Apa itu data engineering? Bukan rahasia lagi, data menjadi salah satu komoditas yang menjanjikan di era industri 4.0. Data bisa membantu perusahaan untuk menghindari ancaman bisnis, mengetahui peluang bisnis, memprediksi tren yang akan muncul, membantu perusahaan mengambil keputusan strategis, hingga membantu bisnis untuk memasuki pasar baru (Sumber: DATAVERSITY). Kemunculan big data juga mendorong tingginya kebutuhan dan eksistensi akan profesi data seperti data scientist, data analyst hingga data engineer .Bahkan, data engineer digadang-gadang menjadi pekerjaan yang hot dan memiliki prospek yang menjanjikan (Sumber: Linkedin).
Umumnya, semakin berkembang sebuah bisnis maka akan semakin besar juga data yang dihasilkan, report dari Seed Scientific memprediksi akan ada perkembangan data hingga 175 zettabytes pada tahun 2025. Hal tersebut pada akhirnya membuat keberadaan data engineer semakin dibutuhkan untuk melakukan manajemen data yang baik. Data engineer memiliki tanggung jawab utama untuk membangun sistem yang digunakan untuk mengumpulkan, mengelola, hingga mengubah data mentah menjadi informasi yang bisa digunakan dan ditafsirkan oleh data scientist dan data analyst, tujuan utamanya adalah membuat data bisa diakses sehingga perusahaan bisa menggunakannya untuk mengevaluasi dan mengoptimalkan kinerja bisnis (Sumber: Coursera).
Kini, profesi data engineer banyak dicari oleh perusahaan bahkan diprediksi demand untuk profesi ini akan terus tumbuh dari 18% menjadi 31% pada tahun 2025 (Sumber: comakeit). Jika kamu tertarik untuk mulai terjun ke data engineer ini tapi masih belum tau banyak mengenai profesi ini, maka simak artikel ini sampai akhir!
Apa itu Data Engineering?
Data engineering merupakan salah satu subbidang dari Software Engineering yang berfokus pada praktik membangun dan mendesain sistem guna mengumpulkan, menyimpan, dan menganalisis data dengan jumlah yang besar (Sumber: quanthub). Tentunya, data engineering adalah bidang yang sangat luas dan bisa diterapkan dalam berbagai jenis industri. Dengan adanya data engineer perusahaan akan bisa mengumpulkan data dalam jumlah yang sangat besar dan memastikan data tersebut siap digunakan oleh data scientist dan data analyst.
Berbeda dengan data scientist dan data analyst yang pekerjaannya fokus pada pemerolehan insight dari suatu data, data engineering berfokus pada penyediaan infrastruktur agar data scientist bisa mengakses data yang dibutuhkan secara cepat dan akurat. Peran seorang data engineer di suatu tim data pada umumnya dapat dibagi menjadi tiga yaitu Data Pipelining, Data Warehousing, dan Machine Learning (Sumber: altexsoft).
BACA JUGA: Langkah-Langkah Menjadi Seorang Data Engineer
Namun, sebelum menjadi seorang data engineer, tentunya kamu harus mengenal lebih dulu apa itu data engineering. Untuk mempermudah memahaminya kamu bisa mempelajari apa itu data engineering melalui konsep Lego. Konsep ini bisa dipahami oleh siapapun termasuk kamu yang tidak memiliki latar belakang IT sama sekali.
Data Collection
Salah satu tugas dari seorang data engineer adalah mengumpulkan banyak data. Bahkan, di dalam big data terdapat berbagai jenis data mulai dari yang terstruktur hingga data tidak terstruktur. Di proses inilah data engineer harus mengumpulkan semua data, dan tentunya proses ini akan terus berlangsung karena dengan seiring waktu data juga akan terus bertambah.
Big data sama dengan Lego, kamu memiliki kotak mainan sangat besar yang berisi berbagai macam jenis Lego mulai dari orang-orangan kecil, kotak warna-warni, dan jenis Lego lainnya. Tugas data engineer yaitu mengidentifikasi dan mengumpulkan data dari “big data” atau “kotak mainan besar” tersebut.
Data Preparation
Setelah terkumpul, kamu harus mengelompokkan Lego tersebut berdasarkan ukuran, bentuk, warna, fungsi, dan lain sebagainya, dan setelah Lego rapi tersusun kamu bisa mulai memilih Lego mana yang kamu butuhkan. Selama proses ini berlangsung, kamu bisa menyingkirkan Lego yang sudah rusak atau yang tidak kamu butuhkan.
Serupa dengan data engineering, data yang sudah terkumpul kemudian harus melewati tahapan seleksi untuk dipilih sesuai dengan kebutuhan. Seorang data engineer akan memilih data sesuai dengan kebutuhan perusahaan.
Data Visualization
Lego yang telah dipilih kemudian dirapikan menjadi suatu bentuk benda-benda yang dapat dilihat. Sama dengan data engineering, data yang sudah dipilih tersebut kemudian dibentuk menjadi berbagai format data yang mudah untuk dianalisis seperti membuat chart, dashboard, atau data visualisasi.
Di tahapan ini, Lego yang sebelumnya berantakan dan tidak memiliki bentuk diubah menjadi bentuk yang bisa dilihat, contohnya menjadi sebuah rumah. Sama dengan data engineering, di tahapan ini pula data engineer bisa melihat data dengan jelas dan bisa menjelajahi informasi dengan lebih mudah.
BACA JUGA: Data Engineer: Gaji di Perusahaan Dunia dan Indonesia
Data Analysis
Pada tahap ini, kamu akan mulai menganalisis Lego yang sudah kamu buat, ketika menyusun Lego, biasanya kita akan mengikuti insting atau instruksi yang tertera di kotak Lego, oleh karena itu kamu tidak tahu betul bagian-bagian Lego mana yang ternyata tidak dibutuhkan atau mungkin ada kesalahan saat membangun sehingga kamu harus membangunnya kembali dari awal dengan tahapan yang berbeda.
Serupa dengan data engineering, ketika seorang data engineer mulai melakukan analisis data, ia akan menemukan data-data yang ternyata tidak dibutuhkan, atau mungkin ada banyak kekurangan data yang harus ditambahkan. Jadi, di tahapan ini sebagai seorang data engineer kamu harus menganalisis kebutuhan data dan membandingkannya dengan data yang sudah kamu siapkan.
Data Storytelling
Rasanya tidak lengkap jika kamu membangun Lego tapi tidak dilengkapi dengan cerita menarik yang bisa kamu jelaskan kepada orang-orang. Misalnya, kamu membuat orang-orangan, mobil, dan rumah dari Lego, tapi kamu tidak memiliki kisah yang bisa kamu ceritakan kepada orang lain mengenai apa maksud dari Lego yang kamu buat.
Sebaliknya, jika kamu menyiapkan sebuah “cerita” mengenai Lego yang kamu buat, orang-orang akan mengerti dan tertarik dengan hasil karya Lego tersebut. Serupa dengan data engineering, data yang sudah kamu siapkan tidak akan lengkap jika tidak memiliki narasi menyeluruh yang bisa menyatukannya.
Data storytelling adalah tahapan terakhir data engineering yang dilakukan dengan cara mengemas secara menarik narasi dari hasil kumpulan data dan data visualisasi yang bertujuan untuk memberikan informasi yang mampu menarik perhatian audiens. Tentunya data storytelling yang baik mampu memberikan inspirasi kepada orang-orang.
Data Engineering Job Descriptions
Jika kamu memilih profesi sebagai data engineer, maka tugas data engineer utama yang harus kamu kerjakan adalah membangun dan menyediakan infrastruktur untuk pengumpulan data dalam jumlah yang besar, dan memastikan sistem yang dibangun cukup untuk menampung seluruh data yang terkumpul. Namun, untuk bisa menjalankan tugas data engineer yang utama, kamu harus melakukan beberapa tugas data engineer lain seperti:
Mengumpulkan dan Mengolah Data
Tugas data engineer yang utama adalah mengumpulkan dan mengolah data dari berbagai macam sumber. Biasanya, data engineer akan mengumpulkan data dari berbagai database seperti SQL Server, MySQL, CSV, dan HTML. Selanjutnya, data yang sudah dikumpulkan akan dirapikan berdasarkan jenisnya seperti data terstruktur dan tidak terstruktur.
Data Cleaning
Terkadang di data mentah terdapat anomali data, tipe data yang tidak sesuai, data null, duplikasi data, penulisan yang belum seragam dan lain sebagainya yang akan mengganggu proses analisis data. Oleh karena itu, setelah data terkumpul dan dirapikan, tugas data engineer adalah membersihkan data yang masih mentah atau disebut raw data menjadi data yang rapi dan siap digunakan oleh data scientist dan data analyst.
Pengembangan Data Warehouse
Tugas data engineer selanjutnya adalah mengembangkan data warehouse. Seorang data engineer bertugas untuk mengembangkan data warehouse dengan mengelola sekumpulan data menggunakan bantuan tools dan software seperti Ab Initio Software, Informatica PowerCenter, Pentaho, dan lain sebagainya yang bisa memudahkan akses menuju informasi, menambah wawasan dari big data, dan membantu mempercepat query-response times.
Ada banyak manfaat dari pengembangan dan penggunaan data warehousing, mulai dari data engineer mampu menghasilkan data yang mendasar, akurat, dan lebih baik, pengambilan keputusan yang jauh lebih komprehensif dan cepat, hingga memudahkan perusahaan saat menyimpan data besar dengan keamanan yang tinggi.
Memastikan Ketersediaan Machine Learning
Machine learning merupakan salah satu bagian dari data engineer. Oleh karena itu, tugas data engineer adalah memastikan ketersediaan model machine learning yang sudah dirancang oleh data scientist di storage atau berasal dari sumber secara langsung. Proses ini juga didukung dengan tugas data engineer lainnya yaitu pengelolaan sumber daya komputasi hingga persiapan alat pemantauan machine learning.
Mengelola Metadata
Data engineer akan mengumpulkan berbagai data terstruktur dan tidak terstruktur di dalam storage yang berisi laporan eksplorasi dari data yang biasa disebut metadata. Tugas data engineer adalah melakukan pengelolaan terhadap data yang sudah dikumpulkan untuk pengelolaan data yang sudah disimpan dan disusun melalui sistem manajemen basis data.
Menyiapkan Tools
Tugas data engineer satu ini biasanya hanya dilakukan dalam beberapa kondisi tertentu, karena biasanya data dapat diambil langsung dari storage. Namun, seringkali ada kondisi di mana beberapa pihak lain yang memerlukan business intelligence sebagai analis yang menyediakan tools untuk melihat data, menyusun laporan, memperlihatkan hasil data secara visual.
Memantau Pipeline
Terakhir, tugas data engineer yang tak kalah penting adalah memantau kepastian dan kinerja akan stabilitas sistem yang sedang berjalan. Data engineer juga bertanggung jawab untuk membersihkan storage secara berkala, memantau dan memodifikasi pipeline karena kondisi data, prasyarat, dan model cenderung mudah berubah.
Tools Data Engineer
Jika kamu saat ini sedang mengincar karier data engineer maka kamu setidaknya harus menguasai beberapa tools data engineer ini:
Python
Python adalah bahasa pemrograman yang paling sering digunakan oleh para praktisi data mulai dari data analyst, data scientist, hingga data engineer. Seorang data engineer akan menggunakan Python untuk:
- Membuat coding ETL (Extract, Transform, Load) framework
- Interaksi API (Application Programming Interface)
- Otomatisasi
- Tugas penyimpanan data
- Menggabungkan data dari berbagai sumber
Apache Spark
Apache Spark adalah tools untuk mengolah data yang bersifat open source dan hingga kini sudah digunakan oleh lebih dari 52 ribu perusahaan termasuk perusahaan besar seperti IBM, Microsoft, Apple, dan lain sebagainya. Apache Spark biasanya digunakan oleh data engineer untuk melakukan manajemen data dan stream dengan cepat serta digunakan untuk menangani data yang berukuran besar secara efisien. Fitur paling utama dari Apache Spark adalah mampu memproses data stream processing secara real-time.
Apache Kafka
Apache Kafka merupakan platform bersifat open source yang biasa digunakan data engineer untuk membuat data pipeline menggunakan data streaming secara real-time. Apache Kafka juga biasa digunakan oleh data engineer untuk:
- Sinkronisasi data
- Transformasi data
- Menerima data dari sistem sumber dan membuatnya tersedia secara real-time
- Melindungi cluster dari kegagalan node/mesin
Tableau
Salah satu tanggung jawab data engineer adalah visualisasi data. Maka dari itu, Tableau sangat berguna untuk membantu membuat visualisasi data untuk membuat data report. Ada beberapa fitur yang dimiliki oleh Tableau:
- Bisa mengolah big data dan membuat visualisasi dari jumlah data yang besar
- Bisa dikombinasikan dengan berbagai bahasa pemrograman
- Bisa mendukung berbagai bahasa skrip
Snowflake
Selanjutnya data engineer tools yang bisa digunakan untuk membantu mempermudah tugas data engineer adalah Snowflake. Tool ini biasa digunakan untuk menghitung dan menyimpan data, namun selain itu Snowflake juga memiliki banyak fitur lain seperti:
- Pengelompokkan otomatis
- Bisa diintegrasikan dengan JDBC, ODBC, Python, dll
- Infrastruktur terkelola skalabilitas on-the-fly
PostgreSQL
PostgreSQL adalah database relasional open source yang sangat populer karena memiliki komunitas yang sangat besar. PostgreSQL biasanya digunakan data engineer untuk:
- Mengelola transaksi data database
- Mengubah atau manipulasi isian data atau value data
- Membuat dan memanipulasi tabel
MongoDB
MongoDB adalah sistem database yang bisa digunakan untuk menyimpan data dalam format BSON dan menyediakan beragam fitur yang mendukung untuk pengembangan website dan aplikasi hingga pemrosesan data yang efisien. Ada beberapa fitur MongoDB yang bisa digunakan data engineer, diantaranya:
- Schema-less database
- Document-oriented
- Indexing
- Skalabilitas
Contoh Project Data Engineer
Ada beberapa contoh project yang dikerjakan oleh data engineer:
- Identifikasi pola database yang bermasalah dan memberikan solusi atas masalah tersebut
- Menganalisis tabel dan mengoptimalkannya dengan menambah indeks, memecahnya menjadi tabel terpisah, atau menghapus kolom yang tidak digunakan
- Menulis ulang kode yang digunakan untuk mengimpor proyek dari platform lain seperti GitHub
- Meninjau perubahan terkait database yang diunggah oleh developer lain
- Mendokumentasikan praktik atau pola terbaik database yang harus dihindari
Bocoran Gaji Junior Data Engineer hingga Senior di Indonesia
Gaji data engineer memang cukup fantastis dan bisa dibilang lebih tinggi dibandingkan profesi di bidang IT lainnya. Berikut informasi lengkap gaji data engineer:
Bocoran Gaji Junior Data Engineer
Untuk posisi junior data engineer dengan pengalaman satu sampai empat tahun mengutip dari berbagai sumber yang kredibel, rata-rata gajinya di Indonesia adalah:
- Berdasarkan report Glassdoor = 8-12 jt/bulan
- Berdasarkan report Indeed = 7-9 jt/bulan
- Berdasarkan report IDStar = 9 jt/bulan
Mengutip dari Glassdoor, berikut bocoran rata-rata gaji junior data engineer di berbagai perusahaan besar di Indonesia:
- Rata-rata gaji data engineer di Gojek = 10 jt/bulan
- Rata-rata gaji data engineer di OVO = 12 jt/bulan
- Rata-rata gaji data engineer di TaniHub = 14 jt/bulan
Bocoran Gaji Data Engineer Mid-Level
Untuk posisi mid-level data engineer dengan pengalaman empat sampai enam tahun mengutip dari berbagai sumber yang kredibel, rata-rata gajinya di Indonesia adalah:
Bocoran Gaji Data Engineer Senior
Untuk posisi senior data engineer dengan pengalaman enam sampai sembilan tahun mengutip dari berbagai sumber yang kredibel, rata-rata gajinya di Indonesia adalah:
Mengutip dari Glassdoor, berikut bocoran rata-rata gaji senior data engineer di berbagai perusahaan besar di Indonesia:
- Rata-rata gaji data engineer di Traveloka = 27 jt/bulan
- Rata-rata gaji data engineer di Dana = 17 jt/bulan
- Rata-rata gaji data engineer di Bukalapak = 14 jt/bulan
Perbedaan rata-rata gaji ini memang disesuaikan dengan kualifikasi hingga tanggung jawab yang diberikan perusahaan. Umumnya, semakin berat tanggung jawabnya maka semakin tinggi juga besaran gaji yang diberikan perusahaan kepada data engineer.
Bocoran Gaji Junior Data Engineer hingga senior di Perusahaan Global
Jika kamu tertarik untuk berkarier jadi data engineer di perusahaan global, maka kamu bisa pertimbangkan beberapa perusahaan ini yang memberikan gaji fantastis untuk data engineer:
- Meta – 163.111$/tahun atau sekitar Rp 2,3 miliar/tahun
- Cisco Systems – 178.407$/tahun atau sekitar Rp2,5 miliar/tahun
- Amazon – 123.602$/tahun atau sekitar Rp 1,7 miliar/tahun
- IBM – 97.094$/tahun atau sekitar Rp 1,4 miliar/tahun
- Apple – 164.152$/tahun atau sekitar Rp 2,3 miliar/tahun
- HP Inc. – 121.457$/tahun atau sekitar Rp 1,7 miliar/tahun
5 Cara Jadi Data Engineer
Buat kamu yang memang sudah mantap berkarier di bidang data engineering, kamu bisa simak panduan singkat berikut ini mengenai cara jadi seorang data engineer.
Mendapatkan Gelar di Bidang Ilmu Terkait
Jangankan bagi data engineer yang sudah berpengalaman, individu yang mau memulai karier sebagai data engineer dari tingkat entry level umumnya harus memiliki ijazah atau gelar di bidang ilmu yang bersinggungan. Misalnya ilmu komputer, teknik software, fisika, atau matematika terapan. Singkatnya, gelar atau ijazah tersebut berarti kamu sudah menyelesaikan pendidikan di jurusan atau bidang studi terkait, yang membantumu memahami prinsip-prinsip dasar sekaligus menanamkan soft skill yang kamu butuhkan untuk menjalankan peran sebagai data engineer. Contohnya skill berkomunikasi, kerja dalam tim, dan problem solving.
Lalu, bagaimana jika kamu sedang menempuh pendidikan di bidang yang tak terkait atau bahkan sudah lulus? Tidak perlu khawatir karena, dewasa ini, gelar tidak menjadi syarat utama untuk terjun ke profesi di bidang data. Pasalnya, bidang ini adalah bidang yang terbilang cukup baru sehingga belum banyak universitas yang membuka program studi yang spesifik. Hal tersebut membuat perusahaan lebih fleksibel mengenai latar belakang pendidikan kandidatnya. Asalkan kandidat bisa menunjukkan keahlian yang dibutuhkan, maka kemungkinan besar perusahaan akan menerimanya.
Mengikuti Kursus Bersertifikasi
Coba kita kembali lagi ke pertanyaan yang sempat disinggung sebelumnya: bagaimana jika kamu tidak punya background di bidang tersebut? Atau bagaimana jika kamu tidak menempuh pendidikan formal di bidang studi terkait seperti yang disebutkan di poin pertama di atas? Sekali lagi, kamu tak perlu khawatir karena masih ada jalur pendidikan alternatif yang sangat layak buat kamu pilih. Saat ini, kamu bisa temukan berbagai program kursus maupun bootcamp bersertifikat mengenai data analytics, data science, maupun data engineering. Menariknya, banyak pilihan program yang bisa diikuti siapa saja, bahkan yang tidak memiliki latar belakang yang berkaitan, lho!
Dibandingkan dengan opsi pertama di atas, kursus atau bootcamp bersertifikasi jauh lebih fokus dan tertarget, memakan waktu lebih singkat, dan cenderung jauh lebih hemat biaya. Salah satu alasan utamanya adalah karena kamu bisa belajar sekaligus “menabung” skillset relevan yang dibutuhkan profesi ini dalam waktu bersamaan. Soalnya, kursus atau bootcamp lebih fokus pada praktik sehingga kamu tidak akan menghabiskan waktu hanya untuk belajar teori.
Pada saat kamu memilih jalur yang satu ini, kamu bisa fokuskan diri pada beberapa area kunci di dunia data engineering. Misalnya Big Data architecture, data analytics, atau machine learning. Dan melalui kursus atau bootcamp bersertifikasi, kamu juga tetap akan mendapatkan materi fundamental serta tools-tools dasar yang dibutuhkan oleh setiap data engineer andal, seperti SQL dan Python.
Tambah Pengalaman Dunia Nyata
Meskipun kamu sudah punya ijazah atau gelar di bidang studi terkait, kamu harus menerima fakta bahwa data engineering bukanlah peran atau profesi yang bisa langsung dipegang oleh seorang fresh graduate. Mengingat bahwa bidang profesi yang satu ini telah menjadi bidang atau disiplin ilmu yang terspesialisasi, kamu juga butuh pengalaman yang relevan agar bisa memulai kariermu sebagai data engineer. Saat kamu memulai karier sebagai data engineer di entry level, kamu bahkan juga sudah diminta untuk memiliki pengalaman yang telah tercantum di dalam persyaratan. Akan tetapi, “pengalaman” yang dimaksud sebenarnya cukup luas maknanya dan tidak melulu berarti pengalaman kerja.
Bisa jadi pengalaman yang dimaksud berkaitan dengan peran sebelumnya yang pernah kamu pegang dan berkaitan dengan data, pengalaman di software development, atau sebagai anak magang di bidang tertentu. Bahkan memiliki portofolio proyek pribadi terkait data engineering pun sudah bisa jadi awal yang baik untuk mendemonstrasikan pengalamanmu.
Pahami Database dan Update-Update Terkini
Pastikan pula bahwa kamu terus mengikuti update terbaru, baik itu terkait dengan pengetahuan mendasar mengenai database maupun tool yang kamu gunakan untuk mengelola database. Apalagi mengingat fakta bahwa database merupakan bagian penting dalam data engineering yang memegang peran sebagai batu pondasi untuk infrastruktur database yang lebih besar.
Minimal, pahami framework SQL maupun NoSQL. Kamu juga bisa menjajal alat database management system seperti MySQL atau PostgreSQL. Dan sambil meningkatkan pengetahuan dan penguasaan tool-mu, kamu bisa sekalian menambahkannya ke dalam deretan proyek untuk portofoliomu.
Kembangkan Toolset yang Lebih Luas Secara Terus-menerus
Mengembangkan pengetahuan dan skill dengan memanfaatkan beragam data engineering tool punya manfaat signifikan dalam meningkatkan peluang kerjamu. Contohnya data engineering tool berbasis web seperti Amazon Web Service, Apache Cloudstack, dan Microsoft SQL Server Management Studio. Kamu sebenarnya tak perlu jadi master di segala tool. Akan tetapi, justru akan sangat bermanfaat buat kariermu nanti kalau kamu mengenal dan memahami cara kerjanya bahkan di level basic sekalipun. Apalagi dengan begitu banyaknya pilihan tool di luar saja, tak jarang para data engineer mengintegrasikan lebih dari satu tool.
Peluang Karier Data Engineer Terbaik di Indonesia
Selain gaji yang fantastis, profesi data engineer juga saat ini prospeknya sangat menjanjikan, Indeed menyebut jumlah lowongan data engineer meningkat hingga lebih dari 400% di waktu lima terakhir. Menariknya, walaupun lowongan data engineer terus meningkat tapi hasil studi dari The New Stack menunjukkan bahwa posisi data engineer memiliki tingkat persaingan yang lebih rendah dibandingkan profesi lain yang berhubungan dengan data dan IT.
Setiap lowongan yang dipublikasikan di Linkedin dan Indeed, data engineer memiliki tingkat keketatan sebesar 2,53 sedangkan posisi data science memiliki tingkat keketatan sebesar 4,76, yang artinya 1 posisi data engineer diperebutkan oleh 3 pesaing sedangkan 1 posisi data science diperebutkan oleh 5 pesaing. (Sumber: Universitas Multimedia Nusantara).
Rekomendasi Kursus Data Engineer Terbaik di Indonesia
Untuk memanfaatkan kesempatan karier data engineer, kamu bisa mulai dengan ikut Bootcamp Data Engineer Digital Skola. Kelas ini cocok untuk pemula bahkan yang tidak punya latar belakang IT karena kamu akan belajar dari 0 sampai siap kerja menjadi data engineer dengan kurikulum dari basic hingga advanced seperti Python, SQL, data modelling, machine learning, hingga data warehouse. Kamu juga akan belajar dari tutor expert dari berbagai perusahaan ternama seperti Snowflake, Tokopedia, Jasa Marga, dan perusahaan ternama lainnya. Selain itu, kamu juga akan praktik menggunakan tools premium dan terupdate sesuai kebutuhan industri seperti:
- Kubernetes
- Kafka
- Airflow
Tidak hanya itu, kamu juga akan mendapat dukungan fasilitas karier terlengkap seperti:
- Job connector
- Professional Branding
- 1on1 career counseling with HR Expert
- Personality and Career Assessment
- Comprehensive Learning Materials
- Tutor Data Expert Senior
- Komunitas Data Engineer
- Unlimited Career Consultation
Nantinya setelah menyelesaikan kelas, kamu tidak hanya menguasai skill, namun juga akan menghasilkan 7 personal project dan 1 portofolio end to end. Dengan semua materi dan fasilitas ini, langkahmu menjadi data engineer akan semakin mudah. Info lengkap terkait kelas, klik button di bawah ini!
Klik button di bawah untuk info lengkapnya!
