Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Transkrip
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Tampilkan transkrip
Pembuka
Halo, selamat datang di sesi analisis data. Di sesi ini kita akan membuat laporan bulanan dari data sendiri, dan semuanya dimulai dari satu langkah yang sering dilewatkan. Langkah itu adalah membersihkan data. Kita akan mengenali masalah data kotor, mengamankan data pribadi, memberi aturan baku ke Claude, lalu mengecek hasilnya.
Langkah 1: Kenapa data perlu dibersihkan
Ada pepatah di dunia data: data kotor masuk, kesimpulan keliru keluar. Analisis sebagus apa pun akan runtuh kalau datanya berantakan. Membersihkan data berarti menyeragamkan dan memperbaiki isi tabel tanpa mengubah maknanya. Pekerjaan ini membosankan bila dikerjakan manual, dan justru di situlah Claude sangat membantu. Di banyak usaha kecil dan kantor, membersihkan data bisa memakan waktu lebih lama daripada menganalisisnya. Dengan Claude, pekerjaan berjam-jam bisa menjadi beberapa menit, asalkan kita memberi aturan yang jelas dan tetap memeriksa hasilnya. Ada lima masalah yang paling sering muncul. Pertama, format tanggal berbeda-beda. Ada yang menulis satu garis miring sepuluh, ada yang lengkap dengan tahun, ada yang memakai nama bulan. Kedua, nama produk tidak seragam. Kopi susu satu liter bisa ditulis dengan tiga cara berbeda, dan komputer menganggapnya tiga produk. Ketiga, baris ganda: pesanan yang sama tercatat dua kali, misalnya dari WhatsApp dan dari formulir. Keempat, sel kosong, seperti jumlah atau harga yang lupa diisi. Kelima, angka janggal, misalnya salah ketik satu angka nol sehingga lima puluh empat ribu menjadi lima ratus empat puluh ribu. Kelima masalah ini membuat total penjualan dan produk terlaris bisa salah hitung. Karena itu kita bersihkan dulu sebelum menganalisis.
Langkah 2: Mengenali masalah dan mengamankan data
Ini cuplikan data pesanan Oktober Kopi Senja, gabungan catatan Dimas dari WhatsApp dan dari formulir. Totalnya empat ratus dua belas baris. Baris pertama terlihat wajar. Baris kedua, format tanggalnya berbeda, nama produknya ditulis lain, dan totalnya memakai titik. Baris ketiga memakai nama bulan, dan nama produknya hanya ditulis cold brew. Baris keempat mencurigakan: pelanggan yang sama, produk yang sama, tanggal yang sama. Kemungkinan besar ini pesanan ganda. Baris kelima, kolom jumlah kosong. Dan baris keenam: tiga cup kopi susu seharusnya lima puluh empat ribu, tetapi tertulis lima ratus empat puluh ribu. Kelebihan satu angka nol. Perhatikan kolom pelanggan tadi berisi kode, bukan nama. Itu disengaja. Sebelum mengunggah, Laras menghapus kolom nomor telepon dan alamat. Lalu nama pelanggan diganti kode: P01, P02, dan seterusnya. Untuk analisis penjualan, kode sudah cukup. File kunci yang mencocokkan kode dengan nama pelanggan disimpan di komputer Laras sendiri, tidak ikut diunggah. Terakhir, simpan salinan data asli sebelum diubah. Bila hasil pembersihan keliru, kita selalu bisa kembali ke data awal.
Langkah 3: Memberi aturan baku ke Claude
Sekarang kita beri Claude aturan baku. Tugasnya membersihkan file pesanan, dan hasilnya harus file baru supaya data asli tetap aman. Bagian data berisi daftar produk resmi lengkap dengan harga. Ini kunci: dengan harga resmi, Claude bisa mendeteksi total yang tidak masuk akal. Bagian format menentukan bentuk tanggal, angka, dan nama produk yang seragam. Batasan menjelaskan apa yang dianggap baris ganda, dan yang terpenting: bila ragu, tanya dulu, jangan menebak angka. Terakhir, minta laporan perubahan: apa saja yang diubah, berapa baris, dan baris mana yang perlu kita putuskan sendiri. Laras mengunggah file pesanan beserta aturan bakunya. Claude membaca seluruh file. Perhatikan baris abu-abu: Claude menganalisis empat ratus dua belas baris, bukan hanya cuplikan yang terlihat. Claude melaporkan hasilnya: tanggal diseragamkan, nama produk dibakukan, sembilan baris ganda dihapus. Dan sesuai aturan, ada tiga baris yang tidak ia tebak, melainkan diserahkan ke Laras. Laras memutuskan: jumlah kosong diisi dari total dibagi harga, dan total janggal diperbaiki karena jelas salah ketik. File bersih siap diunduh: empat ratus tiga baris, dengan total penjualan tiga puluh delapan juta empat ratus enam puluh ribu rupiah. Semua angka di sini adalah data contoh. Satu kebiasaan baik: minta Claude menampilkan sepuluh contoh baris sebelum dan sesudah diubah. Dari situ Laras bisa melihat sekilas apakah aturan bakunya diterapkan dengan benar.
Langkah 4: Membaca hasil dan laporan perubahan
Mari lihat hasilnya. Tanggal sekarang seragam, lengkap dengan tahun. Nama produk mengikuti daftar resmi. Baris kedua, total tanpa titik dan nama produk sudah sama dengan baris pertama. Sekarang komputer menghitungnya sebagai produk yang sama. Baris cold brew tinggal satu. Baris gandanya sudah dihapus. Hampers sudah punya jumlah, yaitu satu, hasil total dibagi harga. Dan tiga cup kopi susu kini bernilai lima puluh empat ribu. Perhatikan, dua baris yang diputuskan Laras diberi warna berbeda. Tab data mentah tetap ada di sebelahnya. Data asli tidak pernah ditimpa, sesuai aturan yang kita berikan. Laras meminta laporan pembersihan sebagai ringkasan satu halaman untuk arsip. Laporan tampil di panel kanan. Di atas, angka sebelum dan sesudah: empat ratus dua belas baris awal, sembilan baris ganda dihapus, empat ratus tiga baris akhir. Di bawahnya, tindakan untuk setiap jenis masalah. Laporan ini adalah jejak. Bila suatu hari Dimas bertanya kenapa jumlah pesanan di laporan lebih sedikit dari catatannya, jawabannya ada di sini. Simpan laporan ini bersama file bersihnya, misalnya di folder yang sama dengan nama bulan. Kebiasaan kecil ini sangat membantu saat data beberapa bulan digabung nanti.
Langkah 5: Mengecek hasil dan mencegah data kotor
Jangan langsung percaya hasil pembersihan, termasuk hasil dari Claude. Cek pertama: jumlah baris. Empat ratus dua belas dikurangi sembilan sama dengan empat ratus tiga. Cocok. Kedua, total penjualan masuk akal dibanding bulan lalu. Kalau tiba-tiba naik dua kali lipat, curigai ada yang salah. Ketiga, ambil lima baris acak dan cocokkan dengan data asli. Laras memeriksa lima pesanan dan semuanya sesuai. Keempat, pastikan tidak ada nama produk di luar daftar resmi. Cara cepatnya, minta Claude menampilkan daftar produk unik beserta jumlahnya. Lebih baik lagi kalau data kotor dicegah sejak awal. Pertama, di formulir pesanan, produk dipilih dari daftar, bukan diketik bebas. Kedua, tanggal dipilih dari kalender sehingga formatnya otomatis seragam. Ketiga, kolom penting seperti jumlah dibuat wajib diisi. Keempat, simpan aturan baku tadi sebagai prompt tetap, atau taruh di instruksi Project. Bulan depan, Laras cukup mengunggah file baru dan menulis: bersihkan sesuai aturan baku. Data Oktober Kopi Senja kini bersih. Di episode-episode berikutnya, data inilah yang akan kita analisis sampai menjadi laporan bulanan.
Selesai!
Kita sudah mengenali lima masalah data kotor, mengamankan data pribadi, memberi aturan baku, membaca laporan perubahan, mengecek hasil, dan mencegah data kotor sejak formulir. Data sudah bersih. Di episode berikutnya kita mulai bertanya pada angka: produk mana yang paling laku, hari apa paling ramai, dan apa artinya bagi usaha. Sampai jumpa!
Latihan mandiri
Kerjakan sendiri setelah menonton supaya materinya benar-benar melekat.
Hapus kolom data pribadi dari satu file Anda, lalu unggah ke Claude untuk dibersihkan
Tulis aturan baku untuk nama produk dan format tanggal di usaha atau kantor Anda
Cocokkan jumlah baris dan total sebelum dan sesudah dibersihkan
Tanya materi kelas
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan saya
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Tanya jawab
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.
Pengajar
Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
53 kelas video1.282 episode
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
