Apa Itu Data Cleaning?

Data Cleaning adalah konsep data dan analytics yang digunakan untuk menyimpan, mengolah, menghubungkan, mengukur, atau menafsirkan data agar hasil analisis dapat digunakan untuk mengambil keputusan. Dalam praktiknya, istilah ini muncul ketika analis, tim produk, pemasaran, dan manajemen perlu mengelola pengumpulan, transformasi, analisis, visualisasi, dan tata kelola data dengan keputusan yang dapat dijelaskan, bukan sekadar mengikuti tool atau tren.

Penerapannya perlu diuji terhadap event, metric dan dimension. Hasilnya kemudian dapat dinilai melalui data completeness, accuracy dan freshness. Jika definisi, data, dan ruang lingkup tidak konsisten, tim mudah mengambil kesimpulan yang terlihat benar tetapi tidak relevan dengan tujuan.

1. Untuk Data Cleaning, tentukan konteks penggunaan Data Cleaning dan keputusan apa yang perlu dibantu oleh istilah ini.
2. Identifikasi komponen yang terlibat, misalnya event, metric, dan dashboard.
3. Terapkan pada ruang lingkup yang jelas dan dokumentasikan asumsi agar tim memakai definisi yang sama.
4. Evaluasi dampaknya menggunakan indikator seperti data completeness dan accuracy.

• Membantu mendeteksi risiko lebih awal sebelum berdampak pada pengguna, biaya, atau stabilitas proses.
• Membuat eksperimen dan perbaikan berikutnya lebih cepat karena pembelajaran sebelumnya terdokumentasi.
• Membuat hasil Data Cleaning dapat ditinjau bersama indikator seperti data completeness, accuracy, dan freshness.
• Memudahkan evaluasi karena perubahan dapat dibandingkan terhadap baseline dan indikator yang disepakati.

Salah satu konteks praktis Data Cleaning adalah saat angka penjualan berbeda antara dashboard pemasaran dan laporan operasional. Gunakan data model untuk menyamakan konteks, data, dan keputusan yang akan diambil. Hasilnya dapat ditinjau melalui data completeness dan accuracy.

Contohnya, dashboard menampilkan banyak angka tetapi pengguna tidak tahu tindakan apa yang perlu diambil. Tim mendokumentasikan kondisi awal dalam data quality report, menerapkan Data Cleaning pada ruang lingkup terbatas, lalu membandingkan freshness dengan query performance. Hasil dan alasan perubahan dicatat pada data model sebelum pendekatan diperluas.

• Menerapkan Data Cleaning tanpa menjelaskan tujuan, baseline, dan keputusan apa yang akan dipengaruhi.
• Mengejar satu metrik sambil mengabaikan kualitas, biaya, pengalaman pengguna, atau risiko.
• Tidak menyimpan log, baseline, atau catatan perubahan sehingga masalah yang sama sulit ditelusuri.
• Mengubah terlalu banyak faktor sekaligus sehingga penyebab peningkatan atau penurunan hasil tidak diketahui.