Kuasai skill Data Analis dengan bimbingan ahli
Mulai berkarir di profesi paling dicari saat ini
Dengan menyerahkan formulir ini, Anda menyetujui penawaran dan menyetujui pemrosesan data pribadi Anda
Daftar
30 Juni | 19:00 | Waktu Manila
Congratulations!
Segera kami akan menghubungi Anda melalui WhatsApp dari nomor +6281237051889 dan menelepon dari nomor +622150996681
Memulai
karir dibidang
Data Analis
karir dibidang
Data Analis
kepo
18 Juni | 19:00 | Waktu Manila
Dengan menyerahkan formulir ini, Anda menyetujui penawaran dan menyetujui pemrosesan data pribadi Anda
Daftar
Gaji yang tinggi
Profesi analis data merupakan salah satu profesi dengan gaji tertinggi di pasar tenaga kerja karena permintaan terhadap tenaga profesional di bidang ini cukup tinggi. Gaji seorang analis data sangat menarik dan memberikan standar hidup yang layak, membuat profesi ini semakin diminati oleh banyak orang.
Bekerja dari mana saja di seluruh dunia
Profesi analis data menawarkan kesempatan untuk bekerja dari jarak jauh, dari mana saja di seluruh dunia, sehingga menarik bagi mereka yang mendambakan kebebasan dan fleksibilitas. Kesempatan untuk bekerja dari rumah atau di mana saja, hanya dengan berbekal akses internet memungkinkan seorang analis data untuk mencapai keseimbangan antara pekerjaan dan kehidupan pribadinya, dengan begitu ia bisa bepergian atau berpindah tempat tanpa harus kehilangan pekerjaannya.
Pekerjaan yang menarik
Seorang analis data diperlukan untuk menangani tugas-tugas yang kompleks sekaligus melibatkan stimulasi intelektual dalam menganalisis data dalam jumlah besar dan membuat keputusan berdasarkan data tersebut. Profesi ini memberikan peluang terhadap pemecahan masalah secara kreatif dan pengembangan keterampilan yang berkelanjutan, sehingga dapat memuaskan secara intelektual.
Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry's standard dummy text ever since the 1500s
Большое комьюнити
Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry's standard dummy text ever since the 1500s
Высокая зарплата
Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry's standard dummy text ever since the 1500s
Удалённая работа
Kelebihan bidang profesi ini
Kelebihan bidang
profesi ini
profesi ini
Seorang analis data diperlukan untuk menangani tugas-tugas yang kompleks sekaligus melibatkan stimulasi intelektual dalam menganalisis data dalam jumlah besar dan membuat keputusan berdasarkan data tersebut. Profesi ini memberikan peluang terhadap pemecahan masalah secara kreatif dan pengembangan keterampilan yang berkelanjutan, sehingga dapat memuaskan secara intelektual.
Pekerjaan yang menarik
Profesi analis data merupakan salah satu profesi dengan gaji tertinggi di pasar tenaga kerja karena permintaan terhadap tenaga profesional di bidang ini cukup tinggi. Gaji seorang analis data sangat menarik dan memberikan standar hidup yang layak, membuat profesi ini semakin diminati oleh banyak orang.
Gaji yang tinggi
Profesi analis data menawarkan kesempatan untuk bekerja dari jarak jauh, dari mana saja di seluruh dunia, sehingga menarik bagi mereka yang mendambakan kebebasan dan fleksibilitas. Kesempatan untuk bekerja dari rumah atau di mana saja, hanya dengan berbekal akses internet memungkinkan seorang analis data untuk mencapai keseimbangan antara pekerjaan dan kehidupan pribadinya, dengan begitu ia bisa bepergian atau berpindah tempat tanpa harus kehilangan pekerjaannya.
Bekerja dari mana saja
di seluruh dunia
di seluruh dunia
Permintaan akan tenaga
Data Analyst sedang meroket
Data Analyst sedang meroket
2000+*
Jumlah perusahaan yang membutuhkan tenaga Data Analyst
Rp30 juta
Gaji rata-rata Data Analyst
level senior
level senior
*Menurut jobstreet.com dan indeed.com
Permintaan akan
tenaga Data Analyst
sedang meroket
tenaga Data Analyst
sedang meroket
2000+*
Jumlah perusahaan yang membutuhkan tenaga Data Analyst
Rp30 juta
Gaji rata-rata Data Analyst
level senior
level senior
*Menurut jobstreet.com dan indeed.com
Kursus ini cocok untuk siapa?
Para profesional yang ingin beralih karier
Bagi mereka yang sedang mencari peluang karier yang baru, tertarik dengan analisis data, dan ingin mempelajari salah satu profesi yang paling banyak diminati di pasar tenaga kerja.
Para mahasiswa maupun yang sudah lulus studi
Kursus ini cocok untuk mahasiswa dan mereka yang sudah lulus, mereka yang ingin memperoleh keterampilan yang relevan dan memperdalam pengetahuannya di bidang analisis data agar bisa menjadi lebih kompetitif di pasar tenaga kerja.
Para profesional yang telah bekerja dengan data
Jika Anda sudah pernah bekerja dengan data, tetapi masih ingin meningkatkan keterampilan dan pengetahuan Anda di bidang analisis data, maka kursus ini akan membantu Anda mempelajari alat dan metode analisis terbaru.
Para profesional yang sudah pernah bekerja dengan data
Kursus ini cocok untuk siapa?
Para mahasiswa maupun yang sudah lulus studi
Kursus ini cocok untuk mahasiswa dan mereka yang sudah lulus, mereka yang ingin memperoleh keterampilan yang relevan dan memperdalam pengetahuannya di bidang analisis data agar bisa menjadi lebih kompetitif di pasar tenaga kerja.
Para profesional yang telah bekerja dengan data
Jika Anda sudah pernah bekerja dengan data, tetapi masih ingin meningkatkan keterampilan dan pengetahuan Anda di bidang analisis data, maka kursus ini akan membantu Anda mempelajari alat dan metode analisis terbaru.
Bagi mereka yang sedang mencari peluang karier yang baru, tertarik dengan analisis data, dan ingin mempelajari salah satu profesi yang paling banyak diminati di pasar tenaga kerja.
Para profesional yang
ingin beralih karier
ingin beralih karier
Para profesional yang sudah pernah bekerja dengan data
Dengan menyerahkan formulir ini, Anda menyetujui penawaran dan menyetujui pemrosesan data pribadi Anda
Jangan lewatkan kesempatan ini — daftar sekarang!
Dengan menyerahkan formulir ini, Anda menyetujui penawaran dan menyetujui pemrosesan data pribadi Anda
Jangan lewatkan kesempatan ini — daftar sekarang!
Kelebihan belajar di Kepo Academy
Dengan belajar di Kepo Education maka Anda akan mendapatkan kesempatan untuk membangun jaringan dengan sesama peserta ajar dan para pengajar, serta berbagi pengalaman dan pengetahuan yang Anda miliki melalui platform online. Tentunya interaksi semacam ini dapat meningkatkan keterampilan komunikasi, jaringan online, serta jaringan profesional.
Adanya komunitas dan jaringan online
Kepo Education menawarkan kursus yang telah dikembangkan oleh para ahli dan pengajar yang berpengalaman, sehingga kursus ini dapat terjamin kualitasnya. Kurikulumnya terus diperbarui dan memenuhi tuntutan pasar tenaga kerja saat ini, sehingga memungkinkan lulusannya untuk menjadi pribadi yang kompetitif dan sukses di bidang profesi yang dipilihnya.
Pendidikan berkualitas
Salah satu keunggulan utama dari belajar di sekolah profesi daring Kepo Education adalah fleksibilitas. Siswa dapat mempelajari materi dengan kecepatan mereka sendiri dan pada waktu yang nyaman bagi mereka, memungkinkan mereka untuk menggabungkan pendidikan dengan pekerjaan, tanggung jawab keluarga, atau minat lainnya.
Fleksibilitas dan kenyamanan
Di kursus Kepo Education ini para peserta dapat mengerjakan proyek-proyek nyata yang memungkinkan mereka untuk mempraktikkan pengetahuan dan keterampilan mereka serta mengembangkan portofolio yang dapat dipresentasikan kepada calon pemberi
kerja kelak.
kerja kelak.
Pengalaman praktis dan proyek nyata
Kelebihan belajar di Kepo Academy
Dengan belajar di Kepo Education maka Anda akan mendapatkan kesempatan untuk membangun jaringan dengan sesama peserta ajar dan para pengajar, serta berbagi pengalaman dan pengetahuan yang Anda miliki melalui platform online. Tentunya interaksi semacam ini dapat meningkatkan keterampilan komunikasi, jaringan online, serta jaringan profesional.
Adanya komunitas
dan jaringan online
dan jaringan online
Di kursus Kepo Education ini para peserta dapat mengerjakan proyek-proyek nyata yang memungkinkan mereka untuk mempraktikkan pengetahuan dan keterampilan mereka serta mengembangkan portofolio yang dapat dipresentasikan kepada calon pemberi
kerja kelak.
kerja kelak.
Pengalaman praktis
dan proyek nyata
dan proyek nyata
Kepo Education menawarkan kursus yang telah dikembangkan oleh para ahli dan pengajar yang berpengalaman, sehingga kursus ini dapat terjamin kualitasnya. Kurikulumnya terus diperbarui dan memenuhi tuntutan pasar tenaga kerja saat ini, sehingga memungkinkan lulusannya untuk menjadi pribadi yang kompetitif dan sukses di bidang profesi yang dipilihnya.
Pendidikan
berkualitas
berkualitas
Salah satu keunggulan utama dari belajar di sekolah profesi daring Kepo Education adalah fleksibilitas. Siswa dapat mempelajari materi dengan kecepatan mereka sendiri dan pada waktu yang nyaman bagi mereka, memungkinkan mereka untuk menggabungkan pendidikan dengan pekerjaan, tanggung jawab keluarga, atau minat lainnya.
Fleksibilitas dan kenyamanan
Program kursus
Bagian 1: Berkenalan dengan sumber data
Bagian 2: Format file dan konversinya
Bagian 3: Identifikasi, evaluasi dan pemilihan sumber data
Bagian 4: Membaca data dari berbagai sumber berbeda
Bagian 2: Format file dan konversinya
Bagian 3: Identifikasi, evaluasi dan pemilihan sumber data
Bagian 4: Membaca data dari berbagai sumber berbeda
Modul 2:
Sumber Data
Sumber Data
Bagian 1: Konsep kualitas data
Bagian 2: Kriteria utama kualitas data
Bagian 3: Tabel Pivot Excel tingkat lanjutan
Bagian 4: Menghitung matriks kualitas di Excel
Bagian 2: Kriteria utama kualitas data
Bagian 3: Tabel Pivot Excel tingkat lanjutan
Bagian 4: Menghitung matriks kualitas di Excel
Modul 3:
Kualitas Data
Kualitas Data
Bagian 1: Tujuan visualisasi
Bagian 2: Jenis grafik dan visualisasi data
Bagian 3: Membuat grafik di Excel
Bagian 4: Kesalahan umum visualisasi data
Bagian 5: Memvisualisasi kan dinamika dan struktur
Bagian 2: Jenis grafik dan visualisasi data
Bagian 3: Membuat grafik di Excel
Bagian 4: Kesalahan umum visualisasi data
Bagian 5: Memvisualisasi kan dinamika dan struktur
Modul 4:
Perkenalan Tentang Visualisasi
Perkenalan Tentang Visualisasi
Bagian 1: Data analisis dalam pemasaran
Bagian 2: Membuat tampilan data
Bagian 3: Membaca data dengan python dari berbagai sumber
Bagian 4: Kendala utama membaca data dengan python
Bagian 5: Penggabungan membaca data menjadi tampilan (menggunakan application libraries)
Bagian 2: Membuat tampilan data
Bagian 3: Membaca data dengan python dari berbagai sumber
Bagian 4: Kendala utama membaca data dengan python
Bagian 5: Penggabungan membaca data menjadi tampilan (menggunakan application libraries)
Modul 5:
Menggabungkan Data Berbeda
Menggabungkan Data Berbeda
Bagian 1: Masuk Pasar
Bagian 2: Mulai Melamar Pekerjaan
Bagian 3: Belajar cara membuat CV
Bagian 4: LinkedIn
Bagian 5: Persiapan wawancara
Bagian 2: Mulai Melamar Pekerjaan
Bagian 3: Belajar cara membuat CV
Bagian 4: LinkedIn
Bagian 5: Persiapan wawancara
Modul 7:
Visualisasi
Visualisasi
Bagian 1: Perkenalan tentang kursus
Bagian 2: Siapakah yang memerlukan DA
Bagian 3: Peran DA bagi perusahaan
Bagian 4: Keahlian dasar DA
Bagian 5: Interaksi dengan customers
Bagian 6: Mengenali diri Anda
Bagian 2: Siapakah yang memerlukan DA
Bagian 3: Peran DA bagi perusahaan
Bagian 4: Keahlian dasar DA
Bagian 5: Interaksi dengan customers
Bagian 6: Mengenali diri Anda
Modul 1:
Peran DA
Peran DA
Bagian 1: Kriteria kualitas data lanjutan
Bagian 2: Pemalsuan data dan jenisnya
Bagian 3: Menentukan kelayakan data untuk dianalisa
Bagian 4: Python untuk menentukan tingkat kelayakan dan kepercayaan data
Bagian 2: Pemalsuan data dan jenisnya
Bagian 3: Menentukan kelayakan data untuk dianalisa
Bagian 4: Python untuk menentukan tingkat kelayakan dan kepercayaan data
Modul 6:
Ketentuan Kualitas Data
Ketentuan Kualitas Data
Modul 8:
SQL
SQL
Bagian 1: Peran database dalam pembentukan tampilan
Bagian 2: Elemen struktur dasar dari SQL DML queries
Bagian 3: Menerapkan operasi logika kompleks dalam SQL
Bagian 4: Fungsi Window dan operator relasional
Bagian 5: Operator modifikasi data dalam tabel
Bagian 2: Elemen struktur dasar dari SQL DML queries
Bagian 3: Menerapkan operasi logika kompleks dalam SQL
Bagian 4: Fungsi Window dan operator relasional
Bagian 5: Operator modifikasi data dalam tabel
Modul 9:
Pembersihan Data
Pembersihan Data
Bagian 1: Proses ETL
Bagian 2: Prinsip dan pendekatan untuk pembersihan data
Bagian 3: Objek dan fitur "bermasalah”
Bagian 4: SQL untuk evaluasi kualitas data dan membersihkannya
Bagian 5: Python untuk evaluasi kualitas data dan membersihkannya
Bagian 6: Menggabungkan SQL dan Python untuk membersihkan data
Bagian 2: Prinsip dan pendekatan untuk pembersihan data
Bagian 3: Objek dan fitur "bermasalah”
Bagian 4: SQL untuk evaluasi kualitas data dan membersihkannya
Bagian 5: Python untuk evaluasi kualitas data dan membersihkannya
Bagian 6: Menggabungkan SQL dan Python untuk membersihkan data
Modul 10:
Metode peramalan
Metode peramalan
Bagian 1: Tugas peramalan
Bagian 2: Penyiapan data untuk latihan dan penerapan model peramalan
Bagian 3: Metrik kualitas dan validasi silang
Bagian 4: Model linier
Bagian 5: Model pohon keputusan
Bagian 2: Penyiapan data untuk latihan dan penerapan model peramalan
Bagian 3: Metrik kualitas dan validasi silang
Bagian 4: Model linier
Bagian 5: Model pohon keputusan
Modul 11:
Software untuk Visualisasi
Software untuk Visualisasi
Bagian 1: BI-tools
Bagian 2: Dashboard sebagai unit penting utama dari BI-tool
Bagian 3: Dasar-dasar bekerja dengan Redash
Bagian 4: Bagan dalam Redash
Bagian 2: Dashboard sebagai unit penting utama dari BI-tool
Bagian 3: Dasar-dasar bekerja dengan Redash
Bagian 4: Bagan dalam Redash
Umpan balik siswa
Umpan balik siswa
Program kursus
Modul 1:
Peran DA
Peran DA
Bagian 1: Perkenalan tentang kursus
Bagian 2: Siapakah yang memerlukan DA
Bagian 3: Peran DA bagi perusahaan
Bagian 4: Keahlian dasar DA
Bagian 5: Interaksi dengan customers
Bagian 6: Mengenali diri Anda
Bagian 2: Siapakah yang memerlukan DA
Bagian 3: Peran DA bagi perusahaan
Bagian 4: Keahlian dasar DA
Bagian 5: Interaksi dengan customers
Bagian 6: Mengenali diri Anda
Modul 2:
Sumber Data
Sumber Data
Bagian 1: Berkenalan dengan sumber data
Bagian 2: Format file dan konversinya
Bagian 3: Identifikasi, evaluasi dan pemilihan sumber data
Bagian 4: Membaca data dari berbagai sumber berbeda
Bagian 2: Format file dan konversinya
Bagian 3: Identifikasi, evaluasi dan pemilihan sumber data
Bagian 4: Membaca data dari berbagai sumber berbeda
Modul 3:
Kualitas Data
Kualitas Data
Bagian 1: Konsep kualitas data
Bagian 2: Kriteria utama kualitas data
Bagian 3: Tabel Pivot Excel tingkat lanjutan
Bagian 4: Menghitung matriks kualitas di Excel
Bagian 2: Kriteria utama kualitas data
Bagian 3: Tabel Pivot Excel tingkat lanjutan
Bagian 4: Menghitung matriks kualitas di Excel
Modul 4:
Perkenalan Tentang Visualisasi
Perkenalan Tentang Visualisasi
Bagian 1: Tujuan visualisasi
Bagian 2: Jenis grafik dan visualisasi data
Bagian 3: Membuat grafik di Excel
Bagian 4: Kesalahan umum visualisasi data
Bagian 5: Memvisualisasi kan dinamika dan struktur
Bagian 2: Jenis grafik dan visualisasi data
Bagian 3: Membuat grafik di Excel
Bagian 4: Kesalahan umum visualisasi data
Bagian 5: Memvisualisasi kan dinamika dan struktur
Modul 5:
Menggabungkan Data Berbeda
Menggabungkan Data Berbeda
Bagian 1: Data analisis dalam pemasaran
Bagian 2: Membuat tampilan data
Bagian 3: Membaca data dengan python dari berbagai sumber
Bagian 4: Kendala utama membaca data dengan python
Bagian 5: Penggabungan membaca data menjadi tampilan (menggunakan application libraries)
Bagian 2: Membuat tampilan data
Bagian 3: Membaca data dengan python dari berbagai sumber
Bagian 4: Kendala utama membaca data dengan python
Bagian 5: Penggabungan membaca data menjadi tampilan (menggunakan application libraries)
Modul 6:
Ketentuan Kualitas Data
Ketentuan Kualitas Data
Bagian 1: Kriteria kualitas data lanjutan
Bagian 2: Pemalsuan data dan jenisnya
Bagian 3: Menentukan kelayakan data untuk dianalisa
Bagian 4: Python untuk menentukan tingkat kelayakan dan kepercayaan data
Bagian 2: Pemalsuan data dan jenisnya
Bagian 3: Menentukan kelayakan data untuk dianalisa
Bagian 4: Python untuk menentukan tingkat kelayakan dan kepercayaan data
Modul 7:
Visualisasi
Visualisasi
Bagian 1: Masuk Pasar
Bagian 2: Mulai Melamar Pekerjaan
Bagian 3: Belajar cara membuat CV
Bagian 4: LinkedIn
Bagian 5: Persiapan wawancara
Bagian 2: Mulai Melamar Pekerjaan
Bagian 3: Belajar cara membuat CV
Bagian 4: LinkedIn
Bagian 5: Persiapan wawancara
Modul 8:
SQL
SQL
Bagian 1: Peran database dalam pembentukan tampilan
Bagian 2: Elemen struktur dasar dari SQL DML queries
Bagian 3: Menerapkan operasi logika kompleks dalam SQL
Bagian 4: Fungsi Window dan operator relasional
Bagian 5: Operator modifikasi data dalam tabel
Bagian 2: Elemen struktur dasar dari SQL DML queries
Bagian 3: Menerapkan operasi logika kompleks dalam SQL
Bagian 4: Fungsi Window dan operator relasional
Bagian 5: Operator modifikasi data dalam tabel
Modul 9:
Pembersihan Data
Pembersihan Data
Bagian 1: Proses ETL
Bagian 2: Prinsip dan pendekatan untuk pembersihan data
Bagian 3: Objek dan fitur "bermasalah”
Bagian 4: SQL untuk evaluasi kualitas data dan membersihkannya
Bagian 5: Python untuk evaluasi kualitas data dan membersihkannya
Bagian 6: Menggabungkan SQL dan Python untuk membersihkan data
Bagian 2: Prinsip dan pendekatan untuk pembersihan data
Bagian 3: Objek dan fitur "bermasalah”
Bagian 4: SQL untuk evaluasi kualitas data dan membersihkannya
Bagian 5: Python untuk evaluasi kualitas data dan membersihkannya
Bagian 6: Menggabungkan SQL dan Python untuk membersihkan data
Modul 10:
Metode peramalan
Metode peramalan
Bagian 1: Tugas peramalan
Bagian 2: Penyiapan data untuk latihan dan penerapan model peramalan
Bagian 3: Metrik kualitas dan validasi silang
Bagian 4: Model linier
Bagian 5: Model pohon keputusan
Bagian 2: Penyiapan data untuk latihan dan penerapan model peramalan
Bagian 3: Metrik kualitas dan validasi silang
Bagian 4: Model linier
Bagian 5: Model pohon keputusan
Modul 11:
Software untuk Visualisasi
Software untuk Visualisasi
Bagian 1: BI-tools
Bagian 2: Dashboard sebagai unit penting utama dari BI-tool
Bagian 3: Dasar-dasar bekerja dengan Redash
Bagian 4: Bagan dalam Redash
Bagian 2: Dashboard sebagai unit penting utama dari BI-tool
Bagian 3: Dasar-dasar bekerja dengan Redash
Bagian 4: Bagan dalam Redash
Pembicara
Pembicara
Shofiyyah Nadhiroh memiliki pengetahuan lanjutan dalam statistik, SQL, Python/R, alat BI, pembelajaran mesin, ETL, visualisasi data, komunikasi, bidang keahlian, bekerja dengan berbagai sumber data, dan manajemen proyek.
Pengalaman
- Analis Data Senior di PwC
- Sebelumnya bekerja di kreativv ID, Lubna.io, Glints, dan perusahaan lainnya
Shofiyyah Nadhiroh
Shofiyyah Nadhiroh
- analis Data Senior di PwC,
- sebelumnya bekerja di kreativv ID,
- Lubna.io,
- Glints,
- dan perusahaan lainnya
Pengalaman
Shofiyyah Nadhiroh memiliki pengetahuan lanjutan dalam statistik, SQL, Python/R, alat BI, pembelajaran mesin, ETL, visualisasi data, komunikasi, bidang keahlian, bekerja dengan berbagai sumber data, dan manajemen proyek.
Pembicara
Pembicara
Bonus khusus
untuk semua
peserta
untuk semua
peserta
Dengan menyerahkan formulir ini, Anda menyetujui penawaran dan menyetujui pemrosesan data pribadi Anda
Bonus khusus untuk
semua peserta
semua peserta
Dengan menyerahkan formulir ini, Anda menyetujui penawaran dan menyetujui pemrosesan data pribadi Anda
Jalan Sunset Road Nomor 819, Bali Ruko Sunset Indah II Nomor 10, Kuta, Bali
PT KEPOACADEMY INDONESIA TECH
2023 | Kepo Academy | All Right Reserved
Daftar
Kisah sukses
Program
Help
Contacts
PT KEPOACADEMY INDONESIA TECH
PT KEPOACADEMY INDONESIA TECH
Jalan Sunset Road Nomor 819, Bali Ruko Sunset Indah II Nomor 10, Kuta, Bali
PT KEPOACADEMY INDONESIA TECH