Thread by @pacmannai

Membuat data bernilai bagi bisnis, sebuah tips.
.
.
.
A thread

Kalian tau gak sih, MIT Sloan Management Review bersama dengan IBM menemukan bahwa perusahaan-perusahaan yang unggul dalam sebuah industri itu melakukan data analytics 5 kali lebih tinggi dibandingkan dengan perusahaan yang kurang unggul.

Hayoo, siapa yang disini tempat kerja nya udah mengambil keputusan berbagai level berdasarkan data?

Meninggalkan pengambilan keputusan berdasarkan pengalaman pribadi dan beralih mengambil keputusan berdasarkan data memanglah tidak mudah, terlebih kalau kebiasaan ini sudah melekat di suatu organisasi/bisnis secara turun temurun.

Ada beberapa tantangan yang dialami oleh organisasi/bisnis ketika ingin mengimplementasikan ‘data driven’, kalian bisa lihat disini nihh:

Dari gambar tersebut, kita bisa lihat kalau tantangan termudah yang dirasakan oleh organisasi/bisnis adalah mereka ga tau mau mulai darimana mengolah data-data yang mereka miliki sebagai basis pengambil keputusan

Dan tantangan terbesarnya adalah kurangnya pemahaman gimana cara menggunakan analytics untuk meningkatkan performa organisasi / bisnis mereka. Nah, tenang aja, di thread ini, mimin akan bagi tips biar kalian ga lagi kebingungan ketika menghadapi tantangan tersebut.

Tips pertama: Mulailah dengan pertanyaan.

Menurut mimin, tips ini mematahkan mitos yang bilang kalau kita harus punya semua data yang dibutuhkan dulu untuk mengambil keputusan berdasarkan data. Kalau kita fokus untuk mencari datanya dulu tanpa tau sebenarnya kita mau ngapain, itu bakal buang waktu banget

Apalagi buat kalian yang merasa ‘aduh gua harus mulai darimana dulu nih?’. Tips pertama ini menjawab kebingungan kalian. Kalau kita memulai dengan pertanyaan, kita jadi bisa menemukan apa sih objektif yang ingin kita cari, dan jadi bisa nentuin data apa saja yang kita butuhkan

Kita juga jadi bisa hemat waktu cleaning data dan alokasikan waktunya untuk ngeliat insight yang bisa didapatkan dari data tsb. Ga hanya itu saja, kita juga bisa langsung fokus ke tujuan yang ingin dicapai dan tentunya tujuan tersebut dapat direalisasikan lebih cepat

Contohnya gini, kalian mau belanja ke pasar untuk beli bahan makanan buat besok. Sebelum ke pasar, ada baiknya kalian tanya dulu ke diri kalian, ‘besok mau masak apa?’

Misal besok mau masak soto ayam, ya jadi nanti di pasar kalian udah tau mau beli ayam, bumbu soto, daun bawang, dan bihun. Dengan tau apa yang mau dibeli, kalian gak bakal end up keliling pasar liat liat doang dan beli bahan-bahan yang ga dibutuhin buat bikin soto ayam

Tips kedua: bangun satu persatu, rencanakan keseluruhan.

Seiring dengan berjalannya waktu, data yang kalian punya pasti akan semakin banyak. Jadi wajar saja kalau 6 dari 10 responden di survei MIT dan IBM menyebutkan kalau mereka punya banyak data tapi bingung gimana cara memanfaatkannya dengan efektif

Baik lagi ke tips pertama, mulailah dengan pertanyaan, baru menggunakan data yang dibutuhkan buat menjawab pertanyaan tersebut. Kalau udah ketemu data apa sih yang paling dibutuhkan, baru deh cari data-data lain yang bisa membantu kalian untuk mendapatkan insight lebih lanjut.

Tips ketiga: buatlah analisis kalian lebih ‘hidup’.

Setelah mengumpulkan data, mengolahnya, dan menemukan insight dari pertanyaan yang kalian cari, tugas selanjutnya adalah membuat insight tersebut lebih ‘hidup’. Maksudnya gimana tuh?

Jadi gini, agar insight ini bisa diimplementasikan di organisasi/bisnis kalian, tentunya pengambil keputusan harus setuju dong sama rekomendasi / insight yang kalian dapatkan. Maka dari itu, penting membuat insight ini mudah dipahami dan realistis.

Beberapa cara yang bisa kalian terapkan adalah sebagai berikut: (1) Gunakan data visualization. Adanya visualisasi ini membuat orang-orang awam jadi lebih mudah memahami data yang kalian sampaikan. Kalian bisa cek tips nya di sini yaa

https://twitter.com/pacmannai/status/1363357000235577347

(2) Buatlah simulasi dan pengembangan skenario. Yaa, siapa sih yang ga setuju kalau simulasi itu memudahkan kita memahami suatu hal? Gitu juga dengan kasus ini, simulasi bisa jadi salah satu alternatif kalian untuk menyampaikan insight yang kalian dapatkan

(3) Gunakan tools-tools statistik, misalkan analisis regresi, optimasi matematika, dll, dan yang ke (4) Terapkan analitik dalam proses bisnis.

4 hal yang sudah mimin sebutkan tadi bisa membuat keputusan yang data driven digunakan di seluruh tingkat organisasi. Kalau masih belum tau cara ngelakuin 4 hal tadi itu gimana nih min?

Tenang aja, kalian bisa belajar di non-degree programnya Pacmann.AI. Kurikulum Business Intelligence kami sampai mencakup data visualization dan bahkan ada materi khusus mengenai introduction dan applied BI 🤩Detailnya bisa dilihat di sini ya bit.ly/brosurpacmannai

Tips keempat: tambah kapabilitas, jangan menguranginya.

Setelah organisasi / bisnis merasakan manfaat mengambil keputusan berdasarkan data, semakin besar juga permintaan mereka untuk memperluas manfaat ini. Artinya semakin banyak keputusan yang ingin diambil berdasarkan data.

Otomatis, organisasi / bisnis juga membutuhkan tools / analytics yang lebih banyak dan lebih advanced dari yang pertama kali mereka gunakan. Ketika mereka menambah tools / analytics baru ini, tentunya tools lama tidak boleh ditinggalkan begitu saja.

Kalian bisa membuat centralized analytics unit untuk membangun kapabilitas dengan menambah tools / analitik baru tanpa menghilangkan yang sebelumnya. Gak hanya itu aja, centralized analytics unit juga menyediakan model dan tata kelola organisasi / bisnis

melalui penetapan prioritas dan standar dengan beberapa praktik seperti menggunakan metode advance standar untuk mengidentifikasi masalah organisasi / bisnis yang dapat diselesaikan dengan analytics.

Lalu bisa juga membuat sumber master data, membuat standarisasi analytics tools dan platform, dll.

Singkatnya gitu guys mengenai tips memanfaatkan data agar bisa bermanfaat bagi organisasi / bisnis. Semoga tips-tips ini bisa kalian terapkan yaa! Kalau kalian mau baca lebih lanjut, bisa cek di sloanreview.mit.edu/article/big-da… Sampai ketemu di thread selanjutnya!