Apa itu Prescriptive Analytics?

Dikutip dari Harvard Business School Online, ada 4 jenis analisis data untuk membuat keputusan yang pada akhirnya meningkatkan performa organisasi. Keempat jenis itu adalah descriptive analytics, diagnostic analytics, predictive analytics, dan prescriptive analytics. 

Prescriptive analytics adalah proses menganalisis data menggunakan algoritma dan machine learning untuk menentukan langkah selanjutnya yang perlu diambil. 

Prescriptive analytics dilandaskan pada pertanyaan “Apa yang harus kita lakukan selanjutnya?”, sehingga sering disebut berkaitan dengan 3 jenis analisis data lainnya, di mana prescriptive analytics merupakan tahap terakhir dari analisis data. 

Analisis perspektif memberikan panduan yang harus dilakukan untuk mencapai tujuan dengan mempertimbangkan seluruh faktor yang relevan, seperti kemungkinan situasi atau skenario, sumber daya yang tersedia, kinerja masa lalu dan saat ini, serta saran tindakan atau strategi.  

Jenis analisis ini dapat digunakan untuk membuat keputusan berdasarkan data untuk jangka pendek maupun jangka panjang. 

Manfaat Prescriptive Analytics

Dirangkum dari TechTarget dan Investopedia, berikut beberapa kelebihan prescriptive analytics:

• Membantu organisasi memahami tingkat risiko dan ketidakpastian yang dihadapi, sehingga dapat merencanakan strategi yang sesuai.
• Membantu membuat keputusan secara otomatis, sehingga analyst tak perlu mengolah data mentah secara manual untuk pengambilan keputusan. 
• Prescriptive analytics dapat memberi rekomendasi keputusan sesuai dengan perubahan situasi dan kondisi.
• Mempercepat proses pengambilan keputusan yang awalnya rumit, karena prescriptive analytics dibantu dengan machine learning. 
• Prescriptive analytics bisa diimplementasikan dalam berbagai bidang untuk membantu mencegah penipuan, mencegah risiko, meningkatkan efisiensi, mencapai tujuan bisnis, dan meningkatkan pelanggan. 

Contoh Prescriptive Analytics

Perbankan adalah salah satu industri yang paling mengandalkan prescriptive analytics. Hal ini karena sektor perbankan berurusan dengan uang dan banyak orang, sehingga analisis prescriptive bisa sangat membantu untuk efisiensi operasional, personalisasi pelayanan pelanggan, hingga deteksi penipuan. 

Salah satu caranya adalah dengan menganalisis data nasabah secara real time. 

Ketika ada pola tak biasa atau aktivitas mencurigakan, bank bisa melakukan prescriptive analytics dan memutuskan tindakan untuk mencegah hal tersebut. 

Prescriptive analytics juga bisa dimanfaatkan sektor perbankan untuk:

• Membuat model manajemen hubungan pelanggan untuk meningkatkan hubungan dengan pelanggan
• Membuat strategi meningkatkan penjualan silang (cross selling) produk-produk perbankan untuk meningkatkan penjualan produk dan layanan

Prescriptive analytics juga sangat penting untuk kebutuhan marketing. Marketer dapat menggunakan prescriptive analytics untuk membuat campaign yang efektif yang menargetkan customer tertentu selama periode tertentu.

Misalnya, saat dilangsungkannya Asian Games di Indonesia, beberapa perusahaan menawarkan bundling produk tertentu dengan merchandise Asian Games untuk memeriahkan pesta olahraga tersebut.  

FAQ (Frequently Asked Question)

Apa saja kekurangan prescriptive analytics?

‍

Berikut kekurangan atau tantangan yang dihadapi saat melakukan prescriptive analytics:

• Prescriptive analytics hanya efektif jika organisasi mengetahui permasalahan yang dihadapi (input-nya valid)
• Persyaratan rekayasa data ketat sehingga tidak semua aplikasi cocok menggunakan prescriptive analytics.
• Untuk digunakan dalam jangka panjang, prescriptive analytics perlu dilakukan pembaruan secara berkala. 
• Prescriptive analytics tidak cocok untuk membuat keputusan jangka panjang, karena mengandalkan data saat ini bukan asumsi. 

Apa perbedaan prescriptive analytics dengan jenis data analisis lainnya?

Data analisis modern dibagi menjadi 4, di mana keempatnya termasuk dalam proses pengambilan keputusan. 

Berikut empat jenis data analytics dan perbedaannya satu sama lain:

• Descriptive analytics: Untuk memahami masalah atau situasi yang terjadi berdasarkan data yang ada saat ini. 
• Diagnostic analytics: Untuk mengetahui penyebab dari masalah yang terjadi saat ini.
• Predictive analytics: Untuk membuat prediksi di masa depan berdasarkan data yang ada, baik itu data masa lalu dan saat ini. 
• Prescriptive analytics: Untuk membuat keputusan apa yang harus dilakukan berdasarkan kondisi tersebut.