sim-manajement-book/worksheets/worksheet-A09.md

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