Masalah karier jarang muncul tiba-tiba. Biasanya ia pelan-pelan terasa dari lamaran yang sepi, interview yang menggantung, atau rasa tidak berkembang. Di permukaan, masalahnya terlihat seperti CV, LinkedIn, atau interview. Namun di balik itu biasanya ada persoalan positioning yang belum selesai.
Topik menulis pencapaian saat tidak punya angka sering terasa personal, padahal akar masalahnya bisa dibaca lebih objektif. tidak semua pekerjaan punya metrik yang mudah diukur. Ini bukan tanda bahwa kamu tidak punya kapasitas. Sering kali masalahnya adalah cara kamu menampilkan pengalaman belum selaras dengan cara recruiter, user, atau hiring manager membaca kandidat.
Di titik ini, kamu bisa mulai memakai artikel ini sebagai ruang audit kecil. Jika nanti kamu ingin merapikan semuanya secara lebih utuh, seri playbook di Sudut Rekruter bisa menjadi langkah lanjut untuk menyusun CV, LinkedIn, interview, dan strategi pindah kerja dengan satu arah narasi yang sama.
Kenapa masalah ini terasa berat untuk Data Scientist
Untuk Data Scientist, pekerjaan sehari-hari biasanya berisi membangun model, eksperimen, analisis statistik, dan menerjemahkan output data ke keputusan. Namun pengalaman yang terasa jelas bagi kamu belum tentu otomatis jelas bagi orang yang baru melihat CV selama beberapa detik.
Recruiter mencari bukti cepat: masalah apa yang kamu pahami, keputusan apa yang pernah kamu ambil, dampak apa yang muncul, dan apakah semua itu relevan dengan role yang sedang dibuka. Kalau empat sinyal ini tidak muncul, pengalaman yang sebenarnya layak bisa terlihat datar.
Kesalahan yang sering membuat value tidak terbaca
- Menulis aktivitas tanpa menjelaskan konteks masalahnya.
- Terlalu fokus pada tools, jabatan, atau rutinitas, tetapi kurang menunjukkan keputusan dan dampak.
- Menggunakan kalimat umum seperti bertanggung jawab, membantu, atau mengelola tanpa bukti konkret.
- Memakai narasi yang sama untuk semua lowongan, padahal setiap role punya kebutuhan yang berbeda.
Kalau kamu merasa bagian ini menampar sedikit, itu justru bagus. Artinya ada ruang perbaikan yang bisa dikontrol tanpa harus menunggu pengalaman baru datang.
Framework sederhana untuk memperbaikinya
Mulailah dari empat lapisan: situasi, kontribusi, bukti, dan relevansi. Situasi menjelaskan masalahnya. Kontribusi menjelaskan peranmu. Bukti membuatnya kredibel. Relevansi menghubungkannya dengan role yang kamu incar.
- Situasi: apa masalah atau target yang sedang terjadi?
- Kontribusi: keputusan atau aksi apa yang kamu ambil?
- Bukti: apa perubahan, hasil, efisiensi, kualitas, atau risiko yang membaik?
- Relevansi: kenapa pengalaman itu penting untuk role berikutnya?
Kamu tidak harus punya pencapaian spektakuler untuk terlihat bernilai. Kamu perlu membuat pengalamanmu mudah diterjemahkan menjadi value yang dicari perusahaan.
Contoh perubahan narasi yang lebih kuat
Sebelum diperbaiki, banyak kandidat menulis seperti ini: "Bertanggung jawab pada CV dan mendukung pekerjaan tim." Kalimat ini aman, tetapi terlalu samar.
Setelah diperjelas, arahnya bisa menjadi: "Membantu tim memperbaiki CV dengan memetakan kendala utama, menyusun prioritas, dan membuat proses kerja lebih mudah dipantau sehingga kontribusi lebih cepat terlihat." Versi kedua belum tentu harus memakai angka besar, tetapi sudah menunjukkan masalah, aksi, dan arah dampaknya.
Untuk Data Scientist, value yang perlu terlihat adalah mengubah kompleksitas data menjadi prediksi atau rekomendasi yang berguna. Saat value ini muncul konsisten di CV, LinkedIn, dan interview, recruiter tidak perlu menebak-nebak lagi.
Contoh yang lebih spesifik untuk Data Scientist
Untuk Data Scientist, topik menulis pencapaian saat tidak punya angka tidak bisa dijelaskan dengan kalimat umum. Recruiter perlu melihat hubungan antara pekerjaan seperti membangun model, eksperimen, analisis statistik, dan menerjemahkan output data ke keputusan dan kebutuhan role yang sedang dibuka. Titik yang paling sering terlewat adalah jenis masalah yang kamu selesaikan.
Contoh lemah: "Saya menangani CV dan membantu tim berjalan lebih baik." Kalimat ini terdengar aman, tetapi belum memberi alasan kenapa kontribusimu penting.
Contoh lebih kuat: "Saya memperbaiki CV dengan memetakan hambatan utama, menyusun prioritas tindakan, dan menunjukkan pengurangan risiko yang sebelumnya sering luput sehingga mengubah kompleksitas data menjadi prediksi atau rekomendasi yang berguna." Versi ini lebih tajam karena menjelaskan masalah, aksi, bukti, dan relevansi.
Sebelum apply berikutnya, ambil satu pengalaman yang paling dekat dengan contoh pencapaian di cv tanpa angka. Tulis ulang dengan format masalah, keputusan, bukti, dan dampak. Kalau salah satu bagian belum ada, itulah area yang perlu kamu lengkapi sebelum CV atau interview berikutnya.
Langkah praktis yang bisa kamu lakukan hari ini
pakai ukuran non-angka seperti frekuensi, kompleksitas, dan dampak ke stakeholder. Setelah itu, cek apakah kalimatmu sudah menjawab pertanyaan sederhana: "Kenapa perusahaan harus peduli dengan pengalaman ini?" Jika belum, tambahkan konteks atau dampaknya.
Kamu juga bisa membaca artikel lain di kategori CV Profesional untuk melihat sudut pandang yang lebih luas sebelum masuk ke pembahasan yang lebih spesifik.
Checklist sebelum kamu lanjut apply
- Apakah target role sudah jelas?
- Apakah tiga kontribusi terkuat sudah terlihat di bagian awal CV atau LinkedIn?
- Apakah contoh interview sudah punya situasi, keputusan, dan hasil?
- Apakah keyword yang kamu pakai sama dengan bahasa lowongan?
- Apakah kamu bisa menjelaskan alasan pindah atau naik level tanpa terdengar defensif?
Pertanyaan yang mungkin sedang kamu pikirkan
Bagaimana kalau pengalaman saya terasa biasa saja?
Pengalaman terasa biasa ketika hanya ditulis sebagai rutinitas. Cari momen ketika kamu membuat sesuatu lebih rapi, lebih cepat, lebih aman, lebih jelas, atau lebih mudah dipakai orang lain. Itulah pintu masuk value.
Apakah saya perlu menunggu punya angka besar?
Tidak selalu. Angka membantu, tetapi bukan satu-satunya bukti. Kamu bisa memakai skala pekerjaan, kompleksitas stakeholder, frekuensi masalah, risiko yang dicegah, atau kualitas proses yang meningkat.
Bagaimana cara tahu keyword yang relevan?
Baca beberapa lowongan yang benar-benar kamu incar, termasuk di Google Interview Warmup. Catat kata yang berulang, lalu gunakan kata itu secara natural di CV dan LinkedIn jika memang sesuai pengalamanmu.
Penutup yang perlu kamu ingat
kontribusi tetap terlihat lewat skala, kualitas, risiko, atau perubahan proses. Ini bukan pekerjaan sekali duduk, tetapi bisa dimulai dari satu dokumen dan satu cerita kerja dulu. Semakin jelas kamu menerjemahkan pengalaman, semakin kecil kemungkinan recruiter melewatkan value yang sebenarnya sudah kamu punya.
Kalau kamu ingin langkah yang lebih terarah, mulai dari seri playbook Sudut Rekruter. Gunakan insight ini untuk merapikan bukti kontribusi, bukan hanya menambah daftar pengalaman.