Ini 6 Hal yang Akan Kamu Kerjakan Jika Berkarir di Business Intelligence

Business Intelligence atau alias BI diperkenalkan pertama kali oleh Richar Millar Devens dalam bukunya “Cyclopedia of Commercial and Business Anecdotes” tahun 1865. Dia menceritakan seorang bankir, Sir Henry Furnese, yang mendapatkan keuntungan dengan memanfaatkan data dari sekitarnya.

Business Intelligence adalah sebuah kemampuan menyelesaikan permasalahan di sebuah perusahaan, berdasarkan analisis yang dilakukan terhadap data. Hasil analisis data tadi digunakan untuk membuat rekomendasi, keputusan hingga rencana aksi.

Kini, banyak perusahaan membangun sendiri Business Intelligence menjadi sebuah unit strategis di kantornya. Namun, tidak sedikit perusahaan yang menggunakan pihak ketiga untuk mendapatkan hasil yang lebih akurat.

Sehingga, perusahaan Business Intelligence independen juga semakin menjamur. Kondisi ini, membuka banyak peluang lapangan kerja dan kesempatan untuk berkarir di bidang Business Intelligence, antara lain di posisi data scientist, data engineer dan BI analyst.

Nah, apakah kamu tertarik dan punya keinginan membangun karir di bidang Business Intelligence, tetapi masih bingung bagaimana cara kerjanya? Apa saja kegiatan sehari-hari yang akan kamu lakukan, jika bekerja di bidang Business Intelligence?

Berikut penjelasan dari Caroline C Ratuolivia, seorang Business Intelligence Analyst (ex- GO-JEK Indonesia), dalam pelatihan bertajuk “Introduction to Business Intelligence” di MOCO Academy, Minggu (6/9/2020).  

1. Mengerti Tujuan Pengambilan Data

Pelajari dan pahami domain bisnis dan cakupan tujuan bisnis dari perusahaan. Contohnya, jika kamu diminta untuk mengerjakan Key Performance Indicator alias KIP untuk mengukur apakah logis jika perusaaan menargetkan penjualan Rp500 juta per tahun?

Nah, kamu bisa mulai menetapkan indikator data, misalnya berapa harga produk dan berapa jumlah pelanggan. Jika dikalikan maka akan diperoleh hasil penjualan. Jika masih di bawah Rp500 juta, berarti target tidak akan tercapai dengan kondisi saat ini. Kamu bisa menghitung, berapa jumlah pelanggan yang perlu ditambah untuk mencapai penjualan Rp500 juta.

2. Memahami Data

Pahami tipe dan kategori data. Jadi tidak salah mengolah data. Misalnya, dari kasus target penjualan Rp500 juta. Kamu bisa membuat master tabelnya. Perusahaan besar biasanya sudah memiliki sistem data, sehingga kamu tinggal memasukkan angka. Jangan salah memasukkan harga produk ke kolom jumlah pelanggan, misalnya. Jangan terlalu percaya kepada semua data mentah yang masuk.

Kadang kala ada data masuk yang tidak sesuai kolom. Jika kamu peka dan memahami data, maka akan dapat menghindari kesalahan saat mengolah data. Misalnya, harga produk dalam ribuan. Jumlah pelanggan dalam jutaan. Jika kamu tidak memahami data, maka bisa saja kamu tidak peka jika ada angka jutaan masuk ke dalam kolom harga produk.

3. Mengubah dan Membenahi Data

Data dari banyak sumber diolah melalui proses ETL (Extract, Transform, Load). Proses ekstraksi data dilakukan untuk memastikan hanya data valid yang masuk ke dalam gudang data alias datawarehouse. Data yang tidak valid akan merusak hasil analisa. Jadi data yang tidak valid segera dihapus.

Kemudian, dalam proses transforming dilakukan perubahan bentuk data, misalnya misalnya menggabungkan atau memisahkan kolom, dua data digabungkan menjadi satu, konversi tipe data, misalnya rupiah jadi dolar AS atau konversi lain, serta perubahan lain sesuai dengan kebutuhan dan tujuan pengumpulan data.

Selanjutnya, melakukan proses Cleaning, yaitu proses terakhir sebelum data masuk gudang. Jika data yang masih ditemukan salah, segera diperbaiki, yang tidak konsisten diseragamkan, misalnya e-KTP menjadi KTP-el dan lain-lain. Proses masuknya data ke gudang alias datawarehouse melalui proses data loading.

4. Memperkaya Nilai Data

Nilai data yang telah ada, adakalanya perlu ditambah untuk mendapatkan informasi lebih lengkap. Penambahan nilai data dapat dilakukan dengan melihat sumber eksternal. Data eksternal nantinya akan memberikan jawaban terhadap fenomena yang terjadi di data internal. Misalnya, data internal perusahaan sepeda Brompton menunjukan penjualan meningkat selama pandemi Covid-19.

Data eksternal bisa dicari dari pertumbuhan penjualan sepeda secara umum, apakah penjualan semua merek sepeda naik? Daerah mana saja yang banyak menggunakan sepeda brompton? Mengapa bisa terjadi? Selain data dari tren penjualan di industri, kamu juga bisa mencari informasi dari media massa.

Ternyata banyak orang Indonesia bersepeda setelah sekian lama di rumah saja. Bersepeda menjadi pilihan olah raga yang dinilai relatif aman karena ada jarak dibandingkan ke pusat kebugaran, berenang atau berlari. Pemilihan sepeda brompton umumnya karena ada euforia, setelah kasus penyelundupan sepeda brompton oleh pejabat Garuda Indonesia.

5. Analisis Data

Data yang sudah diolah dan masuk ke gudang data saatnya untuk dianalisis. Banyak cara bisa gunakan untuk mengetahui apakah data itu baik atau tidak. Misalnya, dari rata-rata, jika realisasi penjualan tahun 2020 senilai Rp500 juta. Dapat digunakan average atau rata-rata penjualan selama 10 tahun terakhir.

Jika rata-rata penjualan selama 10 tahun terakhir adalah Rp250 juta. Maka penjualan tahun 2020 di atas rata-rata 10 tahun terkahir dan ini adalah hasil positif. Selain nilai penjualannya, dapat juga dianalisis dari pertumbuhan penjualan, yaitu penjualan tahun 2020 dibandingkan tahun 2019. Dari sini akan diketahui, apakah pertumbuhan penjualan tahun 2020 ini lebih tinggi atau lebih rendah dari pada rata-rata 10 tahun terakhir.

Banyak sekali cara menganalisis data dari berbagai sudut pandang dan kebutuhan. Dengan kemampuan menganalisis, kamu bisa mengetahui hubungan dan makna dari ribuan data mentah. Ada sejumlah perangkat analiais data yang bisa kamu gunakan, MS excel perangkat lunak yang sederhana.

6. Visualisasi Data

Nah, jika data sudah dianlisis, tinggal mempresentasikannya. Kamu bisa mengubahnya ke dalam bentuk visual yang menarik, singkat dan mudah dipahami. Untuk membuat visualisasi data, kamu perlu memahami data apa yang akan kamu presentasikan. Misalnya, untuk data realisasi penjualan vaksin, buatlah  gambar-gambar yang berhubungan dengan farmasi. Jangan menggunakan gambar aksesoris bola, misalnya.

Kemudian, pastikan visual yang kamu buat bisa dipahami audiens dalam beberapa saat, hitungan menit, pada saat membacanya. Berikut perangkat lunak yang bisa kamu gunakan menambah daya tarik visualisasi datamu, yaitu tableau, splunk, alteryx, qlik, domo, dundas bi, google data studio dan birst.

Sebagai bagian dari Business Intellligence, kamu tidak hanya harus mampu menganalisis data, tetapi kamu juga harus memiliki kemampuan komunikasi yang baik, sehingga dapat mempresentasikan dan memberikan rekomendasi dengan meyakinkan kepada internal perusahaan atau klien. *