Data Analytics to Optimal Decision

Di zaman era digital saat ini, data merupakan suatu komponen yang sangat diperlukan di setiap aspek terutama pada bisnis dalam bidang apapun termasuk Usaha Mikro, Kecil, dan Menengah (UMKM) di Indonesia yang menghadapi persaingan pasar yang semakin ketat dan dinamis serta permintaan yang fluktuatif. Terkadang, keputusan suatu usaha hanya berdasarkan “business instinct” dari pelaku usahanya. Meskipun intuisi diperlukan dalam suatu perusahaan, jika tidak didasarkan oleh data aktual maka akan seperti seseorang yang ingin berjalan tetapi tidak memiliki kaki. Kondisi tersebut akan memperbesar peluang kegagalan dari hasil keputusan tersebut. Oleh karena itu, mengelola data menjadi sebuah pengetahuan yang berguna yang merupakan definisi dari analitik data (data analytics) adalah suatu praktik yang sangat diperlukan pelaku usaha demi meningkatkan kemungkinan membuat keputusan strategis yang tepat (Getachew dan Tadesse, 2024). Secara konseptual, analitik data adalah serangkaian proses mengumpulkan, mengolah, dan menganalisis data secara sistematis untuk menghasilkan informasi yang dapat dijadikan dasar pengambilan keputusan yang lebih akurat dan dapat dipertanggungjawabkan, bahkan pada skala usaha yang relatif kecil seperti UMKM.

Tinjauan literatur yang dilakukan oleh Arevalo dan Rodriguez (2025) menemukan bahwa terdapat 32 studi yang menunjukkan bahwa data analytics secara signifikan mengubah cara pengambilan keputusan dalam suatu perusahaan atau organisasi. Dengan menanamkan analitik data ke dalam budaya dan proses kerja, perusahaan tersebut dapat lebih responsif terhadap kebutuhan pasar, lebih inovatif, serta kinerja perusahaan meningkat secara keseluruhan dengan jangka panjang (Radu dan Herciu, 2025).

Analitik data juga biasanya disebutkan sebagai business analytics, yang dalam konteks bisnis merujuk pada pemanfaatan data kuantitatif sederhana seperti data penjualan harian, data pelanggan, dan data persediaan untuk mendukung proses pengambilan keputusan manajerial. Shumueli et al. (2008) dalam bukunya menjelaskan bahwa business analytics adalah praktik bagaimana data kuantitatif dibawa dan dijadikan sebagai dasar dalam membuat suatu keputusan. Selain sebagai dasar utama dalam mengambil keputusan, data yang telah dikumpulkan kemudian diproses dapat membuat peramalan tentang yang kemungkinan terjadi di masa depan.

Untuk memahami lebih jauh bagaimana analitik data bekerja dalam praktik, penting untuk meninjau jenis-jenis analitik yang umum digunakan dan relevan dengan kebutuhan operasional usaha berskala kecil dan menengah. Terdapat berbagai jenis analitik data dengan fungsi yang berbeda, salah duanya adalah Descriptive analytic dan predictive analytic. Descriptive analytic adalah pendekatan yang memvisualisasikan dan meringkas apa yang telah terjadi berdasarkan data historis yang diproses. Pendekatan ini fokus dalam menjawab pertanyaan “apa yang terjadi?” pada suatu fenomena menggunakan teknik agregasi data (penghimpunan, penyaringan, dan pembandingan) untuk menyederhanakan suatu data yang besar atau kompleks menjadi informasi yang lebih mudah dipahami. Sebagai contoh sederhana, laporan penjualan yang menampilkan penjualan, tren, serta pelanggan yang membeli suatu produk diolah menjadi kalimat yang dapat merangkum data-data tersebut agar dapat dipahami dengan baik. Setelah Descriptive analytic, terdapat juga predictive analytic yang merupakan pendekatan yang memperkirakan apa yang kemungkinan terjadi di masa depan menggunakan data historis dan model statistik yang kompleks. Jenis ini mempelajari pola data dari masa lalu kemudian membuat model yang menghasilkan peramalan kejadian yang akan datang. Sebagai contoh, pelaku usaha mengumpulkan data tren penjualan dari beberapa tahun sebelumnya kemudian melakukan prediksi tren penjualan di tahun berikutnya untuk menyesuaikan strategi pemasaran dan menentukan target yang akan dicapai. Pada konteks usaha, analitik deskriptif dapat membantu pemilik usaha mengidentifikasi produk terlaris atau jam penjualan tersibuk, sedangkan analitik prediktif dapat digunakan untuk memperkirakan kebutuhan stok atau tren permintaan menjelang momen-momen tertentu seperti hari raya. Dengan demikian, kombinasi analitik deskriptif dan prediktif membantu pelaku usaha memahami kondisi yang sudah terjadi sekaligus mengantisipasi potensi perubahan di masa mendatang.

Dalam melakukan analitik data, tentunya terdapat tahap-tahap yang harus dilalui demi hasil yang tepat dan sesuai dengan data yang tersedia. Pertama, pahami apa tujuan dari melakukan analitik data dan hasilnya seperti apa. Siapa yang menggunakan, siapa yang terkena efeknya, dan apakah proses ini hanya dilakukan sekali saja atau secara terus-menerus? Poin-poin tersebut harus dipahami dengan sempurna karena akan berefek kepada hasil dari analitik data yang akan dijalankan. Kedua, pilih dataset yang akan digunakan. Perolehan dataset ini maksudnya memilih informasi atau data sebagai perwakilan dari banyak data dengan tujuan menyederhanakan informasi valid yang digunakan sebagai pondasi dari analisis yang akan dilakukan. Ketiga, lakukan data cleaning dan filtering atau pembersihan dan penyaringan data. Langkah ini bermaksud untuk menemukan informasi apa yang tidak ada dan menghilangkan informasi yang tidak diperlukan dan sesuaikan sesuai dengan kebutuhan dengan harapan data yang dipilih adalah data yang tepat dan lengkap. Selanjutnya, pilih teknik pengolahan data yang sesuai. Langkah ini adalah langkah yang krusial dan memerlukan pemahaman mendalam pada teknik dan metode pengolahan data (regresi, decision tree, dan sebagainya). Sebagai ilustrasi, regresi lazim digunakan untuk memprediksi nilai numerik seperti penjualan bulanan, sedangkan decision tree banyak digunakan untuk mengklasifikasikan segmen pelanggan atau pola pembelian yang berbeda. Kelima, interpretasikan atau artikan hasil yang diperoleh dari pengolahan data. Langkah terakhir adalah menerapkan model atau hasil dari analitik data yang dilakukan. Hasil dari analitik data digunakan jadi dasar pengambilan keputusan berdasarkan informasi yang aktual dan terukur dengan jelas, seperti yang dijelaskan sebelumnya. Pada tataran praktis, UMKM dapat memulai dengan alat yang relatif sederhana namun terjangkau, seperti spreadsheet, aplikasi kasir digital, atau platform analitik berbasis cloud untuk mendukung keseluruhan tahapan tersebut. Rangkaian tahapan ini memastikan bahwa keputusan yang dihasilkan tidak hanya cepat, tetapi juga konsisten dan dapat dipertanggungjawabkan secara metodologis, sekalipun dilakukan oleh pelaku usaha dengan sumber daya terbatas seperti UMKM.

Penelitian yang dilakukan oleh Thiraton et al. (2017) dari berbagai perusahaan di Australia memperoleh hasil bahwa dengan data analytics}, kinerja perusahaan meningkat secara pesat dan memiliki efek beruntun pada berbagai aspek dari perusahaan. Hal tersebut membuktikan bahwa memang suatu usaha yang didasari oleh analitik data cenderung menghasilkan keputusan yang tepat dan meningkatkan operasional perusahaan.

Sebagai kesimpulan, penerapan data analytics dalam dunia bisnis modern bukan lagi sekadar pilihan, melainkan kebutuhan strategis untuk meningkatkan kualitas pengambilan keputusan. Dengan memanfaatkan data secara sistematis melalui berbagai pendekatan analitik, perusahaan termasuk UMKM mampu mengurangi ketidakpastian, meningkatkan efisiensi operasional, serta merespons dinamika pasar secara lebih adaptif dan inovatif. Meskipun intuisi tetap memiliki peran, integrasi antara insting bisnis dan analisis berbasis data akan menghasilkan keputusan yang lebih akurat dan berkelanjutan. Oleh karena itu, pelaku usaha perlu mengembangkan kapabilitas analitik data sebagai bagian dari budaya organisasi guna mencapai keunggulan kompetitif di era digital yang semakin kompleks.

DAFTAR PUSTAKA

Getachew, S., & Tadesse, M. (2024). Leveraging data analysis for strategic business decision-making. Journal of Entrepreneurship & Organization Management, 13(A83).

Morales-Arevalo, J. C., & Rodríguez, C. (2025). A systematic review of the benefits and challenges of data analytics in organizational decision making. International Journal of Advanced Computer Science and Applications, 16(2), 200–212.

Radu, A., & Herciu, M. (2025). Data analytics, decision-making process and business performance: A bibliometric analysis. Studies in Business and Economics, 20(2), 292–314.

Shmueli, G., Bruce, P. C., Yahav, I., Patel, N. R., & Lichtendahl, K. C., Jr. (2018). Data mining for business analytics: Concepts, techniques, and applications in R. Wiley.

Thirathon, U., Wieder, B., Matolcsy, Z., & Ossimitz, M.-L. (2017). Impact of big data analytics on decision making and performance. 14th International Conference on Enterprise Systems, Accounting and Logistics (ICESAL 2017), Thessaloniki, Greece.