Apa Itu Scatter Plot?

Scatter Plot adalah konsep data dan analytics yang digunakan untuk menyimpan, mengolah, menghubungkan, mengukur, atau menafsirkan data agar hasil analisis dapat digunakan untuk mengambil keputusan. Penggunaan Scatter Plot sebaiknya dimulai dari masalah yang jelas. Bagi analis, tim produk, pemasaran, dan manajemen, istilah ini berguna untuk membedakan tujuan, proses, indikator, dan risiko dalam pengumpulan, transformasi, analisis, visualisasi, dan tata kelola data.

Hal yang perlu diperhatikan adalah kualitas event, metric dan dimension. Evaluasi tidak cukup berhenti pada satu angka; data completeness, accuracy dan freshness perlu dibaca bersama konteks perubahan dan dampaknya terhadap pengguna atau bisnis.

1. Untuk Scatter Plot, tentukan konteks penggunaan Scatter Plot 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.

• Menghubungkan pekerjaan teknis atau operasional dengan hasil yang dapat dipahami oleh pemilik bisnis.
• Membuat definisi dan ruang lingkup Scatter Plot lebih konsisten ketika digunakan oleh beberapa tim.
• Membuat hasil Scatter Plot dapat ditinjau bersama indikator seperti data completeness, accuracy, dan freshness.
• Mengurangi pekerjaan ulang akibat keputusan yang tidak terdokumentasi atau definisi yang berbeda.

Tim biasanya membutuhkan Scatter Plot ketika dashboard menampilkan banyak angka tetapi pengguna tidak tahu tindakan apa yang perlu diambil. Gunakan data quality report untuk menyamakan konteks, data, dan keputusan yang akan diambil. Hasilnya dapat ditinjau melalui data completeness dan accuracy.

Sebagai contoh praktis, angka penjualan berbeda antara dashboard pemasaran dan laporan operasional. Tim menguji Scatter Plot dengan data atau skenario representatif, mencatat temuan pada data model, lalu memverifikasi apakah freshness membaik tanpa merusak adoption. Pembelajaran akhirnya dimasukkan ke dashboard.

• Menerapkan Scatter Plot tanpa menjelaskan tujuan, baseline, dan keputusan apa yang akan dipengaruhi.
• 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.
• Tidak menentukan pemilik tindakan sehingga temuan berhenti sebagai laporan tanpa perbaikan.