Peta peran
Delapan pekerjaan di bidang data, dan bedanya apa
Isinya beberapa pekerjaan berbeda yang saling melengkapi. Tiap peran di bawah dijelaskan dengan bahasa biasa, lengkap dengan kapan ia tidak cocok untuk Anda.
Bagian terakhir itu yang biasanya hilang dari daftar semacam ini. Padahal yang membuat seseorang bisa memilih justru mengetahui apa yang tidak cocok.
- 01
Data Analyst
Menjawab pertanyaan bisnis dengan angka.
- Excel
- SQL
- Power BI
Pintu masuk paling umum ke bidang data.
Sehari-harinya
Ditanya “kenapa penjualan turun bulan ini”, lalu mencari jawabannya di data dan menjelaskannya ke orang yang bukan orang data.
Sepekan kerjanya
Menarik data dari database, membersihkan yang berantakan, membuat grafiknya, lalu menjelaskannya di rapat. Sebagian besar waktunya habis di dua langkah pertama, bukan di grafiknya.
Yang ia serahkan
Satu laporan atau dashboard yang menjawab satu pertanyaan, plus rekomendasi yang bisa langsung diambil orang lain.
Ngobrol dengan siapa
Manajer pemasaran, tim penjualan, dan siapa pun yang punya pertanyaan tapi tidak punya akses ke datanya.
Cocok kalau
Suka mencari sebab, dan tidak keberatan menjelaskan hasilnya berulang kali sampai orang lain paham.
Kurang cocok kalau
Peran ini banyak rapatnya. Orang yang lebih senang membangun sistem dan jarang ketemu orang biasanya cepat lelah di sini.
Langkah pertama
Belajar SQL sampai bisa menjawab pertanyaan sederhana dari satu tabel. Itu keterampilan yang paling sering diminta di lowongan pemula.
Sumber gratisnya - 02
Data Engineer
Membangun jalan supaya datanya sampai.
- SQL
- Python
- Pipeline
- Cloud
Riset perekrutan 2026 menyebutnya peran yang paling kurang pasokannya. Lowongannya banyak, pelamarnya sedikit.
Sehari-harinya
Menyiapkan sistem yang mengalirkan data dari banyak tempat ke satu tempat, tepat waktu dan tidak rusak di jalan.
Sepekan kerjanya
Menulis pipeline yang menyalin data tiap malam, memperbaiki yang gagal jalan pagi harinya, dan menyambungkan sumber baru saat tim lain memintanya.
Yang ia serahkan
Tabel yang selalu terisi tepat waktu, dan peringatan otomatis begitu tidak.
Ngobrol dengan siapa
Analis dan analytics engineer yang memakai tabelnya, plus tim backend yang punya sumber datanya.
Cocok kalau
Senang membangun sesuatu yang jalan sendiri, dan puas kalau sistem bekerja tanpa perlu ditonton.
Kurang cocok kalau
Kalau yang Anda cari adalah menjawab pertanyaan bisnis, peran ini terlalu jauh dari sana. Hasil kerjanya dipakai orang lain untuk menjawab.
Langkah pertama
Belajar SQL dulu sampai lancar, baru Python. Keduanya dasar yang tidak bisa dilewati di peran ini.
Sumber gratisnya - 03
Analytics Engineer
Menyiapkan data yang bersih supaya orang lain tidak salah hitung.
- SQL
- dbt
- Git
Peran yang paling cepat tumbuh, dan di 2026 tata kelola jadi bagian utamanya.
Sehari-harinya
Menyusun model data dan definisi metrik yang dipakai bersama, lalu mengujinya. Kalau “pendapatan” punya tiga arti berbeda di tiga laporan, ini orang yang membereskannya.
Sepekan kerjanya
Mengubah tabel mentah jadi tabel siap pakai, menulis uji yang menolak data janggal, dan menengahi saat dua tim memakai definisi berbeda untuk satu metrik.
Yang ia serahkan
Model data berversi dan kamus metrik yang dipakai seluruh laporan di kantor itu.
Ngobrol dengan siapa
Data engineer di hulu, analis dan BI developer di hilir.
Cocok kalau
Terganggu kalau angka yang sama muncul berbeda di dua tempat, dan mau mengurusnya sampai tuntas.
Kurang cocok kalau
Ini bukan peran pertama untuk yang baru mulai. Pemahaman SQL-nya harus sudah matang lebih dulu.
Langkah pertama
Jadi Data Analyst dulu. Hampir semua orang sampai ke peran ini lewat sana, bukan langsung.
Sumber gratisnya - 04
Data Scientist
Memperkirakan apa yang akan terjadi.
- Python
- Statistik
- Machine learning
Sehari-harinya
Membangun model untuk memperkirakan sesuatu, misalnya pelanggan mana yang kemungkinan berhenti berlangganan bulan depan.
Sepekan kerjanya
Mengubah masalah bisnis jadi soal yang bisa dijawab model, menyiapkan fiturnya, melatih beberapa model, lalu membandingkannya dengan cara paling sederhana yang sudah ada.
Yang ia serahkan
Model beserta ukuran seberapa sering ia benar, dan catatan kapan ia tidak boleh dipercaya.
Ngobrol dengan siapa
Product manager yang punya masalahnya, dan ML engineer yang akan menjalankannya.
Cocok kalau
Nyaman dengan ketidakpastian, dan tertarik pada pertanyaan yang jawabannya berupa kemungkinan, bukan angka pasti.
Kurang cocok kalau
Butuh dasar statistik yang cukup kuat. Kalau Anda menghindari matematika, mulai dari peran lain akan lebih menyenangkan.
Langkah pertama
Statistik dulu, bukan machine learning. Model yang dibangun tanpa paham dasarnya menghasilkan angka yang terlihat meyakinkan dan salah.
Sumber gratisnya - 05
Machine Learning Engineer
Membawa model ke produksi dan menjaganya tetap jalan.
- Python
- Cloud
- Docker
Melanjutkan dari tempat Data Scientist berhenti.
Sehari-harinya
Mengambil model yang sudah terbukti bekerja di laptop, lalu membuatnya melayani ribuan permintaan per detik tanpa melambat atau melenceng.
Sepekan kerjanya
Membungkus model jadi layanan, memasang pemantauan, dan menyelidiki kenapa akurasinya turun sejak bulan lalu.
Yang ia serahkan
Layanan model yang jalan terus, berikut alarm saat keluarannya mulai bergeser.
Ngobrol dengan siapa
Data scientist yang membuat modelnya, dan tim infrastruktur yang menampungnya.
Cocok kalau
Punya latar belakang atau minat di software engineering, dan tertarik pada bagian yang membuat sesuatu bertahan di dunia nyata.
Kurang cocok kalau
Bukan peran pertama untuk siapa pun. Ia menuntut kemampuan koding yang sudah mapan.
Langkah pertama
Perkuat Python sampai benar-benar nyaman, baru pelajari sisi machine learning-nya.
Sumber gratisnya - 06
Business Intelligence Developer
Membuat angkanya bisa dilihat setiap hari.
- Power BI
- Tableau
- SQL
Sehari-harinya
Menyusun dashboard dan laporan rutin, supaya orang di kantor tidak perlu bertanya berulang kali untuk angka yang sama.
Sepekan kerjanya
Membangun dashboard baru, memperbaiki yang angkanya tidak cocok, dan mengajari orang memakainya sendiri supaya berhenti bertanya tiap minggu.
Yang ia serahkan
Dashboard yang orang buka tanpa diminta, dan yang angkanya tidak dibantah di rapat.
Ngobrol dengan siapa
Manajer di tiap divisi, dan analytics engineer yang menyiapkan tabelnya.
Cocok kalau
Punya rasa terhadap tampilan, dan puas kalau sesuatu yang rumit jadi mudah dibaca orang lain.
Kurang cocok kalau
Sebagian besar waktunya habis merawat yang sudah ada. Cocok kalau Anda tidak masalah dengan pekerjaan yang mirip tiap hari.
Langkah pertama
SQL, lalu satu alat visualisasi. Pilih satu saja dulu, Power BI atau Tableau, jangan keduanya.
Sumber gratisnya - 07
Product Analyst
Membaca perilaku pengguna di dalam produk.
- SQL
- A/B testing
- Analytics
Banyak Product Manager datang dari peran ini.
Sehari-harinya
Menjalankan eksperimen, membaca funnel, dan menjawab pertanyaan seperti “kenapa orang berhenti di langkah ketiga”.
Sepekan kerjanya
Merancang eksperimen A/B, menunggu datanya cukup, membacanya, lalu memberi tahu tim produk fitur mana yang layak diteruskan.
Yang ia serahkan
Keputusan lanjut atau hentikan, dengan angka yang mendukungnya dan batas yang jujur.
Ngobrol dengan siapa
Product manager, desainer, dan engineer yang membangun fiturnya.
Cocok kalau
Penasaran pada perilaku orang, dan senang bekerja dekat dengan tim produk dan desain.
Kurang cocok kalau
Datanya soal perilaku orang, dan itu selalu berantakan. Siap-siap kaget kalau Anda terbiasa dengan angka keuangan yang rapi.
Langkah pertama
SQL, lalu pelajari dasar eksperimen dan statistik. Tanpa itu, hasil A/B testing mudah dibaca keliru.
Sumber gratisnya - 08
Data Governance Analyst
Menjaga supaya data bisa dipercaya dan dipakai dengan benar.
- SQL
- Data catalog
- Kebijakan data
Makin penting seiring aturan privasi diperketat.
Sehari-harinya
Mendata aset data yang dimiliki perusahaan, menetapkan aturan mutu, menelusuri asal-usul angka, dan memastikan pemakaiannya patuh aturan privasi.
Sepekan kerjanya
Mendata tabel mana punya siapa, menulis aturan siapa boleh mengakses apa, dan menelusuri satu angka sampai ke sumbernya begitu ada yang meragukannya.
Yang ia serahkan
Katalog data yang benar-benar dipakai, dan aturan akses yang berlaku, bukan yang cuma tertulis.
Ngobrol dengan siapa
Legal, keamanan informasi, dan pemilik tiap tabel.
Cocok kalau
Teliti, sabar dengan dokumentasi, dan bisa menengahi ketika dua tim tidak sepakat soal definisi.
Kurang cocok kalau
Dampaknya baru kelihatan setelah berbulan-bulan. Susah bertahan di sini kalau Anda perlu lihat hasil kerja cepat.
Langkah pertama
Pahami dulu bagaimana data mengalir di sebuah perusahaan. Peran ini jarang jadi pekerjaan pertama, tapi bisa jadi tujuan.
Sumber gratisnya
Dua catatan supaya peta ini tidak salah dibaca
Batasnya tergantung ukuran tim
Perusahaan besar memisahkan kedelapan peran ini. Tim kecil menggabungkannya kembali: satu orang bisa mengerjakan empat kolom sekaligus. Kalau Anda melamar ke startup dan menemukan satu lowongan menyebut semuanya, itu bukan salah baca.
Yang membedakan bukan mengetik query
Riset 2026 menyebutnya langsung: yang menentukan adalah mengajukan pertanyaan yang tepat, memeriksa apakah hasilnya masuk akal, dan menjaga supaya angka yang dipakai orang lain bisa dipercaya. Alat berganti; kebiasaan itu tidak.