Setelah menyelesaikan program ini, peserta diharapkan mampu mengubah data mentah menjadi wawasan bisnis (business insights) yang dapat ditindaklanjuti, menguasai tool analisis data standar industri, serta memiliki portofolio siap kerja.

Modul 1: Fondasi Analisis Data & Berpikir Analitis - (Minggu ke-1)
Fokus pada pemahaman peran data analis dan cara menerjemahkan masalah bisnis menjadi pertanyaan data.

• Pengenalan Data Analytics: Perbedaan Data Analyst, Data Scientist, dan Data Engineer.
• Siklus Hidup Data: Data collection, cleaning, analysis, visualization, dan storytelling.
• Statistika Dasar untuk Data Analyst:

1. Ukuran pemusatan data (Mean, Median, Modus).
2. Ukuran penyebaran data (Variance, Standard Deviation).
3. Pengenalan jenis data (Kualitatif vs Kuantitatif, Nominal, Ordinal, Interval, Rasio).

• Studi Kasus Bisnis: Menggunakan metode 5 Whys dan KPI (Key Performance Indicators).

Modul 2: Microsoft Excel / Google Sheets Tingkat Lanjut - (Minggu ke-2)
Tool wajib pertama untuk eksplorasi data cepat dan manipulasi data skala kecil hingga menengah.

• Fungsi Esensial: VLOOKUP, HLOOKUP, XLOOKUP, INDEX-MATCH, IF, IFS, COUNTIF, SUMIF.
• Pembersihan Data: Mengatasi data duplikat, missing values, teks tidak rapi (TRIM, PROPER, LEFT, RIGHT).
• Analisis Data: Pivot Tables, Pivot Charts, dan Conditional Formatting.
• Mini Project 1: Membuat Interactive Dashboard sederhana menggunakan Excel untuk data penjualan ritel.

Modul 3: SQL untuk Analisis Data - (Minggu ke-3)
Bahasa wajib untuk mengambil dan memanipulasi data langsung dari relational database.

• Pengenalan Relational Database (RDBMS): Menggunakan PostgreSQL atau MySQL.
• SQL Dasar: SELECT, WHERE, ORDER BY, LIMIT, dan Operator Logika.
• Agregasi Data: GROUP BY, HAVING, fungsi agregat (SUM, AVG, COUNT, MAX, MIN).
• Menggabungkan Tabel (Joins): INNER JOIN, LEFT JOIN, RIGHT JOIN, FULL OUTER JOIN.
• SQL Lanjutan: Subqueries, Common Table Expressions (CTEs), dan Window Functions (ROW_NUMBER, RANK).
• Mini Project 2: Mengekstrak dan menganalisis data perilaku pengguna dari database E-commerce.

Modul 4: Pemrograman Python untuk Data Analyst - (Minggu ke-4)
Menggunakan Python untuk analisis yang lebih kompleks, otomatisasi, dan penanganan data skala besar.

• Dasar Python: Variabel, Tipe Data, Lists, Dictionaries, Loops, dan Functions.
• Library NumPy & Pandas:

1. Membaca berbagai format file (CSV, Excel, JSON).
2. Data Manipulation (Filtering, Sorting, Grouping, Merging).
3. Menangani data yang hilang (Handling Missing Values).

• Eksplorasi Data (EDA): Menemukan pola dan korelasi antar data.
• Visualisasi Data dengan Python: Menggunakan Matplotlib dan Seaborn.
• Mini Project 3: Melakukan Exploratory Data Analysis (EDA) pada data finansial atau kesehatan dan menarik kesimpulan bisnis.

Modul 5: Visualisasi Data & Business Intelligence (BI) - (Minggu ke-5)
Mengubah angka menjadi cerita visual yang mudah dipahami oleh pemangku kepentingan (stakeholders).

• Tool: Apache Superset.
• Koneksi Data: Menghubungkan BI Tool ke Excel, SQL, atau Python output.
• Prinsip Desain Visual: Memilih grafik yang tepat (Bar, Line, Scatter, Heatmap) dan teori warna.
• Membuat Dashboard Interaktif: Menggunakan filters, parameters, dan calculated fields.
• Data Storytelling: Cara mempresentasikan hasil temuan kepada audiens non-teknis.
• Mini Project 4: Membuat Dashboard Eksekutif performa perusahaan yang siap dipresentasikan.

Modul 6: Proyek Akhir & Kesiapan Kerja (Minggu ke-6)

• Capstone Project: Peserta memilih dataset riil (dari Kaggle atau data publik), lalu melakukan proses end-to-end (SQL/Python -> Analisis -> Dashboard BI -> Presentasi).
• Review Portofolio: Menyusun proyek di GitHub atau LinkedIn.
• Persiapan Karier: Simulai wawancara kerja (mock interview) teknis (SQL/Python live coding) dan wawancara perilaku (behavioral interview).