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.
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
Konsep terpenting untuk memahami teknologi ini dan berhasil di wawancara
Google Sheets: formula lanjutan (VLOOKUP, INDEX/MATCH, ARRAYFORMULA), tabel pivot, otomatisasi
SQL: SELECT, JOIN, GROUP BY, HAVING, window functions (ROW_NUMBER, RANK, LAG/LEAD), CTEs, subquery
BigQuery: partisi, clustering, query bertingkat, optimisasi biaya, UDFs
Pemodelan Data: skema bintang, tabel fakta dan dimensi, normalisasi, denormalisasi
KPI dan metrik: CAC, LTV, MRR, ARR, churn rate, NPS, tingkat konversi, ARPU
Funnel dan kohort: analisis konversi, retensi kohort, analisis RFM
ELT dan Data Pipeline: Extract-Load-Transform, dbt (models, tests, sources), orkestrasi
Zapier dan otomatisasi: triggers, actions, workflow multi-langkah, webhooks
Google Tag Manager: tags, triggers, variables, dataLayer, tracking plans
Power BI: DAX, measure terhitung, relasi, visualisasi, filter, drill-down
Looker Studio: sumber data, field terhitung, filter, parameter, blending
Visualisasi: memilih grafik yang tepat, data storytelling, prinsip desain (Tufte)
AB Testing: hipotesis, ukuran sampel, signifikansi statistik, p-value, uji t Student
Python dan Pandas: DataFrames, Series, groupby, merge, pivot_table, pembersihan
Plotly: grafik interaktif, subplots, animasi, dashboard
Scikit-Learn: regresi, klasifikasi, clustering (K-Means), train/test split, metrik
Metodologi: perumusan masalah, identifikasi sumber, pembersihan, analisis, rekomendasi
Temukan artikel dan panduan terbaru kami tentang Data Analytics
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.
Panduan lengkap Pandas 3.0 yang membahas Copy-on-Write, PyArrow string backend, pd.col() expressions, breaking changes, dan pertanyaan wawancara data analytics.
Kuasai visualisasi data Python dengan Matplotlib dan Seaborn. Tutorial praktis mencakup grafik, styling, subplot, dan pertanyaan wawancara umum untuk posisi data analytics di tahun 2026.