Panduan Lengkap Data Analytics Berbagai Industri Indonesia 2023

Apa isi panduan ini dan dibuat untuk siapa?

Panduan ini dibuat untuk: #1 Para business owners yang mau mulai investasi di penggunaan data, #2 Learning and development team yang lagi cari materi belajar untuk timnya, dan #3 Siapa saja yang mau mengerti penggunaan data yang cocok untuk berbagai industri di Indonesia.

Secara gambaran besar, panduan ini akan membahas mengenai pengaplikasian data di berbagai industri Indonesia dan akan ada juga case study yang bisa jadi inspirasi!

Yuk, langsung mulai kita liat materinya!

Pengertian dasar dan singkat Data Analytics

Data analytics adalah ilmu untuk menganalisis data mentah menjadi informasi yang lebih bermakna yang dapat dijadikan action plan untuk bisnis.

Data analytics akan menggunakan kumpulan data yang membentuk pola untuk mengevaluasi histori perusahaan di masa lalu dan memprediksi tren yang kemungkinan terjadi di masa depan.

Jadi, keputusan bisnis gak lagi berdasarkan intuisi aja, tapi berdasarkan data. Ini akan membuat keputusan bisnis menjadi lebih baik!

Kenapa Data Analytics penting buat bisnis di 2023?

Berdasarkan survey Multiverse dan DataIQ pada Mei dan Juni 2021 ke 101 pemimpin data analytics, literasi data rendah dalam perusahaan dapat mengakibatkan kerugian revenue tahunan hingga 8,5%.

Di sisi lain, riset SnapLogic tentang data pada 2018 mengatakan bahwa dengan memanfaatkan data secara efektif, perusahaan dapat meningkatkan revenue tahunan mencapai rata-rata $5,2 juta.

Selain itu, terdapat 4 alasan lainnya berdasarkan Indeed.

#1 Data analytics bantu membuat keputusan bisnis lebih baik

Dengan mengumpulkan data, maka bisnis dapat melihat pola pada data tersebut. Ini dapat membantu bisnis mengevaluasi pengalaman masa lalu dan memprediksi tren maupun hasil yang kemungkinan terjadi sebelum membuat keputusan.

Misalnya, bisnis kamu adalah bank dan ingin melakukan digitalisasi ke aplikasi mobile. Berarti, kamu perlu mengumpulkan data-data terkait customer-mu terlebih dahulu.

• Demographic: Rata-rata umur berapa? Apakah tergolong terbiasa dengan teknologi mobile? Tinggal di mana? Apakah akses internet mudah didapat di sana?
• Interest: Apakah sering menggunakan aplikasi mobile?
• Behavior: Lebih suka bertransaksi cash atau cashless? Paling suka bertransaksi seperti apa? Transfer, belanja online, belanja di toko?

Dengan data-data tersebut, maka akan terbentuk kategori customer-mu. Jika mayoritas sesuai dengan perilaku yang diharapkan jika bisnismu digitalisasi, maka kamu bisa mencobanya!

#2 Data analytics bantu bisnis meningkatkan kepuasan customer

Kepuasan customer dapat membuat customer lebih percaya dan loyal dengan bisnis. Efeknya, ada peningkatan penjualan maupun referral.

Dengan mengumpulkan data kepuasan (feedback) customer, bisnis dapat “mendengarkan” kebutuhan customer dan improve sesuai dengan kebutuhan.

Misalnya, bisnismu udah membuat aplikasi mobile banking. Tujuan utamanya masih untuk transaksi transfer dan pembayaran QRIS.

Kamu bisa mengumpulkan feedback customer dengan mengeluarkan survey setelah customer bertransaksi. Surveynya bisa berupa kuantitatif (rating) dan kualitatif (kritik & saran).

Melalui survey ini, kamu bisa mengevaluasi apakah:

• Customer memberikan rating yang tinggi atau tidak
• Ada kritik & saran yang bisa diimplementasikan

#3 Data analytics bisa meningkatkan revenue dan profit

Selain meningkatkan revenue dan profit dari loyalitas dan referral customer, revenue juga bisa ditingkatkan dari data-data lainnya.

Salah satu contohnya adalah biaya operasional marketing.

Misalnya, bisnismu mengalokasikan biaya marketing ke 3 platform: social media (50%), influencer marketing (20%), dan iklan (30%). Ketika dievaluasi dari data biaya marketing dan leads yang didapat, ternyata social media memberikan qualified leads paling sedikit. Di sisi lain, influencer marketing justri memberikan qualified leads terbanyak.

Dengan data ini, maka kamu dapat mengurangi biaya marketing social media dan mengalokasikan lebih banyak ke influencer marketing. Ini membuat biaya operasional lebih efisien dan dapat meningkatkan revenue.

#4 Data analytics membantu problem-solving

Suatu bisnis perlu memecahkan beberapa masalah yang terjadi. Sering kali, bisnis perlu mengidentifikasi mana masalah yang urgent diselesaikan dan mana yang bisa ditunda. Penyusunan prioritas ini dapat dibantu oleh data analytics!

Misalnya, aplikasi mobile banking-mu mendapatkan banyak kritik dari customer. Ada kritik tentang error, aplikasi lambat, tampilan yang sulit dimengerti (UI/UX), fitur kurang lengkap, dan lain-lain.

Dengan data di atas, bisnis dapat memprioritaskan kritik yang lebih urgent (paling banyak dan memberikan dampak) menggunakan Pareto Chart. Didapat kritik urgentnya error dan aplikasi lambat.

Lalu, bisnis bisa menganalisis lebih lanjut menggunakan problem-solving tools lainnya untuk mencari akar masalah, seperti Ishikawa Fishbone Diagram (IFD), 5 Whys, Fault Tree Analysis (FTA), Scatter Diagram, Affinity Diagram, dan lain-lain.

Hal yang perlu diperhatikan pemilik bisnis tentang Data Analytics

Ada 3 hal yang perlu diperhatikan pemilik bisnis terkait Data Analytics, menurut Datacamp.

#1 Pahami prinsip 80/20

Prinsip 80/20 atau Prinsip Pareto menyebutkan bahwa dalam kebanyakan peristiwa, 80% efeknya terjadi karena 20% penyebabnya.

Jadi, ketika kamu menyusun strategi data analytics untuk keputusan bisnis, pastikan untuk memprioritaskan strategi yang memberikan 80% dampak terhadap perusahaan.

#2 Pakai data sesuai tujuan bisnis

Big data didefinisikan berdasarkan 3V: Volume (seberapa banyak data), Velocity (seberapa cepat data masuk), dan Variety (seberapa beragam data).

Tapi, belum tentu semua perusahaan bisa mengumpulkan big data. Khususnya perusahaan-perusahaan kecil atau konvensional.

Kabar baiknya adalah small data pun bisa powerful untuk perkembangan perusahaan!

Menurut Harvard Business Review, small data udah cukup untuk membuat smart product. Asalkan:

• Pahami tujuan bisnis sehingga data set yang dikumpulkan dapat menjadi insights bermakna untuk mencapai tujuan.
• Kumpulin data yang clean, precise, dan actionable. Buat sebuah guide/framework supaya bisa mengumpulkan data yang presisi meskipun sedikit. Contohnya, data yang fokus pada lifecycle customer, partner, dan supplier.
• Pakai teknologi yang tepat dengan orang yang tepat. Bukan cuma soal tools yang canggih, tapi kamu juga harus memastikan data yang dikumpulkan cocok dengan tools tersebut dan tim dapat menggunakan tools-nya dengan optimal.

#3 Budayakan penggunaan data (data culture) di berbagai level senioritas

Menurut Taras Gorishnyy, Vice President di CVS Health (dan ex-Senior Analytics Manager di McKinsey), ketika sebuah bisnis mulai investasi ke data science/analytics, maka bisnis tersebut perlu membangun data culture untuk menuju ke data fluency (dikenal dengan data-driven company).

Berikut langkah-langkah untuk membangun data-driven company menurut Gorishnyy.

Nah, supaya data-driven company ini bisa tercapai, bisa dimulai dengan adanya data engineer, data scientist, atau data analyst dalam perusahaan. Namun, setiap orang dalam perusahaan tetap harus tau gimana menggunakan data untuk mengerjakan tugas mereka.

Misalnya, kamu sebagai business owner mungkin tidak menulis kode SQL untuk menganalisis data. Tapi, kamu perlu memahami cara menggunakan dan membaca data pada dashboard serta menanyakan pertanyaan yang tepat ke tim data.

Makanya, sangat penting untuk melatih skill data kamu dan tim! Bisa melalui online learning, webinar, maupun training.

Tipe data yang penting untuk perkembangan bisnis

Ada 9 tipe data yang memberikan dampak tertinggi untuk perkembangan bisnis, menurut riset SnapLogic:

Secara umum, customer data dinilai paling penting untuk berbagai industri, khususnya industri besar dengan lebih dari 5.000 karyawan.

Namun, beberapa sektor lainnya menilai IT data lebih penting. Sedangkan industri oil/gas dan utilities mementingkan employee data, dan industri retail & manufaktur mementingkan sales data.

Top 3 data di berbagai industri menurut SnapLogic dapat dilihat di grafik berikut.

Apa saja contoh pengaplikasian data pada berbagai industri di 2023?

Di bawah ini, kita akan menjelaskan berbagai pengaplikasian data mulai dari industri Banking, Entertainment, Airlines, sampai Retail/FMCG.

Agar lebih mudah dimengerti, kita akan membedah dari brand ternama di masing-masing kategori di atas!

#1 Banking - JPMorgan Chase & Co

Apa untungnya menggunakan data?

Sebagai bank terbesar di Amerika Serikat, JPMorgan Chase & Co sudah memanfaatkan Big Data untuk mendigitalisasi proses perbankan, mulai dari transaksi tunai hingga transaksi digital.

Ada 3 keuntungan utama ketika JPMorgan Chase & Co menggunakan data:

#1 Membantu segmentasi customer

Data-data customer seperti banking & transactional history di bank dapat membentuk suatu pola dari waktu ke waktu.

Dengan customer data ini, maka bank dapat lebih memahami perilaku customernya. Mulai dari latar belakang finansial, kebiasaan menabung, berinvestasi, belanja, dan lain-lain.

Efeknya kurang lebih seperti ini:

Customer’s behavior data → Better & personalized solution → Better customer experience → More loyal customers & referral → More sales & profit

#2 Membantu mendeteksi penipuan/fraud

Bank dapat mendeteksi penipuan/fraud dengan menganalisis data menggunakan statistical computing. Jika bank sudah memiliki pola transaksi customer, maka transaksi yang tidak sesuai pola dapat dipertanyakan untuk mencegah penipuan.

Dengan adanya tindakan preventif ini, customer akan merasa lebih aman bertransaksi di bank. 

#3 Membantu buat keputusan peminjaman

Salah satu pendapatan bank adalah dari penyaluran kredit. Maka, sangat penting bagi bank untuk memilih customer yang tepat, yang creditworthy dan terjamin bisa membayar seluruh pinjaman.

Melalui data transaksi (pemasukan dan pengeluaran) customer, bank bisa mendapat insight seberapa besar pinjaman yang bisa diberikan ke customer tersebut.

‍

Pengaplikasian data oleh JPMorgan Chase & Co

Berikut 3 pengaplikasian data oleh JPMorgan Chase & Co.

#1 Menganalisis tren ekonomi Amerika Serikat

JPMorgan Chase Institute menganalisis data statistik tren ekonomi Amerika Serikat yang digabung dengan total 30+ juta data customer JPMorgan Chase & Co untuk menganalisis tren ekonomi Amerika Serikat. Mulai dari perilaku penggunaan cryptocurrency, saham, hutang, hingga tren inflasi.

Berikut salah satu contoh laporan terbaru JPMorgan Chase Institute pada Desember 2022, berjudul “The Dynamics and Demographics of U.S. Household Crypto-Asset Use”.

Dalam membuat riset ini, JPMorgan Chase Institute menggunakan data transaksi pada bank Chase dan lusinan platform crypto komersial, baik transfer dari Chase ke broker crypto dan sebaliknya.

Insights yang didapat dari riset bisa digunakan untuk mengevaluasi efek dari investasi crypto dan pemahaman akan perilaku customer mengikuti tren finansial.

Selain itu, JPMorgan Chase & Co juga dapat meningkatkan pelayanan terkait cryptocurrency berdasarkan segmentasi customer yang paling sering menggunakan crypto: laki-laki, orang-orang Asia, dan pemuda (millenials) dengan pendapatan tinggi.

#2 Membantu deteksi penipuan/fraud

JPMorgan menggunakan data transaksi asli dan data sintetis buatan AI untuk mendeteksi pola transaksi customer dan mengidentifikasi potensi penipuan. Berikut proses pembuatan dan hasil data sintetis oleh JPMorgan Research.

#3 Membantu memberikan perspektif jelas terkait Credit Market Data

JPMorgan menggunakan platform Datawatch untuk membuat aplikasi “CreditMap”. Aplikasi yang memenangkan Euromoney award untuk “Best Online Fixed Income Research” ini membantu JPMorgan untuk menganalisis informasi perkreditan dari perbedaan warna dan ukuran.

Melalui data visual, JPMorgan dapat mengenali pola dengan lebih cepat dan akurat sehingga menghasilkan keputusan kredit yang lebih baik.

#2 Entertainment - Netflix

Apa untungnya menggunakan data?

Netflix adalah salah satu perusahaan entertainment populer yang memiliki 232 juta paid-subscribers. Ada 3 keuntungan yang didapat Netflix dengan menggunakan data paid-subscribers-nya.

#1 Membantu segmentasi customer dan prediksi apa yang customer suka

Data customer seperti riwayat menonton, pencarian, hingga demografi dapat membantu Netflix membuat segmentasi customer. Hal itu juga bisa digunakan untuk memprediksi demand customer, seperti genre film maupun konten yang direkomendasikan.

Hasilnya, customer mendapatkan konten-konten yang lebih personalized dan customer experience yang lebih baik. Ini akan membuat customer menjadi loyal subscriber.

#2 Membantu dapatkan insights tentang customer churn

Sumber pendapatan Netflix berasal dari subscribernya. Maka, sangat penting buat Netflix untuk paham kenapa customer berhenti berlangganan.

Melalui data yang didapat dari behavior customer maupun survey kepuasan customer, Netflix dapat menganalisis potensi-potensi customer berhenti berlangganan. Seperti informasi kurang lengkap, konten kurang disukai, dan lain-lain.

Insights ini bisa digunakan untuk improvement selanjutnya sehingga dapat menarik perhatian dan menjaga customer tetap loyal.

#3 Membuat strategi marketing lebih efektif

Data memberikan pemahaman lebih terkait behavior customer di berbagai platform Netflix. Dengan ini, Netflix dapat membuat strategi marketing yang lebih personalized untuk setiap segmen customer. Ini akan menaikkan Click-through-rate (CTR) dan penjualan Netflix.

‍

Pengaplikasian data oleh Netflix

Netflix menggunakan data dari 232 juta paid-subscribers dan alogirtma AI untuk membuat rekomendasi film berdasarkan beberapa data points:

• Interaksi customer di app
• Respon customer terhadap film/series
• Tanggal, waktu, lokasi, dan device yang digunakan untuk menonton
• Kapan customer pause/resume film/series
• Jumlah dan tipe film/series yang diselesaikan atau ditinggalkan customer
• Jumlah waktu yang dibutuhkan customer untuk menyelesaikan film/series
• Berapa kali customer search sebelum memilih film/series
• Query yang digunakan untuk mencari film/series
• Genre film/series yang disukai segmen customer (laki-laki, perempuan, anak-anak, remaja, dan lain-lain)
• Feedback dan rating customer
• Scrolling behavior customer
• dan masih banyak lagi

Menariknya, data-data ini membuat prediksi film Netflix bisa akurat untuk 75-80% dari total subscribers!

Berikut 3 pengaplikasian data oleh Netflix.

#1 Rekomendasi film yang dipersonalisasi

Dari data-data yang dikumpulkan di atas, Netflix menggunakan algoritma AI untuk memberikan rekomendasi film sesuai preferensi tontonan subscriber.

Selain terletak di segmen “Top Picks for You”, ternyata Netflix juga melakukan personalisasi untuk “Trending Now”, “Continue Watching”, bahkan hingga keseluruhan halaman!

Berdasarkan Netflix Research, begini alur pembuatan rekomendasi film dari Netflix:

• Netflix memilih film/series yang mungkin disukai subscriber
• Netflix menyusun kumpulan film/series di baris yang paling sering dijangkau oleh subscriber
• Netflix mengubah poster film sesuai dengan preferensi

#2 Content development yang lebih baik

Selain platform streaming, Netflix juga membuat berbagai film/series. Pembuatan film/series ini berdasarkan analisis data dari film-film sebelumnya yang performanya bagus.

Jadi, Netflix udah memegang “jaminan” jika membuat film/series serupa, maka performanya akan sebagus film sebelumnya.

Contoh-contoh film/seriesnya adalah Stranger Things, Squid Game, Wednesday, The Umbrella Academy, dan lain-lain.

#3 Customized marketing

Selain personalisasi dalam aplikasi Netflix, Netflix juga melakukan customized marketing melalui platform lain: email marketing dan notifikasi.

Berdasarkan Netflix Research, Netflix mengirimkan milyaran personalized messages setiap tahunnya ke berbagai segmen customer untuk mempromosikan layanan dan film/series originalnya.

Contoh lainnya, Netflix Indonesia yang pakai visualisasi data buat promosiin “The Glory”!

#3 Retail - Amazon

Apa untungnya menggunakan data?

Amazon, sebagai perusahaan retail dapat menggunakan data yang sangat banyak dari customernya untuk mendapatkan insight terkait customer behavior dan interaction.

Melalui insight ini, ada 2 keuntungan utama yang bisa didapat Amazon:

#1 Membantu segmentasi customer dan prediksi preferensi customer

Amazon bisa menggunakan data customer, khususnya pencarian dan pembelian untuk memberikan rekomendasi barang-barang yang kemungkinan disukai.

Ini akan membuat customer experience lebih personalized sehingga customer menjadi lebih betah scrolling di Amazon dan membeli lebih banyak melalui Amazon.

#2 Membantu prediksi demand

Data yang didapat melalui website/aplikasi Amazon serta social media Amazon dapat membantu Amazon memprediksi barang-barang seperti apa yang demandnya tinggi di pasaran.

Ini bisa mempersiapkan Amazon untuk menyediakan stok lebih banyak sehingga tidak.

Pengaplikasian data oleh Amazon

Saat ini, Amazon diperkirakan memiliki sekitar 1.000.000.000 GB data di lebih dari 1.400.000 server. Melalui data ini, Amazon selalu lihai dalam memahami customernya!

Berikut 3 pengaplikasian data oleh Amazon.

#1 Sistem rekomendasi

Amazon menggunakan sekitar 152 juta data pembelian customer untuk membuat rekomendasi barang sehingga membantu customer memilih produk lainnya yang akan dibeli. Sistem rekomendasi ini terbukti berkontribusi sebesar 35% dari total sales tahunan di Amazon!

#2 Optimasi harga barang

Algoritma Amazon dapat menentukan harga barang yang ditampilkan pada customer. Ini ditentukan berdasarkan aktivitas customer di website/app, harga kompetitor, ketersediaan barang, preferensi barang, riwayat pembelian customer, perkiraan profit, dan lain-lain.

Jika harga barang sudah dioptimasi sesuai preferensi customer, maka kemungkinan besar customer langsung cocok dan merasa yakin untuk beli barangnya!

#3 Mencegah penipuan/fraud

Semakin besar suatu retail, maka resiko adanya penipuan pun semakin besar. Amazon melakukan tindakan preventif dengan mengumpulkan data setiap transaksi secara historical dan real-time.

Data ini kemudian dipelajari oleh algoritma machine learning untuk melacak transaksi yang kemungkinan penipuan. Hal ini membuat customer merasa lebih aman bertransaksi di Amazon dan membantu Amazon mengurangi barang retur.

Closing

Menarik kan penggunaan data yang dilakuin berbagai industri dan juga brand di atas?

Ini bisa banget dilakuin oleh bisnismu juga, asal tau strateginya dan juga step by step untuk implementasi!

Kabar baiknya, RevoU saat ini memiliki Corporate Training yang cocok untuk bisnis di berbagai sektor dan skala. Di setiap trainingnya, tim Anda akan mendapatkan:

• Lecture session dengan industrial experts
• 1:1 mentoring session untuk memandu selama lecture session, project, dan persiapan sertifikasi
• Capstone project untuk mengasah skill data analytics
• Persiapan sertifikasi data analytics

Hingga saat ini, RevoU sudah memberikan Corporate Training ke beberapa perusahaan ternama seperti Telkomsel, KPK, Roche, dan Indosat.

Jika Anda tertarik mengikuti Corporate Training RevoU, bisa langsung daftar di sini!

‍