Final Project Bootcamp Data Analyst : Analyzing the Growth and Adoption of Electric Vehicles

Sebagai bagian dari Final Project Bootcamp Data Analyst, kami memberikan studi kasus bertema Electric Vehicle (EV) Growth & Adoption. Proyek ini dirancang untuk melatih peserta melakukan analisis data end-to-end: mulai dari identifikasi data, pembersihan, analisis tren, hingga visualisasi dalam bentuk dashboard yang informatif.

Topik kendaraan listrik dipilih karena relevansinya dengan isu global terkait transisi energi dan keberlanjutan. Dengan meningkatnya kesadaran terhadap perubahan iklim, industri otomotif dunia kini bergerak menuju teknologi yang lebih ramah lingkungan. Melalui project ini, peserta kami kami latih untuk memahami bagaimana data membantu menggambarkan arah perkembangan tersebut.

1. Latar Belakang Project

EV kini menjadi pilar penting dalam upaya pengurangan emisi dan ketergantungan pada energi fosil. Pemerintah, produsen otomotif, dan perusahaan energi di seluruh dunia terus melakukan investasi pada:

• Pengembangan teknologi EV
• Infrastruktur charging
• Ekspansi pasar kendaraan listrik

Melalui analisis data EV global, peserta diminta untuk memahami bagaimana tren historis, preferensi konsumen, dan proyeksi masa depan saling terkait dalam pembentukan pasar EV.

2. Tujuan Analisis

Dalam final project ini, peserta diarahkan untuk menjawab 3 fokus utama:

a. Tren Adopsi Global dan Regional

• Mengidentifikasi wilayah yang paling cepat mengadopsi EV
• Membandingkan pertumbuhan tahunan EV berdasarkan negara/region
• Melihat proyeksi pertumbuhan beberapa tahun ke depan

b. Preferensi Konsumen

• Mengamati dominasi jenis EV: BEV vs PHEV
• Menilai pola adopsi berdasarkan kategori kendaraan
• Menganalisis hubungan antara stok kendaraan dan penjualan

c. Proyeksi & Tantangan Masa Depan

• Melihat peluang dan hambatan adopsi EV
• Mengidentifikasi faktor yang mempercepat transisi (kebijakan, insentif, infrastruktur)
• Memberi rekomendasi strategi berdasarkan data

Fokus tersebut kemudian dijadikan dasar pembuatan dashboard final peserta.

3. Identifikasi dan Struktur Data

Peserta menggunakan dataset EV global dengan kolom:

• region
• category
• parameter
• mode
• powertrain (BEV, PHEV, FCEV)
• year
• unit
• value

Dataset mencakup data historis serta proyeksi jangka panjang, sehingga memungkinkan analisis tren jangka waktu yang lengkap.

4. Proses Cleaning Data

Kami membimbing peserta melakukan langkah-langkah pembersihan data, termasuk:

• Mengecek missing value dan outlier
• Menyeragamkan format tahun dan nama region
• Menghapus duplikasi
• Memastikan satuan (unit) konsisten
• Memvalidasi data dengan referensi publik

Tahapan ini memastikan data siap dianalisis tanpa bias atau distorsi.

5. Pengolahan & Visualisasi Dashboard

Dashboard final yang dibuat peserta memuat:

• Tren pertumbuhan EV (historical & projection)
• Perbandingan BEV, PHEV, dan FCEV
• Peningkatan infrastruktur charging
• Perubahan permintaan energi
• Dampak pengurangan konsumsi minyak (oil displacement)
• Analisis regional melalui peta (geo-visualization)

Tools yang kami izinkan untuk digunakan: Looker Studio, Tableau, atau Python (Plotly/Dash).

6. Kesimpulan Umum Project

Secara umum, hasil analisis menunjukkan bahwa:

• Adopsi EV global meningkat sangat cepat, dipimpin oleh BEV.
• Infrastruktur charging berkembang tetapi tetap perlu percepatan.
• Proyeksi hingga 2030 menunjukkan pertumbuhan eksponensial, terutama di negara dengan kebijakan agresif.
• Transisi menuju EV membawa dampak besar bagi energi, lingkungan, dan industri otomotif.

Final project ini sekaligus membuktikan kemampuan peserta kami dalam mengolah dataset berskala global dan menyajikan insight yang relevan serta dapat dijadikan portofolio profesional.