Data Visualization dan Strategic Insights

Pertemuan 11 — Big Data Analysis

Matkul Big Data Analysis Pertemuan 11 / RPS Week 12 CPL CPMK1 · CPMK2 · CPMK3

Agenda Pertemuan

Teori (75 menit)

Advanced visualization techniques
Prinsip desain visualisasi efektif
Jenis chart dan kapan menggunakannya
Interactive dashboards: konsep & arsitektur
Narasi data: dari angka ke insight

Praktik & Kasus (75 menit)

Studi kasus dashboard Gojek & BRImo
Framework presenting insights strategis
Latihan: membangun visualisasi komunikatif
Diskusi: insight vs. laporan
Tugas & preview Pertemuan 12

Tujuan Pembelajaran

Memilih jenis visualisasi yang tepat sesuai tipe data dan pesan yang ingin disampaikan

Merancang dashboard interaktif yang mendukung pengambilan keputusan berbasis data

Mengkomunikasikan insight strategis secara efektif kepada pemangku kepentingan bisnis

Sub-CPMK: Mahasiswa mampu membuat visualisasi data yang komunikatif dan menarik insight strategis dari hasil analisis.

Bagian 1

Advanced Visualization Techniques

Memilih, merancang, dan mengoptimalkan visualisasi untuk big data

Taksonomi Visualisasi Data

Tujuan Analisis	Jenis Visualisasi	Contoh Konteks Bisnis Digital
Perbandingan	Bar chart, Grouped bar, Radar chart	Perbandingan penjualan produk per kategori di Tokopedia
Distribusi	Histogram, Box plot, Violin plot	Distribusi nilai transaksi harian BRImo
Tren & Waktu	Line chart, Area chart, Sparkline	Tren MAU (Monthly Active Users) Gojek per kuartal
Komposisi	Stacked bar, Treemap, Pie (dengan batasan)	Komposisi revenue stream Telkom (B2B vs B2C)
Hubungan/Korelasi	Scatter plot, Bubble chart, Heatmap	Korelasi frekuensi pembelian vs. nilai CLV pelanggan
Geospasial	Choropleth map, Point map, Flow map	Sebaran pengguna aktif GoPay per provinsi Indonesia

Prinsip Desain Visualisasi Efektif

Data-Ink Ratio (Edward Tufte)
Maksimalkan tinta yang membawa informasi, minimimalkan "chartjunk" — dekorasi yang tidak menambah makna data.

Pre-attentive Attributes
Warna, ukuran, posisi, dan bentuk diproses otak sebelum kesadaran aktif — gunakan secara konsisten dan bertujuan.

5 Pertanyaan Sebelum Membuat Chart

Siapa audiensnya? (eksekutif vs. analis)
Apa satu pesan utama yang ingin disampaikan?
Apakah skala sumbu jujur dan tidak menyesatkan?
Apakah warna digunakan untuk makna, bukan dekorasi?
Bisakah pembaca memahami dalam 5 detik?

Visualisasi Tingkat Lanjut: Teknik Spesifik

Heatmap Korelasi

Menampilkan matriks korelasi antar variabel dengan gradasi warna. Sangat efektif untuk dataset dengan banyak fitur (>10 variabel). Digunakan BCA untuk analisis korelasi perilaku nasabah.

Sankey Diagram

Memvisualisasikan aliran dan proporsi — ideal untuk customer journey, konversi funnel, atau aliran dana. Gojek menggunakannya untuk memetakan perjalanan pengguna dari GoFood ke GoPay.

Small Multiples

Banyak chart kecil dengan skala sama, dibandingkan secara visual. Efektif untuk membandingkan tren di banyak segmen sekaligus — misalnya tren penjualan 34 provinsi di satu tampilan.

Catatan Tools: Python (Matplotlib, Seaborn, Plotly), R (ggplot2), Tableau, Power BI, dan Google Looker Studio semuanya mendukung teknik-teknik di atas. Pilih tools berdasarkan kebutuhan interaktivitas dan ekosistem organisasi Anda.

Bagian 2

Interactive Dashboards

Arsitektur, desain, dan implementasi dashboard yang mendukung keputusan bisnis

Arsitektur Dashboard: 3 Lapisan

Strategic

Untuk C-Level & Board
KPI utama bisnis (5-7 metrik)
Tren tingkat tinggi
Update: harian/mingguan
Contoh: Dashboard CEO Tokopedia

Tactical

Untuk manajer & tim lead
Drill-down per divisi/produk
Perbandingan target vs. aktual
Update: harian/real-time
Contoh: Dashboard Ops Gojek

Operational

Untuk analis & operator
Data granular & real-time
Alerting & anomaly detection
Update: menit/detik
Contoh: Monitor transaksi BRImo

Komponen Dashboard Interaktif yang Efektif

Komponen	Fungsi
Filter & Slicer	Segmentasi data (periode, region, produk)
Drill-down	Navigasi dari agregat ke detail
Cross-filtering	Klik satu chart, semua chart berubah
Tooltip dinamis	Detail on-hover tanpa klik
Alert & threshold	Warna otomatis saat KPI di luar batas
Export	Download data/gambar untuk laporan

Anti-Pattern Dashboard yang Harus Dihindari

Terlalu banyak KPI di satu halaman (>10 = noise)
Tidak ada konteks komparatif (vs. target, vs. periode lalu)
Warna yang tidak konsisten atau tidak bermakna
Tidak ada panduan bagi pengguna baru
Data tidak jelas sumbernya dan kapan diperbarui

Studi Kasus: Dashboard GoFood Analytics

Konteks: Gojek menggunakan data transaksi ~ jutaan order GoFood per hari untuk mengelola supply (mitra restoran) dan demand (pengguna) secara real-time di lebih dari 50 kota di Indonesia.

Metrik Utama di Dashboard Operasional:

Order per menit per kota (line real-time)
Average delivery time vs. target SLA
Driver utilization rate per zona
Cancel rate & alasan pembatalan (pareto)
Revenue per restoran (heatmap wilayah)

Insight Strategis yang Dihasilkan

Surge pricing: Heatmap kepadatan order vs. jumlah driver memicu penyesuaian tarif otomatis
Ekspansi kota: Analisis "whitespace" dari data geospasial mengidentifikasi area yang underserved
Partner retention: Dashboard mitra restoran menampilkan tren revenue mereka, meningkatkan engagement & loyalitas mitra
Menu optimization: Data click-through rate menu menginformasikan rekomendasi ke restoran tentang item yang perlu dipromosikan

Bagian 3

Presenting Insights Effectively

Dari data ke rekomendasi: seni dan ilmu komunikasi analitik

Framework: Dari Analisis ke Insight Strategis

Data (fakta mentah) → Informasi (data yang terorganisir) → Insight (pemahaman yang actionable) → Keputusan (tindakan bisnis)

Karakteristik Insight yang Baik

Spesifik: "Konversi drop 23% pada hari Senin pagi" bukan "ada penurunan konversi"
Kontekstual: Dibandingkan dengan baseline, target, atau kompetitor
Causal atau korelasional: Ada penjelasan "mengapa", bukan hanya "apa"
Actionable: Ada rekomendasi tindakan yang konkret
Terukur: Ada cara untuk mengevaluasi dampak tindakan

Struktur SCQA untuk Presentasi Insight

Situation: konteks yang dipahami semua pihak
Complication: perubahan atau masalah yang muncul
Question: pertanyaan kunci yang perlu dijawab
Answer: insight & rekomendasi Anda

Framework SCQA berasal dari Barbara Minto (McKinsey) dan digunakan luas di konsultan top dunia.

Data Storytelling: Narasi yang Memimpin Data

Prinsip Storytelling dengan Data

Tentukan satu pesan utama sebelum memilih chart
Bangun narasi kronologis atau kausal yang logis
Gunakan annotation pada chart untuk mengarahkan perhatian
Sederhanakan: hapus semua elemen yang tidak mendukung pesan utama
Akhiri dengan call-to-action yang jelas

Contoh: BCA Mobile Banking

Data mentah: Tabel 24 kolom penggunaan fitur BCA Mobile per segmen usia, per jam, per hari.

Insight (satu kalimat): "Pengguna 25-34 tahun melakukan ~70% transaksi transfer pada jam 07-09 pagi hari kerja — ini adalah window kritis untuk notifikasi promosi tabungan."

Rekomendasi: Jadwalkan push notification produk tabungan pada 06.45 WIB hari kerja, targetkan segmen usia ini.

Studi Kasus: Telkom Indonesia — Dashboard Strategic Insights

Konteks: Telkom Indonesia mengelola data dari >170 juta pelanggan di berbagai segmen (IndiHome, Telkomsel, B2B enterprise). Tim data analytics membantu manajemen mengidentifikasi peluang dan risiko strategis.

Pertanyaan Bisnis	Visualisasi Digunakan
Segmen mana yang paling cepat tumbuh?	Small multiples line chart per segmen
Di mana risiko churn tertinggi?	Heatmap geospasial churn rate
Produk mana yang cross-sell paling efektif?	Sankey diagram customer journey
Bagaimana tren ARPU berevolusi?	Area chart dengan annotation event

Insight Strategis yang Dihasilkan (Ilustrasi)

Identifikasi "wilayah kritis" dengan penetrasi IndiHome rendah tapi densitas populasi tinggi → target ekspansi infrastruktur
Segmen enterprise menunjukkan ARPU ~3x lebih tinggi dari consumer → shift investasi sales ke B2B
Pelanggan yang menggunakan 3+ produk Telkom memiliki churn rate ~60% lebih rendah → prioritaskan bundling
Adoption layanan cloud melonjak pasca-pandemi → akselerasi kapasitas data center

Mempresentasikan Insight kepada Eksekutif vs. Teknis

Dimensi	Audiens Eksekutif (C-Level)	Audiens Teknis (Data Team)
Fokus utama	Implikasi bisnis & keputusan	Metodologi & validitas
Bahasa	Bisnis: revenue, growth, risk, cost	Teknis: akurasi model, confidence interval, feature importance
Tingkat detail	Summary (1-3 slide KPI utama)	Detail teknis, metodologi, asumsi
Jenis chart	Simple: bar, line, single number	Kompleks: scatter, distribution, heatmap
Waktu tersedia	5-10 menit (sering kurang)	30-60 menit atau lebih
Pertanyaan yang dijawab	"Apa yang harus saya lakukan?"	"Bagaimana Anda mendapatkan angka ini?"

Diagram: Alur dari Data ke Keputusan Strategis

Rangkuman: Key Takeaways

5 Hal Terpenting dari Pertemuan 11

Pilih visualisasi berdasarkan pertanyaan bisnis, bukan estetika — setiap tipe chart punya kekuatan dan kelemahan yang spesifik.
Dashboard efektif disesuaikan dengan lapisan audiens (strategic, tactical, operational) — satu dashboard untuk semua tidak akan optimal untuk siapapun.
Insight yang baik selalu actionable — karakteristiknya: spesifik, kontekstual, ada penjelasan kausal, ada rekomendasi, dan terukur dampaknya.

Storytelling dengan data mengharuskan Anda menentukan satu pesan utama terlebih dahulu, baru memilih visualisasi yang mendukung pesan tersebut — bukan sebaliknya.
Adaptasi presentasi dengan audiens — eksekutif butuh kesimpulan dan rekomendasi dalam 5 menit; tim teknis butuh metodologi dan validasi yang detail.

Tugas & Diskusi

Tugas Pertemuan 11

Pilih satu perusahaan digital Indonesia (Gojek, Tokopedia, BCA, Telkom, atau perusahaan lain yang Anda minati).

Identifikasi 3 pertanyaan bisnis strategis yang relevan untuk perusahaan tersebut
Tentukan jenis visualisasi yang tepat untuk menjawab masing-masing pertanyaan (beserta alasan)
Rancang wireframe/sketsa dashboard (L1 Strategic) dengan minimal 5 KPI — bisa digambar tangan atau menggunakan tools digital
Tuliskan 1 insight strategis yang mungkin dihasilkan beserta rekomendasi actionable-nya

Format: PDF atau slide, max 5 halaman. Kumpul via LMS sebelum Pertemuan 12.

Pertanyaan Diskusi (In-Class)

Anda diminta presentasi hasil analisis big data kepada Direktur Utama dalam 10 menit. Bagaimana Anda memilih apa yang akan ditampilkan dan bagaimana strukturnya?
Sebuah dashboard menampilkan 20 KPI berbeda. Apakah ini baik atau buruk? Apa yang akan Anda lakukan?
Kapan sebuah visualisasi bisa dianggap "menyesatkan" meskipun datanya akurat? Berikan contoh.

Q&A

Ada pertanyaan tentang materi hari ini?

Preview Pertemuan 12:
Rekomendasi berbasis data untuk strategi bisnis — bagaimana mengintegrasikan output analitik big data ke dalam framework pengambilan keputusan strategis, termasuk penggunaan data untuk competitive intelligence, market segmentation, dan business model innovation. Siapkan studi kasus dari tugas Pertemuan 11 Anda sebagai bahan diskusi.

Pertemuan 11 selesai — sampai jumpa di Pertemuan 12