BI Developer

Peserta mempelajari konsep business intelligence, data warehouse, dan star schema; KPI umum di industri perbankan, retail, dan telekomunikasi; SQL analitik; prinsip visualisasi data dan data storytelling; serta alur kerja Git. Peserta mengenal Gemini in BigQuery untuk membuat dan menjelaskan query, serta cara memeriksa hasil buatan AI sebelum dipakai. Output: 20 latihan SQL analitik pada dataset publik BigQuery dan ringkasan KPI satu halaman.

Peserta menghubungkan Looker Studio ke BigQuery, membuat calculated field, parameter, filter, dan control, serta menerapkan prinsip UX dashboard (layout, pemilihan chart, hierarki informasi). Peserta melakukan analisis eksploratif di notebook BigQuery Studio sebelum merancang dashboard. Output: satu dashboard eksekutif dan satu dashboard analitik yang ditinjau Mentor.

Peserta membangun data mart dengan Dataform (tabel agregat dan assertion), menyusun KPI catalogue (definisi, rumus, sumber data), dan membangun model LookML (view, explore, dimension, measure) dengan alur Git. Peserta menyelesaikan learning path Google Cloud Skills Boost Output: data mart, KPI catalogue versi 1 dan model LookML dasar

Peserta menerapkan row-level security, authorized view, dan akses berbasis peran untuk pengguna BI, serta mengoptimalkan performa dashboard dengan tabel agregat, BI Engine, dan caching. Peserta mulai mengerjakan bagian terpilih proyek klien, seperti perbaikan dashboard, query, atau measure LookML di environment non-production. Output: dashboard dengan row-level security dan satu perubahan pada proyek klien yang lolos review Mentor.

Peserta menyiapkan Conversational Analytics atau Gemini in Looker di atas model data yang terkurasi (sesuai lisensi yang tersedia), menulis deskripsi metrik agar jawaban AI akurat, dan menguji akurasi jawaban dengan daftar pertanyaan bisnis. Peserta juga mengenal embedded analytics dan penjadwalan laporan. Output: demo tanya-jawab data dengan bahasa natural dan laporan uji akurasi 30 pertanyaan.

Peserta membangun solusi BI lengkap di atas tabel gold dari peserta Data Engineer: data mart, model LookML, dashboard KPI dengan row-level security, KPI catalogue, dan fitur tanya-jawab data berbasis AI. Peserta mempresentasikan hasil kepada Mentor, lalu Mentor menyusun evaluasi akhir program. Output: repository SQL dan LookML, KPI catalogue, dashboard, panduan pengguna, dan presentasi akhir.