2025: Profesi Data Masih Worth It?

00:16:04
https://www.youtube.com/watch?v=5BrxB-96920

摘要

TLDRVideo ini membahas prospek karir di bidang data hingga tahun 2025, menyoroti bahwa profesi ini masih sangat dibutuhkan di masa depan. Dengan digitalisasi yang terus berkembang, permintaan untuk data analis dan data scientist diperkirakan akan meningkat. Namun, persaingan di pasar kerja juga semakin ketat, terutama di level entry. Penonton diajak untuk mempertimbangkan cara agar tetap relevan, seperti menguasai spesialisasi tertentu, memanfaatkan AI, dan memahami dampak bisnis dari data.

心得

  • 📈 Permintaan untuk profesi data masih tinggi hingga 2030.
  • 💼 Digitalisasi meningkatkan kebutuhan akan analisis data.
  • 🔍 Persaingan di entry level cukup ketat.
  • 🎓 Spesialisasi dalam bidang tertentu dapat meningkatkan peluang.
  • 🤖 Manfaatkan AI untuk efisiensi kerja.
  • 📊 Pahami dampak bisnis dari data yang dikelola.

时间轴

  • 00:00:00 - 00:05:00

    A cikin wannan bidiyo, an tattauna ko har yanzu yana da amfani a ci gaba da karatu a fannin bayanai a shekarar 2025. An bayyana cewa aikin bayanai yana da matukar bukata a cikin shekaru masu zuwa, tare da rahotanni daga WF Future Jobs Report suna nuna cewa aikin bayanai yana daga cikin manyan ayyukan da ke bunkasa. Hakanan, an bayyana cewa dukkan masana'antu suna dogara da bayanai don yanke shawara, wanda ke nuna cewa akwai bukatar kwararru a fannin bayanai.

  • 00:05:00 - 00:10:00

    An yi nazari kan yawan masu neman aiki a fannin bayanai da kuma yawan guraben aiki da ke akwai. Duk da cewa akwai guraben aiki da yawa, akwai kuma yawan masu neman aiki da suka karbi horo daga bootcamps da sauran hanyoyin karatu. Wannan yana haifar da gasa mai tsanani a fannin, musamman ga matakan shigarwa. An bayyana cewa duk da yawan guraben aiki, yawancin su suna bukatar kwarewa, wanda ke nufin cewa masu neman aiki suna bukatar su inganta kwarewarsu.

  • 00:10:00 - 00:16:04

    An bayar da shawarwari kan yadda za a ci gaba da zama mai dacewa a kasuwar aiki a fannin bayanai. An ba da shawarar cewa masu neman aiki su mayar da hankali kan kwarewa ta musamman, su yi amfani da AI da sarrafa kansa don inganta aikin su, da kuma fahimtar tasirin kasuwanci na bayanai. Wannan yana nufin cewa masu aikin bayanai ya kamata su san yadda bayanan da suke aiki da su ke shafar kasuwanci da kuma yadda za su iya amfani da su don samar da ingantaccen sakamako.

思维导图

视频问答

  • Apakah karir di bidang data masih menjanjikan di tahun 2025?

    Ya, permintaan untuk profesi di bidang data diperkirakan masih tinggi hingga tahun 2030.

  • Apa yang harus dilakukan untuk bersaing di industri data?

    Fokus pada spesialisasi tertentu, manfaatkan AI, dan pahami dampak bisnis dari data.

  • Apakah ada cukup lowongan kerja di bidang data?

    Ya, masih banyak lowongan kerja untuk posisi data analis dan data scientist.

  • Bagaimana digitalisasi mempengaruhi kebutuhan akan data?

    Digitalisasi meningkatkan ketergantungan perusahaan pada analisis data untuk pengambilan keputusan.

  • Apakah persaingan di bidang data ketat?

    Ya, persaingan di entry level cukup ketat karena banyaknya peminat.

查看更多视频摘要

即时访问由人工智能支持的免费 YouTube 视频摘要!
字幕
id
自动滚动:
  • 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
标签
  • karir data
  • data analis
  • data scientist
  • digitalisasi
  • AI
  • spesialisasi
  • persaingan
  • lowongan kerja
  • bisnis
  • masa depan