Setiap hari, perusahaan menghasilkan dan mengumpulkan data dari berbagai aktivitas. Mulai dari transaksi pelanggan dan aktivitas pemasaran hingga operasional bisnis dan interaksi digital, informasi ini membantu perusahaan memahami kinerja serta menentukan langkah selanjutnya.
Namun, semakin banyak data yang dikumpulkan, semakin kompleks pula proses pengelolaannya. Data dapat tersebar di berbagai database, aplikasi, platform cloud, dan sistem internal, yang masing-masing memiliki struktur berbeda. Tanpa perencanaan yang tepat, informasi dapat menjadi terfragmentasi, tidak konsisten, dan sulit dimanfaatkan.
Di sinilah Data Architect berperan penting. Data Architect merancang bagaimana data disusun, disimpan, dihubungkan, dikelola, dan diakses agar dapat memenuhi kebutuhan bisnis sekaligus mendukung kebutuhan teknologi perusahaan.
Peran ini tidak hanya berfokus pada desain database. Data Architect juga perlu memahami alur data, pemodelan data, integrasi sistem, keamanan, tata kelola data, serta bagaimana arsitektur data dapat mendukung kebutuhan perusahaan dalam jangka panjang.
Seiring semakin banyaknya perusahaan yang mengandalkan data untuk menjalankan operasional, mengembangkan produk, dan mengambil keputusan, Data Architect di Indonesia semakin dibutuhkan di berbagai industri. Para profesional ini membantu perusahaan membangun arsitektur data yang terstruktur, aman, dan scalable untuk mendukung pertumbuhan bisnis dalam jangka panjang.
Apa Itu Data Architect?
Data Architect adalah profesional teknologi yang bertanggung jawab merancang struktur, sistem, dan kerangka pengelolaan data dalam sebuah organisasi. Mereka menentukan bagaimana data diorganisasi, disimpan, diintegrasikan, diakses, dan dikelola agar dapat mendukung kebutuhan teknis serta tujuan bisnis perusahaan.
Dalam praktiknya, Data Architect dapat terlibat dalam perancangan data model, pemilihan database dan data storage, pengembangan standar data, perencanaan data warehouse, integrasi antar-sistem, hingga penetapan prinsip keamanan dan tata kelola data.
Sebagai contoh, sebuah perusahaan retail memiliki data pelanggan dari aplikasi e-commerce, data transaksi dari sistem kasir, data inventaris dari sistem gudang, dan data kampanye dari platform pemasaran. Setiap sistem mungkin menyimpan informasi dalam format yang berbeda.
Data Architect merancang bagaimana sumber data tersebut dapat dihubungkan, bagaimana struktur datanya perlu disusun, dan bagaimana data dapat digunakan oleh tim lain secara konsisten. Dengan arsitektur yang tepat, perusahaan dapat mengurangi data yang terpisah-pisah dan membangun fondasi yang lebih baik untuk reporting maupun analytics.
Data Architect juga bekerja sama dengan berbagai tim, termasuk Data Engineer, Database Administrator, Data Analyst, Data Scientist, Software Engineer, serta stakeholder bisnis. Mereka menerjemahkan kebutuhan bisnis menjadi rancangan teknis yang dapat diterapkan oleh tim terkait.
Data Architect vs Data Engineer vs Data Analyst
Ketiga role ini sama-sama berhubungan dengan data, tetapi memiliki fokus dan tanggung jawab yang berbeda.
| Aspek | Data Architect | Data Engineer | Data Analyst |
| Fokus utama | Merancang struktur dan arsitektur data organisasi | Membangun serta memelihara sistem dan pipeline data | Menganalisis data untuk menghasilkan insight bisnis |
| Ruang lingkup | Data model, database architecture, data integration, standards, dan governance | ETL/ELT, data pipelines, data processing, dan data infrastructure | Data exploration, reporting, dashboard, dan analisis |
| Fokus pekerjaan | Menentukan bagaimana data sebaiknya disusun dan dikelola | Mengimplementasikan alur pengumpulan, transformasi, dan penyimpanan data | Menjawab pertanyaan bisnis menggunakan data yang tersedia |
| Kolaborasi | Tim engineering, data, IT, governance, dan stakeholder bisnis | Data Architect, Data Analyst, Data Scientist, dan engineering team | Tim bisnis, marketing, finance, operations, dan data team |
| Contoh hasil pekerjaan | Blueprint arsitektur data, data model, dan standar pengelolaan data | Data pipelines, data warehouse implementation, dan data processing systems | Dashboard, laporan, analisis tren, dan rekomendasi bisnis |
Perbedaan tersebut menunjukkan bahwa Data Architect lebih berfokus pada rancangan menyeluruh dan prinsip pengelolaan data. Data Engineer membangun serta menjalankan sistem yang mengimplementasikan rancangan tersebut, sementara Data Analyst menggunakan data untuk memahami performa dan membantu pengambilan keputusan.
Dalam praktiknya, pembagian tanggung jawab dapat berbeda tergantung ukuran perusahaan, struktur tim, dan kompleksitas sistem yang digunakan.
Baca juga: Data Analyst di Indonesia: Dari Data Menjadi Keputusan yang Berdampak
Mengapa Data Architect Semakin Dibutuhkan?
Perusahaan tidak hanya membutuhkan data dalam jumlah besar, tetapi juga membutuhkan cara yang terstruktur untuk mengelolanya. Ketika data berasal dari banyak sistem dan digunakan oleh berbagai tim, arsitektur data yang baik membantu menjaga konsistensi, aksesibilitas, keamanan, dan efisiensi penggunaannya.
Beberapa faktor yang membuat peran Data Architect semakin relevan antara lain:
- Pertumbuhan volume dan sumber data: Perusahaan mengumpulkan informasi dari aplikasi, transaksi, CRM, sistem internal, perangkat IoT, dan platform eksternal. Data Architect membantu merancang cara mengintegrasikan sumber-sumber tersebut.
- Kebutuhan terhadap keputusan berbasis data: Tim bisnis membutuhkan data yang konsisten dan dapat dipercaya untuk membuat laporan, memahami tren, dan mengevaluasi performa.
- Integrasi antar-sistem: Data sering kali tersebar di berbagai database dan aplikasi. Perusahaan membutuhkan arsitektur yang memungkinkan data berpindah dan digunakan lintas sistem secara terstruktur.
- Perkembangan cloud computing: Penggunaan cloud database, data warehouse, dan data lake membuat perusahaan perlu mempertimbangkan struktur, biaya, keamanan, serta skalabilitas infrastruktur data.
- Data governance dan keamanan: Perusahaan perlu menetapkan standar pengelolaan, kontrol akses, metadata, dan perlindungan informasi agar data dapat digunakan secara bertanggung jawab.
- Kebutuhan analytics dan AI: Analitik tingkat lanjut serta aplikasi AI membutuhkan data yang relevan, terstruktur, dan dapat diakses dengan baik. Arsitektur data menjadi salah satu fondasi untuk mendukung kebutuhan tersebut.
- Pertumbuhan bisnis dan kompleksitas operasional: Ketika perusahaan berkembang, sistem data yang awalnya sederhana mungkin perlu diperbarui agar dapat menangani lebih banyak pengguna, proses, dan kebutuhan bisnis.
Karena itu, perusahaan membutuhkan Data Architect yang tidak hanya memahami teknologi database, tetapi juga mampu melihat hubungan antara kebutuhan bisnis, aliran data, keamanan, dan desain sistem dalam jangka panjang.
Industri yang Membutuhkan Data Architect
Kebutuhan terhadap Data Architect tidak terbatas pada perusahaan teknologi. Berbagai organisasi yang mengelola banyak data dan menggunakan informasi untuk mendukung operasional juga dapat membutuhkan profesional ini.
Beberapa industri yang dapat merekrut Data Architect antara lain:
- Technology & Software
- Banking & Financial Services
- FinTech
- E-commerce & Retail
- Healthcare & HealthTech
- Telecommunications
- Manufacturing
- Logistics & Supply Chain
- Insurance
- Energy & Utilities
- Travel & Hospitality
- Media & Entertainment
- Government & Public Services
- Consulting
Kebutuhan arsitektur data dapat berbeda di setiap industri. Perusahaan perbankan, misalnya, perlu memperhatikan integrasi data transaksi, keamanan informasi, dan kontrol akses. Perusahaan retail mungkin lebih berfokus pada penggabungan data pelanggan, penjualan, inventaris, serta aktivitas pemasaran.
Sementara itu, perusahaan manufaktur dapat mengelola data dari sistem produksi, rantai pasok, dan perangkat operasional. Data Architect membantu merancang bagaimana berbagai sumber tersebut dapat terhubung dan mendukung kebutuhan organisasi.
Hal ini membuat pemahaman terhadap business requirements dan karakteristik industri menjadi sama pentingnya dengan kemampuan teknis.
Tugas dan Tanggung Jawab Data Architect
Data Architect bertanggung jawab merancang arsitektur data yang sesuai dengan kebutuhan organisasi. Pekerjaannya mencakup perencanaan struktur data, integrasi sistem, standar pengelolaan, hingga memastikan rancangan dapat mendukung kebutuhan perusahaan seiring pertumbuhannya.
Tanggung Jawab Harian
- Data Modeling: Merancang model data konseptual, logis, dan fisik untuk menjelaskan struktur serta hubungan antar-entitas data.
- Database Architecture: Menentukan struktur dan pendekatan penyimpanan data yang sesuai dengan kebutuhan aplikasi, operasional, dan analytics.
- Data Integration Design: Merancang bagaimana data dari berbagai database, aplikasi, API, dan sistem eksternal dapat terhubung.
- Data Flow Mapping: Memetakan sumber data, proses transformasi, tujuan penyimpanan, dan pihak yang menggunakan data.
- Data Warehouse and Data Lake Planning: Merancang struktur dan pendekatan penyimpanan untuk mendukung kebutuhan reporting, analytics, dan pemrosesan data.
- Data Standards and Documentation: Menyusun standar penamaan, struktur, metadata, data dictionary, dan dokumentasi arsitektur.
- Technology Evaluation: Mengevaluasi database, cloud services, data platforms, dan tools berdasarkan kebutuhan teknis maupun bisnis.
- Cross-Functional Collaboration: Berkoordinasi dengan Data Engineer, DBA, Data Analyst, Software Engineer, dan stakeholder bisnis untuk memastikan rancangan sesuai kebutuhan.
- Architecture Review: Meninjau rancangan data yang sudah ada dan mengidentifikasi peluang perbaikan.
Tanggung Jawab Strategis
- Enterprise Data Architecture: Menentukan prinsip dan kerangka arsitektur data yang dapat digunakan secara konsisten di seluruh organisasi.
- Scalability Planning: Memastikan arsitektur dapat mendukung pertumbuhan volume data, jumlah pengguna, serta kompleksitas proses bisnis.
- Data Governance: Mendukung penerapan standar, kepemilikan data, metadata management, dan kebijakan pengelolaan data.
- Security and Privacy by Design: Mempertimbangkan kontrol akses, perlindungan data sensitif, dan kebutuhan privasi sejak tahap perancangan.
- Architecture Optimization: Mengevaluasi arsitektur yang ada untuk meningkatkan efisiensi, performa, maintainability, dan reliability.
- Technology Roadmap: Membantu menentukan arah pengembangan arsitektur data serta kebutuhan teknologi untuk jangka panjang.
- Business and Technical Alignment: Menerjemahkan kebutuhan organisasi menjadi spesifikasi dan rancangan teknis yang dapat diimplementasikan.
- Technical Governance: Membantu memastikan solusi data yang dibangun oleh berbagai tim tetap mengikuti prinsip dan standar arsitektur yang disepakati.
Ruang lingkup setiap tanggung jawab dapat berbeda. Pada perusahaan dengan tim data yang besar, Data Architect mungkin lebih berfokus pada enterprise architecture dan standar. Di perusahaan lain, peran ini juga dapat terlibat langsung dalam desain solusi, evaluasi platform, dan implementasi teknis.
Skill yang Harus Dimiliki Data Architect
Menjadi Data Architect membutuhkan kombinasi pemahaman teknis, kemampuan analitis, dan business understanding. Selain memahami database, profesional ini perlu mampu melihat bagaimana data bergerak di dalam organisasi dan bagaimana sistem yang dirancang dapat mendukung kebutuhan jangka panjang.
Hard Skills
- Database and SQL: Memahami relational database seperti PostgreSQL, MySQL, SQL Server, atau Oracle, serta konsep database design, indexing, normalization, dan query.
- Data Modeling: Mampu merancang conceptual, logical, dan physical data models serta memahami hubungan antar-entitas.
- Data Architecture: Memahami pola arsitektur data, data flow, integrasi sistem, serta perancangan data platform yang scalable dan maintainable.
- Data Warehousing and Data Lakes: Memahami konsep data warehouse, data lake, data lakehouse, dan penggunaannya untuk kebutuhan analytics.
- Data Integration and ETL/ELT: Memahami proses pengumpulan, pemindahan, transformasi, dan integrasi data dari berbagai sumber.
- Cloud Computing: Memahami layanan data pada cloud platform seperti AWS, Google Cloud Platform, atau Microsoft Azure.
- Data Governance and Metadata: Memahami data standards, metadata management, data quality, data lineage, dan prinsip tata kelola data.
- Security and Privacy: Memahami access control, encryption, data protection, dan prinsip keamanan dalam desain sistem data.
- Programming and Scripting: Memahami SQL dan bahasa seperti Python dapat membantu proses analisis, integrasi, otomatisasi, serta kolaborasi dengan tim engineering.
- Architecture Documentation: Mampu membuat data model, architecture diagrams, data flow diagrams, dan dokumentasi teknis yang mudah dipahami tim lain.
Soft Skills
- Analytical Thinking: Mampu memahami hubungan antara kebutuhan bisnis, sumber data, sistem, dan konsekuensi dari keputusan arsitektur.
- Problem Solving: Mengidentifikasi masalah pada struktur atau aliran data dan menentukan solusi yang sesuai.
- Communication: Menjelaskan konsep teknis kepada stakeholder dengan latar belakang teknis maupun nonteknis.
- Collaboration: Bekerja sama dengan tim data, engineering, IT, security, dan unit bisnis.
- Attention to Detail: Memperhatikan konsistensi struktur, definisi, kualitas, dan hubungan antar-data.
- Strategic Thinking: Mempertimbangkan bukan hanya kebutuhan saat ini, tetapi juga kemungkinan perubahan dan pertumbuhan bisnis.
- Decision Making: Mengevaluasi beberapa pilihan teknologi dan menentukan pendekatan berdasarkan kebutuhan, risiko, biaya, dan manfaat.
- Adaptability and Continuous Learning: Mengikuti perkembangan database, cloud, data platforms, security practices, dan kebutuhan pengelolaan data.
Kombinasi skill tersebut membantu Data Architect merancang solusi yang tidak hanya dapat digunakan saat ini, tetapi juga dapat dipelihara dan dikembangkan seiring perubahan kebutuhan organisasi.
Tools yang Sering Digunakan Data Architect
Tools yang digunakan Data Architect bergantung pada teknologi, skala sistem, dan kebutuhan perusahaan. Beberapa kategori tools yang umum ditemui meliputi:
- Database Management: PostgreSQL, MySQL, Microsoft SQL Server, Oracle Database.
- Cloud Platforms: Amazon Web Services (AWS), Google Cloud Platform (GCP), Microsoft Azure.
- Data Warehousing: Snowflake, Google BigQuery, Amazon Redshift, Azure Synapse Analytics.
- Data Modeling and Diagramming: ERwin Data Modeler, Lucidchart, Microsoft Visio, diagrams.net.
- Data Integration and Orchestration: Apache Airflow, dbt, serta platform integrasi data yang sesuai dengan kebutuhan perusahaan.
- Big Data Processing: Apache Spark dan teknologi pemrosesan data terdistribusi lainnya.
- Programming and Querying: SQL, Python, serta tools pengembangan yang digunakan tim data.
- Documentation and Collaboration: Confluence, Jira, Git, GitHub, GitLab, atau tools dokumentasi internal.
Daftar tersebut merupakan contoh, bukan daftar tools yang wajib dikuasai seluruh Data Architect. Penguasaan konsep data modeling, architecture design, integrasi, governance, dan security umumnya lebih penting daripada sekadar mengetahui banyak nama tools.
Prospek Gaji Data Architect di Indonesia
Seiring meningkatnya kebutuhan perusahaan untuk mengelola dan memanfaatkan data secara strategis, kebutuhan terhadap Data Architect juga semakin berkembang. Besaran gaji untuk posisi ini dapat berbeda tergantung pada pengalaman, technical skills, lokasi, industri, teknologi yang dikuasai, serta kompleksitas arsitektur data yang dirancang.
Berdasarkan pengalaman Geekhunter dalam merekrut profesional teknologi di Indonesia, dikombinasikan dengan berbagai referensi pasar, kisaran gaji Data Architect di Indonesia adalah sebagai berikut:
- Junior Data Architect (0–2 tahun pengalaman): ~Rp10.000.000 – Rp18.000.000 per bulan
- Mid-Level Data Architect (3–5 tahun pengalaman): ~Rp20.000.000 – Rp30.000.000 per bulan
- Senior Data Architect (5+ tahun pengalaman): ~Rp30.000.000 – Rp45.000.000+ per bulan
- Lead / Enterprise Data Architect: ~Rp45.000.000 – Rp65.000.000+ per bulan
Besaran gaji dapat berbeda tergantung pada pengalaman dalam data modeling, database architecture, cloud data platforms, data warehousing, data governance, serta kemampuan merancang arsitektur data yang scalable dan secure.
Data Architect yang memiliki pengalaman dalam enterprise data architecture, cloud computing, data integration, data security, atau large-scale data platforms juga dapat memiliki nilai tawar yang lebih tinggi di pasar kerja.
Cara Membangun Karier sebagai Data Architect
Data Architect umumnya membutuhkan pengalaman yang cukup luas dalam pengelolaan dan perancangan sistem data. Karena itu, jalur karier menuju posisi ini sering dimulai dari peran teknis lain yang memberikan fondasi kuat dalam database, data engineering, software development, atau data management.
Background yang Umum Dimiliki
- Computer Science
- Information Technology
- Software Engineering
- Information Systems
- Data Science
- Database Administration
- Data Engineering
- Software Development
Latar belakang tersebut dapat membantu membangun fondasi teknis, tetapi tidak selalu menjadi satu-satunya jalur. Pengalaman kerja, pembelajaran mandiri, pelatihan, dan proyek yang relevan juga dapat membantu seseorang mengembangkan kemampuan di bidang arsitektur data.
Yang Perlu Dibangun
- Memahami database dan SQL.
- Mempelajari data modeling dan database design.
- Memahami data warehouse, data lake, serta konsep data integration.
- Mempelajari ETL/ELT dan data pipeline.
- Memahami cloud data services dan prinsip dasar infrastruktur.
- Mempelajari data governance, metadata, data quality, dan security.
- Berlatih membuat data architecture diagrams dan dokumentasi teknis.
- Mengembangkan kemampuan memahami kebutuhan bisnis dan menerjemahkannya menjadi solusi data.
- Mendapatkan pengalaman bekerja dengan Data Engineer, DBA, Software Engineer, atau tim data lainnya.
- Membangun portofolio yang menunjukkan proses berpikir dan alasan di balik rancangan arsitektur.
Untuk membangun portofolio, misalnya, kamu dapat merancang arsitektur data untuk perusahaan e-commerce. Mulai dari sumber data transaksi, pelanggan, dan inventaris, lalu jelaskan bagaimana data tersebut dikumpulkan, diintegrasikan, disimpan, diamankan, dan disiapkan untuk analytics.
Portofolio yang baik bukan hanya menunjukkan diagram akhir, tetapi juga menjelaskan kebutuhan bisnis, pilihan teknologi, trade-off, risiko, dan alasan di balik keputusan desain.
Jalur Karier yang Mungkin
Salah satu jalur yang mungkin ditempuh adalah:
- Data Engineer / Database Administrator / Software Engineer
- Senior Data Engineer / Database Specialist / Data Platform Engineer
- Data Architect
- Senior Data Architect / Data Platform Architect
- Enterprise Data Architect / Data Architecture Lead
- Head of Data Architecture atau posisi kepemimpinan data yang relevan
Jalur tersebut tidak bersifat wajib atau linear. Pengalaman seseorang, struktur organisasi, dan kebutuhan perusahaan dapat menghasilkan jalur karier yang berbeda.
Sertifikasi yang Direkomendasikan
- AWS Certified Data Engineer – Associate
- Google Cloud Professional Data Engineer
- Microsoft Certified: Azure Data Engineer Associate
- IBM Certified Data Architect
- DAMA Certified Data Management Professional (CDMP)
Sertifikasi dapat membantu menunjukkan pemahaman pada platform atau kerangka kerja tertentu. Namun, sertifikasi saja tidak menggantikan pengalaman dalam merancang sistem, menyelesaikan masalah data, dan berkolaborasi dengan stakeholder.
Masa Depan Karier Data Architect di Indonesia
Seiring meningkatnya penggunaan data dalam operasional dan pengambilan keputusan, perusahaan perlu memastikan bahwa data dari berbagai sumber dapat dikelola secara terstruktur dan aman. Hal ini membuat peran Data Architect di Indonesia tetap relevan dalam pengembangan sistem informasi perusahaan.
Perkembangan cloud computing, data platforms, real-time analytics, dan distributed data processing juga memperluas pilihan teknologi yang dapat digunakan perusahaan. Data Architect perlu memahami bagaimana teknologi tersebut dapat diterapkan sesuai kebutuhan, tanpa mengabaikan biaya, keamanan, kemudahan pemeliharaan, dan kemampuan integrasi.
Perkembangan Artificial Intelligence (AI) dan machine learning turut meningkatkan perhatian terhadap kualitas, aksesibilitas, dan tata kelola data. Sistem AI memerlukan data yang sesuai dengan kebutuhan penggunaannya, sementara organisasi tetap perlu mempertimbangkan privasi, hak akses, kualitas, serta asal-usul data.
Dalam konteks ini, Data Architect dapat berkontribusi dengan merancang struktur dan aliran data yang mendukung kebutuhan analitik maupun AI. Namun, implementasi dan pengoperasian data pipeline biasanya melibatkan Data Engineer dan tim teknis lainnya.
Seiring bertambahnya pengalaman, profesional di bidang ini dapat berkembang menuju posisi seperti Senior Data Architect, Data Platform Architect, Enterprise Data Architect, atau Data Architecture Lead. Mereka yang memiliki kemampuan komunikasi dan pemahaman bisnis yang kuat juga dapat mengambil peran lebih luas dalam strategi data organisasi.
Mengapa Perusahaan Perlu Berinvestasi pada Talenta Data Architect?
Memiliki data dalam jumlah besar tidak secara otomatis berarti perusahaan dapat memanfaatkannya secara efektif. Ketika informasi tersebar di berbagai sistem, perusahaan dapat mengalami kesulitan dalam mengintegrasikan data, menjaga konsistensi, mengatur akses, dan menyiapkan informasi untuk dianalisis.
Data Architect di Indonesia membantu perusahaan merancang fondasi pengelolaan data yang lebih terstruktur. Mereka menentukan bagaimana data harus diorganisasi, bagaimana sistem saling terhubung, standar apa yang perlu diterapkan, serta bagaimana arsitektur data dapat mendukung kebutuhan perusahaan dalam jangka panjang.
Seiring berkembangnya bisnis, kebutuhan data perusahaan juga berubah. Sistem yang sebelumnya hanya digunakan untuk pelaporan dasar mungkin perlu dikembangkan agar mampu mendukung analitik yang lebih kompleks, integrasi lintas platform, atau pemrosesan data dalam skala yang lebih besar. Arsitektur yang dirancang dengan baik membantu perusahaan merencanakan perubahan tersebut secara lebih efektif.
Data Architect juga berperan dalam menyelaraskan kebutuhan teknis dengan tujuan bisnis. Dengan memahami sasaran organisasi, mereka dapat mengevaluasi pilihan teknologi dan desain data berdasarkan kebutuhan, risiko, biaya, keamanan, serta potensi pertumbuhan perusahaan.
Bagi perusahaan yang mengandalkan data untuk menjalankan operasional dan mengembangkan layanan, berinvestasi pada talenta Data Architect dapat membantu membangun fondasi data yang lebih konsisten, terkelola dengan baik, dan siap mendukung kebutuhan bisnis yang terus berkembang.
Rekrut Data Architect Terbaik di Indonesia bersama Geekhunter
Menemukan Data Architect yang tepat membutuhkan lebih dari sekadar kandidat yang memahami database atau cloud platform. Perusahaan membutuhkan profesional yang mampu merancang arsitektur data, memahami integrasi sistem, mempertimbangkan keamanan dan governance, serta menerjemahkan kebutuhan bisnis menjadi solusi teknis.
Geekhunter membantu perusahaan menemukan technology talent yang sesuai dengan kebutuhan mereka, termasuk profesional di bidang data dan analytics yang dapat mendukung pengembangan infrastruktur serta kapabilitas data perusahaan.
Sedang mencari Data Architect untuk perusahaanmu?
Sedang mencari Data Architect untuk perusahaanmu?
👉 Rekrut Data Architect sekarang: https://geekhunter.co/services
Tertarik membangun karier sebagai Data Architect?
👉 Temukan lowongan kerja Data Architect terbaru: https://geekhunter.co/careers