Tujuh hal yang bikin orang berhenti sebelum mulai

Di angkatan kedua anakdata, 10 dari 19 peserta (53%) datang sebagai career switcher, yaitu pindah ke data dari bidang lain. Menurut kami, kebiasaan bertanya “angka ini dari mana” lebih berguna daripada jurusan asal, dan kebiasaan itu bisa dilatih siapa saja.

Data: Data internal anakdata, peserta FGD Batch II 2020

Tiap peran di bidang data menuntut hal yang berbeda. Data Engineer dan ML Engineer memang berat kodingnya, sedangkan Data Analyst dan Business Analyst lebih banyak memakai spreadsheet, SQL, dan presentasi. Kalau Anda melihat semua perannya lebih dulu, pertanyaannya biasanya berubah, dari “saya boleh masuk tidak” jadi “saya masuk lewat pintu yang mana”.

Sebagian besar hitungan yang analis pakai sehari-hari berhenti di empat hal: menjumlahkan, merata-rata, membandingkan dua angka, dan menghitung persentase.

Statistik berat baru muncul di peran tertentu, misalnya Data Scientist, dan peran itu jarang jadi pintu masuk pertama. Pemula lebih sering keliru saat membaca angka: mereka tidak sadar kapan sebuah angka menyesatkan. Contohnya satu outlier, nilai yang jauh berbeda dari yang lain, menarik rata-rata menjauh dari kebanyakan data. Kebiasaan memeriksa seperti ini bisa dilatih, dan nilai matematika di rapor tidak ada hubungannya.

Kami tidak punya angka Indonesia untuk ini, dan tidak akan memakai angka Amerika supaya jawabannya terdengar meyakinkan.

Ada satu hal yang bisa kami sebut tanpa mengarang: pengalaman kerja Anda sebelumnya berguna di pekerjaan ini. Analis yang pernah bekerja di keuangan, ritel, atau rumah sakit sudah tahu cara tempat itu beroperasi, dan pengetahuan itu membuat pertanyaan analisisnya tajam. Lulusan baru harus membangun pengetahuan seperti itu dari nol, dan prosesnya memakan waktu bertahun-tahun.

Lowongan di Indonesia biasanya menulis “S1 statistik, matematika, ilmu komputer, ekonomi, atau bidang terkait”. Frasa “atau bidang terkait” di ujungnya membuka pintu untuk banyak jurusan lain.

Sebagian perusahaan memang menyaring keras di gelar, terutama perusahaan besar dan BUMN, dan kami tidak akan berpura-pura sebaliknya. Perusahaan lain lebih longgar. Anda tidak bisa memilih syarat mana yang berlaku, tapi Anda bisa menyiapkan satu proyek yang selesai, siap ditunjukkan saat syaratnya ternyata longgar.

Sertifikat menunjukkan Anda menyelesaikan sebuah kursus. Proyek yang selesai menunjukkan keputusan yang Anda ambil sendiri, misalnya data mana yang Anda buang dan kenapa. Keputusan seperti itulah yang ditanyakan pewawancara.

Sertifikat memang menolong di satu tempat, yaitu penyaringan awal di perusahaan yang menyaring CV dengan kata kunci. Manfaat itu nyata, tapi ia tidak menjadi alasan untuk mengumpulkan lima sertifikat sekaligus. Setelah Anda lolos penyaringan, pewawancara tetap membicarakan pekerjaan yang pernah Anda kerjakan.

AI mengambil alih bagian tengah pekerjaan ini: menulis draf query, membersihkan data yang bentuknya sudah dikenal, dan menyusun report yang formatnya itu-itu saja.

Dua ujung pekerjaannya masih dipegang orang. Di awal, analis menentukan pertanyaan mana yang layak dijawab. Di akhir, analis menjelaskan arti angkanya ke orang yang mengambil keputusan, dan keduanya menuntut orang yang paham keadaan bisnisnya. Angka penghematan waktu yang beredar umumnya dari blog vendor tanpa metode, jadi halaman lanskap menjelaskan cara mengukurnya sendiri di pekerjaan Anda.

Bahasa Inggris memang hambatan nyata. Sebagian besar bahan belajar gratis yang bagus ditulis dalam bahasa Inggris, dan kami tidak akan berpura-pura sebaliknya.

Untuk belajar, Anda cukup bisa membaca bahasa Inggris, dan kemampuan membaca jauh lebih cepat dikejar daripada kemampuan bicara. Kosakata di bahan teknis juga berulang terus (select, filter, join, average), jadi setelah dua minggu kata yang muncul itu-itu saja. Katalog sumber di website ini punya satu kelompok berbahasa Indonesia, isinya tiga sumber, dan kelompok itu memang yang paling pendek.