Di era kecerdasan buatan (AI) dan otomatisasi yang terus berkembang, profesi analitik data yang beberapa tahun lalu dianggap sebagai “karier emas”  kini menghadapi pandangan skeptis. Namun, bukan berarti analisis data benar-benar “mati”. Yang terjadi justru adalah transformasi signifikan dalam peran, keterampilan yang dibutuhkan, dan ekspektasi terhadap praktisi data.

Apa yang Sebenarnya Terjadi

1. Perubahan Peran & Tuntutan
   Sebuah artikel berjudul “Data Science Is a Dead Career — The Truth Behind the Trend No One Wants to Say Out Loud” menyebut bahwa peran “data scientist” yang bersifat generalis yang mengerjakan mulai dari pembersihan data, analisis, pemodelan machine learning, hingga visualisasi kini makin jarang dicari. Medium Alasan utama: banyak tugas teknis dasar kini bisa diotomasi atau disederhanakan menggunakan AI dan alat no-code. Medium+1Misalnya, dari pengalaman praktisi di forum:

   “Nowadays I rarely write code or build dashboards without using ChatGPT to some extent.” Reddit

   Dengan kata lain: peran yang dituntut sudah berubah  bukan lagi “melakukan semua” tetapi lebih ke “memberi nilai strategis”.

2. AI sebagai Pendorong Perubahan, Bukan Penghilang Peran
   Artikel tersebut mengingatkan bahwa meskipun AI mampu melakukan banyak tugas teknis (menulis skrip Python, membuat kueri SQL, membersihkan dataset, menghasilkan visualisasi), ada hal-hal yang belum bisa digantikan:

   • Menentukan pertanyaan bisnis yang tepat

   • Merancang eksperimen yang relevan

   • Menangani politik organisasi / pemangku kepentingan

   • Menyeimbangkan etika, privasi, dan penggunaan data Medium

   Dengan demikian, peran manusia dalam analitik bukan hilang, tetapi bergeser ke ranah yang lebih strategis dan interpretatif.

3. Pasar Tenaga Kerja yang Bergeser
   Dalam artikel “AIs Data Analytics DEAD? The Shocking Truth for 2025!”, disebut bahwa “entry-level data analyst roles are being eliminated at a rapid pace” karena investasi besar perusahaan ke AI dan automasi. Medium Ini mengindikasikan bahwa orang yang masuk ke bidang ini dengan hanya “membuat dashboard” atau “analisis dasar” harus siap beradaptasi  karena nilai jual mereka bisa dikurangi oleh alat otomatis.

Keterampilan Baru yang Menang

Bagi para profesional data yang ingin tetap relevan  baik di Indonesia maupun global berikut adalah sejumlah keterampilan yang semakin dicari:

• Fluensi dalam SQL & pemahaman database: Meskipun terkesan “klasik”, kemampuan ini disebut sebagai “skill #1” yang masih dicari dalam banyak lowongan analitik. Medium

• Pemahaman konteks bisnis: Tidak hanya “mengolah data” tapi bisa menjawab “apa arti data ini bagi bisnis”, “apa yang harus dilakukan sebagai hasilnya”. Artikel menyebut: “If you can tie metrics to money, you win.” Medium

• Kemampuan komunikasi dan storytelling data: Menjelaskan insight kepada pemangku keputusan non-teknis, membuat narasi yang membumi  bukan sekadar grafik atau angka.

• Literasi data engineering / MLOps / deployment: Untuk praktik yang lebih maju (misalnya machine-learning, model produksi), keterampilan seperti pipeline data, model deployment, integrasi AI sangat penting. Medium+1

• Adaptabilitas & keahlian baru yang spesifik: Karena peran analitik terpecah (unbundled), ada lebih banyak spesialis: analyst produk, analytics engineer, decision scientist, data product manager, dan lain-lain. Medium

Implikasi untuk Indonesia

Bagi pasar tenaga kerja Indonesia termasuk Anda yang berada di Pekanbaru atau wilayah lainnya  tren ini membawa beberapa implikasi penting:

• Jika Anda bekerja sebagai analis data atau ingin masuk ke bidang ini, fokuslah lebih ke nilai bisnis dan interpretasi daripada sekadar produksi dashboard. Perusahaan di Indonesia juga mulai menuntut bahwa “data bukan hanya tersedia, tapi dipakai untuk keputusan”.

• Kata “analisis data sudah mati” bisa menakutkan namun yang lebih tepat adalah: peran berubah. Jadi, jangan hanya menunggu peran lama tetap berjalan; bersiaplah untuk mengambil peran yang lebih strategis.

• Untuk yang baru masuk: investasikan waktu tidak hanya untuk belajar teknologi (Power BI, Tableau, Python), tetapi juga bisnis (model bisnis, KPI, strategi) dan komunikasi (mampu menjelaskan data ke non-teknis).

• Untuk perusahaan di Indonesia: mungkin harus melihat investasi ke AI/automasi, tetapi juga memastikan mereka tidak kehilangan “manusia penghubung” yang bisa menerjemahkan data ke keputusan. Karena tanpa konteks bisnis dan stakeholder buy-in, nilai data bisa hilang.

Profesi analitik data tidak mati, tetapi berevolusi. Judul “Data Analytics Is Dead?” lebih tepat diartikan sebagai “Model lama analitik yang bersifat teknis-isolated sudah usang”. Mereka yang akan “menang” dalam lanskap baru ini adalah yang bisa menggabungkan: teknologi + bisnis + komunikasi. Bukan hanya “mengolah data”, tetapi “mengubah data menjadi keputusan”.

Jadi kepada Anda yang mempertimbangkan karier di data, atau yang sedang bekerja sebagai analis: saatnya bersiap  jangan hanya jadi “pengolah data”, tapi jadilah penggerak keputusan berbasis data.