Data Analyst

1. Pemetaan kebutuhan dan sumber data Mempelajari proses bisnis, pertanyaan analisis, pemangku kepentingan, sumber data, serta batas penggunaan data. 2. Dasar pengolahan dan statistik Mempelajari SQL, spreadsheet, statistik deskriptif, agregasi, serta pemeriksaan awal hasil pengolahan.

1. Profiling dan kualitas data Mempelajari kelengkapan, keunikan, validitas, konsistensi, kesegaran, serta analisis penyebab masalah data. 2. Definisi dan pengelolaan master data Mempelajari kamus data, sumber acuan, pemilik data, SSOT, serta alur persetujuan perubahan master data.

1. Definisi metrik dan analisis bisnis Mempelajari perhitungan KPI, granularitas, segmentasi, tren, dan validasi hasil terhadap kebutuhan bisnis. 2. Dashboard dan komunikasi temuan Mempelajari pemilihan visualisasi, struktur dashboard, penyajian insight, serta penyusunan rekomendasi berdasarkan bukti.

1. Kurasi pengetahuan layanan Mempelajari penyusunan FAQ, pemeriksaan sumber, pengelolaan versi, masa berlaku, dan pembatasan akses materi. 2. Penyusunan dataset evaluasi Mempelajari pertanyaan representatif, jawaban acuan, rubrik penilaian, serta pemisahan kasus pengembangan dan pengujian akhir.

1. Evaluasi kualitas layanan Mempelajari ketepatan jawaban, kesesuaian dengan sumber, pertanyaan tidak terjawab, eskalasi, dan penyelesaian layanan. 2. Analisis penggunaan dan feedback Mempelajari pola penggunaan lintas aplikasi atau kanal, perjalanan pengguna, kategorisasi feedback, serta perlindungan data percakapan.

1. Analisis perbaikan dan dampak perubahan Mempelajari perbandingan sebelum dan sesudah perubahan, keterbatasan analisis, serta prioritas rekomendasi. 2. Dokumentasi dan serah terima Mempelajari dokumentasi metrik, query, dashboard, dataset evaluasi, dan prosedur pembaruan analisis.

1. Identifikasi kebutuhan kedua bagian Memetakan kebutuhan reporting bisnis dan evaluasi layanan AI bersama mentor, PM, serta pengguna terkait. 2. Eksplorasi data awal Mengolah data menggunakan SQL dan spreadsheet untuk menyusun ringkasan statistik serta temuan awal.

1. Analisis kualitas data Mengidentifikasi nilai kosong, duplikasi, dan inkonsistensi; mencatat masalah serta memantau tindak lanjut bersama Data Engineer. 2. Penyusunan kamus data Mendokumentasikan definisi atribut, sumber acuan, dan aturan kualitas untuk divalidasi pemilik data.

1. Pembuatan dashboard dan laporan Mengembangkan reporting berdasarkan metrik yang disepakati serta memvalidasi angka terhadap sumber. 2. Penyampaian hasil analisis Menyusun temuan, menjelaskan keterbatasan, dan mempresentasikan rekomendasi kepada pengguna bisnis.

1. Penyiapan knowledge base Mengkurasi FAQ, SOP, dan kebijakan bersama pemilik konten, termasuk pencatatan sumber, versi, serta masa berlaku. 2. Penyusunan kasus uji chatbot Menyiapkan pertanyaan, jawaban acuan, sumber pendukung, dan perilaku yang diharapkan bersama LLM Engineer serta pemilik layanan.

1. Penilaian jawaban chatbot Menilai hasil berdasarkan rubrik, mengelompokkan kesalahan, dan mengusulkan perbaikan konten atau perilaku chatbot. 2. Analisis penggunaan aplikasi Mengolah log dan feedback yang diizinkan untuk membuat laporan penggunaan, eskalasi, dan penyelesaian layanan lintas aplikasi atau kanal.

1. Evaluasi hasil perbaikan Membandingkan kualitas data, reporting, atau layanan AI sebelum dan sesudah perubahan serta menyusun prioritas tindak lanjut. 2. Dokumentasi dan presentasi akhir Menyerahkan query, definisi metrik, dashboard, knowledge base, dataset evaluasi, dan panduan pembaruannya kepada tim pengelola.