Membentuk Team Data Analytics dan Menghidari Kebocoran Budget

Maraknya badan usaha di Indonesia yang berminat untuk membentuk divisi Big data analytics di lingkungan internal perusahaan nampaknya masih belum seimbang dengan pengetahuan praktis penerapan di lapangan. Banyaknya acara sharing sessions, training dan kursus gratis maupun komersial terkait Big Data dan Customer Analytics  (BDCA) saat ini masih sibuk di tahap teknikal penggunaan alat juga teknis pengolahan informasi yang akhirnya membuat calon pengguna lupa tujuan utama dari perusahaan membentuk divisi BDCA yaitu meng akselerasi pertumbuhan dan efisiensi bisnis.




Kalau kita kembalikan lagi ke objektif di awal tentang akselerasi pertumbuhan dan efisiensi binsis coba sekarang kita cek lagi  dari sekian banyak perusahaan yang membeli solusi atau alat terkait Big Data Analytics berapa banyak yang sudah mendapatkan keuntungan secara nyata atau setidaknya tutup modal. Olehkarenanya strategi pembentukan tim dan strategi penerapan secara bertahap sangat penting karena besar pengaruhnya terhadap kesuksesan project pemberntukan divisi BDCA.





AIDO beberapa kali menerima pertanyaan hal - hal mendasar mengenai bagaimana dan darimana harusnya dimulai, jika perusahaan memutuskan untuk membentuk divisi BDCA di perusahannya. Artikel ini tidak akan membahas secara detail mesin, teknologi, sIstem apa yang sebaiknya digunakan akan tetapi kita akan mundur satu langkah lebih jauh kebelakang untuk membahas manajemen dan initial setup dari team analytics itu sendiri secara praktikal  (Best Practice) di lapangan.

A. IDENTIFIKASI STATUS



Sebelum project pembentukan team dimulai ada baiknya kita observasi terlebih dahulu pada tahapan mana evolusi penggunaan data dan insight di perusahaan kita.

Beberapa perbaikan secara mendasar perlu dilakukan jika hal hal penting dan mendasar seperti data transaksi update harian belum tersedia, data terstruktur belum tersedia, data belum disimpan juga di manage dengan rapi, jadi langkah awal sudah pasti fixed the Basic. Hal ini penting karena saat ini banyak perusahaan yang malah lebih dulu membeli alat pengolahan data dan visualisasi data dengan nilai jutaan dollar, padahal sumber informasinya sendiri belum tersedia. Jadi langkah awal dan penting dalam memulai membentuk formasi tim analytics adalah :

1. Perbaiki sumber informasi dan metode penyimpanan informasi
2. Perikasa apakah ada alat yang sudah dimiliki saat ini yang bisa mendukung project.  Jangan sampai double pengeluaran yang akhirnya punya berbagai tools beda merek namun fungsinya dan kegunaannya sama.
3. Tunda Pembelian Alat Analisis dan Visualisasi  karena Infrastruktur pendukung analisis, visualisasi dan dashboard bisa ditunda sampai sumber informasi tersedia dengan baik.

B. MEMBAGI TUGAS

Tidak perlu menunggu semuanya untuk sempurna, karena kita pasti menemukan banyak masalah dalam persiapan data. Jadi setelah sumber informasi dipastikan baik dan cukup bersih mungkin 80% menuju akurat,  maka tahap selanjutnya membagi pekerjaan team data analytics menjadi setidaknya 3 bagian sebagai berikut:

1. Teknis: Bagian yang fokus memproduksi data sesuai struktur yang diperlukan oleh designer analyst. Orang dibagian ini harus faham teknikal dan aliran informasi mulai dari data ditangkap, diprosess sampai siap dipakai. Team ini juga bisa membantu pembuatan dashboard atau pekerjaan yang bersifat repetitive seperti otomasi dashboard, blacklisting, whitelisting dan isloasi control group untuk eksekusi marketing campaign.
2. Desain: Team yang fokus membuat analisis dan sintesa dari data yang berhasil ditangkap dan diproduksi oleh Techie, team ini juga memformulasi permintaan format informasi yang diperlukan dan membantu Techie untuk membuat data set formal yang diproduksi baik AdHoc maupun repetitive sebagai ADS (Analytical Data Set ) dengan tujuan utama mengubah data menjadi actionable insight.
3. Strategi: Sekumpulan orang yang mengerti baik tentang implementasi Below The Line (BTL) marketing, data science, predictive modeling, A/B testing, experimental design  dan bisa mengkomunikasikan hasil analisa kepada seluruh bagian di perushaan.  Hal ini penting karena output analisa tidak ada artinya kalau team lain di seluruh perusahaan tidak mengerti dan tidak mau mengeksekusi. 

 

C. IDENTIFIKASI MEDIA EKSEKUSI
Setelah data dipastikan siap team sudah terbagi menjadi setidaknya tiga bagian maka langkah selanjutnya adalah mengecek alat dan saluran eksekusi hasil analisis. Misalkan team BDCA menghasilkan output list konsumen yang probabilitasnya tinggi untuk membeli suatu produk, kita harus cek list tersebut nantinya akan dieksekusi oleh siapa dengan perantara apa :

1. Account Manager
2. Aplikasi
3. Web Email
4. SMS
5. Canvaser
6. Perpaduan beberapa channel

Setelah kita tau channel apa saja yang bias mengeksekusi, pastikan data hasil esekusi yang dilakukan oleh channel diatas bisa ditangkap. Berikut setidaknya informasi yang perlu ditangkap saat mengeksekusi hasil analisa :

1. Kapan list di eksekusi (Hari, Jam, Detik)
2. Cara eksekusi (Voice, Text, dll)
3. Script komunikasi eksekusi nya seperti apa
4. Apa response dari konsumen
5. dan lainnya

Kalau kita belum bisa identifikasi hasil eksekusi berarti langkah selanjutnya setelah data tersedia, team terbentuk adalah membeli atau membuat alat utuk manajemen campaign, dimana  team bisa memonitor hasil eksekusi terhadap control group (sebagian konsumen dengan karakter yang seragam  namun tidak tersentuh treatment). Hal ini penting karena jika pada akhirnya hasil ekeskusi tidak berhasil atau sangat berhasil maka banyak kemungkinan yang perlu di cek untuk mencari penyebabnya. Kegagalan eksekusi bisa saja  terjadi karena beberapa hal diantaranya sebagai berikut :

1. Model analisa atau prediksi tidak akurat
2. Eksekusi tidak dilakukan pada waktu yang pas
3. Eksekusi tidak dilakukan dengan metode yang pass
4. Ada kealahan esekusi lainnya

Pada umumnya jika terjadi kegagalan dalam eksekusi yang pertama kali akan disalahkan adalah analis dengan komentar bahwa hasil analisanya salah, akan tetapi pada kenyataannya banyak hal yang mempengaruhi. 
Pentingnya pembagian team menjadi 3 bagian  seperti yang sudah dijelaskan sebelumnya salah satunya adalah untuk menghidari miss identification dalam kegagalan  atau keberhasilan eksekusi. Jika hasil ekeskusi gagal kita harus tau kenapa dan jika hasil eksekusi sangat berhasil kita perlu mengidentifikasi apa yang bisa di ulang agar program yang lain jadi berhasil. Jadi baik gagal maupun berhasil harus diketahui secara detail kenapa.

 

 

D. MEMBELI ALAT   

Banyak peralatan pendukung yang bisa dibeli, namun pemilihan alat untuk melakukan analisa memiliki setidakanya dua pertimbangan sederhana yaitu :

1. Kekuatan : Kekuatan alat pengolahan data dalam memprosess jumlah informasi dalam skala yang besar dalam kurun waktu tertentu.
2. Kemudahan: Kemudahan dalam pengoperasian penerapan logic hasil analisa kedalam produksi. 

Tentunya semakin tinggi kekuatannya dan semakin mudah pengoprasiannya maka harganya akan semakin  mahal. Dalam membeli alat yang perlu diingat adalah tidak ada kaitannya alat yang mahal dengan keberhasilan project Big Data Analytics untuk mengakselerasi pertumbuhan dan efisiensi bisnis, jadi bijaklah dalam mengambil keputusan untuk membeli alat pendukung.

 

Langkah awal yang bisa diambil saat terbentuknya tim adalah dengan membiasakan seluruh analyst untuk mengakess data langsung dari sumbernya, mengolah dan memanipulasi informasi di sistem penyimpanan data yang ada (tentunya di pisah produksi dan area pengolahan data )  dengan cara memberikan perintah dasar (script) untuk mentrasformasi data yang besar menjadi statistik ADS yang siap dipakai untuk pembentukan model dan analisis lebih lanjut.

 

Setelah ADS siap dan bisa digunakan lebih lanjut, tim bisa memanfaatkan open source sebelum membeli solusi skala penuh. Hal ini bertujuan agar analyst terbiasa dengan langkah-langkah yang perlu dilakukan juga nantinya akan bermanfaat saat perusahaan melakukan tender dan prove of concept saat memutuskan untuk membeli solusi atau alat yang diinginkan.

 

E. MENETAPKAN TARGET DAN MENGEVALUASI 
Jika data sudah siap, tim siap, alat eksekusi siap, alat analisis siap, maka langkah selanjutnya adalah menentukan target. Divisi BDCA harunya bukan hanya divisi support, akan tapi juga divisi komersial yang harus memiliki target yang terukur. Target harus diberikan  dan dievaluasi minimal setiap minggu. Beberapa target penting diantaranya :

1. Jumlah model
2. Akurasi model
3. Jumlah trial campaign
4. Hasil eksekusi campaign
5. Incemental Efisiensi
6. Incrmental Bisnis
7. dan lainnya

Tanpa taget yang terukur dan nyata sudah bisa dipastikan divisi BDCA hanya sebagai divisi pelengkap dan tidak bisa mendorong bisnis untuk berakselerasi. Kendala yang terjadi pada umumnya adalah saat divisi ini disimpan di sisi teknologi bukan dibawah komersial atau marketing, berdasarkan pengalaman praktis poisisi divisi BDCA akan lebih cepat menghasilkan perubahan bisnis jika berada di bawah group commercial seperti marketing.

 

 

F. MENINGKATKAN KEWASPADAAN  
Makin maraknya keinginan seluruh badan usaha untuk membuka divisi baru terkait Big Data dan analytics saat ini mendorong sebagian besar professional untuk ber bondong-bondong mengganti status dan title nya menjadi Big Data expert, Data Science Professional, Chief of Data and Analyics Officer padahal selama ini pekerjaannya sangat teknikal, sangat project manaegement  atau sangat sales.

 

Head count yang dibutuhkan untuk posisi terutama leaders di dunia Big Data dan Analytics sebetulnya seseorang yang mixed pernah mempunyai pengalaman teknis jadi setiap project gak bakal bisa di bohongin sama  orang lain dan punya pengalaman business jadi bakal nyambung pas ngobrol sama divisi lain dan ide-ide juga masukannya diterima. Berikut yang pada umumnya penghalang bagi suksessnya project BDCA:

1. Tiba-tiba merekomendasikan untuk mengambil vendor dan membeli solusi padahal tahapan-tahapan yang dijelaskan sebelumnya belum dilaksanakan 
2. Tiba-tiba merekomendasikan untuk meng outsource sebagaian pekerjaan yang sudah berjalan dengan baik,  business case nya positif , marginnya positif  kepada pihak ketiga.
3. Membeli alat yang kemampuannya sudah dimiliki alat existing dan belum digunakan dengan baik
4. Lebih peduli masalah teknikal biar terlihat keren dibanding fundamental (Business logic) karena walau secara teknis benar tapi logika business gak masuk harusnya gak lanjut
5. Tidak mau mendapatkan target komersial hanya ingin menjalankan project

Lima masalalah diatas pada umumnya yang akan dijumpai jika suatu organisasi memilih leaders yang kurang pas. Kebocoran budget, double spending dan project mangkrak juga akan sangat menghantui perusahaan kalau salah mengambil keputusan.  Memang saat ini khususnya di Indonesia masih ada gap antara supply dan demand untuk posisi senior, sedangkan untuk posisi junior perlu peran serta professional untuk terjun dan membina langsung agar adik-adik di kampus langsung siap kerja. Kompetisi untuk merebut poisisi sebagai Data Analyst pun sangat ketat di Tanah Air Karena saat ini head count asing dari luar Indonesia seperti Asia, Eropa Timur bahkan Timur Tengah sudah banyak masuk bahkan di posisi Junior. Persaingan dan globalisasi tidak bisa di hindari, waktunya mempersiapkan diri dan saling membantu sebaik mungkin bagi siapapun.  Semoga sedikit pembahasan praktis diatas bisa membantu memberikan gambaran bagi siapapun yang berencana untuk membentuk team BDCA di perusahaannya.




AIDO - 16 April 2018