Learning Path BI Analyst dari Zero hingga Professional

Business Intelligence Analyst bukan sekadar orang yang membuat dashboard.

Seorang BI Analyst bekerja di antara:

Business
+
Data
+
Analysis
+
Communication
+
Decision Making

Tujuan akhirnya bukan menghasilkan chart.

Tujuannya adalah membantu bisnis menjawab pertanyaan seperti:

Apa yang sedang terjadi?
Mengapa hal tersebut terjadi?
Bagian mana yang paling berpengaruh?
Risiko apa yang perlu diperhatikan?
Opportunity mana yang sebaiknya diprioritaskan?
Apa tindakan yang sebaiknya diambil?

Karena itu, learning path BI Analyst sebaiknya tidak berhenti di:

Excel
→
SQL
→
Power BI

Roadmap yang lebih lengkap adalah:

Business Fundamentals
        ↓
Data Literacy
        ↓
Spreadsheet
        ↓
SQL
        ↓
Statistics
        ↓
Data Visualization
        ↓
BI Tool
        ↓
Data Modeling
        ↓
Business Metrics
        ↓
Analytical Thinking
        ↓
Root Cause Analysis
        ↓
Funnel / Cohort / Segmentation
        ↓
Stakeholder Management
        ↓
Data Storytelling
        ↓
Decision Support
        ↓
Analytics Strategy

Artikel ini berfokus khusus pada jalur:

Junior BI Analyst
        ↓
BI Analyst
        ↓
Senior BI Analyst
        ↓
Lead BI Analyst
        ↓
Analytics Lead / BI Manager

Gambaran Level

Level	Fokus	Target Role
Level 0	Data & business fundamentals	Learner
Level 1	SQL, spreadsheet, dashboard dasar	Junior BI Analyst
Level 2	Advanced SQL, modeling, KPI, Power BI	BI Analyst
Level 3	Business analytics & diagnostic analysis	BI Analyst / Senior BI Analyst
Level 4	Stakeholder, metric governance, decision support	Senior BI Analyst
Level 5	Analytics strategy & leadership	Lead BI Analyst / Analytics Lead

Progression pada roadmap ini tidak ditentukan oleh waktu.

Seseorang berpindah ke tahap berikutnya ketika sudah memenuhi kompetensi dan output yang dibutuhkan.

Pertanyaan yang lebih berguna adalah:

Problem bisnis seperti apa yang sudah bisa Anda selesaikan secara mandiri?

Karena itu setiap tahap sebaiknya dinilai berdasarkan:

Knowledge
+
Practical Skill
+
Project Output
+
Ability to Explain
+
Ability to Solve Business Problems

Level 0 — Zero

Target

Memahami bagaimana data digunakan dalam bisnis sebelum masuk ke tool.

Bab 1 — Business Intelligence Fundamentals

Mulai dari memahami apa itu BI.

Secara sederhana:

Operational Data
      ↓
Processing
      ↓
Analysis
      ↓
Insight
      ↓
Decision

Contoh:

Sebuah perusahaan memiliki data:

Orders
Customers
Products
Stores
Sales
Marketing

Data tersebut belum otomatis menjadi insight.

BI Analyst mengubahnya menjadi pertanyaan:

Berapa revenue bulan ini?
Produk apa yang tumbuh?
Customer mana yang churn?
Region mana yang turun?
Apa penyebab margin turun?
Channel mana yang paling efektif?

Bab 2 — Data Literacy

Pelajari konsep:

data
dataset
table
row
column
data type
missing value
duplicate
primary key
foreign key
dimension
measure
metric
KPI
granularity

Pahami perbedaan:

Data
↓
Metric
↓
KPI
↓
Insight
↓
Decision

Contoh:

Data:
10.000 transaksi

Metric:
Revenue = Rp2 Miliar

KPI:
Revenue Growth = +12%

Insight:
Pertumbuhan berasal dari channel distributor.

Decision:
Perbesar acquisition di channel distributor.

Referensi

PostgreSQL Tutorial
https://www.postgresql.org/docs/current/tutorial.html
Metabase Glossary
https://www.metabase.com/glossary/

Bab 3 — Business Fundamentals

BI Analyst harus mengerti bahasa bisnis.

Pelajari:

Revenue

Revenue =
Price × Quantity

Gross Profit

Gross Profit =
Revenue - Cost of Goods Sold

Gross Margin

Gross Margin =
Gross Profit / Revenue

Average Order Value

AOV =
Revenue / Orders

Conversion Rate

Conversion Rate =
Conversion / Total Opportunity

Retention Rate

Retention Rate =
Retained Customer / Previous Customer

Customer Churn

Churn Rate =
Lost Customers / Total Customers

Selain formula, pahami:

Siapa yang menggunakan metric?
Apa business objective?
Apa threshold bagus/buruk?
Apa comparison period?
Apa action jika metric berubah?

Bab 4 — Spreadsheet

Spreadsheet tetap relevan untuk BI Analyst.

Pelajari:

Basic

sorting
filtering
tables
data formatting
conditional formatting

Formula

SUM
COUNT
AVERAGE
IF
IFERROR
COUNTIF
SUMIF
SUMIFS
XLOOKUP
INDEX
MATCH

Analysis

Pivot Table
Pivot Chart
grouping
aggregation

Cleaning

trim
duplicate removal
date normalization
text normalization

Mini Project

Dataset:

sales.csv
customers.csv
products.csv

Output:

Total Revenue
Orders
AOV
Top Products
Sales by Month
Sales by Region

Referensi

LibreOffice Calc
https://documentation.libreoffice.org/en/english-documentation/calc/
Microsoft Excel Learning
https://support.microsoft.com/excel

Level 1 — Junior BI Analyst

Target

Mampu mengambil data, membersihkannya, dan membuat laporan sederhana.

Skill:

SQL
+
Statistics
+
Visualization
+
BI Tool
+
Business Metrics

Bab 5 — SQL Fundamental

SQL adalah skill inti BI Analyst.

Pelajari:

SELECT
FROM
WHERE
ORDER BY
LIMIT
DISTINCT

Kemudian:

GROUP BY
HAVING
CASE WHEN

Lalu:

INNER JOIN
LEFT JOIN
RIGHT JOIN

Aggregation:

COUNT()
SUM()
AVG()
MIN()
MAX()

Latihan Business Question

Jawab pertanyaan:

Berapa revenue setiap bulan?
Berapa jumlah order?
Siapa top customer?
Produk apa yang paling laku?
Region mana yang menghasilkan revenue tertinggi?

Contoh:

SELECT
    DATE_TRUNC('month', order_date) AS month,
    SUM(revenue) AS total_revenue
FROM sales
GROUP BY 1
ORDER BY 1;

Target Kompetensi

Minimal bisa membuat query:

Monthly Revenue
Top Product
Top Customer
Revenue by Region
Revenue by Category
Average Order Value

Referensi

SQLBolt
https://sqlbolt.com/
PostgreSQL SQL Tutorial
https://www.postgresql.org/docs/current/tutorial-sql.html
DuckDB SQL
https://duckdb.org/docs/stable/sql/introduction

Bab 6 — Statistics untuk BI Analyst

Tidak perlu menjadi statistician.

Tetapi BI Analyst harus mampu membaca data dengan benar.

Pelajari:

Mean
Median
Mode
Minimum
Maximum
Range
Variance
Standard Deviation
Percentile

Lanjutkan ke:

Distribution
Outlier
Correlation
Causation

Pahami:

Correlation tidak otomatis berarti causation.

Growth Analysis

Pelajari:

MoM
QoQ
YoY

Formula:

Growth =
(Current - Previous) / Previous

Bab 7 — Data Visualization

Tujuan visualization:

Mempercepat pemahaman.

Bukan:

Memperbanyak chart.

Gunakan:

Bar Chart

Untuk category comparison.

Line Chart

Untuk trend.

Scatter Plot

Untuk relationship.

Histogram

Untuk distribution.

KPI Card

Untuk metric utama.

Table

Untuk detail.

Hindari:

3D Charts
Terlalu banyak warna
Terlalu banyak pie chart
Terlalu banyak KPI
Visual tanpa pertanyaan bisnis

Gunakan hierarchy:

Overview
↓
Trend
↓
Breakdown
↓
Driver
↓
Detail

Bab 8 — Power BI Fundamental

Untuk BI Analyst, Power BI adalah pilihan yang relevan untuk dipelajari.

Pelajari:

Get Data
↓
Power Query
↓
Data Model
↓
DAX
↓
Visualization

Skill awal:

import CSV
import Excel
connect database
Power Query
relationship
measure
slicer
drill-down
filter
dashboard layout

Alternatif

Open-source:

Apache Superset
Metabase

Referensi

Microsoft Learn Power BI
https://learn.microsoft.com/training/powerplatform/power-bi/
Power BI Learning Path
https://learn.microsoft.com/training/paths/prepare-visualize-data-power-bi/
Apache Superset
https://superset.apache.org/docs/
Metabase
https://www.metabase.com/docs/latest/

Project 1 — Junior Sales Dashboard

Gunakan schema:

customers
products
orders
order_items

Buat:

Executive Summary

Revenue
Orders
Customers
AOV
Gross Profit

Sales Trend

Daily Sales
Monthly Sales
Growth

Product

Top Product
Top Category
Low-performing Product

Customer

Top Customer
New Customer
Returning Customer
Customer Region

Portfolio:

README.md
dataset/
sql/
dashboard/
screenshots/
insights.md

Level 2 — BI Analyst

Target

Mampu membangun analysis dan dashboard yang lebih reliable.

Bab 9 — Advanced SQL

Pelajari:

CTE
Subquery
Window Functions
Date Functions
Conditional Aggregation

CTE

WITH monthly_sales AS (
    SELECT
        DATE_TRUNC('month', order_date) AS month,
        SUM(revenue) AS revenue
    FROM sales
    GROUP BY 1
)

SELECT *
FROM monthly_sales;

Window Functions

Pelajari:

ROW_NUMBER()
RANK()
DENSE_RANK()
LAG()
LEAD()
SUM() OVER()
AVG() OVER()

Contoh:

SELECT
    month,
    revenue,
    LAG(revenue) OVER (
        ORDER BY month
    ) AS previous_revenue
FROM monthly_sales;

Gunakan untuk:

Ranking
Running Total
Growth
Moving Average
Previous Period
Customer Sequence

Bab 10 — Data Preparation

BI Analyst sering menerima data yang belum bersih.

Pelajari:

Missing Value
Duplicate
Invalid Category
Invalid Date
Outlier
Type Conversion
Mapping
Derived Column

Untuk Power BI:

Power Query

Pelajari:

Merge
Append
Pivot
Unpivot
Group By
Custom Column
Parameters
Query Folding

Referensi

Power Query Documentation
https://learn.microsoft.com/power-query/

Bab 11 — Data Modeling untuk Analyst

BI Analyst harus memahami model data.

Pelajari:

Fact
Dimension
Grain
Star Schema
Relationship
Cardinality

Contoh:

              DimDate
                 |
DimCustomer — FactSales — DimProduct
                 |
              DimStore

Grain

Pertanyaan paling penting:

Satu row merepresentasikan apa?

Contoh:

1 row = 1 order

berbeda dengan:

1 row = 1 order item

Kesalahan grain dapat membuat:

Revenue
Customer Count
Order Count

menjadi salah.

Referensi

Microsoft Star Schema Guidance
https://learn.microsoft.com/power-bi/guidance/star-schema

Bab 12 — DAX Fundamental

Pelajari:

Measure
Calculated Column
Filter Context
Row Context
CALCULATE
FILTER
ALL
VALUES
SUMX
DISTINCTCOUNT

Contoh:

Total Revenue =
SUM(Sales[Revenue])

Total Orders =
DISTINCTCOUNT(Sales[OrderID])

AOV =
DIVIDE(
    [Total Revenue],
    [Total Orders]
)

Pelajari:

Time Intelligence
YoY
MoM
Rolling Period

Referensi

DAX Learning
https://learn.microsoft.com/dax/

Bab 13 — KPI Design

Jangan menerima KPI begitu saja.

Pelajari struktur metric:

Name
Definition
Formula
Source
Owner
Grain
Frequency
Dimensions

Contoh:

Metric:
Active Customer

Definition:
Customer yang memiliki minimal satu completed order
dalam 30 hari terakhir.

Formula:
COUNT DISTINCT customer_id

Owner:
Commercial

Refresh:
Daily

Ini penting agar tidak terjadi:

Dashboard A: Active Customer = 20.000
Dashboard B: Active Customer = 17.500

karena definisi berbeda.

Project 2 — Executive BI Dashboard

Buat model:

FactSales
DimCustomer
DimProduct
DimDate
DimStore

Dashboard:

Executive Summary
Sales Analysis
Customer Analysis
Product Analysis
Regional Analysis

Tambahkan:

Metric Definition
Data Dictionary
SQL
Data Model
Insights
Recommendation

Level 3 — Advanced BI Analyst

Pada tahap ini, fokus mulai berpindah dari:

Dashboard Development

menjadi:

Business Analysis

Bab 14 — Analytical Thinking

Gunakan pola:

What happened?
↓
Where did it happen?
↓
When did it happen?
↓
Who was affected?
↓
Why did it happen?
↓
What should we do?

Jangan berhenti di:

Revenue turun 10%.

Lanjutkan:

Region mana?
Channel mana?
Product mana?
Customer mana?
Sejak kapan?
Apa driver-nya?

Bab 15 — Root Cause Analysis

Gunakan decomposition.

Contoh:

Revenue
=
Customers
×
Orders per Customer
×
Average Order Value

Jika revenue turun:

Customer turun?
Frequency turun?
AOV turun?

Kemudian breakdown:

Region
Channel
Product
Segment
Customer Type

Bab 16 — Funnel Analysis

Contoh:

Visitors
↓
Leads
↓
Qualified Leads
↓
Customers
↓
Repeat Customers

Hitung:

Stage Conversion
Drop-off
Overall Conversion

Gunakan funnel untuk:

sales
marketing
onboarding
e-commerce
product adoption

Bab 17 — Cohort Analysis

Kelompokkan customer berdasarkan:

First Purchase Month

Kemudian ukur:

Month 0
Month 1
Month 2
Month 3

Tujuan:

Retention
Repeat Purchase
Engagement

Bab 18 — Segmentation

Segmentasi dapat dilakukan berdasarkan:

Region
Product
Channel
Customer Type
Company Size
Revenue Contribution
Frequency
Recency

Salah satu framework yang dapat dipelajari:

RFM

Recency
Frequency
Monetary

Bab 19 — Pareto Analysis

Gunakan prinsip:

80/20

Contoh pertanyaan:

Berapa persen customer menghasilkan 80% revenue?

Gunakan untuk:

customer prioritization
product prioritization
supplier prioritization
inventory analysis

Bab 20 — Variance Analysis

Pelajari:

Actual vs Target
Actual vs Budget
Actual vs Previous Period

Contoh:

Revenue Variance
Volume Variance
Price Variance
Mix Variance

Ini sangat berguna untuk:

Finance
Sales
Retail
Operations

Bab 21 — Forecast Reading

BI Analyst tidak selalu harus membuat model machine learning.

Tetapi harus mampu membaca forecast.

Pelajari:

Trend
Seasonality
Moving Average
Forecast Error
Actual vs Forecast

Metric dasar:

MAE
MAPE

Tujuan:

Memahami seberapa reliable forecast digunakan untuk keputusan.

Level 4 — Senior BI Analyst

Pada tahap ini, technical skill saja tidak cukup.

Fokus:

Stakeholder
+
Business Context
+
Metric Consistency
+
Decision Support

Bab 22 — Requirement Gathering

Jangan mulai dari:

Chart apa yang Anda inginkan?

Mulai dari:

Keputusan apa yang ingin dibuat?

Pertanyaan:

Apa business problem?
Siapa user?
Apa decision yang akan dibuat?
Metric apa yang dibutuhkan?
Apa source of truth?
Seberapa sering data diperlukan?
Apa threshold?
Apa action ketika metric berubah?

Output:

Business Question
↓
Metric
↓
Dimension
↓
Source
↓
Visualization
↓
Decision

Bab 23 — Stakeholder Management

BI Analyst bekerja dengan:

Management
Sales
Finance
Marketing
Operations
Product
IT
Data Team

Pelajari:

Expectation Management
Scope
Priority
Trade-off
Requirement Conflict
Timeline Communication
Data Limitation

Kemampuan penting:

Berani mengatakan bahwa data belum cukup untuk menjawab pertanyaan tertentu.

Bab 24 — Dashboard UX

Dashboard harus membantu decision making.

Struktur:

Executive Summary
↓
Trend
↓
Breakdown
↓
Driver
↓
Detail

Contoh:

[Revenue] [Profit] [Margin] [Orders]

Revenue Trend

Revenue by Channel

Revenue by Region

Top Drivers

Detailed Table

Bab 25 — Data Storytelling

Gunakan struktur:

What happened?
↓
Why?
↓
Why does it matter?
↓
What should we do?

Kurang kuat:

Revenue turun 8%.

Lebih kuat:

Revenue turun 8% MoM. Penurunan terutama berasal dari customer B2B di wilayah Barat, sementara AOV tetap relatif stabil. Artinya, masalah utama lebih dekat ke penurunan volume order daripada pricing.

Lebih actionable:

Prioritas berikutnya adalah memeriksa aktivitas 20 customer B2B terbesar di wilayah tersebut dan membandingkan repeat order mereka dengan periode sebelumnya.

Bab 26 — Executive Communication

Management biasanya tidak membutuhkan:

30 chart

Mereka membutuhkan:

3–5 insight penting

Gunakan format:

Signal
Evidence
Impact
Recommendation

Contoh:

Signal:
Margin turun.

Evidence:
Gross margin turun dari 31% menjadi 26%.

Impact:
Profitability menurun meskipun revenue meningkat.

Driver:
Discount naik pada kategori tertentu.

Recommendation:
Review discount policy pada kategori dengan margin rendah.

Bab 27 — Metric Governance

Senior BI Analyst harus menjaga consistency.

Buat:

Metric Dictionary

Minimal:

Metric Name
Business Definition
Formula
Owner
Source
Refresh Frequency
Allowed Dimensions
Notes

Tujuan:

Single Business Definition

bukan sekadar:

Single Dashboard

Level 5 — Lead BI Analyst / Analytics Lead

Pada tahap ini fokus utama:

Analytics Operating Model
+
Data Adoption
+
Decision Support
+
Strategy

Bab 28 — BI sebagai Product

Jangan melihat BI sebagai:

Project Dashboard

Lihat sebagai:

Analytics Product

Analytics product memiliki:

User
Business Problem
Owner
Roadmap
Metric
SLA
Feedback
Adoption
Lifecycle

Bab 29 — Dashboard Lifecycle

Dashboard harus memiliki:

Owner
Purpose
Audience
Metric
Data Source
Refresh SLA
Access
Review Date
Usage
Retirement Criteria

Dashboard yang tidak lagi digunakan harus bisa:

Reviewed
Archived
Retired

Bab 30 — Self-Service BI

Self-service BI bukan:

Semua orang bebas membuat metric sendiri

Self-service yang sehat:

Governed Data
+
Reusable Metrics
+
Clear Documentation
+
Controlled Access
+
Easy Exploration

Bab 31 — Analytics Prioritization

Tidak semua request dashboard harus dikerjakan.

Gunakan framework sederhana:

Business Impact
×
Urgency
×
Decision Frequency
×
Data Readiness

Contoh prioritas tinggi:

Dashboard digunakan weekly oleh management
dan mempengaruhi revenue decision.

Prioritas rendah:

Report satu kali tanpa decision owner.

Bab 32 — Analytics Strategy

Lead BI mulai memikirkan:

Apa KPI utama organisasi?
Apa source of truth?
Metric mana yang belum konsisten?
Dashboard mana yang benar-benar dipakai?
Tim mana yang membutuhkan self-service?
Data literacy gap berada di mana?

Roadmap analytics bisa dibagi:

Foundation
↓
Standardization
↓
Self-Service
↓
Advanced Analytics
↓
Decision Intelligence

Bab 33 — Analytics Adoption

Dashboard tidak berguna jika tidak digunakan.

Ukur:

Monthly Active Users
Dashboard Views
Repeat Users
Decision Usage
Time to Insight
Report Retirement

Pertanyaan penting:

Apakah dashboard membantu keputusan atau hanya dilihat?

Bab 34 — Decision Support

Level tertinggi BI Analyst bukan:

Saya bisa membuat dashboard kompleks.

Tetapi:

Saya mampu membantu stakeholder mengambil keputusan yang lebih baik menggunakan data.

Gunakan:

Question
↓
Evidence
↓
Analysis
↓
Trade-off
↓
Recommendation
↓
Decision

Portfolio Learning Path

Jangan membuat banyak dashboard tutorial.

Buat project bertingkat.

Project 1 — Spreadsheet Business Analysis

Level:

Zero

Tool:

LibreOffice / Excel

Output:

Data Cleaning
Pivot
KPI
3 Insights

Project 2 — SQL Business Analysis

Level:

Junior

Tool:

PostgreSQL

Analisis:

Monthly Revenue
Top Product
Top Customer
AOV
Growth
Region Analysis

Output:

schema.sql
analysis.sql
README.md
insights.md

Project 3 — Sales BI Dashboard

Level:

Junior → Intermediate

Tool:

PostgreSQL
+
Power BI

Dashboard:

Executive
Sales
Customer
Product

Project 4 — Customer Analytics

Level:

Intermediate

Tambahkan:

Retention
Cohort
Segmentation
RFM
Repeat Purchase

Project 5 — Business Performance Analysis

Level:

Intermediate → Senior

Analisis:

Actual vs Target
Revenue Drivers
Margin Analysis
Pareto
Root Cause

Project 6 — Executive Analytics Case Study

Level:

Senior

Gunakan scenario:

Revenue turun 12% dalam dua bulan.

Analisis:

Region
Product
Channel
Customer
Frequency
AOV
Margin
Retention

Output akhir:

Problem Statement
Data Analysis
Root Cause
Dashboard
Executive Summary
Recommendation

Project 7 — Analytics Strategy Case Study

Level:

Lead

Buat scenario sebuah perusahaan memiliki:

50 dashboard
30 KPI
5 department
metric definition berbeda

Buat proposal:

Analytics Assessment
Metric Standardization
Dashboard Rationalization
Self-Service Strategy
Governance
Analytics Roadmap

Stack Belajar

Untuk BI Analyst:

Spreadsheet
PostgreSQL
DBeaver
Power BI
GitHub

Optional:

Python
Metabase
Superset

Jangan terlalu cepat masuk:

Airflow
Kafka
Spark
Kubernetes

jika target utama adalah BI Analyst.

Skill tersebut lebih relevan untuk:

Data Engineering
Analytics Engineering
BI Engineering

Learning Path Berbasis Phase

Roadmap ini tidak menggunakan target bulanan.

Setiap orang memiliki:

background berbeda,
jumlah waktu belajar berbeda,
pengalaman kerja berbeda,
kemampuan teknis berbeda,
exposure terhadap problem bisnis yang berbeda.

Karena itu progression lebih baik menggunakan phase berbasis kompetensi.

Strukturnya:

Phase 0 — Foundation
        ↓
Phase 1 — Core BI Skills
        ↓
Phase 2 — BI Analyst Foundation
        ↓
Phase 3 — Business Analytics
        ↓
Phase 4 — Senior BI Analyst
        ↓
Phase 5 — Lead Analytics

Anda tidak harus menyelesaikan semua materi dalam satu phase secara sempurna sebelum melanjutkan.

Tetapi setiap phase memiliki exit criteria yang menandakan bahwa fondasi Anda sudah cukup kuat untuk naik ke tahap berikutnya.

Phase0 — Data & Business Foundation

Fokus

Bangun pemahaman dasar tentang data dan cara bisnis menggunakan data.

Pelajari:

Data Literacy
Business Fundamentals
Spreadsheet
Basic KPI
Basic Business Metrics

Materi utama:

table, row, column,
data type,
primary key,
foreign key,
missing value,
duplicate,
metric,
KPI,
revenue,
profit,
margin,
conversion,
retention,
spreadsheet analysis.

Praktik

Gunakan dataset penjualan sederhana.

Lakukan:

Data Cleaning
↓
Pivot Table
↓
KPI Calculation
↓
Simple Analysis

Output

Buat:

Spreadsheet Sales Analysis

Minimal menghasilkan:

revenue,
orders,
average order value,
sales by category,
sales by region,
top products,
3 insight bisnis.

Exit Criteria

Anda siap masuk Phase 1 jika sudah bisa:

membaca dataset sederhana,
memahami struktur table,
membersihkan data dasar,
membuat Pivot Table,
menghitung KPI sederhana,
menjelaskan perbedaan metric, KPI, insight, dan decision.

Phase1 — Core BI Skills

Fokus

Belajar mengambil, mengolah, dan memvisualisasikan data.

Pelajari:

SQL Fundamental
Statistics
Data Visualization
BI Tool Fundamental

SQL:

SELECT
WHERE
ORDER BY
GROUP BY
HAVING
JOIN
CASE WHEN
Aggregation

Statistics:

Mean
Median
Percentile
Distribution
Outlier
Growth
MoM
YoY

Visualization:

Bar
Line
Scatter
Table
KPI Card

BI Tool:

Power BI
atau
Metabase / Apache Superset

Praktik

Jawab business questions:

Berapa revenue?
Bagaimana trend?
Siapa top customer?
Produk apa yang paling laku?
Region mana yang paling kuat?

Output

Buat:

Junior Sales BI Dashboard

Portfolio:

README.md
dataset/
sql/
dashboard/
insights.md

Exit Criteria

Anda siap masuk Phase 2 jika bisa:

menulis SQL dengan JOIN,
melakukan aggregation,
menggunakan CASE WHEN,
membuat dashboard sederhana,
memilih chart sesuai business question,
menjelaskan insight dari dashboard,
menghubungkan metric dengan business problem.

Phase2 — BI Analyst Foundation

Fokus

Bergerak dari reporting sederhana menuju BI analysis yang lebih terstruktur.

Pelajari:

Advanced SQL
Data Preparation
Data Modeling
Power Query
DAX
KPI Design

Advanced SQL:

CTE
Subquery
Window Functions
LAG
LEAD
RANK
Running Total
Rolling Average

Data Modeling:

Fact
Dimension
Grain
Star Schema
Relationship
Cardinality

Power BI:

Power Query
Semantic Model
DAX Measures
Filter Context
Time Intelligence

KPI Design:

Metric Name
Definition
Formula
Source
Owner
Grain
Refresh Frequency

Praktik

Bangun model:

FactSales
DimCustomer
DimProduct
DimDate
DimStore

Output

Buat:

Executive BI Dashboard

Minimal memiliki:

executive summary,
sales analysis,
customer analysis,
product analysis,
regional analysis,
metric dictionary,
data model,
SQL analysis,
recommendations.

Exit Criteria

Anda siap masuk Phase 3 jika sudah bisa:

menggunakan CTE,
menggunakan window function,
menentukan grain,
membuat star schema,
membuat reusable measures,
mendefinisikan KPI dengan jelas,
membangun executive dashboard,
menjelaskan bagaimana angka pada dashboard dihasilkan.

Phase3 — Business Analytics

Fokus

Berpindah dari:

"What happened?"

menuju:

"Why did it happen?"

Pelajari:

Analytical Thinking
Root Cause Analysis
Funnel Analysis
Cohort Analysis
Segmentation
RFM
Pareto Analysis
Variance Analysis
Forecast Interpretation

Gunakan pola:

What happened?
↓
Where?
↓
When?
↓
Who?
↓
Why?
↓
What should we do?

Praktik

Contoh kasus:

Revenue turun 12%.

Jangan berhenti pada angka tersebut.

Breakdown:

Customer
Region
Channel
Product
Order Frequency
AOV
Margin
Retention

Kemudian tentukan driver utama.

Output

Buat minimal dua case study:

Customer Analytics
+
Business Performance Analysis

Customer Analytics:

cohort,
retention,
RFM,
segmentation,
repeat purchase.

Business Performance:

actual vs target,
variance,
Pareto,
root cause,
recommendations.

Exit Criteria

Anda siap masuk Phase 4 jika mampu:

melakukan funnel analysis,
melakukan cohort analysis,
membuat customer segmentation,
menggunakan RFM,
melakukan Pareto analysis,
melakukan variance analysis,
menemukan kemungkinan root cause,
mengubah hasil analisis menjadi recommendation.

Phase4 — Senior BI Analyst

Fokus

Pada tahap ini, BI Analyst mulai memiliki ownership terhadap problem, metric, dan stakeholder.

Pelajari:

Requirement Gathering
Stakeholder Management
Dashboard UX
Data Storytelling
Executive Communication
Metric Governance

Pertanyaan BI Analyst berubah dari:

"Dashboard apa yang harus dibuat?"

menjadi:

"Keputusan apa yang ingin dibuat?"

Requirement Framework

Gunakan:

Business Problem
↓
Business Question
↓
Metric
↓
Dimension
↓
Data Source
↓
Analysis
↓
Decision

Stakeholder Skills

Belajar menangani:

conflicting requirements,
unclear KPI definitions,
scope changes,
insufficient data,
expectation management,
prioritization.

Output

Buat:

Executive Analytics Case Study

Struktur:

Problem Statement
Business Context
Metric Definition
Analysis
Root Cause
Dashboard
Insights
Recommendation
Limitations
Next Action

Exit Criteria

Anda siap masuk Phase 5 jika mampu:

melakukan requirement gathering,
mengubah business question menjadi analytical approach,
mengelola stakeholder expectation,
menjaga metric consistency,
menyampaikan limitation dengan jelas,
membuat executive summary,
memberikan recommendation yang didukung evidence.

Phase5 — Lead Analytics / Professional

Fokus

Bergerak dari ownership satu analysis menuju ownership analytics capability.

Pelajari:

Analytics Prioritization
Metric Governance
Dashboard Lifecycle
Self-Service BI
Analytics Adoption
Decision Support
Analytics Strategy

Pertanyaan mulai berubah menjadi:

Apa KPI utama organisasi?
Mana source of truth?
Metric mana yang tidak konsisten?
Dashboard mana yang masih relevan?
Bagaimana analytics digunakan untuk decision making?
Bagaimana meningkatkan data adoption?

Analytics Operating Model

Pahami:

Business Stakeholder
        ↓
Business Question
        ↓
Analytics Team
        ↓
Governed Metric
        ↓
Dashboard / Analysis
        ↓
Decision
        ↓
Outcome

Output

Buat:

Analytics Strategy Case Study

Scenario:

5 Department
50 Dashboard
30 KPI
Multiple Data Sources
Different Metric Definitions

Buat proposal:

Current-State Assessment
Metric Standardization
Dashboard Rationalization
Self-Service BI
Analytics Governance
Adoption Strategy
Analytics Roadmap

Exit Criteria

Pada level ini tidak ada "akhir belajar".

Tetapi kompetensi profesional mulai terlihat jika Anda mampu:

menentukan analytics priority berdasarkan business impact,
mendesain KPI hierarchy,
menstandarkan metric,
mengevaluasi dashboard portfolio,
merancang self-service BI,
mengukur analytics adoption,
menghubungkan analytics dengan business outcomes,
menjadi partner dalam decision making.

Cara Menggunakan Phase Ini

Jangan gunakan pola:

Saya sudah belajar 2 bulan.
Berarti harus naik level.

Gunakan:

Apakah saya sudah memenuhi exit criteria?

Jika belum, ulangi:

Learn
↓
Practice
↓
Build
↓
Analyze
↓
Explain
↓
Improve

Anda juga tidak harus menguasai 100% materi.

Gunakan prinsip:

Core Skill       → harus kuat
Supporting Skill → cukup memahami
Advanced Skill   → diperdalam ketika dibutuhkan

Dengan pendekatan ini, learning path menjadi fleksibel untuk:

mahasiswa,
career switcher,
software engineer,
data analyst,
business user,
professional yang sudah bekerja.

Checklist Kompetensi

Level 0

Level 1

Level 2

Level 3

Level 4

Level 5

Bisa membuat analytics roadmap
Bisa menentukan KPI hierarchy
Bisa mengevaluasi dashboard portfolio
Bisa mendesain self-service BI
Bisa meningkatkan analytics adoption
Bisa melakukan prioritization
Bisa menjadi decision-support partner

Referensi Gratis

SQL

SQLBolt
https://sqlbolt.com/
PostgreSQL Tutorial
https://www.postgresql.org/docs/current/tutorial.html
DuckDB
https://duckdb.org/docs/

Spreadsheet

LibreOffice Calc
https://documentation.libreoffice.org/en/english-documentation/calc/

Power BI

Microsoft Learn Power BI
https://learn.microsoft.com/training/powerplatform/power-bi/
Power Query
https://learn.microsoft.com/power-query/
Power BI Guidance
https://learn.microsoft.com/power-bi/guidance/
DAX
https://learn.microsoft.com/dax/

Open-Source BI

Apache Superset
https://superset.apache.org/
Metabase
https://www.metabase.com/docs/latest/

Prinsip Belajar

Gunakan:

20% Theory
30% Practice
50% Project

Setiap materi:

Learn
↓
Practice
↓
Analyze
↓
Explain
↓
Document

Kapan Siap Apply Junior BI Analyst?

Anda sudah cukup siap mulai apply jika:

bisa SQL dasar,
bisa JOIN,
bisa aggregation,
bisa membuat dashboard,
bisa memahami KPI,
bisa menjelaskan insight,
memiliki minimal 2 project,
bisa menjelaskan business problem.

Tidak perlu menunggu sampai:

Airflow
Spark
Kafka
Machine Learning
Cloud Architecture

Skill yang Harus Diprioritaskan

Jika waktu terbatas, prioritaskan:

1. SQL
2. Business Understanding
3. Power BI
4. Data Modeling
5. KPI & Metrics
6. Analytical Thinking
7. Communication

Bukan:

10 visualization tools
+
20 framework

Apa yang Membedakan Tiap Level?

Junior

Pertanyaan utama:

Bagaimana membuat report ini?

BI Analyst

Pertanyaan utama:

Apa arti dari data ini?

Senior BI Analyst

Pertanyaan utama:

Mengapa hal ini terjadi?

Lead BI Analyst

Pertanyaan utama:

Keputusan apa yang seharusnya diambil berdasarkan data ini?

Analytics Lead

Pertanyaan utama:

Bagaimana membuat seluruh organisasi menggunakan data secara konsisten untuk mengambil keputusan?

Ringkasan Learning Path

ZERO
Business Fundamentals
Data Literacy
Spreadsheet
        ↓
JUNIOR
SQL
Statistics
Visualization
Power BI
        ↓
BI ANALYST
Advanced SQL
Data Modeling
Power Query
DAX
KPI Design
        ↓
ADVANCED ANALYST
Funnel
Cohort
Segmentation
RFM
Pareto
Variance
Root Cause
        ↓
SENIOR BI ANALYST
Requirement Gathering
Stakeholder Management
Metric Governance
Dashboard UX
Storytelling
        ↓
LEAD BI ANALYST
Analytics Prioritization
Self-Service BI
Analytics Adoption
Decision Support
Analytics Strategy

Penutup

Learning path BI Analyst sebaiknya tidak berakhir pada:

Bisa membuat dashboard.

Target yang lebih tepat adalah:

Bisa menggunakan data untuk membantu bisnis memahami situasi, menemukan penyebab, dan mengambil keputusan.

Karena itu skill paling penting seorang BI Analyst bukan hanya:

SQL
+
Power BI

tetapi:

Business Understanding
+
SQL
+
Analytics
+
Metrics
+
Communication
+
Decision Support

Tool akan terus berubah.

Kemampuan untuk memahami business problem, menemukan evidence, membangun analysis, dan menjelaskan recommendation akan tetap menjadi fondasi utama seorang BI Analyst.