: WIB    —   
indikator  I  

Hambatan bisnis dari kualitas data

Hambatan bisnis dari kualitas data
Founder of Lightora UMN Incubator

Sebagai bagian dari proses menjaga kualitas data yang baik, proses data cleansing memakan biaya yang tidak sedikit dari sisi finansial, waktu dan alokasi sumber daya manusia yang kompeten. Dewasa ini, dengan proses bisnis yang semakin terotomatisasi oleh sistem TI, produktivitas karyawan dalam menyiapkan laporan, dan pengambilan keputusan yang beralih dari intuisi (gut-feeling) ke fakta lapangan (fact-based) maka ketergantungan data menjadi penting.


Dampak bisnis
Data saat ini difungsikan oleh bisnis untuk dua area, yaitu untuk menjalankan operasional bisnis dan memperbaiki bisnis. Dengan digitalisasi data yang masif pada proses pengumpulan data, maka kesalahan kecil yang terjadi dapat meningkatkan beban biaya pada operasional dan dampak perbaikan bisnis tidak terjadi.

Sebagai contoh, pada proses otomatisasi penjualan jika data yang tercatat banyak duplikasi tidak kasat mata – sebagai contoh duplikat entri untuk orang yang sama karena kesalahan penulisan email – maka follow up dapat dilakukan berulang kali. Data pelanggan yang salah terisi atau bahkan tidak terisi seperti pekerjaan dan nomor telepon juga akan mengakibatkan hilangnya kesempatan untuk menganalisis profil pelanggan yang dominan dengan menggunakan data mining.

Selain contoh di atas, dampak operasional dan perbaikan bisnis yang mungkin tidak dapat dilakukan adalah dari sisi finansial seperti mengurangi biaya hilangnya kesempatan (lost opportunity cost), meningkatkan kelancaran cashflow karena penagihan yang terlambat, memperkecil denda, dan lain-lain. Dari sisi supply chain seperti mengoptimalkan proses procurement, menyederhanakan akuisisi barang, dan lain-lain. Mendapatkan early warning untuk stok yang berkurang dengan cepat. Dari sisi produktivitas seperti mengurangi waktu untuk mempersiapkan data dan mengurangi jumlah laporan yang bias. Dengan dampak bisnis yang signifikan, bagaimana memecahkan masalah data kualitas tersebut dengan biaya seoptimal mungkin?

 

Aplikasi data quality
Tersedianya aplikasi untuk meningkatkan kualitas data sudah cukup banyak tersedia di pasaran, mulai dari yang bersifat gratis atau open source seperti OpenRefine dari Google, Talend Data Quality, DataCleaner Community Edition, dan lain-lain. Ataupun produk proprietary dengan support yang sangat baik seperti Microsoft Data Quality Services (DQS) dan Master Data Services (MDS) dapat dijadikan pilihan.

Semua aplikasi tersebut memiliki fitur untuk membantu identifikasi dan memperbaiki kualitas data seperti melihat kondisi data saat ini melalui data profiling, menemukan data duplikat yang tidak kasat mata, menemukan pola nomor telepon yang salah, dan lain-lain.


Keterampilan stakeholder data
Proses menjaga kualitas data memerlukan proses yang berkelanjutan. Tiap proses memerlukan kerangka kerja untuk melakukan identifikasi failure, berkomunikasi dengan manajemen, bersama dengan manajemen mengukur dampak bisnis, memilih dan mengaplikasikan metodologi dan aplikasi teknis yang tepat.

Keterampilan stakeholder menjalankan semua proses tersebut dapat diperoleh dari seminar dan sumber pengetahuan lain. Program knowledge transfer dari sisi metodologi dan teknis perlu dilakukan kontinu sehingga jika terjadi tour of duty ataupun perubahan sumber daya manusia (SDM) baru di perusahaan tidak, hal itu tidak menjadi faktor yang mengganggu.


Close [X]