30 Proyek Analitik Data untuk Semua Tingkat pada 2026

Ringkasan

• Proyek analitik data membangun portofolio praktis yang dicari pemberi kerja—fokuslah pada pekerjaan ujung-ke-ujung, bukan sekadar tutorial
• Pemula sebaiknya mulai dari pembersihan dan visualisasi data; pembelajar tingkat lanjut sebaiknya menggarap analitik prediktif dan machine learning
• DataCamp Projects menawarkan pekerjaan praktis terpandu dan tanpa panduan di Python, R, dan SQL
• Pada 2026, analitik berbasis AI (NLP, dasbor real-time, wawasan berbantuan LLM) adalah area portofolio yang tumbuh paling cepat
• Mahasiswa tingkat akhir: bidik proyek bergaya riset dengan dataset nyata, pertanyaan bisnis yang jelas, dan hasil yang terukur
• Setelah menyelesaikan 10+ proyek, dapatkan sertifikasi sebagai Professional Data Analyst untuk meningkatkan peluang direkrut

Mengapa Memilih Proyek Analitik Data

Proyek analitik data adalah batu loncatan penting bagi siapa pun yang ingin unggul di dunia yang berpusat pada data saat ini. Inilah alasan mengapa proyek ini esensial:

1. Penerapan keterampilan praktis: Memberikan pengalaman langsung, menjembatani celah antara teori dan praktik dunia nyata.
2. Fleksibilitas industri: Analitik data penting di berbagai sektor. Mengerjakan proyek beragam memperluas pemahaman dan kemampuan adaptasi Anda.
3. Berpikir kritis: Proyek-proyek ini mengasah kemampuan Anda menganalisis masalah kompleks, mengidentifikasi pola, dan menciptakan solusi berbasis data.
4. Keahlian teknis: Terlibat dalam proyek mengasah kemampuan Anda pada alat dan bahasa kunci, menjadikan Anda analis yang lebih kompeten dan serbaguna.
5. Komunikasi efektif: Mengajarkan Anda menerjemahkan wawasan data yang kompleks menjadi informasi yang mudah dipahami dan dapat ditindaklanjuti, keterampilan yang sangat dihargai di lingkungan profesional mana pun.
6. Kemajuan karier: Menyelesaikan proyek memperkaya portofolio Anda, menampilkan kemampuan kepada calon pemberi kerja, dan memperluas peluang karier.

Intinya, proyek analitik data tidak hanya mempertajam keterampilan teknis Anda tetapi juga mempersiapkan Anda menghadapi tantangan dan tuntutan tempat kerja modern.

Proyek Analitik Data untuk Pemula 

Sebagai pemula, Anda perlu fokus pada impor, pembersihan, manipulasi, dan visualisasi data. 

• Impor Data: pelajari cara mengimpor data menggunakan SQL, Python, R, atau web scraping. 
• Pembersihan Data: gunakan berbagai pustaka Python dan R untuk membersihkan dan memproses data. 
• Manipulasi Data: gunakan berbagai teknik untuk membentuk dataset guna analisis data dan visualisasi.
• Visualisasi Data: tampilkan data menggunakan plot dan grafik. 

Proyek Impor dan Pembersihan Data

1. Menjelajahi Pasar Airbnb NYC 

Dalam proyek Exploring the NYC Airbnb Market, Anda akan menerapkan keterampilan impor dan pembersihan data untuk menganalisis pasar Airbnb di New York. Anda akan mengimpor dan menggabungkan data dari berbagai jenis file, serta membersihkan string dan memformat tanggal untuk mengekstrak informasi yang akurat.  

Gambar oleh Penulis | Kode dari proyek

Proyek ini sangat cocok bagi pemula yang ingin mendapatkan pengalaman impor dan pembersihan data. Anda dapat menerapkan metode serupa pada dataset Penjualan Tiket Online untuk semakin mahir menangani dan memproses data. 

Pelajari lebih lanjut tentang impor dan pembersihan data dengan mengikuti kursus singkat:

• Introduction to Importing Data in Python
• Cleaning Data in Python

2. Frekuensi Kata dalam Novel Klasik

Dalam proyek Word Frequency in Classic Novels, Anda akan menggunakan requests dan BeautifulSoup untuk melakukan scraping sebuah novel dari situs Project Gutenberg. Setelah scraping dan membersihkan data teks, Anda akan menggunakan NLP untuk menemukan kata-kata paling sering muncul dalam Moby Dick. Proyek ini memperkenalkan Anda pada dunia web scraping Python dan pemrosesan bahasa alami.

Gambar oleh Penulis | Kode dari proyek

Bagi analis data dan data scientist, web scraping adalah keterampilan penting untuk dipelajari. Anda dapat mengikuti kursus singkat Web Scraping with Python untuk memahami alat dan komponen halaman web HTML. 

3. Menjelajahi Nilai Ujian Sekolah Umum NYC

Dalam proyek Exploring NYC Public School Test Result Scores, Anda akan menganalisis performa SAT standar di sekolah-sekolah umum New York City. Anda akan membersihkan dan meringkas kolom (Matematika, Membaca, Menulis), membandingkan hasil di berbagai borough, memberi peringkat sekolah berdasarkan nilai Matematika, dan menyoroti sepuluh sekolah dengan kinerja terbaik di kota. Sepanjang proses, Anda akan mempraktikkan langkah inti analis: memperbaiki tipe data, menangani nilai hilang, menghitung statistik kelompok, dan mengubah data tingkat sekolah mentah menjadi wawasan yang jelas dan siap dijadikan dasar keputusan.

Gambar oleh Penulis | Kode dari proyek

Proyek ini sempurna untuk pemula yang ingin membuat EDA (exploratory data analysis) bergaya bisnis yang realistis, mencakup pemeringkatan, benchmarking, dan pengirisan geografis. Anda dapat menggunakan metodologi yang sama untuk dataset terkait, seperti "Faktor yang Mendorong Performa Siswa" atau data terbuka distrik lokal Anda, untuk memperkaya portofolio dengan analisis yang sebanding dan reprodusibel.

Proyek Manipulasi Data

4. Menganalisis Penjualan Suku Cadang Sepeda Motor

Dalam proyek Analyzing Motorcycle Part Sales, Anda akan melakukan query pada basis data penjualan multi-gudang untuk mengungkap pola pendapatan lintas waktu, lini produk, dan lokasi. Anda akan menghitung pendapatan bersih (memperhitungkan diskon/retur bila relevan), melakukan segmentasi berdasarkan gudang dan tanggal, memberi peringkat kategori produk berkinerja terbaik, dan membangun irisan perbandingan untuk menyoroti pertumbuhan vs. penurunan. 

Harapkan banyak SQL praktis: join, pemotongan tanggal, agregasi kondisional, dan window function untuk mengubah transaksi mentah menjadi laporan yang jelas dan siap eksekutif.

Gambar oleh Penulis | Kode dari proyek

Proyek ini sempurna bagi analis yang menginginkan pengalaman SQL berorientasi bisnis yang mencerminkan pekerjaan nyata: definisi KPI, rollup pendapatan, benchmarking antar gudang, dan pelacakan performa berbasis waktu yang dapat Anda pasang ke dasbor atau laporan operasional mingguan.

5. Menjelajahi Pasar Kripto Bitcoin

Dalam proyek Exploring the Bitcoin Cryptocurrency Market, Anda akan mengeksplorasi Bitcoin dan data kripto lainnya. Anda akan membersihkan dataset dengan menyingkirkan mata uang kripto tanpa kapitalisasi pasar, membandingkan Bitcoin dengan mata uang lain, dan menyiapkan data untuk visualisasi.  

Gambar oleh Penulis | Kode dari proyek

Anda dapat menerapkan metode serupa pada Data Bursa Saham dan belajar memanipulasi data untuk analisis data. Selain itu, Anda dapat mempelajari transformasi data, agregasi, slicing, dan indexing dengan mengikuti kursus Data Manipulation with pandas. 

6. Memvisualisasikan Sejarah Pemenang Nobel

Dalam proyek Visualizing the History of Nobel Prize Winners, Anda akan menelaah lebih dari satu abad sejarah Nobel. Dengan Python, Anda akan menganalisis dan memvisualisasikan data untuk mengungkap pola dan potensi bias dalam pemberian penghargaan bergengsi lintas kategori seperti fisika, kimia, sastra, dan perdamaian. 

Anda akan menerapkan teknik manipulasi data dengan pandas dan membuat visualisasi yang kuat dengan Seaborn untuk bercerita melalui data. Proyek ini sangat cocok untuk meningkatkan keterampilan analisis dan visualisasi data sambil mengeksplorasi salah satu penghargaan paling terkenal di dunia.

Proyek Visualisasi Data

7. Menjelajahi Tren Pasar Saham dengan Plotly

Dalam proyek Exploring Stock Market Trends with Plotly, Anda akan mengubah data harga mentah dari raksasa fast food (misalnya, McDonald’s, Starbucks) menjadi grafik interaktif yang menampilkan momentum sektor dan pola. Anda akan membangun chart candlestick dan garis, menambahkan moving average dan statistik rolling, membandingkan beberapa ticker, dan memberi anotasi pada peristiwa kunci, dengan fokus pada penceritaan visual yang menyoroti volatilitas, musiman, dan kinerja relatif.

Ini adalah proyek yang berfokus pada visualisasi, sempurna jika Anda menginginkan dasbor yang rapi dan siap portofolio yang menunjukkan wawasan pasar melalui interaktivitas (hover, zoom, range slider) alih-alih pemodelan berat.

8. Memvisualisasikan COVID-19

Dalam proyek Visualizing COVID-19, Anda akan memvisualisasikan data COVID-19 menggunakan pustaka R paling populer, ggplot. Anda akan menganalisis kasus terkonfirmasi di seluruh dunia, membandingkan Tiongkok dengan negara lain, belajar memberi anotasi pada grafik, dan menambahkan skala logaritmik. Proyek ini akan mengajarkan keterampilan yang sangat dicari untuk programmer R. 

Gambar dari proyek

Anda dapat menerapkan metode ggplot pada Data Campak dan memperoleh pengalaman lebih dalam visualisasi dan analisis data. Selain itu, Anda dapat mengikuti kursus Intermediate Data Visualization with the ggplot2 untuk mempelajari praktik terbaik visualisasi data. 

9. Menganalisis Penonton dan Iklan Super Bowl

Dalam proyek Analyzing Super Bowl Viewership and Advertising, Anda akan menyelami dinamika Super Bowl—dari pertandingan dan iklan hingga pertunjukan paruh waktu. Dengan R, Anda akan memanipulasi dan memvisualisasikan data untuk mengungkap bagaimana elemen-elemen ini saling berinteraksi. Sempurna untuk membangun keterampilan analisis data dengan alat seperti ggplot2 dan dplyr.

Menggunakan kode untuk menampilkan visualisasi data interaktif itu mudah, tetapi memahami dan menafsirkan data-lah yang menantang. Ikuti kursus Understanding Data Visualization untuk menjelaskan distribusi visualisasi dan mempelajari teknik visualisasi data terbaik guna mengomunikasikan data kompleks.  

Proyek Analitik Data Tingkat Lanjut

Untuk proyek analitik data tingkat lanjut, Anda memerlukan penguasaan matematika, probabilitas, dan statistik. Selain itu, Anda akan melakukan analisis eksploratori dan analitik prediktif untuk memahami data secara mendalam.

• Probabilitas & Statistik: lakukan perhitungan mean, median, standar deviasi, algoritme distribusi probabilitas, dan korelasi pada data. 
• Analisis Data Eksploratori: jelajahi distribusi data, pahami berbagai tipe kolom, dan kenali tren serta pola. 
• Analitik Prediktif: lakukan regresi, klasifikasi, clustering, dan peramalan menggunakan algoritme machine learning.  

Proyek Probabilitas & Statistik

10. Memodelkan Hasil Klaim Asuransi Mobil

Dalam proyek Modeling Car Insurance Claim Outcomes, Anda akan menggunakan Python dan regresi logistik untuk memprediksi klaim asuransi. Dengan data dari On the Road car insurance, Anda akan mengidentifikasi fitur kunci yang menghasilkan prediksi paling akurat. Proyek ini membantu Anda menerapkan teknik machine learning pada masalah bisnis nyata di industri asuransi.

11. Uji Hipotesis pada Pertandingan Sepak Bola Putra dan Putri

Dalam proyek Hypothesis Testing with Men's and Women's Soccer Matches, Anda akan menganalisis data sepak bola historis untuk menguji apakah pertandingan internasional sepak bola putri menghasilkan lebih banyak gol daripada putra. Dengan Python, Anda akan mengasah keterampilan uji statistik dan mengungkap pola dalam tren sepak bola global.

Jika Anda tertarik mempelajari teknik statistik paling umum, probabilitas, distribusi data, korelasi, dan desain eksperimen, ikuti kursus Introduction to Statistics in Python.

Proyek Analisis Data Eksploratori (EDA)

12. Menganalisis Statistik Utang Internasional

Dalam proyek Analyze International Debt Statistics, Anda akan menulis query SQL untuk mengeksplorasi dan menganalisis utang internasional menggunakan dataset Bank Dunia. SQL adalah alat paling populer dan esensial untuk melakukan analitik data secara langsung. 

Dalam proyek ini, Anda akan mencari:

1. Negara yang berbeda
2. Indikator utang yang berbeda
3. Total jumlah utang yang dimiliki negara
4. Negara dengan utang tertinggi
5. Rata-rata jumlah utang di seluruh indikator
6. Jumlah pembayaran pokok tertinggi
7. Indikator utang yang paling umum

Gambar oleh Penulis | Kode dari proyek

Anda akan menghubungkan dataset MariaDB World Nations dan menerapkan query serupa untuk mendapatkan pengalaman tambahan dalam menangani dan menganalisis basis data SQL. Selain itu, Anda dapat mengikuti kursus Exploratory Data Analysis in SQL untuk memperdalam teknik dan query dalam menangani berbagai basis data SQL. 

13. Menganalisis Kejahatan di Los Angeles

Dalam proyek Analyzing Crime in Los Angeles, Anda akan berperan sebagai detektif data untuk LAPD, membersihkan dan melakukan segmentasi data insiden untuk mengetahui kapan dan di mana kejahatan paling mungkin terjadi serta jenis pelanggaran apa yang dominan. Anda akan mengiris berdasarkan waktu (jam/hari), hari dalam minggu, lingkungan, dan kategori; menghitung ringkasan hotspot; serta membangun irisan perbandingan yang langsung diterjemahkan menjadi wawasan alokasi sumber daya.

Gambar dari proyek

Anda akan berlatih: pembersihan data, pengelompokan & agregasi, pembungkusan waktu (time-based bucketing), normalisasi laju (per kapita atau per jendela waktu), pemeringkatan N-teratas lingkungan/jenis pelanggaran, dan membangun tabel/grafik yang mudah dipahami untuk pengambilan keputusan.

14. Menyelidiki Film Netflix dan Bintang Tamu di The Office

Dalam proyek Investigating Netflix Movies and Guest Stars in The Office, Anda akan menggunakan manipulasi dan visualisasi data untuk menyelesaikan masalah data science dunia nyata. Anda akan melakukan analisis eksploratori mendalam dan menarik kesimpulan dari grafik yang detail. 

Gambar dari proyek

Anda dapat mengerjakan proyek portofolio dengan menerapkan keterampilan serupa pada dataset baru: Data Film Netflix. Selain itu, Anda dapat mengikuti Exploratory Data Analysis in Python untuk mempelajari lebih lanjut tentang pembersihan dan validasi data, memahami hubungan dan distribusi, serta mengeksplorasi hubungan multivariat.

Proyek Analitik Prediktif

15. Memprediksi Penjualan Masa Depan Item Menu Fast Food

Dalam proyek Predict Future Sales of Fast-Food Menu Items, Anda akan membantu jaringan fast food mengurangi pemborosan dan pesanan mendadak dengan membangun model prediksi penjualan untuk item menu teratas. Anda akan membingkai masalah bisnis, merekayasa fitur kalender/promosi, membuat pembagian data sadar-waktu, memasang dan membandingkan model regresi di R, serta mengukur dampak dengan RMSE/MAE, mengubah data POS historis menjadi rencana pemesanan yang lebih akurat dan hemat biaya.

Gambar dari proyek

Anda akan mempraktikkan rekayasa fitur, termasuk hari dalam minggu, hari libur, dan promosi; pembagian train/test yang aman dari kebocoran; model baseline vs. yang dituning; validasi silang; pelaporan RMSE/MAE; backtesting sederhana; dan mengonversi hasil model menjadi rekomendasi pemesanan.

16. Akankah Pelanggan Ini Membeli Produk Anda?

Dalam proyek Will This Customer Purchase Your Product?, Anda akan menganalisis perilaku belanja pelanggan menggunakan teknik statistik dan probabilitas. Dengan Python, Anda akan mengungkap wawasan tentang perbedaan antara pelanggan baru dan kembali, membantu tim pemasaran lebih memahami keterlibatan di platform e-niaga.

17. Memprediksi Persetujuan Kartu Kredit

Dalam proyek Predicting Credit Card Approvals, Anda akan membangun model machine learning dengan kinerja terbaik untuk memprediksi persetujuan pengajuan kartu kredit. 

Pertama, Anda akan memahami data dan mengimputasi nilai yang hilang. Setelah itu, Anda akan melakukan prapemrosesan data dan melatih model regresi logistik pada set pelatihan. Pada akhirnya, Anda akan mengevaluasi hasil dan meningkatkan kinerja model menggunakan Grid searching.

Gambar oleh Penulis | Kode dari proyek

Menerapkan algoritme machine learning sederhana adalah bagian penting dari pekerjaan analis data. Anda dapat memperoleh pengalaman lebih lanjut dengan menerapkan metode serupa pada dataset baru: Bank Marketing. 

Pelajari lebih lanjut tentang klasifikasi, regresi, fine-tuning, dan prapemrosesan dengan mengikuti kursus singkat Supervised Learning with the scikit-learn.

Proyek Analitik Data untuk Mahasiswa Tingkat Akhir

Proyek mahasiswa tingkat akhir biasanya berbasis riset dan membutuhkan setidaknya 2–3 bulan untuk diselesaikan. Anda akan mengerjakan topik spesifik dan mencoba memperbaiki hasil menggunakan berbagai teknik statistik dan probabilitas.  

Catatan: Ada tren yang meningkat untuk proyek machine learning pada proyek analitik data tingkat akhir.  

18. Menjelajahi Jaringan Transportasi London

Dalam proyek Exploring London’s Travel Network, Anda akan melakukan query pada gudang data (Snowflake/Redshift/BigQuery/Databricks) dengan 12 tahun perjalanan TfL (2010–2022) untuk memahami pergerakan warga London. Anda akan memberi peringkat moda transportasi terpopuler, mengidentifikasi periode ketika kereta gantung London sangat sibuk, dan menemukan jendela langka ketika Underground lebih sepi dari biasanya, mengubah data perjalanan mentah menjadi wawasan operasional untuk penjadwalan dan perencanaan kapasitas.

Gambar dari proyek

Anda akan berlatih pembungkusan waktu (bulan/tahun), fungsi jendela dan agregasi, agregasi kondisional per moda/lini, mendeteksi anomali (periode sangat sibuk atau sepi), memeriksa musiman (acara/liburan), serta membangun tabel KPI yang rapi untuk operasi transportasi.

19. Mengurangi Kematian Akibat Lalu Lintas di AS

Untuk proyek Reducing Traffic Mortality in the USA, Anda akan menemukan strategi yang baik untuk mengurangi kematian terkait lalu lintas di AS. Anda akan mengimpor, membersihkan, memanipulasi, dan memvisualisasikan data. Selain itu, Anda akan melakukan rekayasa fitur dan menerapkan berbagai model machine learning (regresi linier multivariat, pengelompokan KMeans) untuk menghasilkan rekomendasi tingkat negara bagian dan mengomunikasikan hasilnya. 

Gambar dari proyek

Jika Anda ingin mempelajari lebih lanjut tentang unsupervised learning, lihat kursus Cluster Analysis in Python.

20. Menilai Efektivitas Perawatan Medis

Dalam proyek Assessing the Effectiveness of Medical Treatments, Anda akan mengeksplorasi kasus menarik Paradoks Simpson dalam studi perawatan batu ginjal. Dengan R, Anda akan menerapkan analisis regresi untuk mengungkap wawasan tersembunyi dan lebih memahami bagaimana hasil bervariasi di berbagai kelompok pasien.

21. Membangun Model Peramalan Permintaan

Dalam proyek Building a Demand Forecasting Model, Anda akan memprediksi permintaan produk e-niaga dengan PySpark, menjawab pertanyaan rantai pasok nyata seperti perencanaan stok dan frekuensi pengisian ulang. Anda akan merekayasa fitur temporal (hari dalam minggu, musiman, hari libur), membuat pembagian validasi sadar-waktu, melatih dan membandingkan baseline peramalan vs. model ML dalam skala besar, serta menjalankan backtest bergulir untuk mengukur stabilitas, mengubah histori pesanan menjadi rencana pembelian yang dapat ditindaklanjuti.

Gambar dari proyek

Anda akan berlatih rekayasa fitur skala besar, operasi join/window di Spark, validasi yang aman dari kebocoran, model baseline vs. dituning, analisis error RMSE/MAE, backtest bergulir/terblokir, dan analisis skenario termasuk promosi dan musiman.

22. Jejaring Sosial: Analisis Jaringan Twitter

Dalam proyek Social Networks: A Twitter Network Analysis, Anda akan menganalisis data pengikut dengan pandas dan NetworkX untuk mengungkap influencer, jembatan, dan struktur komunitas. Anda akan membangun fungsi yang dapat digunakan ulang untuk memuat/membersihkan edge list, membangun graf, menghitung metrik sentralitas (degree, betweenness, eigenvector), mendeteksi komunitas, meninjau ego-net, dan memvisualisasikan topologi jaringan, mengubah koneksi mentah menjadi wawasan yang jelas dan dapat ditindaklanjuti.

Anda akan berlatih konstruksi graf dari data pengikut, pembersihan data dengan Pandas, deteksi sentralitas dan komunitas, pemeringkatan akun berpengaruh, eksplorasi ego-net, dan membuat visualisasi jaringan yang mudah dibaca dengan butir temuan yang jelas.

23. Analisis Populasi Dunia 

Proyek World Population Analysis adalah contoh terbaik dalam melakukan analisis eksploratori mendalam. Anda akan mengeksplorasi berbagai kolom, memvisualisasikan negara dengan populasi paling sedikit dan terbanyak, serta menelusuri kepadatan dan laju pertumbuhan penduduk. Selain itu, Anda akan menampilkan distribusi peringkat negara dan peta korelasi. 

Gambar dari proyek

Pelajari cara mudah membuat visualisasi data di Python dengan menyelesaikan kursus Intermediate Data Visualization with Seaborn. 

24. Lanskap Data Science dan MLOps di Industri

Proyek Data Science and MLOps Landscape in Industry adalah referensi lengkap untuk seluruh manipulasi data, visualisasi, analisis eksploratori, dan geospasial. Anda akan belajar menggunakan box plot, diagram donat, diagram batang, heatmap, grafik kategorikal paralel, bagan gelembung, bagan corong, bagan radar, bagan icicle, dan peta secara efektif. Selain itu, Anda akan belajar menafsirkan berbagai jenis grafik. 

Gambar dari proyek

Ikuti kursus Introduction to Data Visualization with Plotly in Python untuk mempelajari fitur lanjutan Plotly dan kustomisasi.

Proyek Analitik Data Bertenaga AI

Pada 2026, analis yang paling dicari menggabungkan analitik tradisional dengan alat AI. Perusahaan menginginkan profesional yang dapat bekerja dengan data tidak terstruktur, membangun pipeline real-time, dan menjelaskan wawasan dengan bahasa yang lugas. Dua proyek ini secara langsung menjawab kebutuhan tersebut.

25. Analisis Sentimen pada Ulasan Pelanggan

Dalam proyek Sentiment Analysis Complete Project, Anda akan menggunakan Python dan NLP untuk memroses ribuan sampel teks tidak terstruktur dari dataset dunia nyata, melakukan tokenisasi dan penghapusan stopword, lalu menerapkan model machine learning untuk klasifikasi dan penilaian sentimen. Alur kerja ujung-ke-ujung ini mengubah data teks berantakan menjadi prediksi positif/negatif yang jelas dengan metrik akurasi, evaluasi model, dan visualisasi.

Proyek ini menampilkan keterampilan praktis dalam pra-pemrosesan teks dan klasifikasi, sehingga ideal untuk portofolio analis data yang berfokus pada wawasan pelanggan atau pemantauan media sosial.​

Perdalam keterampilan NLP Anda dengan kursus Introduction to Natural Language Processing in Python.

26. Peramalan Penjualan Toko dengan Prophet

Dalam proyek Store Sales Time-Series Forecasting, Anda akan menangani kompetisi Kaggle dunia nyata menggunakan data jaringan ritel bahan makanan Ekuador di 50+ toko dan 30 keluarga produk. Terapkan pustaka Prophet dari Facebook untuk meramalkan penjualan dengan memperhitungkan harga minyak, hari libur, promosi, dan musiman multi-seri

Proyek ini mencakup rekayasa fitur, validasi silang, dan model ansambel yang memadukan Prophet dan LightGBM untuk akurasi setingkat produksi.

Proyek Analitik Data Ujung-ke-Ujung

Proyek ujung-ke-ujung sangat baik untuk resume Anda dan pemahaman tentang siklus hidup proyek analitik data. 

Secara umum, Anda akan:

1. Berurusan dengan beberapa dataset
2. Memahami distribusi data
3. Menerapkan pembersihan dan manipulasi data
4. Menerapkan teknik probabilitas dan statistik
5. Melakukan analisis dan visualisasi data
6. Menggunakan model machine learning untuk analisis prediktif
7. Membuat laporan atau dasbor

27. Menganalisis Perusahaan Unicorn

Dalam proyek Analyzing Unicorn Companies, Anda akan menggunakan SQL untuk mengeksplorasi perusahaan unicorn bernilai lebih dari $1 miliar. Anda akan menganalisis industri mana yang memiliki valuasi tertinggi dan mengidentifikasi tren yang muncul, seperti pertumbuhan tahunan unicorn baru antara 2019 dan 2021.

28. Memantau Model Deteksi Penipuan Keuangan

Dalam proyek Monitoring a Financial Fraud Detection Model, Anda akan berperan sebagai data scientist pascadeploy untuk sebuah bank besar di Inggris. Dengan Python, Anda akan memantau kinerja model deteksi penipuan dan menyelidiki mengapa model mungkin tidak bekerja sebagaimana mestinya, untuk memastikan keamanan keuangan nasabah.

29. Proyek Ujung-ke-Ujung Analisis dan Peramalan Deret Waktu dengan Python

Dalam proyek Time Series Analysis and Forecasting, Anda akan menyelami analisis tren, menerapkan model ARIMA untuk peramalan, membandingkan hasil, dan memvisualisasikan hasil untuk memahami penjualan furnitur dan perlengkapan kantor.

Proyek analisis dan peramalan deret waktu sangat diminati di sektor keuangan, dan akan membantu Anda mendapatkan pekerjaan berbayar tinggi. Yang perlu Anda lakukan hanyalah menafsirkan berbagai tren dan meramalkan angka secara akurat. 

Gambar dari proyek

Jika Anda kesulitan menganalisis dan meramalkan, coba selesaikan kursus ARIMA Models in Python untuk mempelajari model ARMA, memodelkan masa depan, memilih model terbaik, dan melatih model ARIMA musiman.

30. Membangun Sistem Rekomendasi Multi-Objektif

Tujuan proyek Build a multi-objective recommender system adalah memprediksi klik, penambahan ke keranjang, dan pesanan dalam e-niaga. Singkatnya, Anda akan membuat sistem rekomendasi multi-objektif berdasarkan peristiwa sebelumnya dalam sebuah sesi pengguna.

Setelah menyelesaikan proyek, Anda akan menguasai:

1. Manipulasi dan analisis data
2. Memahami sesi dan peristiwa
3. Visualisasi data dan pelaporan
4. Menangani data deret waktu
5. Menganalisis data deret waktu untuk mengeksplorasi perilaku pengguna
6. Memprediksi klik, keranjang, dan pesanan teratas

Gambar dari proyek

Cara Menampilkan Proyek Analitik Data Anda

Menyelesaikan proyek hanyalah setengah pekerjaan—menyajikannya secara efektif kepada pemberi kerja sama pentingnya. Berikut cara mengubah proyek Anda menjadi aset portofolio yang mudah ditemukan:

• GitHub: Unggah notebook dan kode dengan README terstruktur yang menjelaskan masalah bisnis, pendekatan Anda, dan temuan kunci. Rekruter aktif menelusuri GitHub untuk menilai kualitas kode dan kebiasaan dokumentasi.
• Kaggle: Publikasikan notebook secara publik untuk menjangkau komunitas data science, menerima umpan balik metodologi, dan membangun visibilitas melalui pencarian dan ekosistem kompetisi Kaggle.
• Tulis ringkasan: Dokumentasikan temuan Anda dalam posting blog atau artikel LinkedIn. Menjelaskan penalaran dan kesimpulan menunjukkan keterampilan komunikasi—salah satu sifat yang paling dihargai pada analis data.
• Situs portofolio: Kumpulkan 3–5 proyek terbaik Anda di situs GitHub Pages atau Notion. Portofolio berfokus dan rapi berisi beberapa proyek kuat biasanya lebih unggul daripada daftar panjang proyek yang tidak selesai.

Mendukung Pertumbuhan Tim Anda dengan DataCamp for Business

Walau proyek individu penting untuk pengembangan keterampilan pribadi, organisasi juga perlu memastikan timnya siap menangani kompleksitas analitik data. DataCamp for Business menawarkan solusi yang disesuaikan untuk membantu perusahaan meningkatkan keterampilan karyawan dalam data science, analitik, dan machine learning. Dengan akses ke pustaka besar kursus interaktif, jalur pembelajaran khusus, dan proyek dunia nyata, tim dapat meningkatkan keterampilan dalam ingestion, pembersihan, manipulasi, visualisasi, dan analitik prediktif—semua area kunci yang disorot dalam blog ini.

Baik Anda startup kecil maupun perusahaan besar, DataCamp for Business menyediakan alat untuk meningkatkan keterampilan, melatih ulang, dan membangun budaya berbasis data agar tetap kompetitif di pasar saat ini. Anda dapat meminta demo hari ini untuk mempelajari lebih lanjut. 

Kesimpulan

Setelah mempelajari keterampilan esensial, Anda perlu membangun portofolio yang kuat untuk memamerkan pengetahuan Anda. Selain itu, Anda akan mempelajari alat, fitur, dan konsep baru yang bermanfaat bagi karier profesional Anda. 

Pada tulisan ini, kita telah mempelajari proyek ramah pemula, proyek tingkat lanjut, proyek mahasiswa tingkat akhir, dan proyek analitik data ujung-ke-ujung. Selain itu, kita telah membahas proyek tentang ingestion dan pembersihan data, probabilitas dan statistik, manipulasi dan visualisasi data, serta analisis eksploratori dan prediktif. 

Jadi, apa selanjutnya? Setelah menyelesaikan setidaknya 12 proyek, coba dapatkan sertifikasi sebagai Professional Data Analyst. Ini akan meningkatkan peluang Anda untuk direkrut. Anda juga dapat melihat tulisan kami tentang cara menjadi analis data dan cara membuat resume analis data untuk tips karier lainnya.