🎓 Silabus: Get started with Microsoft data analytics 📦 Modul: Discover Data Analysis 📘 Learning Path: Roles in Data 👥 Ringkasan Materi (Bahasa Indonesia) 📌 1. Data Analyst Tidak Bekerja Sendiri Menceritakan kisah dari data (data storytelling) adalah proses panjang. Sebelum kamu bisa mulai menganalisis, data harus:

Diambil dari berbagai sumber

Dibersihkan dan disiapkan agar bisa digunakan

👉 Proses ini melibatkan banyak peran profesional, masing-masing dengan keahlian yang berbeda. Mereka bekerja sama dari awal proyek sampai tahap laporan akhir.

🧩 2. Evolusi Peran dalam Dunia Data Dulu, hanya ada peran seperti:

Business Analyst

BI Developer

Tapi karena jumlah dan kompleksitas data makin besar, muncul peran-peran baru yang lebih spesifik dan fokus.

🧠 3. Peran-Peran Utama dalam Proses Data 🔷 1. Business Analyst Fokus pada memahami bisnis dan menginterpretasikan data visualisasi

Dekat dengan tim bisnis

Bisa juga merangkap sebagai data analyst di perusahaan kecil

🔷 2. Data Analyst Peran utama dalam visualisasi dan pelaporan data menggunakan tools seperti Power BI

Tugasnya:

Membersihkan dan mentransformasi data

Membangun model data (semantic models)

Membuat laporan interaktif

Berkolaborasi dengan stakeholder untuk mengubah data mentah menjadi insight

Juga mengelola:

Power BI report, dashboard, workspace

Keamanan data dan akses sesuai kebutuhan pengguna

🔷 3. Data Engineer Bertanggung jawab pada platform data (baik cloud maupun on-premises)

Tugasnya:

Ekstrak, transformasi, dan pemuatan data (ETL)

Mengelola aliran data dari berbagai sumber (relasional, non-relasional, stream, file)

Menyiapkan infrastruktur data yang aman dan bisa digunakan oleh tim lain

Kolaborasi erat dengan data analyst dan data scientist agar data tersedia dan siap pakai

🔷 4. Analytics Engineer Jembatan antara data engineer dan data analyst

Fokus pada:

Menyediakan data berkualitas di data lake atau lakehouse

Membuat semantic model di Power BI

Membangun model yang siap dipakai untuk analisis mandiri (self-service BI)

Walaupun mirip dengan data engineer (sama-sama pakai SQL), analytics engineer lebih dekat dengan sisi bisnis

🔷 5. Data Scientist Melakukan analitik tingkat lanjut

Bidangnya meliputi:

Descriptive analytics (EDA)

Predictive analytics (machine learning)

Deep learning & eksperimen algoritma

Sering menghabiskan waktu untuk:

Data wrangling (membersihkan & menyusun ulang data)

Feature engineering

Bekerja sama dengan:

Data engineer untuk akses data yang siap pakai

Data analyst untuk membuat visualisasi dari hasil model

🔄 4. Kolaborasi Antar-Peran Walaupun tiap peran berbeda:

Mereka saling melengkapi

Tujuannya sama: mengubah data menjadi keputusan bisnis yang tepat

Contoh:

Data Scientist membuat model prediksi → Data Analyst membuat visualisasi hasilnya → Business Analyst menyampaikan ke manajemen → Semua bergantung pada infrastruktur dari Data Engineer

✅ Kesimpulan Learning Path: Roles in Data Dunia data modern membutuhkan banyak peran, tidak hanya satu

Setiap peran punya tanggung jawab unik, tapi saling terhubung

Kolaborasi antar-peran adalah kunci sukses dalam data project