Belajar Data Analyst - Pre-Requisites Skill & Setup Environment

#Pendahuluan

Selamat datang di series Belajar Data Analyst! Series ini akan membawa kalian menguasai peran Data Analyst secara utuh — dari SQL, statistika, analisis eksploratif dengan Python, visualisasi & dashboard, metrik bisnis, hingga AI-assisted analytics dan persiapan karir 2026. Total ada 28 episode yang tersusun dalam enam fase, dari fondasi konsep sampai production readiness.

Sebelum menjalankan SELECT * FROM orders WHERE created_at >= NOW() - INTERVAL '30 days' atau memanggil df.groupby('region').sum(), ada skill dasar dan perangkat yang wajib kalian siapkan. Mengapa prasyarat ini penting? Karena Data Analyst bekerja di persimpangan data dan bisnis: kalian harus membaca query, memahami angka, dan menyampaikan temuan kepada orang non-teknis. Tanpa fondasi ini, kalian akan tersesat di episode SQL lanjutan dan kesulitan memutuskan visualisasi apa yang menjawab pertanyaan bisnis.

Episode 0 ini adalah peta jalan kalian: kita akan memastikan skill dasar terpenuhi, menyiapkan empat perangkat utama, lalu memverifikasi semuanya untuk pertama kali. Setelah episode ini selesai, seluruh series bisa diikuti dengan nyaman.

#Skill Dasar yang Wajib Dimiliki

#Logika Analitis dan Problem-Solving

Data Analyst pada dasarnya adalah seorang problem solver: setiap pertanyaan bisnis ("kenapa churn naik?") diterjemahkan menjadi langkah analisis yang terstruktur. Kalian wajib terbiasa memecah masalah besar menjadi pertanyaan kecil yang bisa dijawab data, lalu memilih pendekatan yang paling sederhana dulu.

#Numerasi dan Statistika Intuitif

Kalian tidak perlu jadi matematikawan, tetapi wajib nyaman dengan angka: persentase, rata-rata, rasio, dan perbandingan. Sebagian besar insight analis lahir dari operasi sederhana — bukan kalkulus. Pemahaman intuitif tentang rata-rata, median, dan distribusi akan kalian perdalam di episode 5.

#Komunikasi dan Rasa Ingin Tahu Bisnis

Temuan analisis yang tidak dikomunikasikan sama saja tidak ada. Kalian wajib bisa menjelaskan insight kepada orang non-teknis (manajer, marketing, founder) dengan bahasa yang sederhana. Ditambah rasa ingin tahu bisnis: kenapa perusahaan ini untung, apa yang membuat pelanggan pergi, bagaimana harga ditentukan. Analis terbaik selalu bertanya "mengapa" sebelum membuka dataset.

#Perangkat Software dan Hardware yang Disiapkan

Empat perangkat yang akan menemani kalian sepanjang series:

#SQL Client: PostgreSQL via Docker

PostgreSQL adalah tempat kalian berlatih SQL dengan dataset bisnis. Cara paling cepat menjalankannya adalah Docker:

docker run --name analytics \
  -e POSTGRES_PASSWORD=secret \
  -p 5432:5432 \
  -d postgres:17-alpine

Verifikasi bahwa server hidup dan psql terhubung:

psql --version
pg_isready -h localhost -p 5432

Output yang diharapkan: psql (PostgreSQL) 17.x dan localhost:5432 - accepting connections.

#Python dengan pandas dan Jupyter

Python adalah bahasa utama analisis modern. Install di dalam virtual environment agar dependency tidak tabrakan:

python3 -m venv ~/da-lab/venv
source ~/da-lab/venv/bin/activate
pip install pandas numpy jupyter matplotlib seaborn

Versi yang dipakai series ini: pandas 2.x dan Python 3.12+. Verifikasi instalasi:

python3 --version
python3 -c "import pandas, numpy, matplotlib, seaborn; print('OK')"

#Spreadsheet: Excel atau Google Sheets

Spreadsheet tetap menjadi senjata rahasia analis untuk analisis cepat. Kalian hanya perlu salah satu dari: Microsoft Excel atau Google Sheets (gratis, berbasis browser). Tidak ada instalasi khusus — di episode 10 kita akan membedah pivot table, lookup, dan formula lanjutan.

#BI Tool: Metabase sebagai Pilihan Gratis

Untuk dashboard, kita akan memakai Metabase di episode 11 karena gratis dan bisa dijalankan lokal lewat Docker. Opsional, kalian bisa memakai Tableau Public (gratis) atau Power BI Desktop (gratis untuk Windows). Siapkan Metabase sekarang:

docker run --name metabase \
  -p 3000:3000 \
  -d metabase/metabase:latest

Setelah container jalan, buka http://localhost:3000 di browser untuk menyelesaikan setup awal (buat admin account dan koneksikan ke PostgreSQL yang tadi dijalankan).

#Verifikasi Environment

Sebelum lanjut ke episode 1, jalankan verifikasi menyeluruh:

docker ps                              # dua container: analytics & metabase
pg_isready -h localhost -p 5432        # PostgreSQL menerima koneksi
python3 -c "import pandas, numpy, matplotlib, seaborn; print('libs OK')"

Uji kecil end-to-end berikut memastikan SQL dan Python saling terhubung:

pip install psycopg2-binary
python3 -c "import psycopg2; c=psycopg2.connect(host='localhost',user='postgres',password='secret'); print(c.get_dsn_parameters()['dbname'])"

Jika semua perintah berjalan tanpa error, environment kalian resmi siap.

#Ringkasan Prasyarat

Rangkuman yang sudah kalian siapkan di episode 0:

• Skill: logika analitis, numerasi, komunikasi, dan rasa ingin tahu bisnis.
• SQL: PostgreSQL 17 di Docker, terverifikasi via pg_isready dan psql.
• Python: venv ~/da-lab dengan pandas, NumPy, Jupyter, matplotlib, seaborn.
• BI: Metabase di localhost:3000 (opsional Tableau Public / Power BI).
• Spreadsheet: Excel atau Google Sheets siap dipakai.

Jika ada yang belum terpenuhi, berhenti dulu dan lengkapi sebelum melanjutkan. Perjalanan 27 episode ke depan akan jauh lebih lancar dengan pijakan yang kuat ini.

#Penutup

Inti yang harus dibawa pulang:

• Data Analyst adalah problem solver: logika, numerasi, dan komunikasi adalah syarat utama.
• Empat perangkat wajib: SQL client, Python+pandas, spreadsheet, dan BI tool.
• Setup tercepat: PostgreSQL & Metabase via Docker, Python via venv + pip install.
• Verifikasi environment dengan pg_isready, docker ps, dan uji koneksi Python-SQL.

Di episode 1 selanjutnya kita akan membahas peran, tanggung jawab, dan jalur karir Data Analyst — apa bedanya dengan data scientist dan BI analyst, apa saja tanggung jawab hariannya di dunia nyata, serta peta karir dari junior hingga strategic advisor. Pastikan environment kalian sudah siap, karena perjalanan Belajar Data Analyst baru saja dimulai!