Peran di bidang data

Product Analyst

Membaca perilaku pengguna di dalam produk.

Menjalankan eksperimen, membaca funnel, dan menjawab pertanyaan seperti “kenapa orang berhenti di langkah ketiga”.

Ramah pemula: belum dinilai
SQL
A/B testing
Analytics

Handout memasukkannya sebagai satu dari empat varian Data Analyst, dengan fokus produk digital.

Posisinya di perjalanan data

Product Analyst memakai lapisan yang sama dengan Data Analyst, karena handout menghitungnya sebagai salah satu varian Data Analyst.

Label: Penyusun. Isi tiap lapisan

Kerjanya apa

Rekan kerjanya: Product manager, desainer, dan engineer yang membangun fiturnya.

Analoginya

Dokter spesialis: alat periksanya mirip dokter umum, tapi ia hafal penyakit satu organ.

Pertanyaan yang ia jawab

“Fitur mana dipakai?”
“Di langkah mana pengguna berhenti?”

Label: Data (riset lowongan Bootcamp DA 2026) · Penyusun

Sepekan kerjanya

Merancang eksperimen A/B, menunggu datanya cukup, membacanya, lalu memberi tahu tim produk fitur mana yang layak diteruskan.

1Analisis pemakaian aplikasi
2A/B test
3Laporan dampak fitur

Hasil kerjanya

Keputusan lanjut atau hentikan, dengan angka yang mendukungnya dan batas yang jujur.

Metric khas: Funnel, retensi, aktivasi

Alat yang dipakai

Product Analyst memakai 24 alat di peta alat handout. Sebanyak 20 di antaranya ramah pemula dan diberi warna. Mulailah dari satu alat berwarna di tiap kelompok.

Ramah pemula (20)Menyusul (4)

Sumber data: PostgreSQL (ramah pemula)
MySQL (ramah pemula)
SQL Server (ramah pemula)
API (REST, JSON) (ramah pemula)
Ingestion (pengambilan data): Script Python (requests + pandas) (ramah pemula)
Orkestrasi: n8n (ramah pemula)
Penyimpanan: Google BigQuery (ramah pemula)
DuckDB (+ MotherDuck) (ramah pemula)
Transformasi dan modeling: pandas (Python) (ramah pemula)
Power Query (di Excel dan Power BI) (ramah pemula)
Analisis: Microsoft Excel (termasuk Excel for the web) (ramah pemula)
Google Sheets (ramah pemula)
SQL lewat DuckDB (Colab atau shell.duckdb.org) (ramah pemula)
Python + pandas (ramah pemula)
R / RStudio
Jupyter / Google Colab (ramah pemula)
SAS / SPSS / Stata
BI dan visualisasi: Power BI Desktop (ramah pemula)
Tableau Public (ramah pemula)
Data Studio (sebelumnya Looker Studio) (ramah pemula)
Metabase
Apache Superset
Data science dan machine learning: Kaggle (dataset dan notebook) (ramah pemula)
MLOps dan deployment: Streamlit + Community Cloud (ramah pemula)

Label: Penyusun, per 3 Oktober 2026. Tanda ramah pemula penilaian pengajar, belum hasil survei.

Roadmap belajarnya

Ikuti roadmap Data Analyst, lalu pilih satu domain di tahap inti. Sampai mana cukup: bisa menjelaskan 5–8 metric domain dan cara menghitungnya. AI membantu menjelaskan istilah domain; menilai mana yang relevan untuk perusahaan tetap di Anda.

Label: Penyusun

Fondasi yang dipakai semua peran →

Jalur masuk dan lowongan

DataSnapshot lowongan 3 Oktober 2026

Snapshot menghitung Product Analyst di dalam Data Analyst, tidak terpisah. Batang yang disorot adalah Data Analyst.

Snapshot satu hari, 9 website lowongan publik (terbanyak Glints dan Jobstreet), tanpa LinkedIn. Bukan estimasi pasar. Kami mengganti angka di kotak ini begitu snapshot berikutnya keluar.

Cocok untuk Anda?

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

Sumber: handout Peta Dunia Data, seri Ngobrol Karir Data & AI, Oktober 2026. Kami menyesuaikan bahasanya untuk anakdata; label di tiap bagian menunjukkan asal isinya.

Kembali ke peta semua peran