dbt untuk Data Analyst di 2026: Panduan Lengkap Modeling, Testing, dan Pertanyaan Interview
Pelajari dbt untuk data analyst: data modeling, testing, macros, dan pertanyaan interview. Panduan lengkap menguasai dbt di tahun 2026.
Data Analytics
DATA
Kurikulum Data Analytics komprehensif yang mencakup seluruh rantai nilai data. Dari manipulasi data dengan Google Sheets dan SQL hingga pembuatan dashboard interaktif dengan Power BI dan Looker Studio, melalui otomatisasi dengan alat ELT (dbt, Zapier) dan analisis prediktif dengan Python (Pandas, Scikit-Learn). Pelajari cara mengidentifikasi sumber data, membangun funnel, menganalisis retensi pelanggan, dan merekomendasikan tindakan konkret dari analisis Anda.
Apa yang akan Anda pelajari
Manipulasi data dengan Google Sheets dan formula lanjutan
SQL lanjutan dengan BigQuery: query analitik, CTEs, window functions
Pemodelan data untuk tim marketing, sales, dan produk
Alat ELT: dbt untuk transformasi, Zapier untuk otomatisasi
Web tracking dengan Google Tag Manager dan tracking plans
API dan webhooks untuk ekstraksi data
Visualisasi data dengan Power BI dan Looker Studio (Google Data Studio)
Analisis statistik dan AB testing
Python untuk analisis: Pandas, Plotly, Jupyter, Google Colab
Machine Learning terapan: prediksi churn, segmentasi pelanggan dengan Scikit-Learn
Metodologi analisis: KPI, sales funnel, retensi, kohort
Proyek end-to-end: dari identifikasi masalah hingga dashboard otomatis
Topik utama yang harus dikuasai
Konsep terpenting untuk memahami teknologi ini dan berhasil di wawancara
1
Google Sheets: formula lanjutan (VLOOKUP, INDEX/MATCH, ARRAYFORMULA), tabel pivot, otomatisasi
2
SQL: SELECT, JOIN, GROUP BY, HAVING, window functions (ROW_NUMBER, RANK, LAG/LEAD), CTEs, subquery
3
BigQuery: partisi, clustering, query bertingkat, optimisasi biaya, UDFs
4
Pemodelan Data: skema bintang, tabel fakta dan dimensi, normalisasi, denormalisasi
5
KPI dan metrik: CAC, LTV, MRR, ARR, churn rate, NPS, tingkat konversi, ARPU
6
Funnel dan kohort: analisis konversi, retensi kohort, analisis RFM
7
ELT dan Data Pipeline: Extract-Load-Transform, dbt (models, tests, sources), orkestrasi
8
Zapier dan otomatisasi: triggers, actions, workflow multi-langkah, webhooks
9
Google Tag Manager: tags, triggers, variables, dataLayer, tracking plans
10
Power BI: DAX, measure terhitung, relasi, visualisasi, filter, drill-down
11
Looker Studio: sumber data, field terhitung, filter, parameter, blending
12
Visualisasi: memilih grafik yang tepat, data storytelling, prinsip desain (Tufte)
13
AB Testing: hipotesis, ukuran sampel, signifikansi statistik, p-value, uji t Student
14
Python dan Pandas: DataFrames, Series, groupby, merge, pivot_table, pembersihan
15
Plotly: grafik interaktif, subplots, animasi, dashboard
16
Scikit-Learn: regresi, klasifikasi, clustering (K-Means), train/test split, metrik
17
Metodologi: perumusan masalah, identifikasi sumber, pembersihan, analisis, rekomendasi
Artikel Data Analytics terbaru
Temukan artikel dan panduan terbaru kami tentang Data Analytics
SQL Tingkat Lanjut untuk Wawancara Data Analyst: Subquery, Pivot, dan Optimasi Query 2026
Panduan lengkap SQL tingkat lanjut untuk persiapan wawancara Data Analyst 2026: correlated subquery, pivot query dengan conditional aggregation, EXPLAIN ANALYZE, strategi indexing, dan anti-pattern yang harus dihindari.
Pandas 3.0 di Tahun 2026: API Baru, Breaking Changes, dan Pertanyaan Wawancara
Panduan lengkap Pandas 3.0 yang membahas Copy-on-Write, PyArrow string backend, pd.col() expressions, breaking changes, dan pertanyaan wawancara data analytics.