Thread by @pacmannai

Racik minuman pakai data checckk!🍻🧑‍🍳
Pemanfaatan data untuk industri fnb
.
.
.
A thread

Trend makanan minuman berubah-ubah mulu yaaa. Dulu mimin inget banget thai tea booming dan dijual dimana manaa. Eehhh terus ga lama muncul bobba yang trendnya barengan sama kopi gula aren gituu. Favorit kamu yang mana nih?

Anywayy, trend ginian tuhh cenderung berubah terus yaa seiring berjalannya waktuu. Kira kira kedepannya minuman apa nih yang bakal trending?

Dengan perubahan trend yang cepet banget ini, bisnis fnb harus sering sering riset nih buat ngembangin produk baru biar ga kalah saing sama kompetitornya dan biar ga ketinggalan trend. Nama kerennya “New Food Product Development” (NFPD).

Tapiii nih guys, yang namanya ngelakuiin NFPD itu ga murah dan membutuhkan proses yang panjang. Jelas dong, harus riset -> buat produk -> nyicip -> gitu terus sampe nemu formula yang pas.

Biasanya, ini membutuhkan waktu berpuluh-puluh minggu gitu guyss. Naahh, sesuai dengan judul thread hari ini, mimin mau bahas salah satu paper yang bisa nge cut down proses tersebut dengan memanfaatkan data.

Yesss, bisa banget kok industri food n beverage (fnb) maanfaatin data biar makin cuann.

“Buat apa aja dimanfaatinnya? Gimana caranya?”

Intermezzo dikit, kalian bisa banget nih nyari tau jawabannya di webinar “Tingkatkan Cuan Bisnis Kulinermu dengan Data” yang dibawaiin sama Business Intelligence Analyst Kopi Kenangan lohh! Yuk segera daftar di bit.ly/PacmannFreeWeb…!

Mimin lanjutin lagi yaaa hehehe, inget, jangan sampai ketinggalan webinarnyaa!

Ceritanya nih guys, di tahun 2015 lalu, diabetes jadi global concern gitu, baik di negara maju ataupun negara berkembang. Akhirnya nih, pemerintah Inggris mutusin buat majakin produsen minuman gituu untuk menurunkan angka diabetes.

Minuman yang mengandung gula >5g / 100ml itu bakal dikenaiin pajak. Semakin tinggi kandungan gula yang ada didalam minuman, maka pajak yang dikenaiin juga makin tinggi. Kalo mimin ga salah, minuman yang mengandung gula >8g / 100ml ini dikenaiin pajak sebesar £0.24/Liter.

Jelass, adanya kebijakan ini membuat para produsen minuman jadi harus formulasiin ulang produk mereka biar ga kena pajak. Mereka harus formulasiin kandungan gula di produk mereka seengaknya <5g/100ml biar terbebas dari pajak.

Nahh, kali ini, kita akan melihat bagaimana salah satu produsen minuman top 5 di Inggris yang mau formulasiin ulang minuman lemonade mereka menggunakan data. Case study mereka bisa dilihat lebih detail di gambar ini yaa guys:

Sebelum masuk ke pembahasan lebih lanjut, ada baiknya kita tau dulu nih gimana supply chain si lemonade ini. Jadii, awalnya bahan minuman dan juga packaging (botol PET) dianter oleh supplier ke perusahaan.

Terus pas udah sampe, bahan dan packaging ini masuk ke quality testing dulu sebelum masuk ke ruangan produksi. Kalau udah lolos nih, bahan-bahan minuman kaya air, gula, asam sitrat, natrium sitrat, kalium sorbat, dan sukralosa) dicampur jadi satu di blender raksasa gitu guys

Kalau udah kecampur, nanti lemonadenya ini dimasukin ke packaging botol PET yang udah dicuci dan diisi CO2. Baru deh nanti ditutup botolnya dan disusun di palet gituu guys. Ilustrasi proses produksinya bisa dilihat disini nih:

Nah, sekarang kita mau cari bahan baru yang bisa ngurangi kandungan gula di lemonade itu. Biasanya nih, untuk formulasiin minuman baru, team NFPD perusahaan ini butuh waktu sekitar 30 minggu. Nah, lama banget kann?

Yaa kalau dipikir pikir wajar sih lama, soalnya kalau ngembangin produk baru, mereka harus memperhatikan 5 hal; kualitas produk, dampak lingkungan, performance, cost, sama social impact.

Jadi, sekarang tugas kita adalah memanfaatkan data yang emang udah dimiliki perusahaannya buat ngecut down waktu dan cost yang dibutuhkan buat NFPD ini, dengan tetap memperhatikan 5 prinsip tadi tuhh. Yuk kita mulai!

(1) Sugar level.

Jadi ada 7 brand nih yang akan kita periksa menggunakan data analytics, yaitu brand SM1, SM2, SM3, SM4, SM5, SM6, dan SM7. Brand ini bukan asal dipilih Business Intelligence company nya ya, tapi dipilih sama team NFPD nya.

Untuk menuhin aspek quality ini, kita akan milih brand yang mengandung gula dibawah 5g/100ml. Dari 7 brand ini, ternyata brand SM5 itu kandungan gulanya tinggi banget, lebih dari 9g/100ml. Jadi auto dieliminasi dehh.

(2) Harga produk.

Tentunya nih, sebagai sebuah bisnis, pasti mau dong punya untung yang banyak dan menguasai pasar. Salah satu cara untuk mencapai hal ini adalah dengan menjual produk dengan harga yang bisa bersaing dipasar.

Maka dari itu, tim pengembangnya ini nyari tau dulu nih berapa sih harga yang dipatok sama produk sejenis di pasar. Tujuannya agar mereka bisa jual produk yang harganya mirip mirip sama kompetitor.

Ohh ternyata setelah melakukan analisis, mereka mutusin buat buat jual di harga £1 atau dibawahnya. Yaudahh, sekarang cari tau nih kira kira brand yang bisa dijual dengan kisaran harga segitu yang mana?

Ternyata SM7 kalau dijual, harganya di atas £1.2. Karena ga menuhin syarat, jadinya di eliminasi dehh. Oke, mari kita lanjut

(3) Quality

Kan sekarang sisa SM1, SM2, SM3, SM4, SM6 aja yaaa. Nah, langkah selanjutnya adalah mencari tau mana yang paling customer suka. Kalo main langsung edarin aja kan bahaya guys, yang ada malah rugi kalo beda sama selera customer.

Untuk nyari tau mana yang cocok sama lidah customer, akhirnya perusahaan ini ngumpulin feedback dari customer yang ditulis di platform review mereka. Total ada 578 feedback yang ga hanya nge review secara deskriptif aja, tapi juga customer diminta rating minuman mereka.

Contoh reviewnya kaya gini nih:

Dari review ini, dihitung deh acceptance rate dari brand-brand tadi dengan range 0-100. Gimana cara ngolah data feedback sampe jadi acceptance ratenya?

Di paper ini ga dijelasin sihh, tapi jangan kecewa guyss, kalian bisa tanya-tanya di webinar besok atauu ikut kelas Business Intelligence Pacmann.AI biar bisa ngolah data jadi insight berharga bagi bisnis. Cek info lengkapnya di bit.ly/PacmannioTwitt… yaa!

Okee, lanjuttt.

Perusahaan ini akhirnya milih 3 brand dengan acceptance tertinggi, yaitu SM1 (99.33%), SM3 (86.67%), dan SM2 (70%). Untuk SM4 sama SM6 dieliminai karena acceptance ratenya dibawah 70%.

(4) Production cost

Kan sekarang sisa SM1, SM2, dan SM3, jadi saatnya kita liat mana yang ongkos produksinya paling murah. Nah, kalau dilihat lihat, SM1 ini make 2 bahan; asesulfam K sama sukralosa, sedangkan SM2 sama SM3 cuma make sukralosa doang.

Kalau kita inget-inget di awal, perusahaan ini tuh cuma make sukralosa. Jadi, ada baiknya ngambil antara SM2 atau SM3 aja biar ga nambah ongkos produksi karena harus beli asesulfam K

Jadii, sekarang pilihannya antara SM2 atau SM3, yaa bisa balik lagi nih dengan milih berdasarkan acceptance rate tertinggii. Nahh, kira kira gitu guys cara memilih formula baru dengan memanfaatkan data.

Kalau diitung itung, dengan menggunakan metode ini, perusahaan yang diteliti dalam paper acuan mimin ini hemat 3 minggu waktu riset lohh, biasanya mereka habisin 30 minggu buat develop produk baru, sekarang jadi 27 minggu aja

Selain ituu, total annual expenditure mereka juga ketika make metode ini drop dari £889,623 ke £592,223. Lumayan kan hemat banyakk. Gimanaa, kamu jadi tertarik gaa buat manfaatin data untuk industri fnb? Yuk kepoiin lebih lanjut di webinar bersama BI Kopi Kenangan besok!😉🧋

Referensi: emerald.com/insight/conten…