# WORKSHEET A.9 — Desain Kerangka Dashboard BI

> **Bab 9 — *Business Intelligence* dan Analitik Bisnis**
> Dokumen ini bersifat *standalone* — dapat dikerjakan tanpa membuka buku teks.

---

## Ringkasan Materi

### Pipeline Konsep Bab 7

```
Data Operasional → ETL (Extract, Transform, Load) → Data Warehouse
  → Analitik (Deskriptif → Diagnostik → Prediktif → Preskriptif)
  → Dashboard → Keputusan Berbasis Insight
```

### Tabel Komparasi: Organisasi Tanpa BI vs BI Matang

| Dimensi | Tanpa BI | BI Matang |
|---------|----------|-----------|
| Basis keputusan | *Spreadsheet* manual, pengalaman | *Dashboard* terintegrasi + model analitik |
| Waktu akses informasi | Jam–hari (minta ke IT) | Detik–menit (*self-service*, *real-time*) |
| Konsistensi angka | "Versi kebenaran" berbeda per divisi | *Single source of truth* dari *warehouse* |
| Deteksi anomali | Ditemukan terlambat | *Alert* otomatis saat KPI melewati ambang |
| Kemampuan prediksi | Tidak ada — reaktif | *Forecasting* 30–90 hari ke depan |
| Risiko utama | Keputusan tanpa bukti | *Dashboard fatigue*, korelasi disalahartikan |

### Definisi Kunci

1. ***Business Intelligence* (BI)** — kombinasi teknologi, proses, dan praktik yang mengubah data mentah menjadi informasi bermakna yang dapat ditindaklanjuti.
2. ***Data Warehouse*** — repositori data terpusat yang mengkonsolidasikan data dari berbagai sumber operasional, dioptimalkan untuk analisis.
3. **ETL** (*Extract, Transform, Load*) — proses mengekstrak data dari berbagai sumber, mentransformasikan ke format standar, dan memuatnya ke *data warehouse*.
4. **Analitik Prediktif** (*Predictive Analytics*) — penggunaan teknik statistik dan *machine learning* untuk memproyeksikan kemungkinan di masa depan dari data historis.

### Prinsip Utama

1. Empat tipe analitik (Deskriptif → Diagnostik → Prediktif → Preskriptif) membentuk spektrum — setiap level membangun fondasi level sebelumnya.
2. Hanya 21% organisasi mencapai level prediktif-preskriptif, tetapi 80% nilai bisnis terkonsentrasi di level tersebut.
3. *Dashboard* yang menjawab 5 pertanyaan sekaligus tidak menjawab satupun dengan baik — satu pertanyaan per *dashboard*.
4. Korelasi bukan kausalitas — selalu periksa variabel ketiga, arah hubungan, dan dukungan teori bisnis.

---

## Template A.7 — Desain Kerangka Dashboard BI

```
==============================================
TEMPLATE A.7 — DESAIN KERANGKA DASHBOARD BI
==============================================

Nama Organisasi         : ________________________________________
Departemen/Pengguna     : ________________________________________
Tanggal Perancangan     : ________________________________________

═══════════════════════════════════════════════════════════════

PERTANYAAN KEPUTUSAN
Dashboard ini menjawab pertanyaan : ________________________________________
Keputusan yang akan berubah       : ________________________________________
Decision owner                    : ________________________________________
Frekuensi monitoring              : [ ] Real-time  [ ] Harian  [ ] Mingguan  [ ] Bulanan

KPI UTAMA (Maksimal 5)
1. ________________________________  Target: ________  Alert if: ________
2. ________________________________  Target: ________  Alert if: ________
3. ________________________________  Target: ________  Alert if: ________
4. ________________________________  Target: ________  Alert if: ________
5. ________________________________  Target: ________  Alert if: ________

SUMBER DATA
Data source 1  : ____________________________  Update freq: ________
Data source 2  : ____________________________  Update freq: ________
Data source 3  : ____________________________  Update freq: ________

VISUALISASI (untuk setiap KPI)
KPI 1 → Tipe chart: [ ] Bar  [ ] Line  [ ] Gauge  [ ] Table  [ ] Heatmap
KPI 2 → Tipe chart: [ ] Bar  [ ] Line  [ ] Gauge  [ ] Table  [ ] Heatmap
KPI 3 → Tipe chart: [ ] Bar  [ ] Line  [ ] Gauge  [ ] Table  [ ] Heatmap
KPI 4 → Tipe chart: [ ] Bar  [ ] Line  [ ] Gauge  [ ] Table  [ ] Heatmap
KPI 5 → Tipe chart: [ ] Bar  [ ] Line  [ ] Gauge  [ ] Table  [ ] Heatmap

ACTION THRESHOLD
Jika KPI melewati batas  : ________________________________________
Siapa yang harus tahu    : ________________________________________
Aksi yang harus diambil  : ________________________________________
Deadline respons         : ________________________________________

═══════════════════════════════════════════════════════════════

LEVEL ANALITIK DASHBOARD
[ ] Deskriptif  (apa yang terjadi)
[ ] Diagnostik  (drill-down: mengapa)
[ ] Prediktif   (forecast)
[ ] Preskriptif (rekomendasi aksi)

EVALUASI DESAIN
Dashboard menjawab pertanyaan keputusan dalam < 5 detik?  [ ] Ya  [ ] Tidak
Setiap KPI memiliki action threshold?                      [ ] Ya  [ ] Tidak
Decision owner sudah ditetapkan?                           [ ] Ya  [ ] Tidak
```

---

## Latihan

### Latihan 1 — Identifikasi Kebutuhan Dashboard

Tentukan 3 pertanyaan keputusan yang membutuhkan dashboard di organisasi Anda.

| No | Pertanyaan Keputusan | Decision Owner | KPI Utama | Level Analitik |
|----|---------------------|---------------|----------|---------------|
| *1* | *Apakah target penjualan bulan ini akan tercapai?* | *Manajer Penjualan* | *Revenue aktual vs target, conversion rate, pipeline value* | *Prediktif — forecast pencapaian akhir bulan* |
| 2 | ________________________ | ____________ | ________________________ | ____________ |
| 3 | ________________________ | ____________ | ________________________ | ____________ |

### Latihan 2 — Evaluasi Data Readiness untuk BI

Untuk satu dashboard yang Anda rancang, evaluasi kesiapan datanya.

| Komponen | Status | Masalah | Solusi |
|----------|--------|---------|--------|
| *Sumber data teridentifikasi* | *Partial — data penjualan di 2 sistem berbeda (POS + e-commerce)* | *Format berbeda, update time berbeda* | *ETL pipeline untuk konsolidasi ke satu warehouse* |
| Data quality memadai | ____________ | ____________ | ____________ |
| Frekuensi update sesuai | ____________ | ____________ | ____________ |
| Definisi KPI konsisten | ____________ | ____________ | ____________ |

### Latihan 3 — Deteksi Jebakan Korelasi-Kausalitas

Berikan contoh korelasi yang ditemukan di data Anda dan analisis apakah itu benar kausalitas.

| Korelasi yang Terlihat | Variabel Ketiga? | Arah Bisa Terbalik? | Teori Bisnis Mendukung? | Kesimpulan |
|------------------------|-----------------|--------------------|-----------------------|-----------|
| *"Karyawan yang sering lembur memiliki penjualan lebih tinggi"* | *Ya — karyawan dengan klien besar lembur karena volume, bukan sebaliknya* | *Ya — penjualan tinggi menyebabkan lembur* | *Tidak — lembur tidak otomatis meningkatkan produktivitas* | *Korelasi, bukan kausalitas* |
| ________________________ | ____________ | ____________ | ____________ | ____________ |

---

## Refleksi

1. Organisasi Anda memiliki banyak laporan — tetapi apakah ada yang benar-benar memenuhi 3 kriteria *dashboard* efektif (satu pertanyaan, *action threshold*, *decision owner*)?

2. Mengapa kebanyakan organisasi masih di level deskriptif — dan apa hambatan terbesar untuk naik ke level prediktif?

---

## Self-Check

```
[ ] Saya bisa membedakan 4 level analitik (deskriptif, diagnostik, prediktif, preskriptif)
[ ] Saya bisa merancang dashboard dengan pertanyaan keputusan, KPI, dan action threshold yang jelas
[ ] Template A.7 sudah terisi lengkap dengan evaluasi desain yang memenuhi 3 kriteria
```