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 kembali di sesi analisis data. Data pesanan Oktober Kopi Senja sudah bersih. Sekarang pertanyaannya: apa yang diceritakan angka-angka itu? Kita akan belajar membedakan angka dan insight, menyusun pertanyaan yang tepat, meminta Claude menghitung, menguji kewajaran temuan, dan mengubahnya menjadi tindakan.
Langkah 1: Angka, insight, dan aksi
Banyak orang mengira analisis data berarti membuat banyak angka dan tabel. Padahal angka saja tidak mengubah apa pun. Yang kita cari adalah insight: pemahaman baru dari angka yang membuat kita mengambil tindakan berbeda. Contohnya, bukan sekadar tahu total penjualan, tetapi tahu siapa yang paling banyak menyumbangnya. Lihat contohnya. Angka: penjualan Oktober tiga puluh delapan koma empat enam juta rupiah dari empat ratus tiga pesanan. Ini fakta, tetapi belum memberi arahan. Insight: ternyata pelanggan yang memesan lagi menyumbang sebagian besar omzet. Ini pemahaman baru. Aksi: Laras membuat program kartu langganan untuk pelanggan setia. Insight yang baik selalu bisa diteruskan menjadi aksi seperti ini. Jadi setiap kali melihat angka, tanyakan dua hal: apa artinya, dan lalu apa yang sebaiknya saya lakukan? Insight bisa ditemukan di pekerjaan apa pun. Bagi Laras, misalnya: pembeli akhir pekan lebih suka ukuran besar. Artinya stok kopi literan perlu ditambah setiap Jumat. Bagi Dewi: tiga pelanggan terbesar menyumbang separuh pesanan CV Maju Bersama. Artinya hubungan dengan tiga pelanggan ini perlu dijaga khusus. Bagi Pak Hendra: nilai turun pada murid yang sering absen hari Senin. Artinya perlu ringkasan materi untuk murid yang tertinggal. Bagi Nadia: video pendek kliennya mendapat komentar tiga kali lebih banyak daripada foto. Artinya jadwal konten bisa digeser ke video. Semua contoh ini fiktif, tetapi polanya sama: angka, arti, lalu tindakan.
Langkah 2: Pertanyaan yang tepat
Claude bisa menghitung apa saja, jadi pertanyaannyalah yang menentukan kualitas analisis. Ada lima jenis pertanyaan yang cocok untuk data apa pun. Pertama, berapa: total omzet, jumlah pesanan, dan rata-rata nilai per pesanan. Kedua, mana yang paling besar: produk terlaris menurut jumlah dan menurut omzet. Keduanya bisa berbeda. Ketiga, kapan: hari dan pekan yang paling ramai. Keempat, siapa: pelanggan baru atau pelanggan yang memesan berulang. Kelima, apa yang berubah dibanding bulan lalu. Pertanyaan ini sering memunculkan insight paling menarik. Untuk pekerjaan kantor, polanya sama. Dewi bisa bertanya berapa total pesanan alat tulis, barang mana paling laku, kapan puncaknya, pelanggan mana yang terbesar, dan apa yang berubah. Laras menuangkan pertanyaan itu ke prompt. Konteksnya file pesanan Oktober yang sudah bersih. Tugasnya empat pertanyaan yang jelas, bukan sekadar tolong analisis data ini. Formatnya tabel singkat per pertanyaan, lalu tiga insight dalam bahasa sehari-hari. Batasannya penting: tunjukkan cara hitung, dan pisahkan hasil hitungan dari dugaan penyebab. Hitungan bisa dicek, dugaan perlu diuji. Dengan batasan ini, Anda tahu bagian mana yang aman dipakai.
Langkah 3: Claude menghitung
Laras mengunggah file bersih beserta prompt analisis. Claude menjalankan analisis dari seluruh empat ratus tiga baris, empat produk, selama tiga puluh satu hari. Hasil pertama adalah tabel per produk. Perhatikan: menurut jumlah, kopi susu cup paling laku dengan enam ratus dua puluh cup. Tetapi menurut omzet, kopi susu satu liter yang paling besar. Claude juga mengonfirmasi totalnya sama dengan hasil pembersihan. Ini data contoh. Bila ragu dengan sebuah angka, minta Claude menunjukkan cara hitungnya, misalnya jumlah terjual dikali harga resmi. Dengan begitu Anda bisa memeriksa logikanya, bukan sekadar percaya hasilnya. Laras meminta angka kunci dan tiga insight dalam satu ringkasan. Di panel kanan tampil empat kartu angka: omzet, jumlah pesanan, rata-rata nilai per pesanan sekitar sembilan puluh lima ribu, dan porsi omzet dari pelanggan berulang, enam puluh satu persen. Di bawahnya ada tiga insight dalam bahasa sehari-hari. Perhatikan insight ketiga: lonjakan hampers di akhir bulan ditulis sebagai dugaan. Claude memisahkan hasil hitungan dari tebakan penyebabnya, sesuai batasan di prompt.
Langkah 4: Menggali lebih dalam dan menguji kewajaran
Insight pertama memicu pertanyaan baru. Laras bertanya: pelanggan berulang biasanya membeli produk apa? Claude menganalisis ulang, kali ini per kode pelanggan. Inilah gunanya kode pelanggan tadi: analisis tetap bisa, tanpa nama asli. Hasilnya, enam puluh empat dari seratus enam puluh delapan pelanggan memesan lebih dari sekali, dan favorit mereka kopi susu satu liter. Pelanggan baru lebih banyak membeli cup. Laras lalu tergoda menyimpulkan: apakah produk satu liter membuat orang menjadi setia? Claude menjawab dengan jujur: belum tentu. Bisa jadi sebaliknya, orang yang sudah setia baru berani membeli ukuran besar. Untuk tahu penyebabnya, perlu percobaan. Percakapan tadi mengajarkan aturan penting. Pertama, pola belum tentu sebab-akibat. Dua hal yang bergerak bersama belum tentu saling memengaruhi. Kedua, data yang sedikit bisa kebetulan. Satu bulan belum cukup untuk menyebut sesuatu sebagai tren. Bandingkan dengan beberapa bulan bila ada. Ketiga, ada faktor luar: cuaca, libur sekolah, tanggal gajian, atau promo pesaing. Tanyakan ke Claude faktor luar apa yang mungkin berpengaruh, lalu nilai sendiri. Keempat, cek satu angka secara manual. Laras menghitung kopi susu satu liter: seratus lima puluh kali delapan puluh lima ribu, hasilnya dua belas koma tujuh lima juta. Cocok dengan tabel Claude. Empat uji ini tidak butuh keahlian statistik. Cukup sikap hati-hati: sebelum percaya pada sebuah pola, tanyakan apakah ada penjelasan lain.
Langkah 5: Dari insight ke tindakan
Sekarang kita ubah insight menjadi tindakan. Mulai dari insight yang paling berdampak: pelanggan setia menyukai kopi satu liter. Rancang percobaan kecil. Laras memberi voucher diskon kopi satu liter untuk setiap pembeli cup pertama kali, selama dua pekan. Tentukan ukuran keberhasilan sejak awal: berapa persen penerima voucher yang memesan lagi dalam dua pekan. Lalu evaluasi dengan cara yang sama di data November. Karena aturan baku dan pertanyaan analisisnya sudah tersimpan, perbandingannya akan adil. Laras meminta Claude membantu merancang percobaannya: berapa diskon yang aman, dan bagaimana mencatat hasilnya. Claude mengusulkan diskon sepuluh ribu rupiah selama empat belas hari, dengan kode voucher dicatat di kolom baru file pesanan. Perhatikan, Claude balik bertanya soal modal per liter, karena hanya Laras yang tahu angka margin usahanya. Sebagai pegangan, ini ciri insight yang baik. Pertama, didukung angka yang bisa dicek. Kedua, bisa ditulis dalam satu kalimat sederhana yang dipahami Dimas maupun pelanggan. Ketiga, bisa diteruskan menjadi tindakan. Keempat, jelas mana fakta dan mana dugaan. Dan yang bukan insight: kalimat yang hanya mengulang angka tanpa arti, seperti omzet Oktober tiga puluh delapan juta. Itu angka, belum insight.
Selesai!
Kita sudah membedakan angka, insight, dan aksi, menyusun lima pertanyaan analisis, meminta Claude menghitung dan menggali, menguji kewajaran, dan merancang percobaan. Insight akan lebih mudah dipahami bila digambar. Di episode berikutnya kita membuat grafik yang langsung bisa dibaca dalam lima detik. Sampai jumpa!
Latihan mandiri
Kerjakan sendiri setelah menonton supaya materinya benar-benar melekat.
Tulis lima pertanyaan analisis untuk data Anda: berapa, mana, kapan, siapa, dan berubah apa
Minta Claude menjawabnya dan tunjukkan cara hitungnya
Pilih satu insight, lalu rancang satu percobaan kecil selama dua minggu untuk mengujinya
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
52 kelas video1.277 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.
