Peta peran
Empat belas pekerjaan di bidang data, dan bedanya apa
Isinya beberapa pekerjaan berbeda yang saling melengkapi. Tiap peran punya halamannya sendiri, lengkap dengan kapan ia tidak cocok untuk Anda.
Kami menyusun peta ini dari handout Peta Dunia Data, bahan seri Ngobrol Karir Data & AI Oktober 2026. Setiap klaim di halaman peran membawa labelnya: Data, Praktisi, atau Penyusun.
Siapa memegang lapisan mana
Data menempuh delapan lapisan dari kasir sampai keputusan. Tiap batang menunjukkan lapisan utama satu peran. Di kantor kecil, satu orang bisa memegang beberapa batang sekaligus.
- Data Analyst, pintu masuk paling umum
- Peran lain, di lapisan utamanya
- Menjaga aturan data di semua lapisan
- Mengatur prioritas tim di semua lapisan
Label: Penyusun. Rentang batang penilaian penyusun handout, disarikan dari kartu tiap peran.
Belum kenal delapan lapisan itu? Ikuti perjalanan satu mangkuk mi →Dekat dengan meja bisnis
Menjawab pertanyaan orang bisnis, atau menerjemahkan kebutuhan mereka.
Data Analyst
Menjawab pertanyaan bisnis dengan angka.
Ramah pemula: TerbukaBaca selengkapnya →Product Analyst
Membaca perilaku pengguna di dalam produk.
Ramah pemula: belum dinilaiBaca selengkapnya →Business Intelligence Developer
Membuat angkanya bisa dilihat setiap hari.
Ramah pemula: SedangBaca selengkapnya →Business Analyst
Mengubah kebutuhan bisnis jadi sistem yang bisa dibangun.
Ramah pemula: SedangBaca selengkapnya →
Membangun jalan data
Mengambil data dari sumbernya, memindahkan dan merapikannya, lalu merancang tempat menyimpannya.
Analytics Engineer
Menyiapkan data yang bersih supaya orang lain tidak salah hitung.
Ramah pemula: RendahBaca selengkapnya →Data Engineer
Membangun jalan supaya datanya sampai.
Ramah pemula: Rendah–sedangBaca selengkapnya →Data Architect
Merancang denah besar data sebelum sistemnya dibangun.
Ramah pemula: Bukan pemulaBaca selengkapnya →
Model dan AI
Menebak dari pola data, lalu memasangnya ke produk.
Data Scientist
Memperkirakan apa yang akan terjadi.
Ramah pemula: Rendah–sedangBaca selengkapnya →Machine Learning Engineer
Membawa model ke produksi dan menjaganya tetap jalan.
Ramah pemula: RendahBaca selengkapnya →MLOps Engineer
Menjaga model tetap sehat setelah dipakai.
Ramah pemula: Bukan pemulaBaca selengkapnya →AI Engineer / LLM Engineer
Membangun aplikasi di atas model AI yang sudah ada.
Ramah pemula: Rendah–sedangBaca selengkapnya →
Menjaga dan memimpin
Aturan data, prioritas kerja, dan tanggung jawab ke manajemen.
Pintu masuk di sekitar data
Pekerjaan dekat data yang terbuka untuk pemula.
Siapa bekerja dengan siapa, dari hulu ke hilir
Data mengalir dari sistem sumber ke Data Engineer, lalu ke Analytics Engineer, lalu ke analis dan dashboard. Data Scientist dan AI Engineer mengambil cabang dari tabel yang sudah rapi. Tim back end, tim yang membangun aplikasinya, bisa ikut menampilkan dashboard di aplikasi web.
Label: Praktisi di sesi Ngobrol Karir untuk hubungan Data Engineer, Analytics Engineer, dan Data Analyst. Sisanya Penyusun.
Cocok di jalur mana?
Jawab pertanyaannya satu per satu, mulai dari nomor 1. Penyusun handout membuat pohon ini dari kartu tiap peran; ia alat bantu memilih, belum tes psikometri. Daun pohon bertaut ke halaman perannya.
1Lebih senang menjawab "kenapa" dan menjelaskannya, daripada membangun sistem?
Ya
2Senang bertemu user dan menulis kebutuhan?
Ya
Tidak
3Sudah paham satu bidang kerja, misalnya penjualan atau keuangan?
Ya
Tidak
Tidak
Belum tahu? Mulai dari fondasi bersama. Lihat fondasinya
Kalau Anda memilih membangun sistem
4Mau memakai terminal, Git, dan menulis kode tiap hari?
Tidak
5Teliti, senang aturan dan compliance?
Ya
Tidak
Ya
6Lebih penasaran aliran data atau prediksi dan AI?
Aliran data
7Sisi bisnis, pipeline, atau infrastruktur?
Bisnis
Pipeline
Infra
Prediksi, AI
8Kuat, atau mau kuat, di statistik?
Ya
Tidak
9Model sendiri atau LLM yang sudah ada?
Sendiri
LLM
Belum yakin? Fondasi bersama dipakai semua cabang. Lihat fondasinya
Jawaban “tidak tahu” itu wajar
Mulai dari fondasi yang dipakai semua cabang: berpikir kritis, SQL, spreadsheet, statistik dasar, dan komunikasi.
Lihat urutan belajarnya →Pindah karier dari luar IT?
Cabang kiri (Data Analyst, analis sesuai bidang, Business Analyst, Data Governance Analyst) paling dekat dengan pengalaman kerja sebelumnya. Praktisi di sesi Ngobrol Karir menyebut latar industri sebelumnya bisa jadi nilai tambah.
Pilihan bisa berubah
Praktisi di sesi Ngobrol Karir pun tidak masuk lewat judul yang sekarang mereka pegang. Ada yang mulai sebagai market analyst, ada yang sebagai ETL developer.
Dua catatan supaya peta ini tidak salah dibaca
Batasnya tergantung ukuran tim
Perusahaan besar memisahkan peran-peran ini. Tim kecil menggabungkannya kembali: satu orang bisa memegang beberapa batang di peta lapisan sekaligus. Kalau Anda melamar ke startup dan satu lowongan meminta Anda membangun pipeline dan dashboard sekaligus membuat model prediksi, Anda tidak salah baca.
Label: Penyusun
Bagian kerja yang dibantu AI
Tiap halaman peran membagi pekerjaannya jadi dua: bagian yang dibantu AI, dan bagian yang tetap di tangan manusia. Praktisi di sesi Ngobrol Karir: AI tidak bisa bertanggung jawab, jadi keputusan tetap di tangan manusia.
Label: Praktisi di sesi Ngobrol Karir