Lanskap
Apa yang sedang berubah, dan apa yang tidak
Pertanyaan yang paling sering menghentikan orang sebelum mulai: nanti keburu digantikan AI atau tidak. Ini jawabannya, dengan angka dan sumber yang bisa Anda buka sendiri.
Yang diambil alih itu bagian tengahnya
Pekerjaan analis punya tiga bagian. Bagian tengah, yaitu mengambil data, membersihkannya, dan menghitung, memang makin banyak dikerjakan mesin.
Dua ujungnya tidak. Menentukan pertanyaan mana yang layak dijawab, dan menjelaskan angkanya berarti apa, tetap menuntut orang yang paham keadaannya.
Seberapa besar perubahannya
3 jam → 45 menit
Laporan rutin ke atasan
Bagian menyusun dan merapikannya yang dipangkas, bukan bagian menafsirkannya.
Sumbernya30 menit → 5 menit
Menulis query untuk pertanyaan dadakan
Menulisnya cepat. Memastikan hasilnya benar tetap memakan waktu yang sama.
Sumbernya78%
Perusahaan menyatakan AI akan menambah kemampuan tim analitiknya, bukan menggantikannya
Survei global McKinsey 2024.
Sumbernya
Makin banyak dikerjakan mesin
- Menulis draf query
- Membersihkan data yang bentuknya sudah dikenal
- Menyusun laporan yang formatnya berulang
- Membuat grafik dari data yang sudah rapi
Tetap di tangan orang
- Menentukan pertanyaan mana yang layak dijawab
- Memeriksa apakah hasilnya masuk akal
- Menjelaskan temuan ke orang yang bukan orang data
- Memutuskan angka mana yang boleh dilaporkan
Kolom kanan itu yang menentukan. Hambatannya bergeser: dulu kekurangan orang yang bisa menjalankan query, sekarang kekurangan orang yang bisa menjelaskan hasilnya berarti apa.
Alat mana yang layak dipelajari sekarang
Dua kolom di bawah sengaja dipisah. Sesuatu bisa sedang naik daun dan tetap belum layak Anda pelajari, karena ia bukan pintu masuk.
SQL
TetapPelajari sekarangSudah puluhan tahun ada dan belum tergeser. AI bisa menuliskannya, tapi Anda tetap yang harus tahu hasilnya benar atau tidak.
Spreadsheet
TetapPelajari sekarangSelalu diremehkan di daftar tren, selalu dipakai di kantor. Sebagian besar keputusan di Indonesia masih lahir dari sini.
Power BI dan Tableau
TetapPelajari sekarangPilih satu. Kemampuannya mirip, dan yang menentukan biasanya apa yang dipakai kantor.
Python
NaikNanti sajaPenting untuk data engineer dan data scientist. Untuk analis pemula, bisa menunggu sampai empat langkah pertama selesai.
dbt
NaikNanti sajaJadi standar untuk merapikan data di data warehouse. Muncul di lowongan analytics engineer, hampir tidak pernah di lowongan pemula.
DuckDB dan Polars
NaikNanti sajaMesin pengolah data yang jalan di satu komputer, dan sering cukup untuk pekerjaan yang dulu butuh banyak mesin. Menarik, tapi bukan langkah pertama.
Apache Spark
TetapLewati duluMasih muncul di lebih dari 41% lowongan data engineering, jadi belum ke mana-mana. Tapi ia bukan pintu masuk.
Hadoop, HDFS, YARN
TurunLewati duluPaling banyak digantikan belakangan ini. Perusahaan besar di keuangan dan telekomunikasi masih memakainya, jadi turun bukan berarti hilang.
Tapi turun bukan berarti hilang. Hadoop masih dipakai perusahaan besar di keuangan dan telekomunikasi, dan Spark masih muncul di lebih dari 41% lowongan data engineering. Yang berubah adalah tempatnya dalam urutan belajar, bukan keberadaannya.
Artinya buat yang baru mulai
Disusun 7 September 2026
Jangan mengejar alat yang sedang ramai dibicarakan. Kejar kebiasaan yang tidak berganti: bertanya dengan tepat, memeriksa hasil, dan menjelaskannya ke orang lain.
Alat berganti setiap beberapa tahun. Tiga kebiasaan itu sudah bertahan jauh lebih lama, dan justru makin bernilai sekarang.