00:00:00
2025 masih Wor gak sih buat berkarir di
00:00:03
bidang
00:00:07
data ada statement yang menyatakan bahwa
00:00:10
data Stis itu se job di abad ke-21 dan
00:00:15
kita gak bisa Din juga kalau misalnya
00:00:17
banyak yang menyatakan bahwa profesi di
00:00:20
bidang data itu sangat menjanjikan mulai
00:00:23
dari bisa bikin kita kerja dengan gaji
00:00:27
yang fantastis terus bisa bikin kita
00:00:29
kerja remote dan masih banyak lagi
00:00:32
statement lainnya yang membuat kita tuh
00:00:34
membayangkan bahwa mengejar karir di
00:00:37
bidang data ini masih sangat worth it
00:00:40
dilakukan di tahun 2025 ini dan bisa
00:00:43
menjamin masa depan kita seolah-olah
00:00:46
masa depan kita tuh ya auto cerah kalau
00:00:48
kita mengejar karir di bidang data nah
00:00:51
Jujur aku cukup kepo sih sama pendapat
00:00:54
kalian pendapat orang-orang sama
00:00:56
statement tersebut Apakah kalian juga
00:00:59
gak termakan sama statement yang
00:01:02
menurutku hanya membahas tentang hal-hal
00:01:04
manis terkait profesi ini atau kalian
00:01:07
sama kayak aku awalnya Emang iya
00:01:10
termakan sama statement tersebut tapi
00:01:13
lama-kelamaan mulai mempertanyakan
00:01:14
Emangnya beneran nih masih worth it
00:01:17
ngejar karir di bidang data ini dan
00:01:19
apakah kalau kita ngejar karir di bidang
00:01:21
ini tuh bakalan menjamin masa depan kita
00:01:24
nantinya Apakah masih ada ruang gitu
00:01:26
buat kita terjun di bidang ini
00:01:28
sebenarnya ini pertanya an yang sangat
00:01:31
kompleks untuk dijawab dan aku bukan
00:01:34
cenayang juga dan aku pun experiencenya
00:01:37
di bidang data tuh baru 2 tahun jadi
00:01:39
mungkin ketika Kalian nonton video ini
00:01:41
kalian gak dapat 100% jawabannya tapi
00:01:44
Nanti kalian bisa eh nilai berdasarkan
00:01:48
pendapat kalian nah di video ini aku
00:01:51
akan coba Break Down some questions
00:01:54
terkait pertanyaan Apakah masih worth it
00:01:58
untuk ngejar karir di bidang data yang
00:02:02
pertama apakah profesi di bidang data
00:02:05
ini masih sangat dibutuhkan di 5 sampai
00:02:08
20 tahun ke
00:02:10
depan kalau kita lihat eh berdasarkan
00:02:14
report dari WF future Jobs report
00:02:17
pekerjaan di bidang data ini masih
00:02:20
banyak mendominasi growing job di25
00:02:24
sampai
00:02:25
2030 bahkan peringkat paling atasnya itu
00:02:28
adalah big data spesalis nah faes
00:02:31
growing job sendiri ini merupakan
00:02:33
pekerjaan dengan tingkat pertumbuhan
00:02:36
yang tercepat baik dalam jumlah
00:02:38
permintaan dan juga perekrutan Nah jadi
00:02:42
secara global Aku cukup yakin sih kalau
00:02:45
misalnya profesi data ini ya demand-nya
00:02:48
tuh masih cukup banyak dalam jangka
00:02:50
waktu yang lama Hal ini karena hampir
00:02:53
semua industri itu tuh masih bergantung
00:02:56
sama data untuk pengambilan keputusan
00:02:58
dan mungkin di beberapa tahun tahun ked
00:03:00
depan itu akan terus meningkat jumlahnya
00:03:02
Nah kalau kita lihat ya di Indonesia
00:03:04
sendiri digitalisasi itu juga
00:03:07
diekspektasikan menjadi faktor utama
00:03:10
yang mengubah dunia kerja di Indonesia
00:03:12
nih teman-teman jadi sekitar 83% bisnis
00:03:17
di Indonesia itu percaya bahwa teknologi
00:03:20
digital itu akan berdampak besar pada
00:03:23
perusahaan mereka nah ini bagusnya tuh
00:03:27
adalah dia bakalan ngasih dampak positif
00:03:29
dong buat kebutuhan talent di bidang
00:03:32
data karena kan dengan adanya
00:03:34
digitalisasi nih perusahaan itu akan
00:03:37
semakin bergantung sama analisis data
00:03:40
untuk mendapatkan Insight dan
00:03:43
menjalankan bisnisnya nih teman-teman
00:03:45
dan enggak sampai di situ aja sih
00:03:47
kemungkinan besar akan muncul bidang
00:03:49
baru Kayak misalnya machine learning
00:03:52
atau ai specialist yang ya masih cukup
00:03:55
erat kaitannya sama bidang data Terus
00:03:58
kalau kita lihat juga di tahun 2040 itu
00:04:01
juga bahkan diprediksi bahwa data ini
00:04:05
akan mengubah banyak industri nih
00:04:08
contohnya kalau kita lihat di bidang
00:04:10
kesehatan dulu nih ya kita lihat di
00:04:13
industri Farmasi itu teknologi data itu
00:04:15
bisa mempercepat proses pembuatan obat
00:04:19
yang tadinya tuh 10 sampai 15 tahun itu
00:04:22
bisa menjadi e lebih cepat sekitar
00:04:25
setengahnya sehingga obat baru itu akan
00:04:28
bisa lebih cepat untuk dirilis nah
00:04:32
sementara itu kalau kita lihat juga ke
00:04:34
bidang lingkungan misalnya pemodelan
00:04:36
data itu bisa memprediksi perubahan
00:04:39
iklim dengan lebih akurat ini bisa
00:04:41
membantu banget untuk membuat strategi
00:04:45
yang lebih baik Kayak misalnya Gimana
00:04:47
caranya untuk mengatasi cuaca yang
00:04:49
ekstrem dan Gimana caranya untuk
00:04:51
melindungi lingkungan Nah dengan
00:04:53
perkembangan ini data tuh akan membuat
00:04:56
industri kita tuh bergerak lebih cepat
00:04:58
lebih efisien
00:05:00
dan juga ia siap menghadapi tantangan
00:05:03
yang ada di masa depan sehingga Tentu
00:05:05
aja dengan beberapa bukti tadi of course
00:05:08
di puluhan tahun ke depan pun sebenarnya
00:05:10
kemungkinan besar data expertise itu
00:05:13
masih sangat dibutuhkan di banyak
00:05:16
industri jadi kalau kita lihat dari data
00:05:18
tadi Kelihatan banget bahwa potensinya
00:05:21
masih sangat terbuka lebar nih
00:05:23
teman-teman Nah Tapi itu kan tadi dari
00:05:26
sisi demand ya Coba kita lihat dari sisi
00:05:30
Apakah sama nih sama yang tadi masih
00:05:33
besar potensinya Nah sekarang dari sisi
00:05:35
kitanya masih bisa enggak nih kita
00:05:37
bersaing di industri ini karena kita
00:05:40
tahu udah banyak banget eh fresh
00:05:42
graduate yang juga sama-sama tertarik di
00:05:45
bidang ini dan juga udah banyak bootcam
00:05:47
yang menyediakan dan pastinya tentu
00:05:49
banyak orang yang kuliah dengan serius
00:05:52
di bidang ini dan mempersiapkan dirinya
00:05:55
untuk berkarir di bidang data dengan
00:05:58
kata lain kita mau melihat apakah
00:06:01
orang-orang yang ingin jadi data
00:06:03
expertise itu udah cukup over supply
00:06:06
atau masih ada ruang nih buat kita Nah
00:06:09
untuk menentukan apakah talent di bidang
00:06:11
data ini over supply atau enggak tentu
00:06:13
Ya lagi-lagi Ya Balik lagi Sebenarnya
00:06:15
ini enggak bisa 100% diputuskan tapi
00:06:18
mungkin kita bisa meninjau dari hal-hal
00:06:20
yang bisa kita amati yang pertama kita
00:06:23
bisa lihat dari beberapa job portals
00:06:26
yang kita ketahui contohnya nih di in
00:06:30
itu potensi buat menjadi data analis itu
00:06:33
jumlah lowongan kerjanya ada sekitar
00:06:35
2000 lowongan terus untuk di job Street
00:06:38
itu sekitar 1000 lowongan dan eh ada
00:06:41
juga di job portal lain yang mungkin ada
00:06:43
sekitar puluhan lowongan data analis Nah
00:06:46
untuk data scienti ini agak lebih
00:06:48
sedikit dibanding data analis jadi di
00:06:51
Linkin ada sekitar 2000 lowongan di job
00:06:54
Street ada sekitar 200 lowongan dan
00:06:56
balik lagi mungkin di portal yang lain
00:06:59
ada mungkin sekitar puluhan atau ratusan
00:07:01
nah ini tuh untuk di Indonesia ya kita
00:07:04
bahasnya Nah kalau dilihat dari angkanya
00:07:07
sih ini masih cukup besar loh kayak
00:07:10
masih ada 1000 lebih kok lowongan
00:07:13
kerjanya nah tapi meskipun kita ngelihat
00:07:17
kalau misalnya dari sisi lowongan
00:07:19
kerjanya itu cukup banyak ya kita coba
00:07:22
bandingkan juga sama jumlah orang-orang
00:07:25
yang apply itu apakah juga comparable
00:07:29
sama sama jumlah lowongan kerja yang ada
00:07:32
nah di samping Indonesia sendiri yang
00:07:35
memang punya gap yang cukup besar antara
00:07:39
pelamar pekerjaan dengan jumlah lapangan
00:07:42
pekerjaan yang tersedia tentu gap antara
00:07:46
job market dengan permintaan di bidang
00:07:49
data
00:07:50
ini Ya kemungkinan besar pun ya
00:07:53
sama-sama gapnya pun kemungkinan besar
00:07:56
sama-sama besar juga gitu apalagi di
00:07:59
bidang data sendiri itu yang pertama
00:08:02
profesi data itu banyak banget
00:08:05
peminatnya teman-teman banyak orang yang
00:08:08
tiba-tiba kayak pasang status beta
00:08:11
antusias Padahal dia sebenarnya ya belum
00:08:13
pernah berkarja di bidang itu tapi dia
00:08:15
tetap antusias di bidang itu Dan mungkin
00:08:17
ada keinginan untuk switch carier dan
00:08:20
sebagainya dan hal ini sebenarnya ya
00:08:22
Bagus juga karena banyak orang yang
00:08:24
tertarik kan artinya orang-orang tuh
00:08:26
meningkat gitu kesadarannya akan
00:08:28
pentingnya data di berbagai industri
00:08:31
ditambah dengan akses pembelajaran data
00:08:34
yang juga ee banyak bertebaran di
00:08:37
manamana Jadi sebenarnya ini juga hal
00:08:41
yang bagus tapi di sisi lain yaitu
00:08:43
membikin persaingan tuh semakin ketat
00:08:45
Nah yang kedua Alasannya itu juga karena
00:08:48
profesi di bidang data khususnya data
00:08:50
analis itu biasanya mereka lumayan
00:08:53
terbuka untuk beberapa lulusan artinya
00:08:55
orang-orang dari berbagai macam bidang
00:08:57
itu tuh punya ensi yang hampir sama buat
00:09:01
berkarir di bidang ini bahkan banyak loh
00:09:04
orang-orang yang udah majure kerjanya
00:09:07
tapi relain bela-belain switch carier ke
00:09:09
bidang data lalu alasan lainnya Kenapa
00:09:12
profesi data ini juga banyak banget
00:09:15
talentnya itu juga karena Ya udah banyak
00:09:18
gitu bootcam yang menyediakan khususnya
00:09:21
full course untuk jadi data analis dan
00:09:23
juga data sacitis yang pastinya mereka
00:09:25
Ya udah menyiapkanlah Talent yang siap
00:09:28
bersaing di jokm Nah ini mungkin kalian
00:09:30
nanti bisa koreksi juga kalau misalnya
00:09:32
kalian tahu yang lebih akuratnya tapi
00:09:34
Setahuku bootcambotcam besar itu bisa
00:09:36
mencetak e mungkin 100 lebih Ya jadi ya
00:09:39
ratusan lulusan per tahun gitu ditambah
00:09:42
ada juga bootcamp skala menengah yang
00:09:44
bisa mencetak puluhan peserta per
00:09:47
tahunnya ditambah lagi adalah banyak
00:09:50
bootcambotcam lain yang skalanya itu
00:09:52
lebih kecil tapi yang perlu diingat di
00:09:55
sini adalah lulosan bootcamp dan juga
00:09:58
kayak fresh it gitu ya mungkin atau
00:10:00
orang-orang yang tertarik di bidang data
00:10:02
Tapi masih belum
00:10:04
benar-benar pernah terjun ke bidang data
00:10:06
atau menguasai itu tentu aja mereka
00:10:09
semua itu dipertimbangkan sebagai entry
00:10:12
level artinya Persaingan di bidang data
00:10:15
tu di entry level tuh sangat besar dan
00:10:17
sangat ketat gitu persaingannya
00:10:20
meanwhile angka ribuan yang tadi aku
00:10:22
Sebutkan ada lowongan kerja data analis
00:10:26
data saintis yang Jumlahnya ribuan itu
00:10:28
mereka Enggak cuman butuh entry level
00:10:31
aja nih teman-teman mereka butuh posisi
00:10:33
yang mostly justru udah experience
00:10:36
minimal udah intern lah jadi kalau kita
00:10:39
simpulin tadi di awal kita bilang
00:10:41
demandnya masih banyak tapi at the time
00:10:44
level kompetensi buat bersaing di job
00:10:48
ini tuh lumayan tinggi persaingannya ya
00:10:51
terutama tadi untuk level nah lalu
00:10:54
Pertanyaan selanjutnya Tentu aja gimana
00:10:56
sih caranya supaya tetap relevan untuk
00:11:00
bersaing di job market ini di bidang
00:11:02
data ini karena demand yang tersedia
00:11:06
namun jumlah entri level yang terus
00:11:08
meningkat tentu
00:11:10
kalian kalau misalnya pengin benar-benar
00:11:13
fokus di bidang data itu banyak banget
00:11:16
tantangannya artinya nyusun strategi di
00:11:19
sini tuh cukup penting supaya kalian tuh
00:11:22
bisa tetap relevan lah kalian masih
00:11:25
tetap bisa bersaing gitu di job market
00:11:27
ini so Here's the tips dari aku tapi for
00:11:30
reminder juga aku pun masih sama-sama
00:11:32
belajar Jadi sebenarnya ini juga tips
00:11:34
buat diriku sendiri juga sih Gimana
00:11:36
caranya buat tetap relevan di bidang
00:11:37
data yang pertama adalah kita perlu
00:11:40
untuk menguasai suatu spesialisasi
00:11:43
tertentu jadi bisa dibilang itu jangan
00:11:45
terlalu jadi generalis lah meskipun
00:11:48
kalau misalnya kalian tertarik sama data
00:11:49
analis misalnya itu kan profesi yang
00:11:52
bisa dibilang cukup generalalis juga sih
00:11:54
jadi mereka butuh kemampuan teknisnya
00:11:56
juga kemampuan bisnisnya juga jadi harus
00:11:59
imbanglah bisa dibilang tapi meskipun
00:12:02
begitu kalau bisa kalian tuh jangan
00:12:05
terlalu benar-benar generalis tapi
00:12:08
mungkin lebih baiknya tuh Kalian bisa
00:12:09
Oke minimal A minimal B tapi di part c
00:12:13
itu kalian bisa boost skill kalian di
00:12:16
situ Jadi kalian tuh punya spesialisasi
00:12:18
tertentu Nah mungkin ini bakalan lebih
00:12:20
mudah ya kalau misalnya kalian itu udah
00:12:22
pernah bekerja sebelumnya jadi misalnya
00:12:24
kalian pernah kerja di Finance atau
00:12:25
mungkin kerja di bidang media dan segala
00:12:27
macam kalian tuh bisa jadi kalian bisa
00:12:30
jadi data analis yang punya spesialisasi
00:12:33
di bidang tersebut jadi itu bakalan
00:12:35
lebih memudahkan lah kalau misalnya ada
00:12:37
recruiter yang membutuhkan tapi kalau
00:12:39
misalnya kalian benar-benar masih belum
00:12:41
ada pengalaman pun ya It's OK kalian
00:12:43
bisa cari aja Apa sih yang kalian suka
00:12:46
dari bidang data dan kalian coba untuk
00:12:49
eh show off di part tersebut misalnya
00:12:53
kalian paling suka visualisasi Ya udah
00:12:55
kalian benar-benar fokus untuk belajar
00:12:58
visualisasi supaya kemahiran kalian akan
00:13:01
visualisasi data itu lebih dibandingkan
00:13:03
orang lain nah tips kedua adalah Kalian
00:13:06
juga bisa manfaatkan Ai dan juga
00:13:11
otomatisasi teman-teman jadi itu kalian
00:13:14
gak perlu takut ya kalau misalnya
00:13:16
pekerjaan kalian itu bakal diganti sama
00:13:18
Ai karena ya sebenarnya memang ada sih
00:13:21
beberapa tugas yang memang bisa di over
00:13:23
sama Ai tapi itu gak bakalan benbenar
00:13:27
100% kok justru kalian sebagai data
00:13:30
analis atau data saintis gitu misal ke
00:13:32
depannya itu kalian justru bisa
00:13:35
menggunakan bantuan Ai untuk membuat
00:13:38
kerjaan kalian tuh lebih efisien dan
00:13:40
juga lebih bernilai di industri gitu
00:13:43
jadi ya enggak masalah sih kalau kalian
00:13:45
bisa minta bantuan Ai atau kalian justru
00:13:47
belajar Gimana cara supaya kalian bisa
00:13:49
bikin misalnya report yang lebih
00:13:51
automate dan sebagainya karena itu
00:13:53
justru akan menjadikan Nilai plus untuk
00:13:56
kalian karena artinya kalian bisa
00:13:57
bekerja dengan lebih efisien nah tips
00:14:00
yang ketiga ini adalah hal yang
00:14:02
menurutku juga paling penting banget
00:14:05
untuk kalian bisa terjun di bidang data
00:14:08
khususnya data analis sama data S ya
00:14:11
yaitu pahamin bisnis impact dari data
00:14:15
jadi data itu kan memang mungkin kalau
00:14:19
kita lihat dari mata kita itu tuh data
00:14:21
itu memang cuman angka-angka doang gitu
00:14:24
tapi dari perspek seorang data analis
00:14:27
terutama ya itu tuh jangan sampai kalian
00:14:29
itu melihat data hanya sebagai angka
00:14:32
tapi kalian tuh juga
00:14:34
bisa memahami apa sih
00:14:37
kebutuhan yang bisa kalian solve dengan
00:14:40
data tersebut jadi apa sih impactnya
00:14:42
kalau kalian menggunakan data tersebut
00:14:45
so Jangan cuma terpakuh sama Gimana cara
00:14:48
klining gimana cara narik data dan
00:14:49
sebagainya tapi kalian harus tahu bahwa
00:14:53
data yang kalian lakukan pembersihan
00:14:55
tersebut itu adalah data yang bakalan
00:14:59
dijadiin Insight yang akan digunakan
00:15:02
sama perusahaan nah buat memahami bsis
00:15:06
impact memang enggak mudah sih Bahkan
00:15:08
aku pun sampai sekarang masih lumayan
00:15:11
kesulitan tapi itu lebih ke Kalian harus
00:15:15
tetap ng-reemind itu di kepala kalian
00:15:17
Jadi kalau misalnya kalian bikin
00:15:18
portofolio ataupun yang lain itu jangan
00:15:20
sampai keeskip bisiness impact-nya dari
00:15:23
data tersebut Nah jadi kira-kira
00:15:26
begitulah jawaban dari Bu beberapa
00:15:29
konser kita terkait potensi bisa
00:15:32
dibilang ya terkait potensi karir di
00:15:34
bidang data ini
00:15:36
semoga bahasan tadi bermanfaat dan
00:15:39
jangan lupa ya kalau kalian punya
00:15:41
pendapat kalian pribadi atau kesimpan
00:15:43
pribadi kalian bisa Tuliskan aja di
00:15:44
kolom komentar sampai jumpa di video
00:15:46
halotek
00:15:49
selanjutnya Terima kasih telah menonton
00:15:51
halotch Academy jangan lupa like
00:15:55
subscribe dan share video iniek juga
00:15:58
tutorial menarik
00:16:00
chademy learn today great tomorrow