Panduan komplit untuk pemula: mengapa data adalah aset paling mahal di perusahaan modern, dan bagaimana analytics mengubah keputusan dari "feeling" jadi keputusan berbasis fakta.
Business Analytics (BA) adalah praktik mengubah data mentah menjadi insight yang bisa langsung dipakai untuk mengambil keputusan bisnis. Bukan sekadar bikin grafik cantik — tapi menjawab pertanyaan: "apa yang terjadi, kenapa terjadi, apa yang akan terjadi, dan apa yang harus saya lakukan?"
Business Intelligence (BI) fokus melihat ke belakang: laporan, dashboard, "kemarin terjadi apa". Business Analytics melangkah ke depan: prediksi, rekomendasi, optimasi. Data Science menggali lebih dalam dengan machine learning dan model statistik kompleks. Ketiganya saling overlap, tapi BA adalah jembatan terkuat antara data dan keputusan bisnis.
Ini adalah peta yang harus dihafal. Setiap pertanyaan bisnis cocok ke salah satu kuadran berikut:
Apa yang terjadi?
Laporan penjualan minggu lalu, traffic website, jumlah user aktif. Fondasi semua analitik.
Kenapa bisa terjadi?
Drill-down: kenapa konversi turun? Karena halaman checkout lambat di mobile.
Apa yang akan terjadi?
Forecasting penjualan kuartal depan, churn prediction, demand planning.
Apa yang harus dilakukan?
Rekomendasi: naikkan budget iklan kanal X 20% untuk ROI optimal.
Sebagian besar perusahaan masih terjebak di level Descriptive. Mereka tahu "penjualan turun 15%" tapi tidak tahu kenapa. Goal kamu sebagai analyst: bantu tim naik ke level Diagnostic dan Predictive.
Setiap proyek analytics, di skala apapun, mengikuti pola yang sama. Hapal urutannya:
| Tahap | Aktivitas | Output |
|---|---|---|
| 1. Define | Rumuskan pertanyaan bisnis yang spesifik | Hipotesis & metric target |
| 2. Collect | Kumpulkan data dari sumber relevan (DB, API, log) | Dataset mentah |
| 3. Clean | Buang duplikat, perbaiki NULL, normalisasi format | Dataset siap analisis |
| 4. Analyze | Aggregasi, pivot, segmentasi, statistik | Temuan & pola |
| 5. Visualize | Bikin chart yang ngomong dengan jelas | Dashboard / report |
| 6. Decide | Rekomendasi tindakan + measure dampaknya | Keputusan bisnis |
Tim BA Tokopedia menemukan bahwa user yang melihat ≥3 produk dalam sesi pertama punya kemungkinan 4× lebih besar untuk membeli dibanding yang hanya melihat 1 produk.
Berdasarkan temuan ini, mereka eksperimen menampilkan rekomendasi "produk serupa" lebih agresif di halaman detail produk. Hasilnya: +12% conversion rate dalam A/B test 30 hari.
Bahasa wajib. Tanpa SQL, kamu cuma bisa kerja dengan data yang sudah disiapkan orang lain.
Pivot table, VLOOKUP, INDEX-MATCH. Tools paling underrated.
Looker Studio, Metabase, Tableau, atau Power BI. Pilih satu, kuasai dalam.
Mean, median, distribusi, korelasi vs kausalitas. Tanpa ini, kesimpulan bisa salah arah.
Ambil produk/layanan yang sering kamu pakai (contoh: GoFood, Netflix, Tokopedia). Lalu jawab:
Tidak ada jawaban benar/salah — tujuannya melatih cara berpikir analytics.