CH3 TOP 2 - Menjadi BI Analyst - Analisis Data Dan Pemahaman Dashboard

Menjadi BI Analyst - Analisis Data dan
Pemahaman Dashboard
Gold - Chapter 3 - Topic 2
Selamat datang di Chapter 3 Topic 2 online course
Business Intelligence Analyst
dari Binar Academy!
Pengantar
PM 101
Pengantar
Pengantar
PM 101
Pengantar
Di Chapter 3 Topic 1, kita sudah belajar bagaimana cara

menyusun BRD untuk keperluan bisnis, dan bagaimana
cara Data Warehouse.
Di Topic 2 kali ini, kita akan lanjut kembali mengulas

mengenai BRD terkait analisis data dan pembuatan
dashboard, yaitu dari bagaimana prosesnya, metode,
serta teknik yang diperlukan.
Memahami
PM 101 Analisis Data
Pengantar
Udah paham soal data warehouse, berarti

sekarang waktunya kita beranjak ke analisis
data!
Di sini, kita udah mulai bisa melihat apa saja

manfaat dari menyusun BRD, jenis data, serta
Data Warehouse dari topic sebelumnya nih.
Kira-kira seperti apa ya manfaatnya? Yuk

langsung kita mulai aja~
Pengertian
Pengantar
Siapa ya
di antara
sodara yang
makanin kulit
ayam kepci
saya?
Apa itu analisis data?

Analisis data dapat dikatakan sebagai sebuah proses
saat kita mengevaluasi data.
Di sini, kita bakal memeriksa data satu per satu secara

mendetail sehingga dibutuhkan pemikiran logis dan
kemampuan analitik di saat melakukan analisis.
Yep! Ala-ala detektif pas lagi mecahin kasus gitu deh

guys!
Pengertian
Pengantar
Tujuannya buat apa?

Dengan melakukan analisis yang mendalam dan
terperinci pada data, tentunya kita bakal mendapatkan
kesimpulan dan menemukan insight dengan lebih
mudah!
Proses
Pengantar
Terus, cara analisis data gimana?

Secara garis besar, proses analisis data bakal melalui 4
tahapan sebagai berikut.
1. Problem definition
2. Data collection
3. Data profiling & cleansing
4. Analyze
Nah, kita ulas satu per satu ya biar ketahuan

langkah-langkah analisisnya ada apa aja~
PM 101 Problem Definition
Proses
Pengantar
Pertama, yaitu Problem Definition!

Dalam tahap ini, kita akan menentukan tujuan dari
analisis terhadap project terkait
Nah, di sinilah BRD yang kita bikin di awal chapter

kemarin akhirnya terpakai~
Proses
Pengantar
Saya yang
bertanya saya
juga yang
menjawab~
Dalam proses ini, ada 3 pertanyaan yang perlu kita

temukan jawabannya, yaitu:
1. Apa tujuan dari analisis ini?

2. Apa masalah yang ingin diselesaikan?
3. Apa saja business metrics yang ingin dilacak?
Proses
Pengantar
Hmmm, bentar deh! Business metrics itu

apa sih?
Business metrics adalah sesuatu yang dapat dihitung
atau diukur untuk mengevaluasi status dari suatu proses
bisnis.
Proses
Pengantar
Jadi, setiap divisi di perusahaan memiliki business

metrics yang berbeda-beda.
Masing-masing divisi akan bekerja untuk menggerakkan

(menaikkan atau menurunkan) metrics tersebut sesuai
kebutuhan dan tujuan bisnis.
Nah, Business metrics ini juga biasanya akan dimonitor di

report atau dashboard!
Proses
Pengantar
Terus bedanya sama KPI apa dong?

Bedanya, business metrics berlaku hanya pada area
bisnis tertentu di dalam perusahaan.
Sementara, KPI (Key Indicator Performance) mengukur

pencapaian perusahaan dalam lingkup yang lebih luas.
Pada proses analisis data, kita lebih sering menggunakan

business metrics karena analisis data umumnya
mencakup suatu topik atau area bisnis yang spesifik~
Proses
Pengantar
Tudum~
Tudum~
Kita ambil contohnya Netflix ya! Tudum~
Misalnya, Netflix punya KPI yang sudah ditetapkan yaitu

annual profit (keuntungan tahunan) yang diukur terhadap
suatu target.
Dalam rangka mencapai KPI tersebut, divisi lain yang ada

di Netflix akhirnya menentukan business metrics mereka,
seperti total langganan dan total pelanggan yang aktif.
Hal semacam ini nantinya bakal mempengaruhi KPI

annual profit tadi.
Proses
Pengantar
Kira-kira begini deh penampakannya

Business Metrics:
Proses
Pengantar
Contoh lainnya~
Berikut ini beberapa contoh business metrics lainnya:
● Sales metrics
○ Monthly sales: total penjualan setiap bulan
○ Average purchase value: rata-rata nilai
penjualan
Proses
Pengantar
● Financial metrics
○ Profit ratio: rasio keuntungan terhadap nilai
penjualan
○ Return on investment (ROI): rasio
pendapatan bersih terhadap biaya
● Marketing metrics
○ Traffic: jumlah kunjungan ke halaman
produk
○ Conversion rate: rasio jumlah pembelian
produk terhadap jumlah kunjungan
PM 101 Data Collection
Proses
Pengantar
Lanjut ke Data Collection~

Tahap Data Collection adalah proses mencari dan
mengumpulkan data yang diperlukan saja dari data
warehouse dengan tools SQL.
Soal tools ini, kita obrolin lebih mendalam di pembahasan

selanjutnya ya~
Proses
Pengantar
Jangan
ngumpet
jauh-jauh
Seperti apa prosesnya? ya lu pada!
Idealnya, data yang kita butuhkan sudah tersedia di data

warehouse. Jadi, kita cuman tinggal cari tahu deh tabel
mana yang memuat data tersebut.
Kamu masih ingat dong sama jenis-jenis data yang

pernah kita pelajari?
Nah, kalau kita sudah paham nih sama jenis-jenis data

tersebut, proses data collection juga jadi bakal lebih
mudah dan cepat!
Proses
Pengantar
Meskipun demikian…
Kadang ada kendala-kendala yang mungkin dialami di
tahap ini juga gengs~
Misalnya, data yang dibutuhkan belum tersedia. Kalau ini

terjadi, kita perlu memikirkan apakah data tersebut bisa
didapatkan.
Jika ternyata data tersebut tidak bisa

ditemukan/didapatkan, maka kita perlu
mengkomunikasikannya kepada business user untuk
mencari solusinya.
Proses
Pengantar
Pada kasus lainnya, terkadang data yang dibutuhkan

tersedia namun masih terpencar di beberapa tabel.
Jadi, di sini kita perlu menggabungkan tabel-tabel

tersebut terlebih dahulu untuk mendapat data sesuai
kebutuhan!
Proses
Pengantar
Sekarang kita ke Data Profiling dan Data

Cleansing!
Setelah mendapatkan data yang dibutuhkan dari data
warehouse, kita akan masuk ke tahap data profiling dan
data cleansing.
Tapi sebelumnya, kita perlu melakukan pemeriksaan

ulang terhadap data dulu gengs!
Proses
Pengantar
Apa sih tujuan Data Profiling dan Data

Cleansing ini?
Langkah ini berguna untuk memastikan bahwa data yang
kita dapat sudah tepat guna, agar analisis dan report kita
nanti benar-benar akurat.
Istilah “garbage in, garbage out” di tahap ini perlu diingat

juga nih, setiap kali kamu melakukan pekerjaan dengan
data.
Kita bahas perihal ini lebih jauh di topic selanjutnya ya~

Proses
Pengantar
Setelah data yang didapat sudah pasti akurat, maka

proses selanjutnya adalah data profiling dan data
cleansing. Dalam proses ini, ada empat hal yang perlu
diperhatikan:
● Completeness: apakah data tersebut lengkap?
● Uniqueness: apakah ada duplikasi pada data?
● Validity: apakah data mencerminkan kondisi

sebenarnya?
● Consistency: apakah data menunjukkan pola yang

konsisten?
Proses
Pengantar
Kita lihat data di samping yuk! Ini adalah data penjualan

harian sebuah kafe yang sedang dianalisis oleh Sabrina.
Di tahap profiling dan cleansing, pertama-tama Sabrina

harus memeriksa completeness atau kelengkapan data.
Apakah ada data yang hilang atau kosong?
Jika ada data yang hilang, sebaiknya data tersebut

dibuang atau digantikan dengan nilai yang baru.
Proses
Pengantar
Yang kedua adalah dari segi uniqueness. Kita perlu

memeriksa apakah ada data berganda atau terduplikasi.
Kalau ada data yang terduplikasi maka harus dihilangkan

karena dapat menyebabkan perhitungan menjadi tidak
akurat.
Proses
Pengantar
Jika sudah, perhatikan juga pada unsur validity.

Periksalah apakah data yang didapat valid atau masuk
akal dan mencerminkan keadaan yang sebenarnya.
Pada contoh di sebelah kanan, data penjualan matcha

latte yang tiba-tiba melonjak ke angka 12 ribu bisa
digolongkan sebagai data yang tidak valid.
Data seperti ini dapat kita gantikan dengan nilai yang

lebih masuk akal, misalnya dengan nilai hari sebelumnya
atau nilai rata-rata.
Proses
Pengantar
Terakhir adalah unsur consistency. Periksalah apakah

data menggunakan format yang konsisten.
Pada contoh di samping kita bisa menemukan bahwa

format penulisan tanggal tidak konsisten, maka data
semacam ini harus diperbaiki.
Format yang tidak konsisten harus diseragamkan agar

tidak menimbulkan anomali pada hasil analisis maupun
report.
Proses
Pengantar
Lalu, saatnya kita Analyze!

Proses terakhir dalam analisis data yaitu analisis itu
sendiri.
Setelah melalui proses problem definition, data

collection, serta data profiling dan data cleansing, maka
kita sudah bisa mengulik data ini untuk mencari insight.
Proses
Pengantar
Ada beberapa metode analisis yang bisa kita gunakan:
● Descriptive analysis
Menginterpretasikan data menggunakan berbagai
operasi matematika dan statistika.
● Diagnostic analysis
Menggali data secara lebih dalam untuk mencari
penyebab dari suatu fenomena.
● Predictive analysis
Menggunakan data historis untuk memprediksi
observasi baru.
● Prescriptive analysis
Membuat rekomendasi berdasarkan data serta
menyampaikan implikasinya.
Proses
Pengantar
Jangan khawatir sob, sekarang kita cuman bahas

descriptive analysis aja kok~
Metode analisis ini adalah yang paling mendasar dan

paling umum dilakukan oleh seseorang yang berprofesi di
bidang Business Intelligence.
Proses
Pengantar
Di metode ini, ada beberapa teknik statistika yang perlu

kita pahami untuk mendukung proses analisis:
Measures of Frequency
Teknik ini menghitung seberapa sering suatu kejadian
terjadi.
Proses
Pengantar
Nah, di sini ada dua jenis perhitungan yang umumnya

dipakai, yaitu ada count dan propotion.
Hmm, gimana tuh? Berikut contohnya!
● Count
○ Jumlah pelanggan Netflix yang baru mulai
berlangganan di bulan Maret 2021
○ Jumlah film bergenre horor yang dapat
ditonton selama bulan Maret 2021
Proses
Pengantar
● Proportion
○ Proporsi pelanggan Netflix yang berusia di
bawah 18 tahun, dibandingkan terhadap
seluruh pelanggan Netflix
Proses
Pengantar
Measures of Central Tendency

Teknik ini menghitung seberapa umum suatu kejadian
terjadi. Ada tiga model perhitungan yang biasa dilakukan
dalam teknik ini:
● Mean/average atau rata-rata

○ Rata-rata durasi semua film asal Indonesia
yang tersedia di Netflix.
● Median/nilai tengah
○ Median dari durasi semua film asal
Indonesia yang tersedia di Netflix.
● Mode/nilai yang paling sering muncul

○ Film asal Indonesia yang paling banyak
ditonton di Netflix selama tahun 2021.
Proses
Pengantar
Measures of Dispersion
Teknik ini menghitung persebaran data yang dilakukan
dengan model perhitungan berikut:
● Variance/jarak antara suatu observasi dengan

nilai rata-rata
○ Varians dari jumlah film yang diberi rating
oleh setiap pelanggan Netflix di Surabaya.
● Range/jarak antara nilai observasi terendah dan

tertinggi
○ Range jumlah film yang diberi rating oleh
setiap pelanggan Netflix di Surabaya.
Proses
Pengantar
Measures of Position
Teknik ini menghitung posisi suatu data individu dalam
kumpulan data yang sudah diurutkan dan dibagi ke
beberapa kelompok.
● Quartile: posisi sebuah data individu dalam 4

kelompok data.
○ Q-3 waktu yang dihabiskan pelanggan
Netflix menonton film selama 1 hari
● Percentile: posisi sebuah data individu dalam 100

kelompok data.
○ P-90 waktu yang dihabiskan pelanggan
Netflix menonton film selama 1 hari
Proses
Pengantar
Selain memahami teknik-teknik di atas, penting juga

untuk mengetahui model perhitungan yang tepat dan
masuk akal untuk dilakukan terhadap data.
Maksudnya gimana nih sob?

Proses
Pengantar
Pelanggan Netflix Usia (tahun)

Misalnya ketika kita punya data usia dari pelanggan
Pelanggan A 25
Netflix.
Maka model perhitungan yang masuk akal adalah dengan Pelanggan B 50

menghitung rata-rata, bukan dijumlahkan.
Pelanggan C 75
Contohnya, jumlah usia 3 pelanggan Netflix yang
masing-masing 25, 50, dan 75 tahun adalah 150 tahun. Jumlah Usia 150
Tidak masuk akal untuk dihitung bukan? Tetapi
rata-ratanya, yaitu 50 tahun, lebih masuk akal untuk Rata-rata usia 50
dihitung.
Proses
Pengantar
Kalau kamu hitung rata-ratanya, hasilnya akan menjadi

sangat besar dan tidak masuk akal.
Tetapi kalau kamu hitung median atau nilai tengah, kamu

tidak menganggap data 3600 detik tersebut, sehingga
hasilnya menjadi lebih logis!
Data 3600 detik inilah yang kita sebut sebagai data

outlier.
Proses
Pengantar
Apa itu data outlier?

Data Outlier disebut juga dengan data pencilan.
Pengertian dari Outlier adalah data observasi yang
muncul dengan nilai-nilai ekstrim.
Nah, yang dimaksud dengan nilai-nilai ekstrim dalam

observasi ini adalah nilai yang jauh atau beda sama sekali
dengan sebagian besar nilai lain dalam kelompoknya.
Proses
Pengantar
Misalnya, nilai ujian siswa dalam satu kelas yang

berjumlah 40 siswa, sebanyak 39 siswa mendapatkan
nilai ujian dalam kisaran 70 sampai 80.
Kemudian ada 1 siswa yang nilainya sangat melenceng

dari lainnya, yaitu mendapatkan nilai 30. Nah, tentunya 1
siswa tersebut memiliki nilai ekstrim sehingga disebut
sebagai pencilan!
Proses
Pengantar
Contohnya lagi, seperti data mengenai jeda waktu dari

membuka aplikasi Netflix hingga aplikasi terbuka
sepenuhnya.
Ada pengguna yang hanya menunggu selama satu detik,

tetapi ada juga yang menunggu sampai 3600 detik karena
kuotanya habis gitu guys~
Sampai di sini, jelas kan? Jelas dong! 😜

Dashboard
PM 101
Pengantar
Kalau proses analisis sudah selesai, kita bisa

masuk ke tahap penyajiannya melalui
dashboard.
Di bagian ini, kita bakal belajar tentang

pengertian, fungsi, jenis-jenis serta
komponen dari dashboard!
Langsung kita cekidot~

Memahami
PM 101 Pengertian Dashboard
Pengantar
Kenapa sih memahami dashboard itu

penting?
Di bagian sebelumnya, kita sudah menyiapkan metrics,
KPI, dan mengumpulkan data serta analisis yang
diperlukan.
Nah, semua yang sudah kita siapkan tadi kemudian

secara otomatis akan dilacak, dianalisis lebih lanjut dan
ditampilkan secara visual melalui dashboard untuk
memantau kinerja perusahaan, divisi, atau proses tertentu
sesuai kebutuhan.
Memahami
Pengantar
Terus kenapa penyajiannya harus

secara visual?
Di balik layar, dashboard terhubung ke data, services, API
atau berbagai aplikasi lainnya sebagai data source atau
sumber data.
Bayangkan jika setiap kali mau menganalisis atau

mencari insight, kamu harus berhadapan dengan deretan
tabel yang rumit dan penuh angka maupun teks.
Gawat dong? Bisa puyeng yang ada! 🤯

Memahami
Pengantar
Karena itulah...
Kita membutuhkan dashboard untuk menampilkan data
ini sebagai diagram atau bentuk visualisasi data lainnya
kepada user dengan lebih efektif dan efisien, dan
tentunya sedap dipandang~
PM 101 Dashboard
Fungsi
Pengantar
Eits, tapi fungsi dashboard bukan cuma buat

estetik-estetik aja guys!
Ada beberapa fungsi lainnya yang bikin proses

pengambilan keputusan bisnis jadi lebih cepat
dan mudah.
Kita intip aja langsung yuk!

Memahami
PM 101 fungsi Dashboard
Pengantar
Identifikasi tren dalam sekejap!

Dashboard yang dinamis dapat menunjukkan koneksi
data antar unit atau departemen dalam sebuah
perusahaan.
Dengan melihat koneksi antar data ini kita dapat

mengidentifikasi dan menganalisis tren positif yang
terkait dengan aktivitas bisnis atau melakukan koreksi
kegiatan yang menyebabkan tren negatif bisnis.
Memahami
Pengantar
Meningkatkan efisiensi dalam

pengambilan keputusan~
Dengan menggunakan dashboard, kita bisa memahami
data-data dalam jumlah besar dengan lebih mudah, cepat,
dan akurat.
Contohnya, proses pengiriman supply stok barang ke

bisnis toko retail akan lebih cepat dan akurat kalau kita
memanfaatkan dashboard supply chain yang
menampilkan data sisa stok pada tiap cabang toko retail
yang ada.
Memahami
Pengantar
Self-service data dan analisis!

Modern BI tool saat ini sudah sangat user friendly dan
mudah digunakan. Sehingga data dan analisis dashboard
dapat dengan mudah digunakan secara luas di
perusahaan tanpa harus menunggu campur tangan tim IT
untuk mengolahnya.
Ini akan memberikan level agility dan mobility yang tidak

dapat ditandingi oleh pengolahan data tradisional
ataupun manual.
Oh iya, kalau mau cek jenis-jenis BI tools bisa ke sini ya~

Memahami
Pengantar
Bisa berbagi data dan analisis yang sama

dengan user lain~
Dashboard memudahkan kita untuk membagikan data
dan analisis ke individu atau divisi lain yang memerlukan
data yang sama.
Memahami
Pengantar
Misalnya nih, ada user yang mungkin ingin melihat data

dari divisi penjualan untuk mengetahui berapa banyak
pelanggan yang telah membeli barang tertentu di minggu
itu.
Mereka kemudian dapat menggunakan informasi

tersebut untuk mengukur berapa banyak pendapatan baru
yang diharapkan, atau apakah akan melanjutkan promosi
barang tersebut atau tidak.
Komponen
PM 101 Dashboard
Pengantar
Dashboard secara keseluruhan terdiri dari

beberapa komponen yang perlu kita pahami satu
per satu.
Dengan memahami komponen ini, kita bisa lebih

mudah melakukan troubleshooting jika
sewaktu-waktu ada kendala yang muncul!
Komponennya ada apa aja sih? Yuk simak lagi~

Komponen
PM 101 Dashboard
Pengantar
Komponen pertama yaitu data

visualization!
Di dashboard, data dapat dikonfigurasi menjadi berbagai
jenis visualisasi untuk menunjukkan metrik kinerja,
statistik, dan informasi lainnya dalam bentuk visual.
Visualisasi ini sudah disediakan di aplikasi BI, kita tinggal

menggunakannya dengan dimensions dan measures
yang sesuai dengan masing-masing visual grafik yang
ada, misalkan untuk visual grafik batang kita akan
memerlukan 1 dimension dan 1 measure agar tampilan
datanya muncul sebagai grafik.
Komponen
PM 101 Dashboard
Pengantar
Apa itu dimensions dan measures?

Dimensions dan measures adalah dua istilah yang akan kita temui di BI tools.
Penjelasan singkat dari keduanya adalah:
● Dimensions berisi nilai kualitatif (seperti nama, tanggal, atau data geografis).
Kita dapat menggunakan dimensi untuk mengategorikan, mengsegmentasikan,
dan menjelaskan detail dari data.
● Measures berisi nilai numerik dan kuantitatif yang dapat kamu ukur (seperti
angka bulat, angka desimal). Di measures kita dapat melakukan komputasi
matematika (seperti kali, bagi, tambah, kurang).
Memahami
PM 101 Komponen Dashboard
Pengantar
Komponen selanjutnya, ada data

tables~
Di BI tools kita dapat melihat data yang siap kita gunakan
dalam bentuk tabel.
Kegunaan tampilan tabel ini adalah memberikan

pandangan sekilas atas data-data yang akan kita gunakan
di dalam dashboard.
Penampakannya kayak gambar di samping ini ya guys!

Memahami
Pengantar
Nah, karena data yang muncul di tabel ini adalah

data-data yang sudah kita pilih dari data warehouse, jadi
bukan semua data tapi hanya data yang akan digunakan~
Di sini kita juga dapat melakukan transformasi data

apabila masih ada data yang mau kita standarkan!
Memahami
Pengantar
Ada juga komponen yang namanya

Drill-down/Hierarki...
Nah, fitur ini memungkinkan bagi kita untuk membuat
koneksi top-down atas data dan akan sangat berguna
saat kita menerapkannya di dashboard.
Contohnya, kita punya kolom Negara, Provinsi, Kota,

Kabupaten, Kecamatan dari kelima kolom ini kita dapat
membangun hierarki seperti gambar di samping!
Memahami
Pengantar
Berikutnya adalah data filters~

Data filters adalah fitur yang memungkinkan pengguna
untuk menyesuaikan rentang tanggal dan waktu, lokasi
geografis, dan parameter lain (seperti: kategori, tipe) pada
dashboard guna mendapatkan tampilan informasi yang
disajikan dengan lebih fokus pada segment tertentu.
Memahami
Pengantar
Lanjut ke tooltips...
Tooltips adalah informasi detail yang biasanya muncul
dalam bentuk pop-up untuk data yang divisualisasikan
guna memberikan informasi dan konteks tambahan
tentang data tersebut.
Memahami
Pengantar
Dan terakhir ada properties!

Properties adalah fitur di BI tools yang memudahkan kita
untuk melakukan editing atas visualisasi yang kita
bangun (seperti warna chart, ukuran font, posisi chart dan
lain-lain).
Adapun banyak hal lainnya yang berhubungan dengan

tampilan visual dapat kita setting di fitur properties ini~
Jenis-jenis
PM 101 Dashboard
Pengantar
Setelah kita memahami apa saja

komponen-komponen yang ada dalam
dashboard, sekarang kita perlu untuk mengenali
jenis-jenis dashboard.
Kali ini kita bakal bahas jenis dashboard apa

saja yang umum digunakan.
Apa aja tuh? Yuk lanjuuut~

Memahami
PM 101 Jenis Dashboard
Pengantar
Ada 4 jenis dashboard!

Pada dasarnya Dashboard terbagi ke dalam 4 jenis. Nah,
di antaranya adalah sebagai berikut!
1. Strategic dashboard
2. Operational dashboard
3. Analytical dashboard
4. Tactical dashboard
Apa aja sih masing-masing perbedaannya? Simak

penjelasan berikut ini ya!
Memahami
Pengantar
Strategic Dashboard
Digunakan untuk memantau strategi perusahaan jangka
panjang.
Biasanya rumit dalam pembuatannya karena melibatkan

data yang sifatnya end-to-end di sebuah perusahaan agar
dapat memberikan gambaran menyeluruh atas kondisi
sebuah perusahaan.
Dashboard ini umumnya digunakan oleh manajemen

tingkat senior sampai CEO level.
Memahami
Pengantar
Operational Dashboard
Merupakan salah satu jenis dashboard yang digunakan
untuk memantau dan mengelola kegiatan operasional
yang memiliki horizon waktu yang lebih singkat dan
biasanya spesifik di departemen atau proses tertentu.
Dikarenakan dashboard ini fokus pada pelacakan

kegiatan operasional, biasanya digunakan oleh
manajemen tingkat junior.
Memahami
Pengantar
Analytical Dashboard
Jenis dashboard ini berisi sejumlah besar data yang
dibuat oleh analis untuk memberikan dukungan
pengambilan keputusan kepada level eksekutif.
Dashboard ini menggunakan data historis dan

menyajikannya dalam trend, perbandingan antar variabel,
membuat forecast, dan membuat target.
Memahami
Pengantar
Perbedaan antara analytical dashboard dan strategic

dashboard terletak pada scope-nya yang biasanya hanya
di departemen tertentu saja. Dengan begitu, analytical
dashboard biasanya digunakan oleh manajemen
menengah.
Memahami
Pengantar
Tactical Dashboard
Dashboard ini digunakan dalam pemantauan bisnis
proses yang dilakukan oleh manajemen tingkat
menengah, yang menekankan pada analisis.
Dasboard ini menekankan pada bisnis proses tertentu

(biasanya critical) yang memegang peran penting
keputusan strategis organisasi.
Memahami
Pengantar
Contoh sederhananya adalah dashboard

medsos SayurSay berikut!
Dashboard ini menunjukkan sejauh apa peluncuran
sebuah produk baru SayurSay dapat diterima atau tidak
oleh user melalui reaksi user terhadap konten
medsosnya!
Di Dashboard ini terdapat, rata-rata reaksi terhadap post,

engagement per postingan, dan lain sebagainya.
Sebagaimana yang terdapat pada gambar di samping
ini~
Dashboard
PM 101 Best Practice
Pengantar
Oke!
Agar dashboard yang kita hasilkan sesuai dan

bisa dimanfaatkan oleh user sebaik mungkin,
juga terdapat beberapa best-practice yang bisa
kita terapkan dalam membangun dashboard
yang baik dan benar.
Apa aja sih? Yuk, lanjut lagi buat cari tauuu~

Dashboard
Pengantar
Pertama, susun informasinya dari yang

terpenting!
Yap, kudu diprioritasin mana informasi yang paling
penting sampai yang kurang penting!
Dashboard seperti menceritakan sebuah artikel koran.

Sebagaimana, seorang jurnalis yang baik bakal
menempatkan informasi paling penting di paragraf
pertama artikel mereka.
Dashboard yang kita bangun juga begitu guys~Harus

dimulai dengan menyoroti data atau informasi yang
paling relevan terlebih dahulu sebelum ke informasi yang
paling rinci.
Dashboard
Pengantar
Nah, konsep piramida terbalik ini dapat digunakan di sini~
Kita bisa mulai dengan meletakkan data yang paling

signifikan dan substansial di bagian atas, lalu diikuti
dengan detail penting yang memberikan pemahaman
lebih lanjut.
Pada bagian akhir, selesaikanlah dengan granular, dan

informasi latar belakang yang membantu user nantinya
buat menggali informasi lebih dalam!
Dashboard
Pengantar
Dashboard Best Practices
Gunakan model visualisasi yang tepat!

Di dashboard nanti, kita bakal menggunakan yang
namanya visualisasi untuk mengkomunikasikan data
kepada user.
Jadi, perlu dicatat ya! Hukumnya wajib buat kita memilih

dan menggunakan visual yang tepat. Hal ini bertujuan
agar user mudah memahami dan tidak miss-interpretasi
atas data yang dimaksud~
Dashboard
Pengantar
Nah, gini ya gengs tips membuat model

visualisasi yang tepat
● Relationship
Menunjukkan hubungan antara 2 variabel atau lebih.
Contoh: Scatter plots, spider charts, bubble charts.
● Comparison
Membandingkan antara 2 variabel atau lebih.
Contoh: bar chart, column chart, spider chart, table, line

chart.
Dashboard
Pengantar
Ini masih tips membuat model visualisasi

ya~
● Composition
Memvisualisasikan keterkaitan suatu variabel dengan

keseluruhan variabel lainnya.
Contoh: stacked bar chart, stacked area chart, pie chart,

donut chart, dan waterfall chart.
● Distribution
Memvisualisasikan sebaran 1 variabel atau lebih
Contoh: Line charts, histogram chart, dan scatter charts.

Dashboard
Pengantar
Dashboard
Pengantar
Kedua, dikasih konteks yang jelas~

Menampilkan metric saja tidak cukup, kita juga harus
menambahkan konteks tentang seberapa baik atau
buruknya metrik tersebut.
Tanpa konteks, pengguna tidak dapat memahami arti

sebenarnya dari data, jenis tindakan apa yang perlu
mereka ambil, atau apakah tindakan diperlukan sama
sekali.
Dashboard
Pengantar
Misalnya...
Senang sih mengetahui berapa banyak prospek yang
kamu hasilkan tahun ini... Tapi bagaimana ya dengan
tahun lalu?
Terus, bagaimana angka itu dibandingkan dengan target

yang ditetapkan untuk tahun ini? Apa angka itu baik,
buruk, atau tidak biasa? Nah, menyertakan data historis
adalah cara mudah untuk menjawab
pertanyaan-pertanyaan ini!
Berikutnya, coba catat tanggal penting atau bandingkan

angka dengan kerangka waktu sebelumnya (yaitu, bulan,
kuartal, tahun) sehingga tren-nya jadi jelas~
Dashboard
Pengantar
Ketiga, ditambahin interaksi antar

visualnya biar makin estetik!
Dashboard yang interaktif memungkinkan kita dapat
menyajikan informasi yang berkesinambungan dan
terhubung dengan informasi-informasi lain. Alias bikin
kita mudah buat melihat benang merah antar informasi!
Dashboard yang interaktif juga memastikan dashboard

yang disajikan nanti tidak akan membosankan.
Nah, berikut ini sedikit tips buat bikin dashboard makin

jadi interaktif!
1. Memberikan filter untuk time range tertentu

2. Memberikan tooltips
3. Mengunakan warna yang berubah dan
berbeda-beda sesuai dengan target tertentu
Dashboard
Pengantar
Terakhir, gampang dibaca adalah

kunci dari segalanya!
Sejujurnya dashboard yang terlalu banyak informasi dan
terlalu banyak warna bertabrakan, niscaya bakalan
menyulitkan user saat membaca data/informasi yang lagi
disajikan.
Jadi, pertimbangkanlah buat memecah dashboard ke

beberapa halaman ini jika data/informasi yang bakal kita
tampilkan bakal kompleks dan bejibun.
Usahakan juha hasil akhir dari dashboard kita tersebut

mudah terbaca, warnanya anti tabrak lari, dan tidak bikin
sakit mata. Jangan sampai bikin user cenat-cenut pas
lagi membacanya! 😝
PM 101 Belajar
Refleksi
Pengantar
Nah, sebelum ditutup, ada pertanyaan nih buat

kamu! Bahasan tentang dashboard di topik ini
cukup banyak dan rinci.
Menurutmu, kenapa sih Dashboard memegang

peranan penting dalam pekerjaan BI Analyst?
Hayoo, kira-kira kenapa ya~ 🤔

Quiz
Saatnya
Quiz
Quiz
1
Ketika menganalisis data, Okta berusaha memahami setiap kolom dari tabel yang ia
gunakan. Ia juga mencari nilai tertinggi dari beberapa kolom yang berisikan data numerik. Di sini
Okta melakukan kegiatan ...
A Data Collection
B Data Cleansing
C Data Profiling
Pembahasan Quiz
Quiz
C Data Profiling
Proses memahami karakteristik dan pola pada data adalah bagian

dari Data Profiling, yang berfungsi untuk menghindari interpretasi
data yang keliru.
Quiz
2
Apa yang perlu dilakukan ketika kita menemukan angka yang tidak wajar dalam dataset?
A Mengolah angka tersebut apa adanya
B Menghapus angka tersebut dari dataset
C Mengganti angka tersebut dengan nilai rata-rata

Pembahasan Quiz
Quiz
C Mengganti angka tersebut dengan nilai rata-rata
Salah satu cara menangani angka yang tidak wajar adalah dengan
menggantinya dengan nilai rata-rata data tersebut di dalam
dataset. Cara lain yang biasanya dilakukan adalah dengan
mengeluarkannya dari kelompok data yang akan diolah.
Quiz
3
Pengertian dari descriptive analysis adalah
A Menjelaskan data menggunakan teknik-teknik statistika
B Mencari kesimpulan dari data menggunakan teknik-teknik deskriptif
C Mencari faktor-faktor yang menyebabkan suatu kesimpulan yang ditarik dari data
Pembahasan Quiz
Quiz
A Menjelaskan data menggunakan teknik-teknik

statistika
Teknik-teknik seperti mencari rata-rata, frekuensi, standar deviasi,

dan lain-lain adalah teknik-teknik statistika yang dapat digunakan
untuk menjelaskan data.
Quiz
4
Di bawah ini yang bukan merupakan fitur penting dari sebuah dashboard yaitu
A Drill-down dan filter
B Desain grafis dan animasi tingkat profesional
C Dapat diakses oleh pihak yang berkepentingan dengan mudah

Pembahasan Quiz
Quiz
B Desain grafis dan animasi tingkat profesional
Desain grafis dan animasi yang baik merupakan nilai tambah dari
sebuah dashboard. Tetapi yang terpenting adalah dashboard yang
dapat memenuhi business requirement dengan baik.
Quiz
5
Sales lapangan di sebuah perusahaan diperlengkapi dengan smartphone baru untuk
mengakses dashboard. Dashboard jenis apa yang biasanya diakses oleh mereka?
A Strategic dashboard
B Operational dashboard
C Analytical dashboard
D Tactical dashboard
Pembahasan Quiz
Quiz
B Operational dashboard
Operational dashboard, karena para sales ini hanya melacak

proses tertentu yakni proses penjualan barang dan biasanya dalam
jangka waktu tertentu misalkan 1 bulan atau 1 tahun.
Rangkuman
PM 101
Pengantar
Proses analisis data

1. Problem Definition
2. Data Collection
3. Data Profiling & Cleansing
4. Analyze
Fungsi dashboard
1. Identifikasi Tren
2. Peningkatan efisiensi dalam pengambilan
keputusan
3. Self-service data dan analisis
4. Dapat berbagi data dan analisis yang sama dengan
orang lain
Rangkuman
PM 101
Pengantar
Dashboard Best Practices

1. Gunakan model visualisasi yang tepat
a. a. Relationship
b. b. Comparison
c. c. Composition
d. d. Distribution
2. Berikan konteks
3. Tambahkan interaksi antar visualisasi
4. Dashboard sebaiknya mudah dibaca
Penutup
PM 101
Pengantar
Yak itu dia serba-serbi analisis data dan

dashboard untuk Topic kali ini!
Masih ada Topic 3 menanti! Di sana kita akan

membahas mengenai simulasi dan logika!
Penasaran kan itu tentang apa? Hubungannya

sama BI Analyst apa?
Karena itu, cus kita lanjut melahap Topic 3!

CH3 TOP 2 - Menjadi BI Analyst - Analisis Data Dan Pemahaman Dashboard

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

CH3 TOP 2 - Menjadi BI Analyst - Analisis Data Dan Pemahaman Dashboard

Diunggah oleh

Hak Cipta:

Format Tersedia

Menjadi BI Analyst - Analisis Data dan

Di Chapter 3 Topic 1, kita sudah belajar bagaimana cara

Di Topic 2 kali ini, kita akan lanjut kembali mengulas

Udah paham soal data warehouse, berarti

Di sini, kita udah mulai bisa melihat apa saja

Kira-kira seperti apa ya manfaatnya? Yuk

Apa itu analisis data?

Di sini, kita bakal memeriksa data satu per satu secara

Yep! Ala-ala detektif pas lagi mecahin kasus gitu deh

Tujuannya buat apa?

Terus, cara analisis data gimana?

Nah, kita ulas satu per satu ya biar ketahuan

Pertama, yaitu Problem Deﬁnition!

Nah, di sinilah BRD yang kita bikin di awal chapter

Dalam proses ini, ada 3 pertanyaan yang perlu kita

1. Apa tujuan dari analisis ini?

Hmmm, bentar deh! Business metrics itu

Jadi, setiap divisi di perusahaan memiliki business

Masing-masing divisi akan bekerja untuk menggerakkan

Nah, Business metrics ini juga biasanya akan dimonitor di

Terus bedanya sama KPI apa dong?

Sementara, KPI (Key Indicator Performance) mengukur

Pada proses analisis data, kita lebih sering menggunakan

Misalnya, Netﬂix punya KPI yang sudah ditetapkan yaitu

Dalam rangka mencapai KPI tersebut, divisi lain yang ada

Hal semacam ini nantinya bakal mempengaruhi KPI

Kira-kira begini deh penampakannya

Lanjut ke Data Collection~

Soal tools ini, kita obrolin lebih mendalam di pembahasan

Idealnya, data yang kita butuhkan sudah tersedia di data

Kamu masih ingat dong sama jenis-jenis data yang

Nah, kalau kita sudah paham nih sama jenis-jenis data

Misalnya, data yang dibutuhkan belum tersedia. Kalau ini

Jika ternyata data tersebut tidak bisa

Pada kasus lainnya, terkadang data yang dibutuhkan

Jadi, di sini kita perlu menggabungkan tabel-tabel

Sekarang kita ke Data Proﬁling dan Data

Tapi sebelumnya, kita perlu melakukan pemeriksaan

Apa sih tujuan Data Proﬁling dan Data

Istilah “garbage in, garbage out” di tahap ini perlu diingat

Kita bahas perihal ini lebih jauh di topic selanjutnya ya~

Setelah data yang didapat sudah pasti akurat, maka

● Completeness: apakah data tersebut lengkap?

● Uniqueness: apakah ada duplikasi pada data?

● Validity: apakah data mencerminkan kondisi

● Consistency: apakah data menunjukkan pola yang

Kita lihat data di samping yuk! Ini adalah data penjualan

Di tahap proﬁling dan cleansing, pertama-tama Sabrina

Jika ada data yang hilang, sebaiknya data tersebut

Yang kedua adalah dari segi uniqueness. Kita perlu

Kalau ada data yang terduplikasi maka harus dihilangkan

Jika sudah, perhatikan juga pada unsur validity.

Pada contoh di sebelah kanan, data penjualan matcha

Data seperti ini dapat kita gantikan dengan nilai yang

Terakhir adalah unsur consistency. Periksalah apakah

Pada contoh di samping kita bisa menemukan bahwa

Format yang tidak konsisten harus diseragamkan agar

Lalu, saatnya kita Analyze!

Setelah melalui proses problem deﬁnition, data

Ada beberapa metode analisis yang bisa kita gunakan:

Jangan khawatir sob, sekarang kita cuman bahas

Metode analisis ini adalah yang paling mendasar dan

Di metode ini, ada beberapa teknik statistika yang perlu