved page Course RevoU: Data Analytics di Asia Tenggara to Course: Data Analytics di Asia Tenggara |
|||
| Line 160: | Line 160: | ||
* Keahlian Basis Data & Pemrograman (R, Python, SQL) | * Keahlian Basis Data & Pemrograman (R, Python, SQL) | ||
* Kemampuan berkomunikasi | * Kemampuan berkomunikasi | ||
==== Pemecahan Masalah & Berpikir Analitis ==== | |||
Pertama dan terpenting, kamu perlu memahami data dan punya pendekatan logis dan terstruktur, untuk menjadi seorang data analyst. | |||
Di luar semua hard skill, skill ini adalah yang paling mendasar dan penting untuk menjadi seorang data analyst. | |||
Skill inilah yang memungkinkan kamu untuk bisa 'mengamati, meneliti, dan menafsirkan suatu subjek untuk mengembangkan ide dan solusi yang kompleks' (Indeed, 2021). | |||
Sebagai seorang data analyst, kamu akan menghadapi tantangan dan masalah bisnis yang berbeda setiap hari. | |||
Untuk mengatasinya adalah dengan menafsirkan data untuk mendapatkan informasi yang penting untuk bisnis. | |||
Kamu benar-benar perlu mempunyai pemahaman untuk memahami logika dengan cepat; ini termasuk tetapi tidak terbatas pada: | |||
* Menyimpulkan ''insight'' penting | |||
* Meng-eksplor ''relationship'' | |||
* Memberikan ''back-up'' atas keputusan | |||
* Menemukan pola | |||
* Menilai eksperimen | |||
* Menjawab pertanyaan | |||
==== Matematika & Statistik ==== | |||
Matematika dan statistik sangatlah penting dalam data analytics. | |||
Statistik berperan dalam mempersiapkan dan membersihkan data. | |||
Memiliki pondasi yang kuat dalam hal ini dapat membantumu menganalisis dan mengeksplorasi solusi dari data yang sedang kamu kerjakan. | |||
Beberapa statistik yang mungkin perlu kamu perhatikan meliputi: | |||
* Statistik deskriptif (rata-rata, median, skewness, standar deviasi) | |||
* Distribusi (z-score, signifikansi) | |||
* Pengujian hipotesis (p-value) | |||
Dalam hal matematika, kamu memerlukan beberapa pemahaman tentang probabilitas, regresi, dan korelasi. Hal-hal tersebut dapat membantu analyst untuk memahami apakah dua variabel saling berkaitan. | |||
Menguasai dasar-dasar statistik untuk data science & data analytics akan banyak membantu pekerjaanmu. | |||
==== Keahlian Database & Pemrograman ==== | |||
Memahami data warehousing, penambangan data (data mining), dan visualisasi data sangat penting kalau kamu ingin bekerja sebagai data analyst. | |||
Kamu tidak perlu menjadi ahli dalam semuanya, tetapi paham akan database dan cara kerjanya akan membantu kamu. | |||
Mulai baca tentang kosakata data dan cobalah untuk memahami ''end-to-end pipeline'' agar kamu mempunyai pemahaman data secara keseluruhan. | |||