Membaca 'Competing on Analytics' dan Memikirkan Manajemen Berbasis Data

Selamat pagi, saya まさきん.

Mulai kali ini, saya membuat kategori baru bernama “Marketing”. Saya ingin sedikit demi sedikit menulis tentang buku yang saya baca dan hal yang saya pikirkan selama bekerja sebagai digital marketer.

Untuk yang pertama, saya mulai dari ulasan buku. Buku berjudul Competing on Analytics, karya Thomas H. Davenport dan Jeanne G. Harris.

Awalnya dari pertanyaan “apakah analisis itu menguntungkan?”

Saat bekerja, kadang saya ditanya begini. Apakah analisis data itu sendiri bisa menghasilkan penjualan?

Sejujurnya, analisis itu sendiri tidak langsung menghasilkan penjualan. Tapi saya sudah lama merasa perusahaan yang tidak melakukan analisis akan sulit bertahan ke depannya.

Isi buku: mengapa kekuatan analisis jadi keunggulan bersaing

Buku ini tidak hanya membahas perusahaan internet seperti Google atau Amazon. Perusahaan dari berbagai industri turut dibahas, mulai dari keuangan, manufaktur, ritel, hingga jasa.

Ini cerita tentang perusahaan yang menciptakan perbedaan dengan pesaing lewat data dan analisis. Buku ini menyebutkan beberapa kondisi yang membuat kekuatan analisis jadi keunggulan bersaing.

• Sulit ditiru
• Punya keunikan
• Bisa diterapkan secara luas
• Jauh mengungguli pesaing
• Terus berevolusi

Saya setuju dengan poin-poin ini. Tapi saya juga merasa, perusahaan yang benar-benar konsisten melakukannya sebenarnya tidak banyak.

Hal menarik dari buku ini, jalan yang ditempuh perusahaan yang menjadikan analisis sebagai senjata itu tidak selalu sama. Ada yang seperti Google dan Amazon, berbasis data sejak awal berdiri. Ada juga seperti Walmart atau lembaga keuangan, yang memperkuat pengelolaan data karena terpaksa keadaan. Ada pula tim olahraga atau produsen tertentu yang baru menjadikan analisis sebagai senjata setelah melewati fase tertentu. Cara mulainya berbeda-beda, tapi titik yang dituju mirip, begitu pandangan buku ini.

Perusahaan memindahkan dasar keputusan dari intuisi ke data. Cara berpikir yang sama mungkin bisa dipakai untuk biaya tetap rumah tangga juga. Saya sendiri berencana mengecek biaya HP bulanan dengan angka pastinya.

Dua jalan: Fast Path dan Slow Path

Bagaimana urutan yang harus ditempuh untuk berubah jadi perusahaan yang menjadikan analisis sebagai senjata? Buku ini memperkenalkan dua cara.

Yang pertama “Fast Path”. Ini terjadi ketika manajemen sejak awal lebih percaya data daripada intuisi, dan berani berinvestasi untuk itu. Seperti naik kereta ekspres, perubahan di seluruh perusahaan terjadi relatif cepat.

Namun kenyataannya, perusahaan dengan kondisi seperti ini tidak banyak. Kebanyakan perusahaan menempuh jalan lain, yaitu “Slow Path”. Dimulai dari unit kecil seperti divisi marketing, membangun hasil nyata secara bertahap, lalu menyebarkan pemahaman ke divisi lain. Butuh waktu dan risiko gagal juga tidak kecil, tapi investasi awalnya lebih kecil. Menurut buku ini, begitu pengaruh kekuatan analisis menyebar ke seluruh perusahaan, langkah selanjutnya sama saja lewat jalan mana pun. Mengumpulkan data, memperkuat SDM, dan terus menghasilkan output secara berkelanjutan. Konsistensi seperti ini yang menurut saya menjadi kesamaan perusahaan yang menjadikan analisis sebagai senjata.

Tiga jenis SDM di balik kekuatan analisis

Hal lain yang membuat saya terkesan adalah pembagian SDM yang dibutuhkan menjadi tiga lapisan.

Pertama, tim manajemen. Mereka diharapkan tidak hanya memahami pentingnya data, tapi juga punya sedikit gambaran soal metode analisis. Kedua, profesional. Mereka yang menerima pendidikan khusus menangani data dan punya keterampilan tinggi. Belakangan ini outsourcing juga memungkinkan, tapi buku ini mengingatkan, jika inti kekuatan analisis diserahkan sepenuhnya ke pihak luar, daya saing perusahaan itu sendiri jadi seperti barang pinjaman.

Ketiga, justru jumlahnya paling banyak dan dianggap paling penting, adalah “amateur analyst”. Pemikirannya, meski tidak punya keterampilan analisis tingkat tinggi, orang di lapangan perlu memahami definisi dan cara menangani data secara benar dan seragam.

Hal ini sangat terasa dalam pekerjaan sehari-hari. Saya sendiri beberapa kali melihat data yang sama diinterpretasikan sangat berbeda oleh tim berbeda. Melihat angka yang sama, satu tim menganggapnya tanda bagus, tim lain menganggapnya tanda bahaya. Biasanya sebabnya adalah definisi data atau asumsi dasar yang tidak dibagikan dengan benar di lapangan. Menurut saya, menyamakan pemahaman amateur analyst di lapangan justru lebih berdampak, meski kelihatannya sepele, dibanding membangun infrastruktur analisis yang canggih lebih dulu. Soal kekuatan menyamakan bahasa bersama ini juga saya tulis di cerita tentang kemampuan menerjemahkan yang dibutuhkan dalam pekerjaan analisis data.

Dibaca ulang sekarang, kerangkanya masih relevan

Buku ini terbit sekitar tahun 2010, jadi sudah lebih dari 15 tahun lalu. Tapi kerangka pemikirannya masih cukup relevan sampai sekarang.

Belakangan ini, pemanfaatan AI makin sering dibahas dengan tema “kekuatan menciptakan nilai”. Dengan AI generatif, pekerjaan seperti pengolahan data, agregasi, dan pembuatan laporan sudah bisa cukup diotomatisasi. Karena itu, yang bobotnya relatif meningkat adalah kemampuan menemukan KPI dan menarik jalan kemenangan dari data. Bukan sekadar menyelesaikan masalah, tapi kemampuan menyusun hipotesis soal apa yang seharusnya jadi masalah, itulah yang tetap dibutuhkan dari manusia. Contoh metode lama yang kini ditinjau ulang mungkin juga termasuk marketing mix modeling.

Meski alat analisis makin canggih, yang akhirnya mengambil keputusan tetap manusia. Bagaimana menafsirkan angka dan menghubungkannya ke langkah berikutnya, menurut saya itu inti pekerjaan yang tidak berubah dari dulu sampai sekarang. Baik Fast Path maupun Slow Path, pada akhirnya sama-sama soal bagaimana manusia menghadapi angka.

Kesimpulan

Buku lama ini tetap memberi banyak pelajaran meski dibaca sekarang. Gagasan menjadikan kekuatan analisis sebagai keunggulan bersaing mungkin juga relevan dengan sikap saat meninjau ulang keuangan rumah tangga, tidak hanya untuk manajemen perusahaan.

Artikel ini mengandung iklan afiliasi. Jika Anda mendaftar produk atau layanan melalui tautan di situs ini, kami mungkin menerima komisi dari perusahaan mitra. Selain itu, pengelola adalah karyawan Rakuten Group dan mungkin menerima imbalan melalui program referral karyawan. Konten dan penilaian artikel dibuat berdasarkan pengalaman nyata dan riset pengelola, terlepas dari ada atau tidaknya iklan, namun kami harap Anda membaca dengan memahami hubungan di atas. Untuk detailnya, silakan lihat Sangkalan & Info Afiliasi. Sangkalan & Info Afiliasi

Artikel ini menggunakan terjemahan mesin. Untuk syarat resmi, silakan cek halaman multibahasa di situs resmi Rakuten Mobile.

Jika Anda memiliki kekhawatiran tentang area jangkauan atau kondisi sinyal Rakuten Mobile, Anda dapat berkonsultasi melalui formulir permintaan perbaikan sinyal resmi.