Portfolio Data Analyst: Gak Cuma Proyek, Tapi Harus Cerita! (Biar HR Nggak Skip Lamaran Kamu)

Daftar Isi

1. Kenapa Portfolio Data Analyst Itu Krusial Banget?
2. Kesalahan Umum dalam Membuat Portofolio (Yang Sering Bikin Gagal Dilirik)
3. Bukan Cuma Proyek, Tapi Harus Cerita: Ini Maksudnya Apa?
4. Struktur Ideal Portfolio Data Analyst yang Menarik & Dipahami Non-Teknis
5. Contoh Narasi Cerita dari Proyek Data Analyst
6. Platform Gratis Buat Bangun Portofolio Data Analyst
7. Tips Tambahan Biar Portfolio Kamu Lebih “Hidup” di Mata Recruiter
8. Kesimpulan

---

Kenapa Portfolio Data Analyst Itu Krusial Banget?

Kalau kamu mau apply kerja sebagai Data Analyst tapi gak punya pengalaman kerja sebelumnya, maka portfolio adalah senjata utama kamu.

Portfolio itu bukti nyata bahwa:

• Kamu bisa ngolah data beneran
• Kamu ngerti cara menyelesaikan masalah
• Kamu bisa kasih insight, bukan cuma “mainin chart”

Dan ingat:

CV bisa bikin HR berhenti di kamu. Tapi portfolio bikin mereka ngajak ngobrol kamu lebih lanjut.

---

Kesalahan Umum dalam Membuat Portofolio (Yang Sering Bikin Gagal Dilirik)

Banyak orang bikin portofolio kayak checklist:

• ✅ Udah ada grafik
• ✅ Udah ada dashboard
• ✅ Udah upload di GitHub

Tapi akhirnya:

• Gak ada konteksnya
• Gak ada insight yang dijelaskan
• Gak ada cerita di balik proyeknya

Kesalahan paling umum:

• Langsung lempar link GitHub tanpa penjelasan
• Gak jelas masalah apa yang diselesaikan
• Cuma tampilkan skill, tapi gak ada hasil bisnisnya
• Terlalu teknis, padahal HR-nya gak ngerti Python

---

Bukan Cuma Proyek, Tapi Harus Cerita: Ini Maksudnya Apa?

Proyek tanpa narasi itu cuma jadi sekumpulan angka dan grafik tanpa makna.
Sementara portfolio yang bagus itu harus punya cerita yang masuk akal + solusi berbasis data.

Jadi, gimana bentuk “cerita” dalam portfolio?

Setiap proyek harus menjawab:

1. Apa masalah bisnisnya?
   Contoh: Kenapa user banyak yang daftar tapi gak jadi beli?
2. Data apa yang kamu gunakan?
   Dari mana sumbernya? Seberapa besar?
3. Tools & proses analisisnya gimana?
   SQL? Python? Excel?
4. Apa insight-nya?
   Ada pola? Ada keanehan?
5. Rekomendasi atau kesimpulan?
   Kalau kamu manajer, apa tindakan selanjutnya?

Format ideal:

Masalah → Data → Proses → Insight → Rekomendasi

---

Struktur Ideal Portfolio Data Analyst yang Menarik & Dipahami Non-Teknis

Berikut format umum yang bisa kamu pakai di GitHub, Notion, Medium, atau PDF:

Struktur Utama:

• Judul Proyek → Buat menarik & jelas (misal: “Analisis Churn Pelanggan E-Commerce”)
• Latar Belakang / Masalah → Ceritakan konteks masalahnya
• Tujuan Proyek → Apa yang pengen kamu cari tahu?
• Sumber Data → Jelaskan darimana datanya (Kaggle, dummy, scraping)
• Langkah Analisis → Tulis runtut: cleaning, EDA, visualisasi, modeling
• Hasil & Insight → Apa yang kamu temukan?
• Rekomendasi → Tindakan apa yang bisa diambil dari insight kamu?
• Link dashboard / repo code → Tambahan visualisasi interaktif

---

Contoh Narasi Cerita dari Proyek Data Analyst

Judul Proyek: Kenapa Banyak User Gagal Checkout di Marketplace X?

Masalah:
Marketplace X mengalami penurunan revenue. Banyak user masukin barang ke keranjang, tapi gak pernah checkout.

Data yang digunakan:

• 15.000+ record dari 3 bulan terakhir
• Kolom: ID user, aktivitas (add to cart, view, purchase), device, waktu

Tools: SQL (BigQuery) & Python (Pandas + Seaborn)

Langkah Analisis:

• Cleaning & missing value
• Segmentasi user berdasarkan device & waktu akses
• Visualisasi behavior flow user

Insight:

• 40% user dari device Android berhenti di step pembayaran
• Peak user traffic jam 19.00–21.00 tapi sering error (log system)

Rekomendasi:

• Optimasi halaman checkout versi Android
• Tingkatkan server load saat jam sibuk
• Uji A/B desain tombol checkout

---

Platform Gratis Buat Bangun Portofolio Data Analyst

Berikut beberapa platform yang bisa kamu gunakan untuk menyusun dan menampilkan proyekmu:

Platform Teknis:

• GitHub → Untuk simpan kode & dokumentasi
• Google Colab / Jupyter Notebook → Untuk analisis & visualisasi langsung
• Kaggle → Buat cari dataset + showcase notebook kamu

Platform Presentasi:

• Notion → Layout rapi, bisa digabung teks + visual
• Medium → Cocok buat storytelling + SEO
• Tableau Public / Power BI Service → Tampilkan dashboard interaktif

---

Tips Tambahan Biar Portfolio Kamu Lebih “Hidup” di Mata Recruiter

Do’s:

• Pakai bahasa sederhana saat menjelaskan insight
• Tulis kesimpulan yang relevan secara bisnis
• Tambahkan grafik atau visual yang clean
• Link-kan antar komponen (notebook → repo → dashboard)

Don’ts:

• Jangan upload proyek yang belum kamu pahami 100%
• Hindari terlalu banyak jargon teknis
• Jangan hanya copy-paste dari tutorial (beri sentuhan kamu!)

---

Kesimpulan

Portfolio Data Analyst itu bukan soal seberapa canggih tools yang kamu pakai. Tapi seberapa jelas kamu bisa menyampaikan cerita dari data.

Proyek yang punya cerita, punya impact, dan mudah dimengerti — jauh lebih dilirik daripada proyek yang penuh jargon teknikal tapi tanpa arah.