Banyak perusahaan menyadari bahwa data yang mereka miliki adalah aset strategis. Namun, pada kenyataannya banyak yang tidak memanfaatkan data-data tersebut untuk mengembangkan perusahaan. Jika dibiarkan, Anda mungkin bisa kehilangan kesempatan untuk bersaing dengan para kompetitor.
Data strategy mengacu pada alat, proses, dan aturan yang menentukan cara mengelola, menganalisis, dan bertindak berdasarkan data bisnis. Strategi data membantu Anda membuat keputusan yang tepat berdasarkan sesuatu yang konkret.
Hal ini biasanya akan membantu Anda untuk menjaga data-data tetap aman dan dikelola dengan baik. Mari simak cara memanfaatkan data strategy untuk dapat mewujudkan keputusan yang berdasarkan pada analisis data daripada sebuah intuisi.
Data strategy adalah sebuah dasar untuk melakukan berbagai pengolahan data yang dimiliki. Data strategy merupakan rencana panduan jangka panjang yang melibatkan banyak orang, berbagai proses, dan teknologi yang diterapkan untuk mengatasi masalah dan mendukung sebuah tujuan bisnis.
Data strategy sering dipandang sebagai latihan teknis, tetapi data strategy yang modern dan komprehensif membahas lebih dari sekedar data. Latihan dalam membuat data strategy adalah sebuah latihan bagi para pemimpin sebuah perusahaan untuk memperhatikan hal-hal sebagai berikut.
Kebutuhan karyawan supaya mereka terdorong untuk menggunakan data
Berbagai proses untuk memastikan bahwa data dapat diakses dan berkualitas tinggi
Teknologi yang memungkinkan untuk melakukan penyimpanan, berbagi, dan menganalisis data
Data strategy harus menjelaskan rencana terperinci untuk mematangkan kemampuan analisis dan transisi dari pengambilan keputusan berdasarkan tinjauan ke belakang (hindsight) menjadi pengambilan keputusan dengan tinjauan ke masa depan (foresight).
Menurut Model Ascendancy Analytic Gartner, terdapat empat tahap untuk mencapai tujuan dari data strategy. Pertama adalah analisis deskriptif “Apa yang terjadi?”. Kemudian berubah ke tahap selanjutnya yaitu analisis diagnosis “Mengapa hal itu terjadi?”. Ketiga adalah analisis prediksi “Apa yang akan terjadi?”, dan yang terakhir analisis perspektif “Bagaimana kita dapat mewujudkannya?” Makin tinggi value atau nilai yang ingin dicapai, makin tinggi pula tingkat kesulitan dalam menganalisis data yang ada.
Terdapat beberapa elemen yang dapat membantu perusahaan dalam melakukan analisis dan merumuskan kebutuhan teknik untuk menyusun data strategy. Berikut adalah elemen-elemen yang dapat digunakan oleh perusahaan untuk mulai mempraktikan data strategy:
Data harus memenuhi persyaratan tertentu dari sebuah bisnis untuk mencapai tujuan strategis dan menghasilkan nilai yang nyata. Langkah pertama untuk mendefinisikan business requirements yaitu dengan mengidentifikasi seorang champion atau juara, semua pemangku kepentingan, dan Usaha Kecil dan Menengah (UKM) dalam sebuah perusahaan.
Seorang champion atau juara dari data strategy adalah pemimpin eksekutif yang akan menggalang dukungan untuk investasi. Pemangku kepentingan dan UKM lainnya akan mewakili departemen atau fungsi tertentu dalam perusahaan.
Selanjutnya adalah menentukan tujuan strategis dan mengikat kegiatan departemen dengan tujuan perusahaan, dalam hal ini tujuan di berbagai level dalam perusahaan harus diselaraskan. Tujuan-tujuan ini paling efektif dikumpulkan melalui proses wawancara yang dimulai di tingkat eksekutif dan berlanjut ke pimpinan departemen.
Melalui proses ini, kita akan menemukan yang coba diukur oleh para pemimpin, yang mereka upayakan untuk ditingkatkan, pertanyaan yang ingin mereka jawab, serta key performance indicators (KPI) untuk menjawab pertanyaan-pertanyaan itu.
Dengan memulai untuk mengumpulkan dan mendokumentasikan kebutuhan bisnis, maka cara untuk mengatasi hambatan. Banyak proyek teknikal yang kerap kali mengalami hambatan terkait pengetahuan tentang sesuatu yang coba dicapai oleh sebuah bisnis.
Untuk data yang dapat ditemukan secara internal, pencatatan dilakukan bagi semua sumber sistem dan berbagai hambatan untuk mendapatkan akses ke data tersebut. Anda juga perlu menentukan apakah data memiliki tingkat detail yang tepat dan diperbaharui.
Pembaruan data bisa diatur dengan frekuensi yang tepat untuk menjawab pertanyaan secara efektif. Jika terdapat data yang tidak tersedia, pencatatan juga dilakukan terlebih dahulu agar dapat melanjutkan pada langkah berikutnya.
Jangan mudah terjebak dalam tren dan teknologi terbaru, fokus pada alasan bisnis untuk inisiatif Anda. Membangun data yang fleksibel dan dapat diukur adalah topik rumit yang memiliki banyak pilihan dan pendekatan. Berikut adalah beberapa hal penting untuk dipertimbangkan:
Gunakan penyimpanan data pusat (central data repository) karena istem operasional tidak dapat diandalkan untuk mendukung semua kebutuhan analisis
Temukan adanya keterampilan dan infrastruktur teknis untuk mendukung data warehouse on-prem atau pemanfaatan solusi berbasis cloud
Cara mengisi kekosongan saat tidak ada data yang dapat dihitung, pertimbangkan kemungkinan untuk membeli dari pasar pihak ketiga atau data ekonomi makro
Cara menyediakan akses ke data seperti membuat laporan atau mengaktifkan layanan mandiri yang memungkinkan interaksi pengguna dengan data
Semua pertimbangan ini akan dimasukkan ke dalam pembangunan keseluruhan dan rencana manajemen data. Seperti kebanyakan desain, semakin banyak persyaratan dan kebutuhan masa depan yang diperhitungkan, semakin banyak solusi yang benar-benar akan mendukung bisnis.
Data strategy harus memberikan rekomendasi tentang cara menerapkan analisis untuk mendapatkan informasi penting dan visualisasi data adalah kuncinya. Alat visualisasi data harus membuat data terlihat bagus dan lebih mudah dipahami. Berikut adalah beberapa faktor yang harus dipertimbangkan ketika memilih alat visualisasi data:
Visualizations: Anda harus dapat menemukan tren dan outlier dengan cepat untuk menghindari kebingungan dengan tampilan yang buruk.
Story Telling: Bagian dashboard harus menampilkan konteks metrik dan mengantisipasi jalur investigasi dan diagnosis pengguna.
Democration of Data: Mendorong untuk mengadopsi tujuan berbagi (sharing) dan penyebarluasan serta menentukan definisi dan metrik umum di seluruh bagian perusahaan.
Data Granularity: Mampu memberikan tingkat detail yang tepat untuk audiens yang tepat.
Menjadi perusahaan yang berbasis data membutuhkan lebih dari sekadar teknologi. Pada tahap ini Anda melihat kepada individu-individu dalam perusahaan dan proses yang terkait dengan membuat, berbagi, dan mengatur data.
Data strategi memiliki potensi memperkenalkan lebih banyak data dan analisis data ketimbang penggunaan alat baru. Berdasarkan hal ini, perhatikan kebutuhan konsumen untuk memahami kekuatan mereka dan di mana mereka membutuhkan bantuan.
Saat memberikan tools baru tanpa memberikan cara pikir yang berbeda, hasil akhirnya tidak akan berubah. Dalam prosesnya, banyak perusahaan memiliki hambatan yang tidak disengaja untuk memanfaatkan data mereka dalam pengambilan keputusan.
Proses bisnis ini mungkin perlu direkayasa ulang untuk menggabungkan analisis data. Hal ini dapat dicapai dengan mendokumentasikan langkah-langkah dalam suatu proses dan laporan tertentu dimanfaatkan untuk suatu keputusan.
Tata kelola data merupakan elemen yang memungkinkan untuk berbagi data di tingkat perusahaan dan dapat dianalogikan menjadi sebuah oli yang melumasi mesin praktik analisis. Program tata kelola data akan memastikan bahwa:
Perhitungan yang digunakan di seluruh perusahaan ditentukan berdasarkan masukan dari seluruh perusahaan
Orang yang tepat memiliki akses ke data yang tepat
Data lineage atau garis keturunan data (asal data dan perubahan data sejak asal tersebut) didefinisikan.
Menyelesaikan tata kelola data hanya dapat dilakukan oleh orang, bukan mesin atau alat. Tata kelola data membutuhkan kepemimpinan dan terkadang melakukan arahan melalui komunikasi dan koordinasi yang sulit. Mengembangkan kamus data adalah awal yang baik, semua ukuran dan dimensi end-user didefinisikan di kamus data.
Data strategy roadmap adalah puncak dari semua pekerjaan yang dilakukan dan apa yang membuat semua pekerjaan sebelumnya dapat ditindaklanjuti. Sebelum melanjutkan dan memulai desain, pembangunan, pelatihan, atau rekayasa ulang proses bisnis, penting untuk membuat prioritas.
Setiap rekomendasi yang ada harus menentukan kelayakan dan nilai bisnis yang sepadan dengan hasil yang diinginkan untuk memperbaiki keadaan bisnis. Rencana yang dibuat harus memprioritaskan hal-hal yang paling mudah diterapkan dengan keuntungan tercepat bagi bisnis.
Data strategi menjadi dasar untuk semua kebutuhan, terutama terkait analisis bisnis, terutama bagi perusahaan yang memang akan beralih untuk menggunakan data. Elemen-elemen di atas dapat menjadi hal penting yang digunakan untuk mengatasi tantangan dalam mengolah data dan mendukung tujuan bisnis atau perusahaan Anda.
Banyak perusahaan menyadari bahwa data yang mereka miliki adalah aset strategis. Namun, pada kenyataannya banyak yang tidak memanfaatkan data-data tersebut untuk mengembangkan perusahaan. Jika dibiarkan, Anda mungkin bisa kehilangan kesempatan untuk bersaing dengan para kompetitor.
Data strategy mengacu pada alat, proses, dan aturan yang menentukan cara mengelola, menganalisis, dan bertindak berdasarkan data bisnis. Strategi data membantu Anda membuat keputusan yang tepat berdasarkan sesuatu yang konkret.
Hal ini biasanya akan membantu Anda untuk menjaga data-data tetap aman dan dikelola dengan baik. Mari simak cara memanfaatkan data strategy untuk dapat mewujudkan keputusan yang berdasarkan pada analisis data daripada sebuah intuisi.
Data strategy adalah sebuah dasar untuk melakukan berbagai pengolahan data yang dimiliki. Data strategy merupakan rencana panduan jangka panjang yang melibatkan banyak orang, berbagai proses, dan teknologi yang diterapkan untuk mengatasi masalah dan mendukung sebuah tujuan bisnis.
Data strategy sering dipandang sebagai latihan teknis, tetapi data strategy yang modern dan komprehensif membahas lebih dari sekedar data. Latihan dalam membuat data strategy adalah sebuah latihan bagi para pemimpin sebuah perusahaan untuk memperhatikan hal-hal sebagai berikut.
Kebutuhan karyawan supaya mereka terdorong untuk menggunakan data
Berbagai proses untuk memastikan bahwa data dapat diakses dan berkualitas tinggi
Teknologi yang memungkinkan untuk melakukan penyimpanan, berbagi, dan menganalisis data
Data strategy harus menjelaskan rencana terperinci untuk mematangkan kemampuan analisis dan transisi dari pengambilan keputusan berdasarkan tinjauan ke belakang (hindsight) menjadi pengambilan keputusan dengan tinjauan ke masa depan (foresight).
Menurut Model Ascendancy Analytic Gartner, terdapat empat tahap untuk mencapai tujuan dari data strategy. Pertama adalah analisis deskriptif “Apa yang terjadi?”. Kemudian berubah ke tahap selanjutnya yaitu analisis diagnosis “Mengapa hal itu terjadi?”. Ketiga adalah analisis prediksi “Apa yang akan terjadi?”, dan yang terakhir analisis perspektif “Bagaimana kita dapat mewujudkannya?” Makin tinggi value atau nilai yang ingin dicapai, makin tinggi pula tingkat kesulitan dalam menganalisis data yang ada.
Terdapat beberapa elemen yang dapat membantu perusahaan dalam melakukan analisis dan merumuskan kebutuhan teknik untuk menyusun data strategy. Berikut adalah elemen-elemen yang dapat digunakan oleh perusahaan untuk mulai mempraktikan data strategy:
Data harus memenuhi persyaratan tertentu dari sebuah bisnis untuk mencapai tujuan strategis dan menghasilkan nilai yang nyata. Langkah pertama untuk mendefinisikan business requirements yaitu dengan mengidentifikasi seorang champion atau juara, semua pemangku kepentingan, dan Usaha Kecil dan Menengah (UKM) dalam sebuah perusahaan.
Seorang champion atau juara dari data strategy adalah pemimpin eksekutif yang akan menggalang dukungan untuk investasi. Pemangku kepentingan dan UKM lainnya akan mewakili departemen atau fungsi tertentu dalam perusahaan.
Selanjutnya adalah menentukan tujuan strategis dan mengikat kegiatan departemen dengan tujuan perusahaan, dalam hal ini tujuan di berbagai level dalam perusahaan harus diselaraskan. Tujuan-tujuan ini paling efektif dikumpulkan melalui proses wawancara yang dimulai di tingkat eksekutif dan berlanjut ke pimpinan departemen.
Melalui proses ini, kita akan menemukan yang coba diukur oleh para pemimpin, yang mereka upayakan untuk ditingkatkan, pertanyaan yang ingin mereka jawab, serta key performance indicators (KPI) untuk menjawab pertanyaan-pertanyaan itu.
Dengan memulai untuk mengumpulkan dan mendokumentasikan kebutuhan bisnis, maka cara untuk mengatasi hambatan. Banyak proyek teknikal yang kerap kali mengalami hambatan terkait pengetahuan tentang sesuatu yang coba dicapai oleh sebuah bisnis.
Untuk data yang dapat ditemukan secara internal, pencatatan dilakukan bagi semua sumber sistem dan berbagai hambatan untuk mendapatkan akses ke data tersebut. Anda juga perlu menentukan apakah data memiliki tingkat detail yang tepat dan diperbaharui.
Pembaruan data bisa diatur dengan frekuensi yang tepat untuk menjawab pertanyaan secara efektif. Jika terdapat data yang tidak tersedia, pencatatan juga dilakukan terlebih dahulu agar dapat melanjutkan pada langkah berikutnya.
Jangan mudah terjebak dalam tren dan teknologi terbaru, fokus pada alasan bisnis untuk inisiatif Anda. Membangun data yang fleksibel dan dapat diukur adalah topik rumit yang memiliki banyak pilihan dan pendekatan. Berikut adalah beberapa hal penting untuk dipertimbangkan:
Gunakan penyimpanan data pusat (central data repository) karena istem operasional tidak dapat diandalkan untuk mendukung semua kebutuhan analisis
Temukan adanya keterampilan dan infrastruktur teknis untuk mendukung data warehouse on-prem atau pemanfaatan solusi berbasis cloud
Cara mengisi kekosongan saat tidak ada data yang dapat dihitung, pertimbangkan kemungkinan untuk membeli dari pasar pihak ketiga atau data ekonomi makro
Cara menyediakan akses ke data seperti membuat laporan atau mengaktifkan layanan mandiri yang memungkinkan interaksi pengguna dengan data
Semua pertimbangan ini akan dimasukkan ke dalam pembangunan keseluruhan dan rencana manajemen data. Seperti kebanyakan desain, semakin banyak persyaratan dan kebutuhan masa depan yang diperhitungkan, semakin banyak solusi yang benar-benar akan mendukung bisnis.
Data strategy harus memberikan rekomendasi tentang cara menerapkan analisis untuk mendapatkan informasi penting dan visualisasi data adalah kuncinya. Alat visualisasi data harus membuat data terlihat bagus dan lebih mudah dipahami. Berikut adalah beberapa faktor yang harus dipertimbangkan ketika memilih alat visualisasi data:
Visualizations: Anda harus dapat menemukan tren dan outlier dengan cepat untuk menghindari kebingungan dengan tampilan yang buruk.
Story Telling: Bagian dashboard harus menampilkan konteks metrik dan mengantisipasi jalur investigasi dan diagnosis pengguna.
Democration of Data: Mendorong untuk mengadopsi tujuan berbagi (sharing) dan penyebarluasan serta menentukan definisi dan metrik umum di seluruh bagian perusahaan.
Data Granularity: Mampu memberikan tingkat detail yang tepat untuk audiens yang tepat.
Menjadi perusahaan yang berbasis data membutuhkan lebih dari sekadar teknologi. Pada tahap ini Anda melihat kepada individu-individu dalam perusahaan dan proses yang terkait dengan membuat, berbagi, dan mengatur data.
Data strategi memiliki potensi memperkenalkan lebih banyak data dan analisis data ketimbang penggunaan alat baru. Berdasarkan hal ini, perhatikan kebutuhan konsumen untuk memahami kekuatan mereka dan di mana mereka membutuhkan bantuan.
Saat memberikan tools baru tanpa memberikan cara pikir yang berbeda, hasil akhirnya tidak akan berubah. Dalam prosesnya, banyak perusahaan memiliki hambatan yang tidak disengaja untuk memanfaatkan data mereka dalam pengambilan keputusan.
Proses bisnis ini mungkin perlu direkayasa ulang untuk menggabungkan analisis data. Hal ini dapat dicapai dengan mendokumentasikan langkah-langkah dalam suatu proses dan laporan tertentu dimanfaatkan untuk suatu keputusan.
Tata kelola data merupakan elemen yang memungkinkan untuk berbagi data di tingkat perusahaan dan dapat dianalogikan menjadi sebuah oli yang melumasi mesin praktik analisis. Program tata kelola data akan memastikan bahwa:
Perhitungan yang digunakan di seluruh perusahaan ditentukan berdasarkan masukan dari seluruh perusahaan
Orang yang tepat memiliki akses ke data yang tepat
Data lineage atau garis keturunan data (asal data dan perubahan data sejak asal tersebut) didefinisikan.
Menyelesaikan tata kelola data hanya dapat dilakukan oleh orang, bukan mesin atau alat. Tata kelola data membutuhkan kepemimpinan dan terkadang melakukan arahan melalui komunikasi dan koordinasi yang sulit. Mengembangkan kamus data adalah awal yang baik, semua ukuran dan dimensi end-user didefinisikan di kamus data.
Data strategy roadmap adalah puncak dari semua pekerjaan yang dilakukan dan apa yang membuat semua pekerjaan sebelumnya dapat ditindaklanjuti. Sebelum melanjutkan dan memulai desain, pembangunan, pelatihan, atau rekayasa ulang proses bisnis, penting untuk membuat prioritas.
Setiap rekomendasi yang ada harus menentukan kelayakan dan nilai bisnis yang sepadan dengan hasil yang diinginkan untuk memperbaiki keadaan bisnis. Rencana yang dibuat harus memprioritaskan hal-hal yang paling mudah diterapkan dengan keuntungan tercepat bagi bisnis.
Data strategi menjadi dasar untuk semua kebutuhan, terutama terkait analisis bisnis, terutama bagi perusahaan yang memang akan beralih untuk menggunakan data. Elemen-elemen di atas dapat menjadi hal penting yang digunakan untuk mengatasi tantangan dalam mengolah data dan mendukung tujuan bisnis atau perusahaan Anda.
