programs image

Data Analyst

Kategori user

Kuota terisi: 81%

price-tag Rp2.230.000 Rp12.000.000

price-tag Rp1.900.000 Rp12.000.000

*Sudah termasuk pajak 11%

Dapatkan extra discount Rp200.000 dengan kode promo

Detail Program

Level

programs difficulty

Beginner Friendly

Lokasi

Pacmann Platform & Live via Zoom programs difficulty

Jumlah Course

18 Courses

Jumlah Bab per-Course

8 (2 Bab tiap Minggu)

Durasi per-Course

4 Minggu (20-25 Jam)

Total Durasi

18 bulan

Mentoring

No

Career Outlook

Role
career_outlook_job
Junior Data Analyst

7-16 juta perbulan

career_outlook_job
Data Analyst

13-24 juta per bulan

Skills

Python

SQL

Data Visualization

Data Wrangling

A/B Testing

Statistics

Business Acumen

Industry

Fintech

Telecommunications

Ecommerce

Consulting

Healthcare

Finance & Banking

Startup

Transportation & Accomodation

Retail

Government

Media

FMCG

Kurikulum

1
Description

Kuasai pemrograman Python untuk mengotomasi proses pengolahan data. Belajar struktur data, control-flow, dan Fungsi.

Silabus
  • Python Data Structure

  • Boolean and Branching

  • Looping

  • Functions

Tools
  • Python

2
Description

Kenali konsep OOP dan Clean Code yang sering dipakai dalam pengolahan data serta pelajari version control sederhana dengan Git untuk bisa bekerja dengan kolaborasi.

Silabus
  • Object Oriented Programming (OOP)

  • Debugging Error

  • Clean Code

  • Working with Git

Tools
  • Python

3
Description

Belajar untuk membuat visualisasi yang efektif dan insightful untuk membantu proses pengambilan keputusan menggunakan Tableau.

Silabus
  • Effective Data Visualization

  • Visualization for Amounts, Proportions, and Distributions

  • Visualization for Relationship

  • Exploratory Data Analysis

Tools
  • Tableau

4
Description

Pahami konsep manipulasi dan pembersihan data guna menghasilkan data terpercaya untuk pengolahan data selanjutnya.

Silabus
  • Pandas Data Structure

  • Data Selection

  • Data Manipulation

  • Data Cleansing

Tools
  • Python

  • Pandas

5
Description

Pahami konsep SQL seperti agregasi, windows function dan join yang digunakan untuk mengakses data pada database dan menghasilkan informasi yang berguna bagi proses bisnis

Silabus
  • Basic Query

  • Agregation, Group by, Windows Function

  • Joining Table

  • Function, Procedure, Temporay Table

Tools
  • SQL

  • PostgreSQL

6
Description

Kuasai konsep dasar mendesain relational database seperti struktur tabel, relasi dan constrain. Pelajari salah satu metode peningkatan kinerja kueri seperti Index dan Partition

Silabus
  • ERD

  • Normalization Table

  • Improving Query Performance

Tools
  • SQL

  • PostgreSQL

7
Description

Bangun pemahaman analisa bisnis menggunakan data pada beberapa department dalam perusahaan

Silabus
  • Introduction to Business Analytics and Metrics

  • Marketing & Customer Analytics

  • People Analytics

  • Financial Analytics

  • Supply Chain Analytics

Tools
  • Tableau

8
Description

Bangun pemahaman analisa bisnis menggunakan data pada beberapa model bisnis populer.

Silabus
  • SaaS Business Analytics

  • ECommerce Business Analytics

  • Credit Consumer Lending Company Analytics

Tools
  • Tableau

9
Description

Eksplorasi konsep statistika deskriptif untuk mengukur tendensi dan persebaran data. Belajar membuat linear regression sederhana dan cara melakukan interpretasi hasil model.

Silabus
  • Introduction to Applied Statistics

  • Descriptive Statistics & Statistical Inferences

  • Linear Regression Fitting & its Interpretation

Tools
  • Python

  • Statsmodels

10
Description

Kuasai perancangan model Linear Regresion yang lebih kompleks dan cara untuk mengevaluasi model. Kenali pembuatan model statistik untuk melakukan klasifikasi menggunakan Logistic Regression

Silabus
  • Linear Regression with Multiple Predictors

  • Model Assumptions, Diagnostics, and Evaluations

  • Logistic Regression

Tools
  • Python

  • Statsmodels

11
Description

Kenali aplikasi eksperimentasi dalam industri dan buat rancangan melakukan eksperimentasi menggunakan A/B testing.

Silabus
  • Introduction to A/B Testing

  • A/B Testing steps

  • Metrics of Experimentation

  • Ensuring Experimentation Trustworthiness

Tools
  • Python

12
Description

Pelajari cara melakukan testing dengan variasi banyak. Kuasai metode eksperimentasi lain untuk memaksimalkan profit menggunakan Bandit Experimentation.

Silabus
  • Multivariate Testing

  • Bandit Experimentation

  • Common Mistakes in A/B testing

Tools
  • Python

13
Description

Bangun pemahaman mengenai analisa kausalitas dalam data. Identifikasi kausalitas menggunakan diagram kausal.

Silabus
  • Introduction to Causality

  • Describing Relationship

  • Causal Diagram

  • Causal Path

Tools
  • Python

14
Description

Pelajari metode-metode untuk melakukan analisa kausalitas seperti DiD, Instrumental Variables, Regression Discontinuity

Silabus
  • Matching and Fixed Effects

  • Difference in Differences (DiD)

  • Instrumental Variables

  • Regression Discontinuity

Tools
  • Python

15
Description

Eksplorasi aplikasi, komponen, dan workflow dari Machine Learning. Pelajari cara kerja dan membuat model popular seperti k-Nearest Neighbor, Decision Tree, dan Linear Model.

Silabus
  • Machine Learning Applications and Workflows

  • Component of Supervised Learning

  • Nearest Neighbor and Decision Tree Model

  • Linear Regression and Regularization Model

Tools
  • Python

  • Sklearn

16
Description

Selesaikan kasus kompleks dengan model advance seperti Bagging, Random Forest, Boosting, dan Neural Network. Pelajari juga cara melakukan dekomposisi dan pengelompokan data dengan Unsupervised Learning.

Silabus
  • Logistic Regression and SVM

  • Bagging, Random Forest and Boosting

  • Neural Network

  • PCA and Clustering

Tools
  • Python

  • Sklearn

17
Description

Kuasai analisa segmentasi customer, behaviour customer, dan customer lifetime value berdasarkan data.

Silabus
  • Marketing & Customer Analytics

  • Customer Segmentation with RFM

  • Churn Analytics

  • Customer Lifetime Value Analytics

Tools
  • Python

18
Description

Pelajari metode untuk optimasi fitur produk atau produk menggunakan analisa Conjoint dan Eksperimen. Pelajari juga metode probabilistik untuk menganalisa valuasi dari Customer.

Silabus
  • Conjoint Analysis

  • A/B Testing Experimentation

  • Bandit Experimentation

  • LTV with BD/NBD Model

Tools
  • Python

Fasilitas Program

check-r-green
LinkedIn & CV Review

Review perbaikan CV dan LinkedIn untuk personal branding melalui student Consultant Pacmann

check-r-green
One stop Learning Platform (Pacmann LMS)

Akses materi belajar, assessment hingga melakukan coding di Jupyter Notebook pada LMS Pacmann

check-r-green
Project Guideline

Bangun personalized portfolio dengan berbagai topik untuk keperluan personal branding

check-r-green
Student Group & Community

Bergabung dengan komunitas siswa Pacmann

check-r-green
Hackathon

Tantang Pemahaman dan kemampuan problem solving dengan berkompetisi dengan sesama Pacmann student

check-r-green
Whatsapp Helpdesk

One-stop-solution admin untuk kendala belajar apapun

certificate-mobile

Dapatkan sertifikat digital sebagai bukti valid peningkatan skill yang telah Anda pelajari

certificate

Learning Phases

1
2
3
1
admission test
Registration

Setelah memilih program yang Anda butuhkan, segera selesaikan pembayaran dan isi form yang disediakan

2
admission test
Main Phase

Pada main phase, anda akan belajar dengan mengikuti pre-class dan juga live zoom session setiap minggunya

3
admission test
Graduation

Selamat! Anda akhirnya telah menyelesaikan seluruh rangkaian program Pacmann!

Metode Belajar

metode

Pre-Class

Belajar persiapan teori dasar secara self-paced selama 1 jam. Sesi pre-class memastikan Anda memiliki fondasi pemahaman teori yang baik sebelum masuk ke sesi hands on

metode

Live Zoom Session

Praktik/hands-on pada Zoom Live Session selama 3 jam, dengan 6-10 studi kasus praktik yang beragam

metode

Assessment

Uji pemahaman Anda dengan mengerjakan exam di akhir course (minggu ke-4)

programs

Ilustrasi kegiatan belajar program JPP Basic dalam 1 minggu, dengan agenda belajar pre-class dan live session.

*jadwal dapat mengalami perubahan

Dapatkan kesempatan mentoring dengan para expert

Hanya untuk Job Preparation Program MAX

Student Portfolio

Setiap course Pacmann akan memiliki project guideline, simak kurasi portfolio terbaik dari student Pacmann.

Course lainnya dari Job Preparatian Program BASIC

Frequently Asked Questions

Apa perbedaan dari JPP MAX dan Basic?
Pada program JPP MAX anda akan mendapatkan mentoring secara intensif dengan praktisi industri. Mentoring session memastikan Anda bisa memiliki pemahaman hingga mastery level. Selain itu Anda akan mendapatkan fasilitas job preparation yang lebih eksklusif, seperti akses terhadap virtual internship, mock-up technical test dengan feedback yang lebih terpersonalisasi.
Apa saja yang membedakan Program Pacmann dengan course lain?
Program Pacmann memberikan kurikulum yang sistematis dan komprehensif, diajarkan dari basic hingga mendalam; diajarkan langsung oleh ahlinya (akademisi dan professional), dan banyak fasilitas pendukung, serta dalam 1 modul (misal Introduction to Statistics and Data Visualization) Anda akan mengerjakan 1 project, sehingga semakin banyak kelas yang Anda ambil, semakin banyak juga project yang Anda miliki.
Untuk siapa Job Preparation Program ini disarankan?
Program ini cocok untuk Anda yang sedang memulai karier atau ingin berpindah karier di bidang data.
Saya tidak memiliki background math/statistika sebelumnya, apakah saya masih bisa mengikuti program ini?
Tidak masalah. Di Program Pacmann, siswa akan diajarkan dari materi dasar hingga aplikasinya dengan metode yang intuitif dan contoh kasus yang relatable
Apakah akses materi untuk course ini selamanya?
Tidak. untuk JPP Max, akses materi diberikan selama periode pembelajaran hingga H+6 Bulan setelah program pembelajaran terakhir usai. Namun, untuk JPP Basic akses materi hanya akan diberikan hingga program pembelajaran terakhir selesai.
Apakah ada peserta yang berasal dari Non-STEM?
Banyak. Peserta Program Pacmann memiliki latar belakang pendidikan dan pekerjaan yang beragam. Di Periode ke-1: 22.1% berasal dari jurusan Ekonomi & Bisnis, 2.9% dari jurusan Pertanian, 5.9% lainnya (Filsafat & Ilmu Budaya, dst). Kemudian di Periode ke-2: 20% dari jurusan Ekonomi & Bisnis, 3.3% Filsafat & Ilmu Budaya, 6.7% Ilmu Kesehatan, 6.7% Ilmu Sosial & Politik.
Berapa gaji yang akan saya dapatkan jika saya bekerja sebagai praktisi data?
Gaji merupakan nilai variabel yang bisa ditentukan banyak faktor, mulai dari jenis industri, besaran perusahaan, cakupan tanggung jawab, dan seterusnya. Namun pekerjaan di bidang data cenderung memperoleh kompensasi yang lebih baik dibandingkan posisi lain.

Untuk membaca referensi, klik [di sini]
Bagaimana jika saya pemula di bidang data/engineering dan saya tidak memiliki background di bidang STEM/IT?
Bisa, sekitar 40% siswa di Pacmann berasal dari background non data. Termasuk CEO Pacmann.

Salah satu cerita siswa dari jurusan sejarah jadi data analyst di sini.

Siswa Non-STEM dan masih pemula:
  • Diajarkan dari materi dasar, bahkan mulai dari tingkat konsep hingga praktik
  • Belajarnya lebih slow paced sehingga mudah diikuti dan tidak terburu-buru. Selain itu metode belajarnya ini merupakan cara belajar yang efektif, baca referensinya di sini
  • Disediakan Pre-Class Material sehingga sebelum Live Class berlangsung ada bahan yang bisa dipelajari terlebih dahulu
  • Diajarkan secara langsung oleh pengajar, tidak belajar sendiri
  • Mendapatkan mentoring intensif 2-arah
  • Diberikan evaluasi dan banyak studi kasus
  • Disediakan help desk jika butuh bantuan teknis
Bagaimana caranya pindah karier ke industri data?
Melakukan career switching ke bidang data butuh persiapan matang; mencakup persiapan skills yang sesuai dengan kebutuhan industri, membuat portofolio, penyesuaian CV, serta mengikuti hackathon/perlombaan. Anda bisa membaca lebih lanjut mengenai bagaimana cara agar berhasil pindah karier secara lengkap di sini.

Data Analyst

Umum

Mahasiswa

Umum

Mahasiswa

Kuota terisi: 81%

price-tag Rp2.230.000 Rp12.000.000

price-tag Rp1.900.000 Rp12.000.000

*Sudah termasuk pajak 11%