Apa Itu Data?

Data 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.

Agar tidak menjadi istilah teoritis, tim dapat mendokumentasikan keputusan, baseline, dan perubahan yang dilakukan. Gunakan data completeness, accuracy dan freshness sebagai indikator, lalu periksa kembali apakah hasilnya benar-benar mendukung tujuan awal.

1. Untuk Data, tentukan konteks penggunaan Data 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.

• Memudahkan evaluasi karena perubahan dapat dibandingkan terhadap baseline dan indikator yang disepakati.
• Membantu mendeteksi risiko lebih awal sebelum berdampak pada pengguna, biaya, atau stabilitas proses.
• Membuat hasil Data dapat ditinjau bersama indikator seperti data completeness, accuracy, dan freshness.
• Membantu memisahkan masalah data, proses, teknologi, dan keputusan sehingga perbaikannya lebih tepat sasaran.

Tim biasanya membutuhkan Data ketika angka penjualan berbeda antara dashboard pemasaran dan laporan operasional. Gunakan data quality report untuk menyamakan konteks, data, dan keputusan yang akan diambil. Hasilnya dapat ditinjau melalui data completeness dan accuracy.

Misalnya, pipeline data terlambat sehingga laporan harian tidak lagi mencerminkan kondisi terbaru. Tim terlebih dahulu menetapkan baseline dan kriteria sukses, kemudian menggunakan Data untuk satu bagian proses. Setelah data cukup, mereka meninjau freshness serta decision impact dan memasukkan keputusan lanjutan ke SQL query.

• Menerapkan Data tanpa menjelaskan tujuan, baseline, dan keputusan apa yang akan dipengaruhi.
• Menganggap korelasi sebagai penyebab tanpa melakukan verifikasi atau pengujian tambahan.
• Menerapkan aturan yang sama ke seluruh kasus meskipun konteks, audiens, atau batasannya berbeda.
• Menggunakan data yang periodenya, definisinya, atau sumbernya berbeda lalu membandingkannya seolah setara.