Dasar-Dasar Data yang Wajib Dipahami Sebelum Jadi Data Analyst

 

📊 Dasar-Dasar Data yang Wajib Dipahami

Sebelum kamu belajar pakai alat seperti Excel, Python, atau SQL, kamu perlu kenalan dulu dengan hal paling penting di dunia analisis: data itu sendiri.
Karena tanpa paham apa itu data, kamu bakal bingung waktu mulai menganalisisnya.

🔹 1. Apa Itu Data?

Secara sederhana, data adalah kumpulan fakta atau informasi mentah yang bisa digunakan untuk mengambil keputusan.

Contohnya:

• Jumlah pengunjung toko per hari

• Nilai ujian siswa

• Ulasan pelanggan di marketplace

Tapi nggak semua data langsung bisa dipakai, lho!
Ada dua istilah penting:

• Data Mentah (Raw Data): data apa adanya, belum dibersihkan. Misalnya ada nilai kosong, typo, atau formatnya berantakan.

• Data Bersih (Clean Data): data yang sudah diperbaiki dan siap diolah.

• Dataset: kumpulan data yang sudah terstruktur dalam bentuk tabel (baris dan kolom).

💡 Ibarat bahan masakan: data mentah itu bahan di pasar, sedangkan data bersih itu bahan yang sudah dicuci dan siap dimasak.

🔸 2. Jenis-Jenis Data

Secara umum, data dibagi menjadi dua jenis besar:

a. Data Kualitatif (Non-Numerik)
Data berbentuk kata, kategori, atau deskripsi.
Contoh:

• Warna produk: Merah, Biru, Hijau

• Kepuasan pelanggan: Puas, Biasa, Tidak Puas

b. Data Kuantitatif (Numerik)
Data berbentuk angka yang bisa dihitung atau diukur.
Contoh:

• Jumlah penjualan: 120 unit

• Suhu ruangan: 28°C

• Usia pelanggan: 21 tahun

💬 Kedua jenis data ini sering digabung untuk mendapatkan insight yang lebih lengkap.

🔹 3. Contoh Sederhana

Misalnya kamu punya data penjualan minuman:

Nama Produk	Warna	Terjual (Cup)	Kepuasan Pelanggan
Matcha Latte	Hijau	120	Puas
Red Velvet	Merah	85	Biasa
Choco Latte	Coklat	140	Puas

Dari data itu kamu bisa lihat:

• “Terjual (Cup)” adalah data kuantitatif

• “Warna” dan “Kepuasan” adalah data kualitatif

Sebelum jadi Data Analyst, pahami dulu apa itu data dan jenis-jenisnya.
Karena pemahaman dasar inilah yang akan jadi fondasi setiap analisis yang kamu lakukan nanti.

Ingat: data yang baik bukan yang banyak, tapi yang bersih, relevan, dan bisa menjawab pertanyaan.