Data Science: Dari Data Mentah ke Keputusan

Apa yang membedakan analisis berguna

Data science bukan tentang membuat grafik yang bagus, melainkan menjawab pertanyaan yang jawabannya akan mengubah tindakan. Kalau setelah melihat hasilnya Anda tetap melakukan hal yang sama, analisis itu tidak berguna betapapun rapinya.

Karena itu pekerjaan dimulai dari pertanyaan, bukan dari data. "Produk mana yang sebaiknya berhenti kami stok" adalah pertanyaan yang berguna. "Coba lihat data penjualan" bukan, dan analisis yang berangkat dari sana biasanya berakhir jadi dashboard yang tidak pernah dibuka lagi.

Kapan analisis data tidak akan menolong

Kalau datanya tidak pernah dicatat konsisten, tidak ada teknik yang bisa memperbaikinya, hasilnya hanya akan terlihat meyakinkan sambil tetap keliru. Kalau keputusannya sebenarnya sudah diambil dan analisis cuma dicari untuk membenarkan, itu bukan analisis. Kalau jumlah datanya sangat kecil, kesimpulan apa pun mudah keliru karena kebetulan. Dan kalau yang dibutuhkan adalah alasan mengapa sesuatu terjadi, data historis sering tidak cukup, perlu percobaan yang dirancang khusus.

Alur kerja analisis data

Bagian yang paling memakan waktu bukan analisisnya, melainkan membersihkan data. Perkiraan yang lazim: sekitar 80% waktu habis di situ.

1. 1Tulis dulu pertanyaannya dan apa yang akan Anda lakukan untuk tiap kemungkinan jawaban. Kalau tindakannya sama saja, hentikan di sini.
2. 2Telusuri asal datanya. Siapa yang mengisi, kapan, dan apa yang terjadi kalau kosong, pertanyaan ini sering mengungkap masalah besar sejak awal.
3. 3Bersihkan dan catat setiap keputusan pembersihan. Baris yang dibuang dan nilai yang diisi harus bisa dipertanggungjawabkan.
4. 4Lihat sebaran datanya sebelum menghitung rata-rata. Satu nilai ekstrem bisa membuat rata-rata menyesatkan sepenuhnya.
5. 5Uji apakah polanya bertahan di potongan data yang berbeda. Pola yang cuma muncul di satu periode biasanya kebetulan.
6. 6Sampaikan hasilnya dalam bahasa keputusan, bukan bahasa statistik. Yang dibutuhkan pengambil keputusan adalah tindakan yang disarankan beserta risikonya.

Jebakan yang membuat kesimpulan keliru

Empat hal ini sering lolos dari pemeriksaan dan berakhir jadi keputusan yang salah:

• Mengira hubungan berarti sebab-akibat. Penjualan es krim dan kasus tenggelam naik bersamaan, tapi bukan yang satu menyebabkan yang lain.
• Data yang hilang dianggap acak. Pelanggan yang tidak mengisi survei sering justru yang paling tidak puas, mengabaikannya membuat hasil terlihat lebih baik dari kenyataan.
• Mencari-cari sampai ketemu pola yang diinginkan. Kalau cukup banyak dicoba, selalu ada yang tampak bermakna secara kebetulan.
• Hanya melihat data yang tersisa. Menganalisis pelanggan yang bertahan tanpa melihat yang pergi akan melewatkan justru penyebab kepergiannya.