Data Engineer dan Data Analyst: Perbedaan Tugas, Skill, Tools, dan Gajinya

Sebelumnya Pacmann sudah membahas mengenai perbedaan antara data engineer dan data scientist di sini. Namun, ada satu profesi lagi di bidang data yang tak kalah penting, yakni data analyst.

Artikel ini akan membahas tentang perbedaan antara data engineer dan data analyst.

Definisi

Data engineer adalah profesi yang berfokus menyiapkan data. Mereka mendesain, membuat, menguji, dan memelihara arsitektur data dalam perusahaan.

Proses data engineering sendiri mengacu pada aktivitas mengembangkan platform dan arsitektur data guna mempermudah pemrosesan data.

Data engineer juga bertanggung jawab membuat data pipeline, data warehouse, dsb. dengan mengintegrasikan beberapa sumber data perusahaan.

Sementara data analyst adalah profesi yang bertugas memeriksa data kuantitatif dan mengolahnya menjadi insight yang dapat mendukung jalannya bisnis dari segala aspek, termasuk pengambilan keputusan berdasarkan data (data-driven decision).

Proses data analytics atau analisis data sendiri mengacu pada proses penarikan informasi dari kumpulan data yang ada.

Proses penarikan informasi atau extraction ini dilakukan melalui sejumlah metodologi, seperti data cleaning, data conversion, data visualization, dsb.

Seorang data analyst juga bertanggung jawab membuat laporan operasional berdasarkan data perusahaan menggunakan tools visualisasi data.

Tugas dan tanggung jawab data engineer dan data analyst

Untuk lebih spesifik memahami perbedaan antara data engineer dan data analyst, kamu perlu tahu apa saja tugas dan tanggung jawab dari kedua profesi ini.

Tugas data engineer

• Membuat, mengembangkan, dan mengelola arsitektur data perusahaan
• Menjalankan pengujian terhadap platform data dalam skala besar
• Mengelola dan memproses data mentah yang belum terstruktur
• Membangun data pipeline
• Menyajikan rekomendasi untuk peningkatan kualitas dan efisiensi data
• Mengembangkan proses data untuk produksi data, data mining, data modeling, dsb.

Tugas data analyst

• Menganalisis data menggunakan statistika deskriptif
• Melakukan data filtering, data cleaning, dan transformasi data tahap awal
• Menarik informasi dari database dengan query language
• Mengomunikasikan hasil analisis dengan visualisasi data yang mudah dipahami
• Berkoordinasi dengan tim lain guna memahami kebutuhan bisnis
• Perbedaan skill dan tools yang dibutuhkan

Perbedaan skill dan tools yang dibutuhkan

Dengan berbagai tugas dan tanggung jawab yang disebutkan di atas, tentunya kedua profesi ini juga memiliki keperluan skill dan tools yang berbeda.

Berikut grafik dari Edouard yang di-share di Reddit, yang memberikan gambaran bahasa pemrograman yang biasa digunakan oleh data professional, mulai dari data analyst sampai dengan machine learning engineer–kamu bisa belajar semuanya di Pacmann, cek halaman comparison program.

Skill dan tools yang diperlukan data engineer

• Berbagai language programming seperti Java, Python, R, hingga Python
• Pengetahuan mendalam terkait sistem database, termasuk SQL dan NoSQL
• Menguasai berbagai sistem operasi seperti Windows, Unix, Linux, dan Solaris
• Memahami dan menguasai proses integrasi data seperti ETL (Extract Transform Load) atau ELT (Extract Load Transform)
• Memahami cara penggunaan tools untuk memproses data seperti Hadoop, HIVE, Apache Pig, dan Spark
• Menguasai data architecture, data pipeline, data warehousing, dan data mining
• Pemahaman mendalam terkait software engineering

Skill dan tools yang diperlukan data analyst

• Keluwesan menggunakan Microsoft Excel, Spreadsheet, Oracle, dan SQL
• Menguasai keterampilan analisis dengan berbagai metode
• Menguasai tools statistika dan analisis kuantitatif seperti SPSS, SAS Miner, dan SSAS
• Menguasai visualisasi data
• Memiliki pemahaman mendalam terkait problem-solving menggunakan skill matematika dan statistika
• Memahami penggunaan tools business intelligence, seperti Microsoft Power BI, MicroStrategy, dan Tableau
• Memiliki skill komunikasi yang kuat guna memaparkan hasil temuan data

Skill dan tools ini tentunya bisa berbeda-beda, tergantung kebutuhan perusahaan dan existing tech stack yang ada di perushaan tersebut. Namun, mengetahui skill dasar dan paham secara garis besar semua tools populer akan jadi sangat membantu.

Perbedaan latar belakang pendidikan

Untuk memulai karier dan diterima kerja, umumnya perusahaan juga mencantumkan latar belakang pendidikan sebagai salah satu requirement.

Biasanya, requirement terkait latar belakang pendidikan untuk data engineer mencakup:

• Lulusan dari program studi teknik informatika, ilmu komputer, atau bidang relevan lainnya
• Gelar atau pengalaman mengikuti course di bidang data engineering, data science, software engineering atau bidang relevan lainnya
• Sertifikasi terkait database management system atau data architecture

Sementara requirement terkait latar belakang pendidikan untuk data analyst adalah sebagai berikut:

• Lulusan dari program studi bisnis, ilmu ekonomi, matematika, ilmu komputer, atau bidang relevan lainnya
• Pengalaman mengikuti course atau bootcamp spesifik di bidang data analyst

Selain jenjang pendidikan, hal yang paling diperhatikan lainnya adalah portofolio dan pengalaman kerja sebelumnya.

Kamu dapat mengisi gap ini dengan mendaftar di pekerjaan di entry-level, internship, atau join mengerjakan project-project data analysis.

Student Pacmann terbuka dengan kesempatan ini, cek info lengkapnya di masing-masing halaman program Pacmann.

Gaji dan jenjang karier data engineer dan data analyst

Nah, sekarang mari bahas gaji dan jenjang karier dari kedua profesi ini.

Dilansir dari Indeed, gaji data engineer di Indonesia rata-rata per bulannya ada di angka Rp10.536.795, terhitung sejak 3 Maret 2023.

Berdasarkan Glassdoor, gaji data engineer di Indonesia per bulannya ada di angka Rp10.428.309.

Sedangkan gaji data analyst di Indonesia menurut Indeed rata-rata per bulannya ada di angka Rp5.075.238, terhitung sejak 23 Februari 2023.

Sementara menurut Glassdoor, gaji data analyst di Indonesia ada di angka Rp8.000.000 per bulannya.

Dengan pengalaman yang mumpuni dan upskilling yang tepat, seorang data engineer bisa lompat ke posisi-posisi yang lebih tinggi, seperti:

• senior data engineer,
• machine learning engineer,
• data scientist, hingga
• lead software manager.

Sementara jenjang karier untuk data analyst mencakup:

• analytics manager
• business analyst,
• business insight manager, hingga
• director of analytics.

Di samping itu, kedua profesi ini juga cukup terbuka untuk progres karier ke arah horizontal, seperti pindah ke spesifik business intelligence, SEO analyst, marketing analyst, dsb.

Sekarang kamu sudah paham yang membedakan antara data engineer dan data analyst.

Secara sederhana, seorang data engineer bertugas membangun arsitektur data agar data lebih mudah diakses pekerja data lainnya.

Sementara seorang data analyst bertugas menganalisis data tersebut menjadi insight dan informasi yang berguna bagi perusahaan.

Guna mencapai kualifikasi yang sesuai untuk kedua profesi ini, kamu perlu meningkatkan kemampuan dan pengetahuan di bidang data.

Kamu bisa cek program Software and Data Engineering Pacmann jika tertarik ke data engineer, atau cek program Analytics and Data Science untuk belajar lebih mendalam tentang dan berkarier sebagai data analyst.

Further reading:

Beda Data Scientist, Data Engineer, dan Data Analyst

Data Analyst vs Data Engineer

Data Analyst vs. Data Engineer: A Full Comparison