Data Tak Bermakna

Data kini telah diyakini ibaratnya tambang emas untuk dapat memilah dan memilih strategi terbaik demi tercapainya sebuah cita. Semua berlomba mendapatkan data, mengumpulkan angka demi angka, membuat kategori, mencari respon dan sebagainya. Namun, seberapa jauh tindakan-tindakan ini bisa menghasilkan tambang emas yang dimaksud.

Jika, saya bertanya : "Berapa banyak data yang ada di sekitar anda?", pasti dengan mudah anda menyebutkannya, untuk menghitungnya bahkan mungkin tak terhitung. Di sebuah perusahaan, pasti para pimpinannya menyadari begitu banyak data yang mereka punyai. Namun, sebenarnya tak jarang kita hanya mengumpulkan sampah, bukannya mengumpulkan data. Seperti apakah rupa sampah itu, walaupun kita telah mencoba untuk memoles wajahnya dengan atribut yang cantik dan memukau?

Contoh 1 :

Gambar diatas ini adalah contoh informasi tentang data pekerjaan pelanggan yang sama sekali tidak bermakna. Anggap saja terdapat 100.000 pelanggan, 71% tidak dapat diketahui pekerjaan pelanggan. Perhatikan juga kelompok pekerjaan yang lain, misalnya kategori "Swasta" sebesar 2% atau kategori "Lainnya" sebesar 21%. Apa manfaat yang bisa diambil dari pekerjaan lainnya bagi perusahaan? Pekerjaan swasta yang seperti apa yang merupakan segmen perusahaan?. Data diatas, meskipun telah diolah dalam diagram pie, tak akan memberikan gambaran apapun tentang kelompok pelanggan dari sebuah perusahaan


Contoh 2 :

Gambar diatas adalah plot rata-rata jumlah penjualan dari dari 2 buah produk selama 4 tahun yang dihubungkan melalui garis, dan selanjutnya dimodelkan dengan model regresi linier. Model yang terjadi tidak memiliki makna apapun, karena walaupun data telah dikumpulkan selama 4 tahun, namun yang dipakai hanya rata-ratanya saja. Data tidak cukup, dan tidak tampak sebuah "history" apapun pada data tersebut. Apalagi ketika melihat model dari grafik berwarna merah muda, nampak sekali bahwa model dipaksakan linier. Informasi dari model ini pun tidak dapat dipakai sebagai prediksi penjualan pada periode ke depan.


Contoh 3 :

Pada grafik diatas, kita hanya dapat melihat trend dari produk A. Fluktuasi trend untuk produk B dan C tidak dapat kita amati. Ini karena rentang jumlah penjualan dari produk A jauh berbeda dengan produk B dan C. Kesalahan ini sering tidak disadari, ketika pembuat grafik tidak mengenal perbedaan rentang nilai dalam sebuah pengukuran


Contoh 4 :

Ketika ingin sekali menggambarkan pengelompokkan segmen, crosstab memang akan sangat membantu kita. Namun, jika pada crosstab diatas kemudian diinterpretasikan bahwa 100% segmen dari brand C adalah orang-orang dengan SES tingkat AB dan kemudian diinterpretasikan bahwa segmen dengan SES A+ hanya dimiliki 100% oleh brand A, maka informasi ini jelas salah dan menyesatkan. Hal ini dikarenakan tidak dipenuhinya syarat minimum sel dan asumsi untuk pengolahan melalui crosstab.

Kesalahan-kesalahan yang terjadi seperti diatas bukan hanya persoalan margin of error maupun persoalan validitas data, melainkan kecerobohan karena pemahaman yang sangat minim tentang pengelolaan data.


Tentunya kita semua tidak ingin menerima informasi dari sampah-sampah data walaupun telah tersaji dalam grafik dan pengolahan data seperti diatas. Apalagi, tersesat dalam mengambil sebuah kesimpulan dari data-data yang tak bermakna seperti diatas.

Semua grafik, semua metode statistik bisa saja dikenakan pada data. Semua software bisa digunakan, namun masing-masing metode, masing-masing software selalu mensyaratkan asumsi tertentu. Maka, jelaslah sebuah kewajiban untuk mempelajari metode, mendesain sebuah kerangka analisis dan memahami asumsi-asumsi untuk penggunaan sebuah tools, sebelum berani mengumpulkan data bahkan melakukan pengolahan, mempresentasikannya hingga mendapatkan tambang emas yang diinginkan dari sekumpulan data.

Selanjutnya....

Data dan Jebakan

Saat ini, telah banyak organisasi, institusi dan perusahaan yang menyadari pentingnya data. Jika dulu, orang tak lagi mempedulikan data karena selain tak tahu cara mengolahnya dan cukup menghabiskan waktu dengan mengetik data-data tersebut, kini dengan teknologi informasi, data lebih mudah di kelola.

Misalnya dalam dunia marketing, awalnya sajian data akan sangat bermanfaat untuk melihat performance pemasaran dan menjawab permasalahan-permasalahan pemasaran, seperti : kenapa sebuah penurunan market terjadi maupun sebaliknya. Bagi sebagian manager, hal ini akan menimbulkan kepuasan tersendiri, apalagi jika sampai menemukan penyebab awal / kronologis terjadinya sebuah masalah. Diharapkan dengan adanya jawaban tersebut, maka permasalahan dapat diatasi.

Menemukan akar permasalahan memang merupakan suatu hal yang diharapkan dari pengelolaan dan analisa data di sebuah perusahaan. Menemukan penyebab awal bahkan hingga kronologis masalah bukanlah hal yang buruk, namun tak jarang kita TERJEBAK pada satu kasus yang temporer saja. Akhirnya, penyelesaian tidak menyeluruh dan suatu saat, permasalahan yang sama akan terjadi. Dan ketika kondisi ini berulang beberapa kali, jawaban yang sama akan dikatakan sehingga tidak lagi dapat dilihat dengan kacamata yang jernih mengenai upaya penyelesaian permasalahan tersebut.

Data akhirnya hanya dijadikan sebagai "tameng", tak salah jika akhirnya para manager yang sudah jenuh dengan kondisi ini menganggap bahwa data bisa dimainkan, data bisa diarahkan dan bahkan bisa direkayasa untuk kebutuhan tertentu. Kondisi ini merupakan salah satu akibat dari KESALAHAN MEMBACA / MEMANFAATKAN DATA.

Lalu, bagaimana pemanfaatan data yang benar seharusnya?
Data bisa memberikan sebuah informasi mengenai kondisi saat ini, informasi mengenai penyebab terjadinya sebuah permasalahan, namun yang lebih penting adalah bahwa dari data diperoleh peluang, dari data dapat diperkirakan kondisi yang akan datang beserta konstrain untuk mendapatkan hasil kedepan yang lebih baik.

Data masalalu adalah sebuah pijakan, salah jika kita menghiraukannya, namun tidak baik juga jika terlalu berkutat pada masa lalu dan saat ini, karena ini adalah sebuah jebakan yang lain. Gambaran masa depan sudah dapat terlihat dari data masa lalu dan saat ini. Tinggal pikirkan saja, apa yang dapat membuat masa depan lebih baik dengan data tersebut.

Selanjutnya....

Penampilan dan Kawasan Elit tak Cukup Mampu Menjaring Pelanggan Berperilaku Elit.

Dalam teori marketing sederhana, tentu kita mengenal konsep STP. Konsep STP ini telah lama diyakini dapat menjadi landasan awal dalam strategi pemasaran. Lihat dan pilahlah segmen pasar, pilih target pasar yang potensial bagi anda lalu tentukan positioning produk/jasa anda.

Setelahnya, teori bauran pemasaran 4P (product, price, promotion, dan place) dapat segera diterapkan.

Sebagai contoh, sebuah supermarket yang ingin meraih segmen pembeli kelas atas (elit) hanya akan memajang produk berkualitas/ branded di outletnya, dengan pelayanan lebih baik dari supermarket lainnya (yang didesain untuk memenuhi para pelanggan kelas atas) harga memang sedikit lebih tinggi dan selain dilakukan promosi cantik, tempat dan tampilan dipilih sebaik mungkin (di kawasan elit dengan gedung dan halaman parkir yang besar serta penataan barang dan interior yang menawan).

Namun, ternyata Upaya yang telah dilakukan dengan mendasarkan teori marketing yang ada ini ternyata takcukup mampu menjaring pelanggan berperilaku elit. Yang terjaring adalah pelanggan yang "nampaknya kaya", hanya mengejar gengsi pada terjadinya pembelian dan bukanlah pelanggan yang loyal.

Saya mencoba memotret salah satu bentuk perilaku tersebut dari kejauhan (sayang foto dibawah ini tidak terihat jelas). Seorang ibu yang membeli jeruk impor, membuka satu persatu plastik pembungkus jeruk, menekan jeruk tersebut (untuk memastikan tingkat kematangan jeruk), lalu jika sesuai dengan yang diinginkan, jeruk dimasukkan ke kantong belanja dan plastik pembungkus dibiarkan terbuang di begitu saja, namun jika jeruk tidak sesuai dengan yang diinginkannya maka akan dikembalikan tanpa membungkus kembali jeruk tersebut dengan plastiknya. Kira-kira 2,5 kg jeruk yang dibelinya, namun untuk tujuan tersebut, si ibu meng-obrak-abrik kira-kira 8 kg jeruk yang ada di toko tersebut.

Kalau hendak membeli jeruk tanpa kemasan, kenapa tidak membeli dipasar? Dan pasti perilaku "aneh" ibu itu karena ketidaktahuan, kenapa jeruk impor tersebut perlu dibungkus dengan plastik.

Selain contoh diatas, saya pernah mencoba menangkap contoh lain pada pelanggan sebuah jasa kesehatan yang dengan jelas menyatakan bahwa pelanggannya adalah orang-orang kelas atas (elit). Ketika itu nampak seorang pelanggan begitu antusias melakukan penawaran harga atas pemeriksaan kesehatan yang dilakukan, dan ketika harga tidak sesuai yang diinginkan, maka untuk pemeriksaan tertentu dialihkan ke lembaga pemeriksaan kesehatan yang lain. Dan ternyata jumlah pelanggan yang berperilaku seperti ini tidak bisa dibilang sedikit, padahal sama halnya dengan supermarket pada contoh sebelumnya, tampilan dan desain arsitektur ruangan jasa pemeriksaan kesehatan ini cukup mewah, lokasinya pun di kawasan perumahan elit.

Penampilan elit, harga elit dan lokasi elit ternyata tak cukup mampu menarik sejumlah pelanggan berperilaku elit (pelanggan yang memang sudah tak mempermasalahkan harga, mengutamakan kualitas dan sekaligus pelanggan loyal).

Sikap tak angkuh pada lingkungan dan kepedulian pada kebutuhan pelanggan dari seluruh jajaran pelaku di sebuah perusahaan tampaknya merupakan 2 hal yang lebih ampuh dari sekedar tampilan, skenario harga dan lokasi yang elit. Mau contoh kongkrit ? Analisis saja pada pelanggan kosmetik Body Shop sebagai salah satu contoh untuk perusahaan kosmetik yang tetap bertahan dengan tidak meng-obral produk dan tetap diminati oleh kaum hawa berperilaku elit.

Selanjutnya....