Data Analyst & Business Intelligence Repository

Repository ini menyimpan semua dataset dan hasil EDA (Exploratory Data Analysis) untuk keperluan Data Analyst dan Business Intelligence.

Struktur Folder

Datas Analyst/
├── README.md
├── EDA-Documentation.md
├── data/
│   ├── raw/              # Data mentah (belum diproses)
│   └── processed/        # Data bersih (siap pakai)
└── notebooks/            # Jupyter notebooks untuk EDA

Deskripsi Folder

Folder	Fungsi
data/raw/	Menyimpan dataset mentah yang belum diproses
data/processed/	Menyimpan dataset yang sudah dibersihkan dan siap digunakan
notebooks/	Jupyter notebooks untuk exploratory data analysis

Dataset yang Tersedia

Dataset	Deskripsi	Lokasi
Online Retail	Data transaksi e-commerce	data/raw/
Retail Sales Data Set	Data penjualan retail	data/raw/

Tech Stack

• Python - Bahasa pemrograman utama
• Pandas - Manipulasi dan analisis data
• NumPy - Komputasi numerik
• Jupyter Notebook - Interactive analysis
• Power BI - Dashboard dan reporting

Cara Menggunakan

1. Setup Folder

cd "c:\Users\dalleno\Dokumen\Datas Analyst"

2. Install Dependencies

pip install pandas numpy matplotlib seaborn jupyter scikit-learn openpyxl

3. Jalankan EDA

jupyter notebook

Kemudian buka file notebook yang diinginkan (misal: notebooks/online-retail-EDA.ipynb)

Workflow EDA

1. Simpan data mentah di folder data/raw/
2. Buat notebook di folder notebooks/ untuk explorasi
3. Proses dan bersihkan data di notebook
4. Simpan data bersih di folder data/processed/
5. Import data bersih ke Power BI untuk visualisasi dan dashboard

Template EDA

import pandas as pd
import numpy as np

# Load data
df = pd.read_csv('data/raw/your_dataset.csv')

# Explorasi awal
print(df.info())
print(df.describe())

# Data cleaning
df = df.drop_duplicates()
df = df.fillna(0)

# Simpan data bersih
df.to_csv('data/processed/your_dataset_clean.csv', index=False)

Dokumentasi EDA

Untuk dokumentasi lengkap proses EDA, lihat file EDA-Documentation.md

License

Repository ini untuk keperluan pembelajaran dan analisis internal.

---

Dibuat untuk: Data Analyst & Business Intelligence Projects
Tools: Python, Pandas, Jupyter Notebook, Power BI