Seringkah Anda mengalami situasi meeting dimana seorang pemegang keputusan yang hadir tidak bisa langsung memutuskan atau mengambil tindakan karena kurangnya data dukungan? Berikut kira-kira situasinya.
Direktur: Penjualan di Makassar turun 20% dari bulan lalu, ini kenapa ya?
Manager: Ini karena akibat telatnya pengiriman stok ke banyak cabang Pak.
Direktur: Lalu, kenapa penjualan di Medan cenderung stabil dan bahkan naik 8% dari bulan lalu? Apakah di Medan tidak terpengaruh telatnya pengiriman stok?
Manager: Hm.. kalau ini kita perlu data tambahan, saat ini kita belum dapat laporannya.
Direktur: Baik, bisa kita minta data tersebut sekarang dari IT?
Manager: Belum Pak¦ masih butuh waktu setidaknya 2 hari.
Direktur: Apa? Kenapa bisa memakan waktu sampai 2 hari? Bukankah kita sudah menginvestasikan banyak uang untuk membeli sistem-sistem IT?
Manager: ¦.
Sebaran Data di Perusahaan
Kondisi di atas salah satunya diakibatkan oleh banyaknya data digital yang tersebar di seluruh perusahaan dalam berbagai bentuk, sehingga ketika akan membuat laporan menjadi masalah yang secara tidak langsung bisa merugikan bisnis.
Kenapa data bisa berceceran seperti itu?
Saat ini penerapan sistem IT di perusahaan dari level UKM sampai dengan tingkat enterprise sudah sangat umum. Dan tidak jarang, sistem-sistem IT tersebut tidak dapat "berbicara" satu sama lain. Produk-produk yang berbeda digunakan untuk sistem POS (point of sales), finance/accounting, sales force, absensi, dan sebagainya.
Bahkan hampir 99 persen perusahaan di Indonesia masih menggunakan Excel untuk berbagai pencatatan karena sangat fleksibel, mudah disimpan dan dikerjakan dari komputer mana saja yang memiliki aplikasi Microsoft Office. Proses bisnis yang berkembang jauh lebih dinamis dan cepat daripada pengembangan software juga menjadi alasan kenapa Excel masih dijadikan pilihan favorit.
Hilangnya Kesempatan Bisnis
Data akan sangat bernilai tinggi dan menjadi aset bisnis jika kita bisa menghubungkan data-data berbagai aktivitas bisnis dan mendapatkan "benang merah" yang komprehensif. Misalkan, kita dapat mengetahui hubungan antara telatnya proses purchasing dengan menurunnya ketersediaan stok dan nilai penjualan, rendahnya produktivitas beberapa salesman dihubungkan dengan jumlah dan jenis pelatihan yang diterima, dan lain-lain.
Contoh kasus lain, sebuah perusahan logistik dapat mengetahui bahwa ada satu pelanggan X yang menurun ordernya selama tiga bulan berturut-turut. Dari data publik yang dikeluarkan oleh perusahaan X tersebut, ternyata bisnis mereka tidak menurun bahkan cenderung berkembang pesat. Dari kedua komparasi tersebut pemegang keputusan dapat mengetahui adanya potensi faktor ketidakpuasan dari X dan bukan faktor ekonomi sebagai penyebab menurunnya order. Tindakan yang dapat diambil adalah meminta divisi CRM (Customer Relationship Management) untuk dapat melakukan komunikasi dan pendekatan kepada perusahaan X secepat mungkin.
Untuk mendapatkan "benang merah" ini tentunya akan menjadi tantangan sangat berat kalau data tercecer dimana-mana. Jika tantangan ini tidak dapat diatasi, akan banyak kesempatan bisnis yang hilang (opportunity lost). Sesuatu yang sama sekali tidak kita inginkan bukan?
Informasi Bias
Problem lain yang berpotensi muncul adalah penyusunan laporan yang tidak konsisten atau bias, apalagi dengan volume data yang semakin hari semakin besar. Setiap staf akan menyiapkan laporan tersebut berdasarkan metode dan kesimpulan masing-masing. Dan percayakah Anda, jika data yang sama diolah oleh tiga orang secara terpisah maka potensi adanya tiga versi laporan yang berbeda akan sangat tinggi?
Oleh sebab itu, penting sekali jika data-data "mentah" dapat dikumpulkan dan diolah secara terpusat sehingga laporan tidak menjadi bias.
Solusi Teknologi
Ada solusi teknologi yang bisa dengan cepat mengatasi tantangan tersebut dan dinamakan dengan Extract, Transformation and Load (ETL). ETL memungkinkan seorang staf IT mengumpulkan data dari berbagai format dan lokasi dengan produktivitas sangat tinggi.
Berbagai produk ETL dapat Anda dapatkan dengan biaya sangat efisien bahkan gratis di Internet. Walaupun ada sedikit tantangan untuk mempelajari software jenis baru ini, dengan segala manfaat yang dapat diperoleh sangat disarankan untuk menginvestasikan waktu dan tenaga untuk mendapatkan keterampilan menggunakan ETL agar dapat diterapkan di bisnis Anda.
Apakah di Indonesia sudah banyak yang menerapkan? Jawabanya iya dan sudah terbukti, dengan penulis sendiri banyak terjun di project-project yang melibatkan produk ETL ini.
Kesimpulan
Informasi bisa menjadi aset produk bagi bisnis sebagai penentu kompetitif terutama dalam melakukan diferensiasi. Namun ini tidak akan terjadi jika bahan bakunya data masih tersebar di berbagai tempat dan tidak dapat diolah secara terpusat dengan baik.
Jika gambaran kondisi yang diceritakan di atas persis yang terjadi di perusahaan Anda, maka segera lakukan tindakan untuk mulai mengumpulkan dan mengintegrasikan data Anda secara terpusat. Saat ini sudah banyak solusi teknologi yang tersedia dan cukup mudah digunakan sehingga tidak ada alasan untuk menunda.
Dengan pengalaman dalam implemntasi nyata di berbagai kasus, PHI-Integration dan Universitas Multimedia Nusantara melalui DQLab online learning platform menggunakan pendekatan learning by doing berupa hands on step by step untuk melakukan pengolahan data untuk melakukan proses integrasi data. Ikuti program DQLab untuk langsung menerapkan pada scenario bisnis & dataset.
Mulai Terapkan Ilmunya dengan Belajar Data Science bersama DQLab!
Tertarik berkarir di bidang data? Yuk, bergabung di DQLab! Kamu bisa membangun portofolio datamu dengan belajar data science di DQLab. Untuk kamu yang ingin mulai belajar data science atau siap berkarir jadi Data Analyst, Data Scientist, dan Data Engineer, persiapkan diri kamu dengan tepat sekarang. Tidak ada kata terlambat untuk belajar. Yuk #MulaiBelajarData di DQLab.
Dengan belajar di DQLab, kamu bisa:
Menerapkan teknik mengolah data kotor, hasilkan visualisasi data dan model prediksi dengan studi kasus Retail dan Finansial
Dapatkan sesi konsultasi langsung dengan praktisi data lewat data mentoring
Bangun portofolio data langsung dari praktisi data Industri
Akses Forum DQLab untuk berdiskusi.
Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":
Buat Akun Gratis dengan Signup di DQLab.id/signup
Akses module Introduction to Data Science
Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab