Catatan Mini Kursus Data Analytics

Selamat malam, teman-teman! Kita telah sampai di penghujung mini kursus Data Analytics. Hari ini kita akan melakukan sharing session dengan Kak Manda Marcella, lead product analytics di Happy Fresh, tentang data analytics di industri online grocery.

Agenda Sesi

• Sharing session dengan Kak Manda
• Diskusi tentang pengalaman dan industri data analytics
• Tanya jawab

A. Kenalan dengan Kak Manda

• Kak Manda berasal dari latar belakang teknik geodesi dan renewable energy.
• Meskipun latar belakangnya tidak langsung terkait dengan data analytics, Kak Manda berhasil berkarir di bidang ini.
• Pentingnya networking di LinkedIn untuk berbagi tips dan pengalaman.

B. Hari-Hari Seorang Data Analyst

A Day in the Life of Data Analyst

• Pagi Hari:

  • Quick catch up dengan tim.
  • Monitoring dashboard untuk mendeteksi anomali data.
  • Prioritization dashboard.

• Siang Hari:

  • Meeting dengan stakeholder dan business owner.
  • Brainstorming tentang isu-isu baru.
  • Presentasi analisis terbaru.

• Sore Hari:

  • Focus time untuk analisis data secara mendalam (data digging).

C. Ekspektasi Perusahaan Terhadap Data Analyst

• Perusahaan mengharapkan data analyst untuk:
  • Mampu "connect the dots" dari data yang ada.
  • Menjadi storyteller untuk menyampaikan cerita dari data.
  • Membantu menjawab pertanyaan bisnis dan memberikan rekomendasi berdasarkan data.

D. Proses Data Analysis

1. Memahami masalah dan mendefinisikan problem statement.
2. Mengembangkan hipotesis untuk fokus analisis.
3. Memahami data yang diperlukan untuk menjawab hipotesis.
4. Mengolah dan memvisualisasikan data untuk membuat cerita yang menarik dan mudah dipahami.
5. Memberikan kesimpulan dan rekomendasi.

Tips dari Kak Manda

• Pentingnya memahami pertanyaan bisnis sebelum menganalisis data.
• Gunakan hipotesis untuk menjaga fokus dalam analisis.
• Cerita dari data harus disampaikan dengan cara yang bisa dipahami oleh audiens.

E. Visualisasi Data

• Teknik Visualisasi:
  • Simple text
  • Tabel
  • Heatmap
  • Scatter plot
  • Line chart
  • Bar chart
  • Waterfall chart

Hindari

• Pie chart dan donut chart jika datanya terlalu mirip.
• 3D chart yang bisa membingungkan.

F. Tanya Jawab

• Tantangan Tersulit: Mengemas data menjadi cerita yang bisa dipahami.
• Peran Data Analyst: Menyediakan rekomendasi berdasarkan data untuk membantu pengambilan keputusan.
• Menangani Outliers: Pertimbangkan untuk mempertahankan, mengganti, atau menghapus data outliers berdasarkan konteks dan relevansi.

G. Kesimpulan

• Pentingnya data literacy dan business understanding untuk menjadi data analyst yang sukses.
• Harapan untuk terus belajar dan berbagi pengalaman di komunitas Revoyu.

H. Pesan Penutup

• Data merupakan komoditas baru, penting untuk mengembangkan skill data analytics.
• Jangan ragu untuk mencoba, meskipun latar belakang pendidikan berbeda.
• Bergabunglah di program Program Data Analytics di Revoyu untuk belajar lebih lanjut.