Belajar menjadi Data Analyst dari nol hingga production-grade: pre-requisites skill & setup environment, peran tanggung jawab & karir, proses kerja & data literacy, SQL fundamental, SQL lanjutan & window functions, statistika dasar, Python untuk analisis (pandas), data cleaning & preparation, EDA & feature understanding, visualisasi data (matplotlib/seaborn), Excel & Google Sheets lanjutan, dashboard dengan BI tools, metrik & KPI bisnis, reporting & storytelling data, analisis cohort & retention, analisis funnel & conversion, SQL untuk warehouse (BigQuery/Snowflake), dbt & analytics engineering, data governance & data quality, data privacy & security, etika data & bias, statistical hypothesis testing, AI untuk analisis data (text-to-SQL, copilot), self-service BI & semantic layer, otomasi report & scheduling, portofolio & studi kasus, ekosistem & tren modern 2026, hingga roadmap karir & refleksi akhir dengan total 28 episode.
Sebelum menyentuh dataset, kalian perlu menguasai logika analitis, numerasi, dan rasa ingin tahu bisnis, lalu menyiapkan empat perangkat utama: SQL client, Python dengan pandas, spreadsheet, dan tool BI. Di episode ini kalian menginstall semuanya, memverifikasi environment, dan siap mengikuti seluruh series

Episode ini memetakan peran Data Analyst: apa bedanya dengan data scientist dan BI analyst, tanggung jawab harian yang sesungguhnya, skill yang paling menentukan kesuksesan, serta jalur karir dari junior hingga strategic advisor di dunia kerja nyata

Episode ini membedah framework proses kerja analis — Google DAC (Ask, Prepare, Process, Analyze, Share) dan CRISP-DM — serta data literacy: cara pertanyaan bisnis diterjemahkan menjadi metrik, KPI, dan query data yang tepat sasaran

Episode ini membangun fondasi SQL untuk analis: SELECT, WHERE, ORDER BY, JOIN, GROUP BY, HAVING, dan subquery, diuji pada dataset penjualan bisnis di PostgreSQL, lengkap dengan contoh query eksploratif dan kesalahan umum yang sering menjegal pemula

Episode ini menaikkan level SQL kalian ke analisis tingkat lanjut: window functions (ROW_NUMBER, RANK, LAG/LEAD), CTE untuk query yang rapi dan reusable, dasar optimasi query dengan EXPLAIN, serta praktik analisis cohort & retention yang menjadi skill wajib analis

Episode ini membangun fondasi statistika untuk analis: mean, median, mode, variance, standar deviasi, distribusi, skewness, dan sampling. Kalian akan belajar merangkum dan menginterpretasi dataset dengan benar, serta menghindari kesimpulan yang menyesatkan dari angka yang menipu

Episode ini memperkenalkan Python sebagai pisau bedah analis: DataFrame pandas, filtering & selection, groupby untuk agregasi, peran NumPy, dan workflow di Jupyter, ditutup dengan praktik EDA (exploratory data analysis) pertama yang lengkap dari dataset penjualan

Episode ini membahas pekerjaan yang memakan 60-80% waktu analis: data cleaning. Kalian akan menangani missing values, duplikat, outlier, tipe data yang salah, dan normalisasi dengan pandas, ditutup praktik membersihkan dataset kotor yang realistis

Episode ini memandu kalian melakukan EDA (exploratory data analysis) yang terstruktur: analisis univariat dan bivariat, korelasi antar variabel, distribusi tiap kolom, sampai menyusun laporan EDA singkat yang layak diserahkan ke stakeholder

Episode ini mengajarkan visualisasi data yang jujur dan informatif dengan matplotlib & seaborn: line, bar, scatter, histogram, dan heatmap, plus prinsip pemilihan chart dan cara mengenali visualisasi yang menyesatkan (misleading visualization)
