Kerjaya Seorang Data Analyst

Dalam blog ni, saya nak kongsikan journey saya sendiri dari seorang yang tak pernah kerja dalam bidang data, tapi minat nak cuba kerjaya sebagai Data Analyst. Selepas bertahun-tahun, baru sekarang saya buat keputusan untuk terjun ke dunia data.

Kalau awak takde background IT, tak pandai coding lagi, dan kadang² rasa “boleh ke aku buat ni?”—don’t worry, kita geng!!

Dalam Episod 1 ni, saya nak cerita apa itu pekerjaan sebagai Data Analyst, especially kalau baru nak bermula.

Apa itu Data Analyst?

Kalau ikut definisi paling mudah, Data Analyst adalah kerjaya yang memerlukan seseorang itu mengumpul, membersihkan, menganalisis dan menerangkan data supaya owner company tu boleh membuat keputusan yang lebih bijak berdasarkan bukti data.

Tapi itu versi buku.

Versi manusia biasa macam kita:

Data Analyst ialah orang yang cari cerita di sebalik nombor.
Kita tengok data → kita faham pattern → kita explain pada orang lain.

• Kita tengok data: Ini bermakna kita menggunakan alat seperti SQL (untuk ambil data) dan Excel/Sheets (untuk menyusun dan membersihkan data).

Contohnya, macam kita kumpul semua kepingan puzzle di atas meja.

• Kita faham pattern (corak): Ini adalah bahagian analisis. Kita cari kenapa berlakunya sesuatu, atau trend apa yang akan muncul.

Contohnya, kita mula cantumkan kepingan puzzle tu dan nampak gambaran (pattern) yang terbentuk.

• Kita explain pada orang lain: Komunikasi dan visualisasi. Kita tak tunjuk raw number; kita tunjuk apa maksud nombor itu untuk bisnes.

Contohnya, kita tunjuk puzzle yang dah siap dan cakap, "Haa, inilah gambar yang dah siap! Jadi, apa tindakan kita sekarang?"

Kesimpulannya, Data Analyst adalah Pencerita Data (Data Storyteller). Kita ubah nombor tersebut menjadi panduan(guidance) untuk company tersebut bertindak, sama ada untuk mengurus risiko, meningkatkan jualan, atau menentukan harga jualan produk.

Kerjaya Data Analyst yang Boleh Diterokai

Berdasarkan gambar ini, kita boleh nampak yang bidang Data Analyst ni luas, bukan satu jenis kerjaya sahaja. Tengok kategori-kategori tu, semuanya berkaitan dengan data, cuma fokus mereka sahaja yang berbeza.

Sebenarnya, Data Analyst bukan satu jawatan, tapi satu payung yang merangkumi banyak sub-role.

1. Fokus kepada Analisis Data & Visualisasi

Ini adalah tugas utama di mana Data Analyst menghabiskan sebahagian besar masa mereka.

Data Visualization (Visualisasi Data) 

Ambil data yang berserabut dan susah faham, lepas tu tukar jadi graf atau dashboard yang jelas dan mudah difahami. Dari dashboard tu, orang senang nak faham disebalik kisah apa yang terjadi dalam company dalam beberapa saat sahaja.

Contohnya, Aplikasi Fitness.

• Data pengguna: steps harian, jumlah kalori yang dibakar, waktu tidur.
• Data Visualization: buat graf garis atau pie chart yang tunjuk trend mingguan penggunanya.

Hasilnya, pengguna boleh nampak trend kesihatan sendiri dengan jelas dan terus adjust rutin mereka.

Dengan Data Visualization, data yang berserabut menjadi jelas, mudah difahami dan mudah nampak kisah sebenar yang terjadi berdasarkan data.


Business Intelligence (BI)

Menganalisis data masa lalu dan data sekarang, lepas tu Data Analyst akan rumuskan apa yang sedang berlaku dalam syarikat. Dari situ, owner company boleh membuat keputusan dengan lebih bijak… contohnya nak tambah staff ke, nak kurangkan kos ke, atau nak improve jualan.

Contohnya, data jualan bulan lepas tunjuk produk A sangat laku, tapi produk B kurang laris.
Dengan BI, owner boleh decide stok produk A lebih banyak dan fikir cara tingkatkan jualan produk B.


Big Data Analytics (Analisis Data Besar) 

Analisis data yang terlalu besar yang tidak boleh dibuka dengan software biasa. Jadi, Data Analyst perlukan alat dan teknik khas untuk memproses dan memahami data tersebut. Bayangkan ada data sampai berjuta-juta baris yang membuatkan Excel terus freeze.

Contohnya, Supermarket Besar.

• Setiap hari, ada data berjuta-juta transaksi: apa yang customer beli, pukul berapa dan dari branch mana.
• Excel tak boleh handle sebab terlalu banyak data.
• Data Analyst guna Big Data tools untuk tengok corak pembelian… contohnya produk apa selalu dibeli, waktu puncak pelanggan datang, atau produk yang cepat habis dan kena restock dengan kerap.

Hasilnya, boleh susun stok lebih bijak, buat promosi tepat, dan jimat kos.

Kesimpulannya, Big Data Analytics membuat data yang nampak “chaos” menjadi senang faham dan berguna untuk keputusan penting.


Data Quality Analysis (Analisis Kualiti Data)

Memastikan data yang digunakan adalah tepat, konsisten, dan boleh dipercayai sebelum ia dianalisis.

Contohnya, Kedai Online.

• Data pelanggan ada nombor telefon dan alamat.
• Ada sesetengah nombor telefon salah atau alamat tak lengkap.

Dengan Data Quality Analysis, data ni diperbaiki atau dibuang supaya bila membuat laporan atau hantar barang, semuanya tepat.

Kesimpulannya, Data Quality Analysis ni penting sebab kalau data tak betul, keputusan juga tak boleh dipercayai atau tak tepat.

2. Fokus kepada Ramalan dan Pengujian (Predictive & Testing)

Data Analyst juga terlibat dalam meramalkan hasil dan menguji hipotesis:

Predictive Analytics (Analisis Ramalan)

Menggunakan teknik statistik dan pemodelan untuk meramalkan trend masa depan atau hasil yang mungkin berlaku (contoh: meramalkan jualan masa depan).

Bayangkan kita tengok pattern jualan selama setahun. Dari situ kita boleh agak sama ada bulan depan jualan naik, turun atau sama je. Itulah Predictive Analytics… ramalan berdasarkan data, bukan main agak-agak.


A/B Testing & Experimentation (Pengujian A/B & Eksperimen)

Membandingkan dua versi (A dan B) bagi sesuatu produk atau ciri untuk menentukan versi mana yang lebih berkesan atau disukai oleh pengguna.

Contohnya, kita bahagikan pengguna kepada dua kumpulan:

• Kumpulan A: Terima email dengan subject “Jangan lepaskan diskaun 50% ini!”
• Kumpulan B: Terima email dengan subject “Dapatkan tawaran hebat hari ini!”
• Kumpul data: Rekod berapa orang buka email setiap versi.
• Bandingkan hasil:

- Kumpulan A: 200 orang buka daripada 500 orang

- Kumpulan B: 350 orang buka daripada 500 orang

Kesimpulannya, subject line B lebih menarik sebab lebih ramai buka email.
Yang penting, keputusan ini dibuat mengikut data, bukan ikut tekaan atau suka hati marketing team.

3. Fokus kepada Bidang Perniagaan

Data Analyst ni selalunya ada “specialty” ... yang lebih fokus dalam satu jenis perniagaan atau industri.

Pricing Analysis (Analisis Harga)

Menganalisis data pasaran, kos, dan pesaing untuk menentukan harga produk atau perkhidmatan yang optimum.

Contohnya:

• Katakan sebuah cafe nak jual kopi premium.
• Data pasaran: Kedai lain jual kopi sama antara RM15–RM20.
• Kos: Kos bahan, penghantaran, dan pekerja = RM12 setiap pek.
• Pesaing: Pesaing A jual RM18, Pesaing B jual RM17, Pesaing C jual RM19.

Hasilnya, kalau cafe itu menjual kopi berharga RM16, harganya lebih rendah daripada pesaing tapi masih dapat untung RM4/pek.
Kalau jual RM20, harga sama dengan pesaing tertinggi tapi margin lebih besar.

Kesimpulannya, dengan menganalisis data pasaran, kos, dan pesaing, kita boleh tentukan harga yang optimum. Harga yang tak terlalu mahal sampai pelanggan lari, tapi cukup untuk dapatkan untung.


Sales Data Analysis (Analisis Data Jualan)

Menganalisis prestasi jualan, mengenal pasti corak jualan, dan memahami tingkah laku pelanggan untuk meningkatkan strategi jualan.

Contohnya:

• Kita dapat melihat data dari kedai online Siti, jualan t-shirt warna hitam adalah yang paling tinggi.
• Bila tengok pattern ni, Siti decide nak buat promosi atau stok lebih banyak untuk warna hitam.
• Result? Jualan naik sebab fokus ikut apa yang pelanggan suka.

Risk Analysis (Analisis Risiko)

Basically kita tengok data untuk tahu risiko apa yang mungkin berlaku dalam perniagaan. Lepastu cuba ukur sejauh mana risikonya, dan fikir cara nak handle supaya tak jadi masalah besar.

Contohnya:

• Risiko: Mesin aiskrim rosak.
• Cara kawal: Ada mesin backup atau servis berkala.

Kesimpulannya, dengan membuat Risk Analysis, owner kedai tak terkejut bila masalah datang dan perniagaan akan menjadi lebih selamat.



Fraud Detection (Pengesanan Penipuan)

Menggunakan data dan model untuk mengesan urus niaga atau corak yang mencurigakan yang mungkin menandakan penipuan.

Contohnya: Kad kredit

• Seorang pelanggan biasanya beli barang dalam negara Malaysia.
• Tiba-tiba ada transaksi beli barang di luar negara berjumlah besar.
• Sistem detect corak pelik ni → hantar alert ke bank.

Kesimpulannya, dengan Fraud Detection, perniagaan boleh elak kerugian dan boleh selamatkan pelanggan daripada ditipu.

4. Ada Kaitan dengan Bidang Teknikal Lain

Ada beberapa jenis Data Analyst yang berkait rapat dengan bidang yang lebih teknikal.

Data Engineering

Bertanggungjawab untuk membina dan menyelenggara sistem yang membolehkan Data Analyst mengakses dan menggunakan data.

Contohnya:

• Bayangkan ada banyak data… data jualan, data stok, dan data pelanggan dari kedai online.
• Data ni disimpan kat banyak tempat: satu dalam sistem, satu dalam Excel dan satu lagi dari website.
• Data Engineer akan satukan semua data tu, bersihkan, dan simpan dalam satu tempat yang teratur.
• Lepas tu, Data Analyst boleh terus guna data tu untuk buat laporan atau analisis tanpa pening kepala.

Kesimpulannya, tanpa Data Engineer, Data Analyst susah nak buat kerja sebab data bersepah dan tak teratur.


Data Governance

Menguruskan ketersediaan, kebolehgunaan, integriti, dan keselamatan data dalam organisasi.Ia pastikan data sentiasa ada bila perlukan, mudah digunakan, betul dan selamat.

Contohnya:

• Ketersediaan: Memastikan data penting mudah dicari bila staf perlukan.
• Kebolehgunaan: Data disimpan dengan cara yang senang difahami dan digunakan.
• Integriti: Data mesti tepat dan konsisten… takde nombor jualan yang hilang atau salah.
• Keselamatan: Data pelanggan atau kewangan dilindungi supaya tak bocor atau dicuri.

Bayangkan data disimpan di perpustakaan. Data Governance ialah pustakawan yang tugasnya menyusun buku, pastikan semua buku lengkap, mudah dicari, dan tak ada yang hilang atau rosak.

So, itulah serba sedikit tentang Data Analyst. Senang cerita...

• Data Analyst ni macam jurubahasa untuk data yang tugasnya tengok nombor, graf, dan statistik, kemudian tukar semua tu menjadi result yang mudah difahami. Dari situ, owner company atau pengurusan boleh membuat keputusan yang bijak.
• Kerjaya Data Analyst ni memang banyak jenis, dari tengok jualan, harga, risiko, sampai detect penipuan. Selain tu, boleh juga fokus pada cabang kerjaya tertentu mengikut bidang yang kita suka.

Kalau awak baru mula nak explore dunia data, jangan risau. Setiap data ada kisahnya yang tersendiri. Data Analyst lah orang yang menjelaskan kisah tersebut. Yang bestnya, semakin banyak kita belajar, semakin banyak insight menarik kita boleh jumpa.