Lewati ke isi
anakdata.id
≡

Urutan belajar

Belajar apa duluan, kalau dari nol

Mulai dari satu fondasi yang sama untuk semua peran. Kerjakan satu langkah sampai tandanya tercapai, baru lanjut. Melompat-lompat justru membuat semuanya terasa setengah jadi.

Urutan ini mendahulukan spreadsheet dan SQL. Dua alat itu paling sering diminta lowongan Data Analyst di Indonesia, pada snapshot 3 Oktober 2026: Excel/spreadsheet dan SQL masing-masing disebut di 90 dari 151 lowongan (59,6%).

Sesudah fondasi, pilih satu dari 4 jalur: Data Analyst, Data Engineer, Data Scientist dan ML Engineer, atau AI Engineer.

Fondasi bersamasama untuk semua peran, kerjakan berurutan1SpreadsheetDua sampai empat mingguberikutnya2SQLSatu sampai dua bulanberikutnya3Satu alat visualisasiTiga sampai enam mingguberikutnya4Statistik secukupnyaTiga sampai empat minggu, sambil jalanberikutnya5Satu proyek nyataDua sampai empat mingguberikutnya6Python, kalau memang perluDua sampai tiga bulanberikutnyapilih satu jalurDataAnalystDasar jalurIntiLanjutDataEngineerDasar jalurIntiLanjutDS danMLDasar jalurIntiLanjutAIEngineerDasar jalurIntiLanjut
Seluruh jalan dalam satu gambar: enam langkah fondasi menurun, lalu bercabang ke empat jalur. Begitu Anda mencentang langkah yang sudah selesai di bawah, peta ini menandai langkah berikutnya.

Fondasi bersama: 6 langkah untuk semua peran

  1. Langkah 1: Spreadsheet

    Berikutnya

    Kira-kira dua sampai empat mingguAlat: Excel, Google Sheets

    Spreadsheet sering diremehkan, tapi tetap diminta perusahaan. Di snapshot lowongan 3 Oktober 2026, Excel/spreadsheet disebut di 90 dari 151 lowongan Data Analyst (59,6%).

    Boleh lanjut ke langkah 2 kalau

    Bisa membuat pivot table, memakai VLOOKUP atau XLOOKUP, dan membersihkan data yang berantakan tanpa copy-paste ulang secara manual.

    Sumber gratisnya

  2. Langkah 2: SQL

    Berikutnya

    Kira-kira satu sampai dua bulanAlat: SQL, DuckDB untuk latihan

    Alat yang paling sering disebut lowongan data: 61% dari 324 lowongan di snapshot 3 Oktober 2026. Begitu bisa SQL, Anda tidak lagi bergantung pada orang lain untuk mengambil data. Untuk latihan, jalankan SQL di DuckDB tanpa memasang database.

    Boleh lanjut ke langkah 3 kalau

    Bisa menggabungkan dua tabel dengan JOIN, mengelompokkan dengan GROUP BY, dan menjelaskan kenapa hasilnya masuk akal.

    Sumber gratisnya

  3. Langkah 3: Satu alat visualisasi

    Berikutnya

    Kira-kira tiga sampai enam mingguAlat: Power BI, Tableau

    Angka yang tidak bisa dibaca orang lain tidak mengubah keputusan apa pun. Pilih satu saja, Power BI atau Tableau, jangan keduanya.

    Boleh lanjut ke langkah 4 kalau

    Bisa membuat satu dashboard yang menjawab satu pertanyaan, dan bisa menjelaskan kenapa memilih jenis grafik itu.

    Sumber gratisnya

  4. Langkah 4: Statistik secukupnya

    Berikutnya

    Kira-kira tiga sampai empat minggu, sambil jalanAlat: Statistik dasar

    Anda butuh statistik untuk tahu kapan sebuah angka menyesatkan. Contohnya rata-rata yang menipu, persentase tanpa penyebut, dan grafik yang memotong sumbu.

    Boleh lanjut ke langkah 5 kalau

    Bisa menjelaskan bedanya rata-rata dan median, dan tahu kapan salah satunya menipu.

    Sumber gratisnya

  5. Langkah 5: Satu proyek nyata

    Berikutnya

    Kira-kira dua sampai empat mingguAlat: data.go.id, BPS

    Daftar kursus tidak membedakan Anda dari pelamar lain. Satu analisis yang selesai dari pertanyaan sampai kesimpulan bisa membedakan Anda. Pakai data Indonesia supaya terasa dekat bagi perekrut di sini.

    Boleh lanjut ke langkah 6 kalau

    Punya satu proyek yang bisa Anda ceritakan dalam lima menit: pertanyaannya apa, datanya dari mana, apa yang berantakan, dan kesimpulannya apa.

    Sumber gratisnya

  6. Langkah 6: Python, kalau memang perlu

    Berikutnya

    Kira-kira dua sampai tiga bulanAlat: Python, Pandas

    Kami sengaja menaruh Python di urutan terakhir. Untuk pekerjaan analis pemula, lima langkah di atas sudah cukup. Python jadi penting kalau Anda menuju Data Engineer, Data Scientist, atau pekerjaan yang menuntut otomatisasi.

    Fondasi selesai kalau

    Bisa membaca file CSV, membersihkannya dengan Pandas, dan membuat grafik sederhana.

    Sumber gratisnya

Perkiraan waktunya untuk Anda yang belajar sambil kerja atau kuliah. Butuh waktu lebih lama dari perkiraan itu wajar.

Sesudah fondasi

Pilih satu jalur, lalu naik tiga anak tangga

Anak tangga pertama selalu Dasar jalur, lalu Inti, lalu Lanjut. Di tiap anak tangga ada tanda kapan Anda boleh naik, dan bagian mana yang bisa dibantu AI.

Belum tahu jalur mana? Jalur Data Analyst paling dekat dengan 6 langkah fondasi di atas. Label di tiap jalur menyebut asal isinya: dari praktisi di sesi Ngobrol Karir, atau disusun dari dokumentasi resmi.

Lowongan per jalur, satu hari

Data Analyst151 lowonganData Engineer74 lowonganData Scientist / ML38 lowongan*AI Engineer44 lowongan*
Data · snapshot 3 Oktober 2026, 324 lowongan peran data berdeskripsi lengkap. Jalur Data Analyst punya lowongan terbanyak di hari itu. Tanda * berarti n kecil, jadi baca sebagai arah. Alat yang diminta tiap jalur ada di matriks lowongan.

Data Analyst

Praktisi · praktisi di sesi Ngobrol Karir, sesi Data Analyst

Peran Data AnalystPeran BI DeveloperPeran Product Analyst

Spreadsheet dan statistik deskriptif di anak tangga ini sudah Anda pelajari di fondasi bersama, tinggal 5W1H yang perlu ditambahkan. Kalau fondasi bersama sudah selesai, mulai dari anak tangga 2.

  1. Anak tangga 1 · Dasar jalur

    Pelajari: 5W1H, spreadsheet, statistik deskriptif.

    Bantuan AI: AI membuat soal latihan dan menjelaskan rumus.

    Statistik dan cara berpikir dengan dataExcel, Python, dan alat visualisasi

    Naik ke Inti kalau

    Sudah bisa membuat pivot dan menjelaskan kapan rata-rata menyesatkan.

  2. Anak tangga 2 · Inti

    Pelajari: SQL sampai CTE, data modeling (fakta dan dimensi), satu BI tool, dashboard dengan pembanding.

    Bantuan AI: AI membuat draft query, lalu Anda baca dan uji sendiri.

    Latihan SQLDashboard dan business intelligence

    Naik ke Lanjut kalau

    Dashboard dari dua tabel atau lebih sudah jadi, dan logikanya bisa dijelaskan.

  3. Anak tangga 3 · Lanjut

    Pelajari: Python untuk analisis, dasar ETL, A/B test, satu domain bisnis.

    Bantuan AI: AI menulis kode pandas yang tetap Anda baca dan uji.

    Dataset untuk latihan dan portofolioPortal data terbuka

    Jalur ini cukup kalau

    Report rutin sudah jalan otomatis, dan Anda bisa berdiskusi dengan DE soal pipeline.

Data Engineer

Praktisi · praktisi di sesi Ngobrol Karir, sesi Data Engineer

Peran Data EngineerPeran Analytics Engineer

SQL dan Python di anak tangga ini sudah Anda pelajari di fondasi bersama. Di anak tangga ini Anda menambah CLI Linux, Git, Docker, dan logging.

  1. Anak tangga 1 · Dasar jalur

    Pelajari: CLI Linux, Git, Python, Docker, logging, SQL. "Tidak perlu jago, yang penting tahu dulu."

    Bantuan AI: AI menjelaskan error dan perintah dasar.

    Fondasi Data EngineerAlat kerja gratis tanpa kartu kredit

    Naik ke Inti kalau

    Database sudah jalan di Docker dan satu file berhasil dipindah ke tabel.

  2. Anak tangga 2 · Inti

    Pelajari: Pipeline sederhana: ambil data dari API atau Kaggle, load ke database, lalu olah dengan query untuk pertanyaan bisnis. ETL vs ELT, orchestration.

    Bantuan AI: AI membantu query standar, dokumentasi, error sintaks.

    Cloud dan pipeline

    Naik ke Lanjut kalau

    Satu pipeline end-to-end di laptop sudah jalan terjadwal.

  3. Anak tangga 3 · Lanjut

    Pelajari: Cloud warehouse, object storage, big data processing, streaming, infrastruktur.

    Bantuan AI: AI memberi saran alat, tapi keputusannya tetap di tangan Anda.

    Cloud dan pipelineTata kelola dan mutu data

    Jalur ini cukup kalau

    Bisa memilih alat sesuai skala perusahaan, tanpa overkill.

Data Scientist dan ML Engineer

Penyusun · disusun dari Google Machine Learning Crash Course

Peran Data ScientistPeran ML EngineerPeran MLOps Engineer

Python, SQL, dan statistik dasar sudah Anda pelajari di fondasi bersama. Di anak tangga ini Anda menambah outlier, standar deviasi, dan aljabar dasar.

  1. Anak tangga 1 · Dasar jalur

    Pelajari: Python, SQL, statistik (mean, median, outlier, standar deviasi), aljabar dasar.

    Bantuan AI: AI menjelaskan konsep dan membuat latihan.

    Statistik dan cara berpikir dengan dataExcel, Python, dan alat visualisasi

    Naik ke Inti kalau

    Bisa membersihkan dan meringkas data di pandas.

  2. Anak tangga 2 · Inti

    Pelajari: Regresi, klasifikasi, evaluasi model, overfitting. Mulai dari baseline sederhana.

    Bantuan AI: AI menulis kode scikit-learn, lalu Anda baca dan uji sendiri.

    Data science dan machine learning

    Naik ke Lanjut kalau

    Bisa membandingkan model dengan baseline dan menjelaskan kapan model gagal.

  3. Anak tangga 3 · Lanjut

    Pelajari: Neural network, embedding, satu domain. Jalur ML Engineer: model sebagai API, Docker, monitoring.

    Bantuan AI: AI membantu debugging dan dokumentasi.

    Dataset untuk latihan dan portofolioPortal data terbuka

    Jalur ini cukup kalau

    Model buatan sendiri sudah dipakai orang lain, lengkap dengan dokumentasi dan metric.

AI Engineer

Penyusun · disusun dari dokumentasi resmi vendor

Peran AI Engineer

Python di anak tangga ini sudah Anda pelajari di fondasi bersama. Di anak tangga ini Anda menambah API, JSON, Git, serta pengantar LLM dan embedding.

  1. Anak tangga 1 · Dasar jalur

    Pelajari: Python, API, JSON, Git. Pengantar LLM dan embedding.

    Bantuan AI: AI menulis kode dasar.

    Alat kerja gratis tanpa kartu kreditExcel, Python, dan alat visualisasi

    Naik ke Inti kalau

    Bisa memanggil model lewat API dan menyimpan hasilnya.

  2. Anak tangga 2 · Inti

    Pelajari: RAG sederhana, set evaluasi, guardrail, kriteria sukses yang terukur.

    Bantuan AI: AI menulis kode dan mengusulkan kasus uji.

    Membangun aplikasi AI

    Naik ke Lanjut kalau

    Punya satu aplikasi dengan angka evaluasi yang bisa ditunjukkan.

  3. Anak tangga 3 · Lanjut

    Pelajari: Workflow vs agent, tool use, monitoring biaya dan kualitas, keamanan (prompt injection).

    Bantuan AI: AI membantu riset dokumentasi.

    Membangun aplikasi AITata kelola dan mutu data

    Jalur ini cukup kalau

    Bisa menjelaskan kenapa memilih workflow atau agent untuk satu kasus.

Hal yang boleh dilewati dulu

Daftar ini sama pentingnya dengan langkah-langkah di atas. Anda tidak perlu bisa semuanya sebelum boleh melamar kerja pertama, dan empat hal berikut boleh menunggu.

  • Machine learning

    Di snapshot lowongan 3 Oktober 2026, scikit-learn, TensorFlow, dan PyTorch masing-masing disebut paling banyak di 1 dari 151 lowongan Data Analyst. Machine learning membuka jalan ke peran lain, dan tidak jadi syarat masuk ke bidang data.

  • Big data dan cloud

    Spark, Hadoop, dan Kubernetes penting di peran engineering, tapi masing-masing disebut paling banyak di 2 dari 151 lowongan Data Analyst di snapshot yang sama. Ketiganya bisa menunggu sampai Anda punya pekerjaan pertama.

  • Statistik tingkat lanjut

    Uji hipotesis dan regresi berguna, tapi tidak jadi syarat awal. Di awal, kebiasaan memeriksa apakah angkanya masuk akal lebih menentukan.

  • Banyak sertifikat

    Satu proyek yang bisa Anda ceritakan dengan lancar lebih berpengaruh daripada lima sertifikat yang tidak Anda ingat isinya.

Ada kata yang belum jelas?

Kamus istilah data, satu kalimat per istilah, dalam bahasa Indonesia sehari-hari.

Belum tahu mau ke peran mana?

14 peran di bidang data, lengkap dengan kapan masing-masing kurang cocok untuk Anda.

Ambil bahannya

Sumber gratis untuk tiap langkah di atas, sudah dipilah dan diperiksa satu per satu.