Bagi pemula yang baru terjun ke dunia data analytics, salah satu kebiasaan yang sering diremehkan justru bukan skill teknis seperti SQL atau visualisasi data — melainkan cara mengorganisir proyek. Portofolio yang rapi bukan hanya enak dilihat, tapi juga menunjukkan bagaimana cara berpikir seorang data analyst: sistematis, terdokumentasi, dan mudah ditelusuri ulang.

Di artikel ini kita akan membahas mengapa struktur folder itu penting, lalu melihat contoh nyata dari sebuah repository GitHub milik seorang peserta PKL (Praktik Kerja Lapangan) Data Analytics, yaitu junior_data_analystt.

Kenapa Struktur Folder Itu Penting?

Saat pertama kali membuat portofolio, banyak pemula menaruh semua file — dataset, query SQL, laporan, gambar dashboard — dalam satu folder yang sama. Awalnya terasa praktis, tapi begitu proyek bertambah, folder ini cepat berubah jadi tumpukan file yang membingungkan.

Struktur folder yang baik memberikan beberapa manfaat:

• Navigasi lebih cepat — recruiter atau mentor bisa langsung menemukan bagian yang relevan tanpa membuka satu per satu file.
• Mencerminkan alur kerja analisis — dari pengumpulan data, pembersihan, query, sampai laporan akhir.
• Skalabel — mudah ditambah proyek baru tanpa merusak proyek lama.
• Terlihat profesional — struktur yang konsisten adalah sinyal kecil tapi penting saat portofolio dinilai.

Studi Kasus: Struktur Folder di Repository junior_data_analystt

Repository ini dibuat oleh Junior Alffredo Benerd Setiawan sebagai dokumentasi perjalanan belajar dan hasil PKL Data Analytics di PT Edusoft Center Teknologi. Struktur folder utamanya cukup sederhana, terdiri dari empat folder inti dan satu file dokumentasi:

junior_data_analystt/
│
├── Artikels/     → kumpulan artikel pembelajaran
├── Project/      → proyek-proyek analisis data
├── Reports/      → laporan hasil analisis
├── SQL/          → kumpulan query dan latihan SQL
└── readme.md     → dokumentasi utama repository

ini didalam folder week disitu ada folder hari nah disitu untuk memisahkan tugas sesuai hari yang diberikan agar terlihat rapi dan enak dilihat karena jika ada banyak file didalam 1 folder itu sangat merusak pemandangan. dan jangan lupa commit messege sesuai tugas yang kamu push temanya!

Mari kita bedah fungsi masing-masing folder:

📁 Artikels

Folder ini berisi dokumentasi tertulis dari materi-materi yang dipelajari — misalnya perbedaan Data Analyst, Data Engineer, dan Data Scientist, atau konsep dasar seperti Big Data dan Data Warehouse. Kebiasaan menulis ulang materi seperti ini sangat membantu, karena proses menjelaskan sesuatu dengan kata sendiri adalah salah satu cara belajar yang paling efektif.

📁 Project

Tempat proyek-proyek analisis data disimpan, mulai dari studi kasus kecil sampai proyek akhir program. Idealnya, setiap proyek punya sub-folder sendiri agar dataset, query, dan hasil analisis proyek A tidak tercampur dengan proyek B.

📁 Reports

Berisi hasil akhir dari proses analisis — laporan, ringkasan insight, atau dokumen yang siap dipresentasikan ke stakeholder. Folder ini biasanya jadi bagian yang paling sering dilihat orang lain, karena di sinilah hasil kerja “diterjemahkan” jadi kesimpulan yang mudah dipahami.

📁 SQL

Kumpulan latihan dan query SQL, mengikuti progres belajar dari dasar sampai menengah — SELECT, WHERE, JOIN, subquery, hingga studi kasus. Menyimpan query secara terpisah seperti ini memudahkan orang lain (atau diri sendiri di masa depan) untuk melihat perkembangan kemampuan teknis.

📄 readme.md

File ini berfungsi sebagai “pintu masuk” repository. Isinya mencakup perkenalan, tujuan belajar, tech stack yang digunakan, hingga progres mingguan. README yang informatif membuat orang lain tidak perlu membuka semua folder satu per satu untuk memahami isi repository.

Rencana Struktur yang Lebih Terperinci

Menariknya, di dalam README repository ini juga tercantum rencana struktur folder yang lebih detail untuk pengembangan selanjutnya, yaitu memisahkan datasets dan dashboards sebagai folder tersendiri, serta memecah folder SQL menjadi beberapa sub-folder berdasarkan topik seperti Basis Data, Query Dasar, JOIN, dan Aggregate.

Pendekatan ini menunjukkan pola pikir yang baik: struktur folder tidak harus sempurna sejak awal, tapi bisa terus berkembang mengikuti kompleksitas proyek.

Struktur Folder Ideal untuk Proyek Data Analyst

Berdasarkan contoh di atas dan praktik umum di industri, berikut struktur yang bisa dijadikan acuan saat membangun portofolio:

nama-proyek/
│
├── datasets/          → data mentah dan data yang sudah dibersihkan
│   ├── raw/
│   └── cleaned/
│
├── sql/                → query SQL, dikelompokkan per topik
│
├── notebooks/          → eksplorasi data (Jupyter/Colab), jika pakai Python
│
├── dashboards/         → file/screenshot dashboard (Looker Studio, Tableau, dll)
│
├── reports/             → laporan akhir dan ringkasan insight
│
├── articles/            → catatan atau ringkasan materi belajar
│
├── README.md            → dokumentasi utama
└── .gitignore            → file yang tidak perlu ikut di-tracking

Tips Membangun Struktur Folder Sendiri

1. Mulai sederhana — tidak perlu langsung membuat struktur rumit. Tambahkan folder baru saat memang dibutuhkan.
2. Konsisten dalam penamaan — pilih satu gaya (huruf kecil semua, atau kapital di awal kata) dan gunakan secara konsisten di seluruh repository.
3. Pisahkan data mentah dan data olahan — ini membantu proses audit ketika hasil analisis perlu ditelusuri ulang.
4. Tulis README yang jelas — anggap README sebagai “peta” bagi siapa pun yang membuka repository untuk pertama kali.
5. Dokumentasikan proses belajar — seperti folder artikel pada contoh di atas, ini menunjukkan progres dan pola pikir, bukan cuma hasil akhir.

Penutup

Struktur folder yang rapi adalah fondasi dari portofolio data analyst yang profesional. Contoh dari repository junior_data_analystt menunjukkan bahwa struktur yang baik tidak harus rumit — cukup jelas, konsisten, dan mencerminkan alur kerja analisis dari awal sampai akhir.

Bagi yang sedang membangun portofolio, mulailah dengan struktur sederhana, lalu kembangkan sesuai kebutuhan seiring bertambahnya proyek dan pengalaman.

Penulis