Program Studi Bisnis Digital • FEB

Perencanaan Sumber Daya Perusahaan

Pertemuan 14 — ERP dan Analisis Bisnis: Business Analytics, Corporate Performance Management, Balanced Scorecard, Data Governance

Setelah data mengalir bersih dari seluruh modul ERP, bagaimana data itu diubah jadi keputusan strategis, diukur lewat skor kinerja, dan dijaga kualitasnya?

RPS MINGGU 15 • 2X50 MENIT

Selamat datang di pertemuan terakhir mata kuliah Perencanaan Sumber Daya Perusahaan. Selama empat belas minggu, Anda sudah menelusuri perjalanan panjang ERP: mulai dari konsep dasar, arsitektur teknis, proses bisnis, sampai modul-modul fungsional seperti keuangan, penjualan, rantai pasok, dan sumber daya manusia. Hari ini kita menutup semuanya dengan satu pertanyaan besar — setelah semua data transaksi itu tersimpan rapi di database ERP, bagaimana caranya data tersebut diubah menjadi keputusan bisnis yang cerdas? Kita akan membahas empat hal yang saling terkait: business analytics sebagai mesin pengolah data, corporate performance management sebagai kerangka pemantauan kinerja, balanced scorecard sebagai alat ukur strategis, dan data governance sebagai penjaga kualitas serta keamanan data itu sendiri. Bayangkan seperti Tokopedia atau BBCA — mereka punya jutaan transaksi setiap hari, tetapi yang membedakan perusahaan unggul adalah kemampuan mengubah data mentah itu menjadi keputusan yang tepat dan terukur.

Bagian 1 dari 3

Business Analytics dalam ERP

Dari data transaksi harian menuju wawasan bisnis: arsitektur BI, jenis analitik, dan cara mengukur kinerja operasional dari data ERP.

Business Analytics: Dari Transaksi ke Wawasan

ERP pada intinya adalah sistem OLTP (Online Transaction Processing) — dioptimalkan untuk mencatat transaksi secepat mungkin (input faktur, PO, absensi). Business analytics mengubah tumpukan transaksi itu menjadi wawasan lewat sistem OLAP (Online Analytical Processing) yang dioptimalkan untuk meringkas dan membandingkan data dalam jumlah besar.

OLTP — MODUL ERP HARIAN

Ribuan transaksi kecil per detik: input pesanan pelanggan Tokopedia Seller, cetak faktur pajak, catat penerimaan barang gudang. Prioritas: kecepatan & akurasi per baris data.

OLAP — ANALITIK BISNIS

Ringkasan jutaan baris jadi satu angka: total penjualan per region bulan ini, tren margin tiga tahun terakhir. Prioritas: kecepatan menjawab pertanyaan manajemen.

Coba bayangkan Anda kasir di minimarket Indomaret — setiap kali memindai barang, sistem kasir langsung mencatat transaksi itu satu per satu, itulah OLTP, cepat dan akurat untuk satu transaksi. Tetapi kalau direktur regional bertanya "berapa total penjualan seluruh cabang Jawa Tengah bulan ini dibanding bulan lalu", sistem kasir yang sama akan sangat lambat menjawabnya karena harus menjumlahkan jutaan baris data satu per satu. Di sinilah OLAP berperan — data transaksi disalin ke sistem analitik terpisah yang memang dirancang untuk meringkas dan membandingkan data besar dengan cepat. ERP modern seperti SAP atau Odoo biasanya memisahkan dua beban kerja ini agar transaksi harian tidak melambat gara-gara laporan berat sedang dijalankan bersamaan. Anda perlu paham perbedaan ini karena hampir semua modul analitik lanjutan yang akan kita bahas hari ini dibangun di atas fondasi OLAP, bukan OLTP.

Arsitektur Business Intelligence dalam ERP

Data dari modul ERP mengalir lewat tiga tahap sebelum sampai ke layar manajer.

ETL (Extract, Transform, Load) menarik data dari modul ERP, membersihkannya, dan memuatnya ke data warehouse — gudang data khusus analitik yang terpisah dari database transaksi harian agar performa keduanya tidak saling mengganggu.

Perhatikan alur di diagram ini — ini adalah jalur standar hampir semua sistem business intelligence, baik yang menempel di SAP, Oracle NetSuite, maupun Odoo yang lebih terjangkau untuk UMKM. Data mulai dari modul ERP tempat transaksi dicatat, lalu proses ETL mengekstrak data itu, membersihkan kesalahan seperti duplikasi atau format tanggal yang tidak konsisten, kemudian memuatnya ke data warehouse yang terstruktur khusus untuk analisis historis, bukan transaksi harian. Dari data warehouse, data disusun ulang menjadi OLAP cube yang memungkinkan manajer memotong data dari berbagai sudut sekaligus — misalnya penjualan per produk, per wilayah, dan per bulan dalam satu tampilan. Hasil akhirnya adalah dashboard yang bisa dibuka direktur BBCA atau manajer cabang Alfamart untuk melihat KPI penting tanpa perlu memahami satu baris kode SQL pun. Proses ETL ini biasanya berjalan otomatis setiap malam atau bahkan real-time pada ERP cloud modern.

Empat Jenis Analitik Bisnis

Kematangan analitik bergerak dari sekadar melihat masa lalu hingga merekomendasikan tindakan.

1. DESCRIPTIVE

Apa yang terjadi?

Laporan penjualan bulan lalu, jumlah retur produk. Sumber: dashboard standar ERP.

2. DIAGNOSTIC

Mengapa terjadi?

Kenapa penjualan turun 15% di Jawa Timur? Drill-down ke data cabang & produk.

3. PREDICTIVE

Apa yang akan terjadi?

Perkiraan permintaan bulan depan berbasis tren historis & musiman (mis. lebaran).

4. PRESCRIPTIVE

Apa yang harus dilakukan?

Rekomendasi otomatis: naikkan stok gudang Semarang 20% sebelum musim ramai.

Keempat jenis analitik ini biasanya berjalan berurutan dalam kematangan sebuah organisasi. Perusahaan yang baru mulai memakai ERP umumnya baru sampai di tahap descriptive — mereka bisa melihat laporan bulan lalu, misalnya total penjualan cabang di Semarang turun dibanding bulan sebelumnya. Tahap berikutnya, diagnostic, menjawab pertanyaan mengapa — mungkin karena kompetitor baru buka toko, atau karena stok salah satu produk unggulan habis, dan ini butuh kemampuan drill-down ke data yang lebih rinci. Predictive analytics melangkah lebih jauh dengan memperkirakan masa depan, misalnya toko retail modern seperti Indomaret memakai data historis untuk memprediksi lonjakan permintaan sembako menjelang lebaran. Tahap paling matang, prescriptive analytics, bukan hanya memprediksi tetapi juga merekomendasikan tindakan konkret, misalnya sistem otomatis menyarankan penambahan stok di gudang tertentu. Kebanyakan ERP di Indonesia saat ini masih kuat di descriptive dan diagnostic; predictive dan prescriptive umumnya butuh modul tambahan atau integrasi machine learning.

Hitung dari Nol: Rasio Perputaran Persediaan

Salah satu KPI operasional paling umum ditarik dari data ERP modul Supply Chain Management & Financial: Inventory Turnover Ratio (ITR).

ITR = COGS ÷ Rata-rata Persediaan

Langkah	Perhitungan	Nilai
Ambil COGS tahun berjalan dari modul Financial (GL)	Data ERP tahun berjalan	Rp 4.400.000.000
Ambil rata-rata persediaan dari modul SCM	(600 jt + 500 jt) ÷ 2	Rp 550.000.000
Hitung Inventory Turnover Ratio	4.400.000.000 ÷ 550.000.000	8,0x
Ubah ke Days Inventory Outstanding (DIO)	365 ÷ 8,0	≈ 45,6 hari

INVENTORY TURNOVER

8,0x

≈ 45,6 hari persediaan mengendap di gudang

Mari kita hitung bersama, langkah demi langkah, karena ini contoh nyata bagaimana data ERP diubah menjadi keputusan operasional. Anggap sebuah distributor elektronik di Semarang, mirip skala UMKM naik kelas, mencatat harga pokok penjualan atau COGS selama setahun sebesar 4,4 miliar rupiah — angka ini otomatis terekam di modul Financial ERP dari setiap transaksi penjualan. Lalu kita ambil rata-rata persediaan dari modul Supply Chain Management, yaitu rata-rata nilai persediaan awal 600 juta dan akhir 500 juta, sehingga rata-ratanya 550 juta rupiah. Rasio perputaran persediaan dihitung dengan membagi COGS dengan rata-rata persediaan, hasilnya delapan kali — artinya seluruh persediaan berputar atau terjual habis dan digantikan sebanyak delapan kali dalam setahun. Kalau kita ubah menjadi hari dengan membagi 365 hari dengan delapan, hasilnya sekitar 45,6 hari — ini berarti rata-rata barang mengendap di gudang hampir satu setengah bulan sebelum terjual, angka yang sangat berguna bagi manajer gudang untuk menilai apakah stok terlalu banyak atau justru terlalu sedikit.

Coba Sendiri: Ubah COGS & Persediaan, Amati ITR

Geser COGS tahunan dan rata-rata persediaan, lalu lihat bagaimana Inventory Turnover Ratio dan Days Inventory Outstanding berubah bersamaan.

Bagian 2 dari 3

Corporate Performance Management & Balanced Scorecard

Bagaimana data ERP diubah menjadi siklus manajemen kinerja perusahaan yang utuh, dari perencanaan strategi sampai skor kinerja tertimbang.

Corporate Performance Management (CPM)

CPM adalah kerangka manajerial yang menghubungkan strategi perusahaan dengan operasional harian lewat siklus berulang, seluruhnya ditopang data ERP.

Siklus ini berputar terus — hasil monitor dan analyze triwulan ini menjadi masukan strategize periode berikutnya.

Perhatikan bahwa CPM bukan proses satu kali jalan, melainkan siklus yang terus berputar sepanjang tahun, digambarkan dengan garis putus-putus kembali ke awal pada diagram ini. Tahap pertama, strategize, adalah saat manajemen puncak menetapkan sasaran besar, misalnya target pertumbuhan pendapatan 12% tahun depan. Tahap kedua, plan and budget, menerjemahkan sasaran itu menjadi angka anggaran konkret di modul Financial ERP — berapa alokasi untuk pemasaran, produksi, dan sumber daya manusia. Tahap ketiga, monitor, adalah saat dashboard ERP menampilkan realisasi dibanding rencana secara berkala, biasanya bulanan atau triwulanan, mirip laporan kinerja yang dipresentasikan direksi Unilever Indonesia ke pemegang saham. Tahap terakhir, analyze and adjust, adalah saat manajemen menganalisis penyimpangan dan merevisi rencana — misalnya kalau realisasi penjualan jauh di bawah target karena daya beli melemah, anggaran pemasaran kuartal berikutnya bisa disesuaikan. Semua data yang mengalir dalam siklus ini berasal dari satu sumber yang sama, yaitu database ERP, sehingga tidak ada perbedaan angka antar-departemen.

Dashboard Eksekutif: Satu Layar, Semua KPI

CPM modern disajikan lewat dashboard eksekutif — satu layar ringkas berisi KPI lintas-fungsi yang ditarik otomatis dari seluruh modul ERP.

Keuangan

Margin laba kotor
Arus kas operasi
Rasio utang

Operasional

On-time delivery
Inventory turnover
Downtime produksi

Pelanggan & SDM

Churn rate pelanggan
NPS (kepuasan)
Turnover karyawan

Contoh nyata: direksi Astra International memantau kinerja puluhan anak usaha lewat dashboard terkonsolidasi — tanpa CPM, tiap unit bisnis akan melapor dengan format & waktu berbeda-beda, sulit dibandingkan.

Bayangkan Anda seorang direktur operasi yang harus mengawasi puluhan cabang atau anak perusahaan sekaligus, seperti yang dialami direksi Astra International dengan berbagai lini bisnis otomotif, alat berat, hingga jasa keuangan. Tanpa dashboard eksekutif terpusat, setiap unit bisnis akan mengirimkan laporan dalam format Excel masing-masing, dengan periode dan definisi KPI yang mungkin berbeda-beda, sehingga sulit dibandingkan apel dengan apel. Dashboard eksekutif menyatukan KPI dari tiga area besar — keuangan seperti margin laba dan arus kas, operasional seperti ketepatan waktu pengiriman dan perputaran persediaan yang sudah kita hitung tadi, serta pelanggan dan sumber daya manusia seperti tingkat kepuasan pelanggan dan turnover karyawan. Karena semua angka ini bersumber dari database ERP yang sama, tidak ada lagi perdebatan "angka siapa yang benar" antar-departemen. Inilah nilai tambah terbesar CPM: satu sumber kebenaran atau single source of truth untuk seluruh organisasi.

Budgeting & Rolling Forecast dalam ERP

Modul CPM pada ERP tidak hanya mencatat anggaran tahunan statis, tetapi mendukung rolling forecast — perkiraan yang diperbarui berkala sepanjang tahun.

ANGGARAN TRADISIONAL

Disusun sekali di akhir tahun untuk 12 bulan ke depan. Kaku — sulit menyesuaikan saat kondisi pasar berubah cepat (mis. inflasi, PPN naik).

ROLLING FORECAST

Diperbarui tiap triwulan, selalu memproyeksikan 12 bulan ke depan. Memakai data aktual ERP terbaru sebagai basis revisi — lebih adaptif.

Tanpa integrasi ERP, rolling forecast makan waktu berminggu-minggu karena data harus dikumpulkan manual dari tiap departemen. Dengan ERP, data aktual otomatis tersedia begitu periode tutup buku selesai.

Salah satu keluhan klasik manajer keuangan di banyak perusahaan Indonesia adalah anggaran tahunan yang disusun bulan Desember sudah tidak relevan lagi pada bulan Maret, misalnya karena kenaikan harga bahan baku atau perubahan kebijakan pajak seperti PPN efektif 11% yang berlaku sejak PMK 131/2024. Rolling forecast menjadi solusi — alih-alih menyusun anggaran sekali setahun, tim keuangan memperbarui proyeksi setiap triwulan, selalu memandang 12 bulan ke depan, dan yang membuat ini mungkin dilakukan cepat adalah karena data aktual sudah otomatis tersedia dari modul Financial ERP begitu periode tutup buku selesai. Bayangkan sebuah perusahaan retail seperti Indomaret yang harus menyesuaikan rencana ekspansi toko tiap triwulan berdasarkan realisasi penjualan terkini — tanpa ERP, proses pengumpulan data dari ratusan cabang bisa memakan waktu berminggu-minggu, tetapi dengan ERP yang terintegrasi, data itu sudah siap begitu sistem ditutup di akhir bulan. Inilah mengapa CPM modern nyaris tidak mungkin dijalankan tanpa fondasi ERP yang solid.

Balanced Scorecard: Empat Perspektif Kinerja

Balanced Scorecard (BSC) mengukur kinerja perusahaan tidak hanya dari keuangan, tetapi empat perspektif yang saling terhubung sebab-akibat.

Balanced Scorecard diciptakan oleh Kaplan dan Norton karena banyak perusahaan terlalu fokus pada angka keuangan semata, padahal keuangan yang bagus hari ini bisa jadi hasil dari mengorbankan hal-hal penting jangka panjang, seperti mengurangi pelatihan karyawan demi menghemat biaya. Empat perspektif dalam diagram ini saling terhubung — perspektif keuangan di kanan atas adalah hasil akhir yang paling terlihat pemegang saham, berisi margin laba, ROI, dan pertumbuhan pendapatan. Perspektif pelanggan mengukur seberapa puas dan setia pelanggan, misalnya seperti yang diukur Telkomsel lewat tingkat churn pelanggan prabayar. Perspektif proses internal melihat ke dalam perusahaan sendiri, seberapa efisien produksi dan seberapa cepat siklus operasional berjalan. Perspektif pembelajaran dan pertumbuhan adalah fondasi paling dasar — kompetensi karyawan, budaya organisasi, dan sistem informasi termasuk ERP itu sendiri. Logikanya berantai: karyawan yang kompeten dan sistem ERP yang baik menghasilkan proses internal yang efisien, proses yang efisien menghasilkan pelanggan yang puas, dan pelanggan yang puas pada akhirnya menghasilkan kinerja keuangan yang kuat.

Strategy Map: Rantai Sebab-Akibat BSC

Empat perspektif BSC tersusun sebagai strategy map — rantai hipotesis sebab-akibat dari fondasi organisasi hingga hasil keuangan.

Contoh rantai: pelatihan tim gudang pakai modul WMS ERP (Pembelajaran) → waktu pemenuhan pesanan turun (Proses) → pelanggan puas & repeat order naik (Pelanggan) → pendapatan tumbuh (Keuangan).

Strategy map ini adalah cara memvisualisasikan hipotesis sebab-akibat yang tadi kita bahas secara lebih konkret, dibaca dari kiri bawah ke kanan atas seperti anak tangga menuju hasil keuangan. Mari kita telusuri contoh nyata di kotak bawah slide ini — sebuah perusahaan distribusi melatih tim gudangnya menggunakan modul Warehouse Management System di ERP, itu masuk perspektif pembelajaran dan pertumbuhan karena berkaitan dengan kompetensi karyawan dan sistem. Pelatihan itu membuat waktu pemenuhan pesanan menjadi lebih cepat, itu adalah perbaikan di perspektif proses internal. Proses yang lebih cepat membuat pelanggan senang karena barang sampai tepat waktu, mereka pun melakukan pemesanan ulang atau repeat order, itu masuk perspektif pelanggan. Pada akhirnya, repeat order yang meningkat mendorong pertumbuhan pendapatan, itulah hasil di perspektif keuangan yang paling atas. Rantai logika seperti inilah yang membuat manajemen bisa menjustifikasi investasi pada pelatihan atau sistem IT — bukan sekadar biaya, tetapi rantai sebab-akibat menuju hasil keuangan yang terukur.

Coba Sendiri: Simulasikan Strategy Map & Skor BSC

Geser skor capaian dan bobot tiap perspektif BSC, lalu amati bagaimana rantai sebab-akibat pada strategy map dan skor tertimbang total berubah bersamaan.

Hitung dari Nol: Skor BSC Tertimbang

Setiap perspektif diberi bobot sesuai prioritas strategis perusahaan, lalu skor pencapaian tiap perspektif (skala 0–100) dikalikan bobotnya.

Langkah	Perhitungan	Nilai
Perspektif Keuangan (bobot 40%, capaian 90)	90 × 40%	36,0
Perspektif Pelanggan (bobot 30%, capaian 80)	80 × 30%	24,0
Perspektif Proses Internal (bobot 20%, capaian 70)	70 × 20%	14,0
Perspektif Pembelajaran & Pertumbuhan (bobot 10%, capaian 60)	60 × 10%	6,0

SKOR BSC TERTIMBANG

80,0

36,0 + 24,0 + 14,0 + 6,0 — kategori "Baik" dari skala 100

Sekarang kita gabungkan empat perspektif tadi menjadi satu angka tunggal yang bisa dilaporkan ke direksi, mirip laporan kinerja tahunan yang biasa dipresentasikan di rapat umum pemegang saham perusahaan Tbk seperti Unilever Indonesia. Misalkan perusahaan menetapkan bobot strategis: keuangan diberi bobot paling besar 40% karena masih jadi prioritas utama pemegang saham, pelanggan 30%, proses internal 20%, dan pembelajaran-pertumbuhan 10% karena dianggap fondasi jangka panjang. Setiap perspektif punya skor capaian dari 0 sampai 100 berdasarkan realisasi dibanding target tahun ini — perspektif keuangan mencapai skor 90, dikalikan bobot 40% menghasilkan kontribusi 36 poin. Kita lakukan hal yang sama untuk tiga perspektif lainnya: pelanggan menyumbang 24 poin, proses internal 14 poin, dan pembelajaran-pertumbuhan 6 poin. Jika keempatnya dijumlahkan, hasilnya 80 dari skala 100, yang secara konvensi bisa dikategorikan "Baik" — inilah angka tunggal yang mencerminkan kinerja perusahaan secara seimbang, bukan hanya dari sisi laba semata.

Integrasi Balanced Scorecard dengan Modul ERP

Setiap perspektif BSC menarik datanya dari modul ERP yang berbeda — inilah mengapa BSC baru bisa diotomatisasi penuh setelah ERP terintegrasi.

Perspektif BSC	Modul ERP Sumber Data
Keuangan	Financial Management (GL, laporan laba rugi)
Pelanggan	Sales & CRM (retensi, keluhan, NPS)
Proses Internal	Supply Chain Management & Manufacturing
Pembelajaran & Pertumbuhan	Human Capital Management (pelatihan, kompetensi)

Tanpa ERP terintegrasi, keempat perspektif ini dikumpulkan manual dari sistem terpisah — lambat, rawan salah, dan sulit dibandingkan lintas periode.

Slide ini menghubungkan kembali materi hari ini dengan seluruh modul ERP yang sudah Anda pelajari sejak pertemuan-pertemuan sebelumnya. Perspektif keuangan pada Balanced Scorecard menarik datanya dari modul Financial Management, tepatnya buku besar atau general ledger dan laporan laba rugi yang sudah kita bahas jauh sebelumnya. Perspektif pelanggan bersumber dari modul Sales dan Customer Relationship Management, mencakup data retensi pelanggan dan keluhan yang masuk. Perspektif proses internal ditarik dari modul Supply Chain Management dan Manufacturing, seperti waktu siklus produksi dan tingkat cacat produk. Perspektif pembelajaran dan pertumbuhan bersumber dari modul Human Capital Management, mencatat jam pelatihan dan tingkat kompetensi karyawan. Inilah alasan mendasar mengapa Balanced Scorecard baru bisa berjalan otomatis dan real-time setelah perusahaan mengimplementasikan ERP yang terintegrasi penuh — sebelum ada ERP, keempat data ini biasanya tersebar di sistem terpisah milik masing-masing departemen, dan menggabungkannya bisa memakan waktu berminggu-minggu serta rawan kesalahan input manual.

Bagian 3 dari 3

Data Governance

Semua analitik dan skor kinerja tadi hanya sebaik data yang mendasarinya — bagaimana organisasi menjaga kualitas, keamanan, dan kepemilikan data ERP.

Kita sudah membahas bagaimana data ERP diubah menjadi dashboard, skor kinerja, dan rekomendasi strategis, tetapi ada satu prasyarat yang sering luput dari perhatian — semua analitik itu hanya akan sebaik data mentah yang mendasarinya. Kalau data pelanggan di modul CRM banyak duplikat, atau data persediaan di modul SCM tidak sinkron dengan gudang fisik, maka rasio perputaran persediaan yang kita hitung tadi bisa jadi menyesatkan manajemen. Bagian terakhir mata kuliah ini akan membahas data governance, yaitu kerangka kerja untuk menjaga siapa yang bertanggung jawab atas data, bagaimana kualitasnya dijaga, dan bagaimana keamanannya dilindungi, termasuk kaitannya dengan regulasi perlindungan data pribadi yang berlaku di Indonesia. Anggap ini seperti satpam dan petugas kebersihan gudang data — tanpa mereka, sebagus apa pun analitik yang kita bangun tadi, fondasinya rapuh.

Data Governance: Mengapa Data Bersih Itu Mahal Nilainya

Data governance adalah kerangka kebijakan & tanggung jawab yang memastikan data ERP akurat, konsisten, aman, dan dipakai sesuai aturan.

Walkthrough kasus: Tim Sales sebuah distributor mengetik nama pelanggan "PT Sumber Makmur" dengan lima ejaan berbeda di modul CRM (tanpa standar penulisan). Saat modul Financial menghitung total piutang per pelanggan, sistem menganggapnya lima pelanggan berbeda — laporan piutang jadi terpecah & understated, tim penagihan salah target.

Akar masalah: tidak ada aturan siapa yang berwenang membuat/mengedit data master pelanggan (data ownership), dan tidak ada validasi format saat input (data quality control) — dua pilar data governance yang akan kita bahas berikutnya.

Mari kita telusuri kasus konkret ini langkah demi langkah karena ini benar-benar terjadi di banyak perusahaan Indonesia yang baru mengimplementasikan ERP. Bayangkan lima staf sales yang berbeda menginput nama pelanggan yang sama, PT Sumber Makmur, tetapi masing-masing mengetiknya sedikit berbeda — ada yang pakai singkatan PT, ada yang menambahkan Tbk yang salah, ada yang salah ketik huruf. Bagi sistem ERP, kelima entri itu dianggap sebagai lima pelanggan yang benar-benar berbeda karena tidak ada aturan baku format penulisan atau validasi otomatis saat data dimasukkan. Akibatnya ketika modul Financial menghitung total piutang per pelanggan untuk keperluan penagihan, piutang PT Sumber Makmur yang seharusnya satu angka besar malah terpecah menjadi lima angka kecil di lima "pelanggan" berbeda, sehingga tim penagihan bisa salah memprioritaskan siapa yang perlu ditagih lebih dulu. Akar masalahnya ada dua: tidak jelas siapa yang berwenang membuat atau mengedit data pelanggan utama, dan tidak ada mekanisme validasi otomatis saat data diinput. Kedua hal inilah yang coba diselesaikan oleh kerangka data governance yang akan kita bahas di slide berikutnya.

Empat Pilar Data Governance

1. Data Ownership

Setiap tabel data (mis. data master pelanggan, produk) punya pemilik yang jelas — bertanggung jawab atas keakuratannya, bukan "milik IT saja".

2. Master Data Management (MDM)

Satu "sumber kebenaran" untuk data inti (pelanggan, produk, pemasok) yang dipakai seluruh modul ERP — mencegah kasus "5 nama pelanggan" tadi.

3. Data Quality

Validasi format saat input, deteksi duplikat otomatis, audit berkala — menjaga data tetap lengkap, konsisten, akurat.

4. Data Security & Access

Kontrol siapa boleh lihat/ubah data apa (mis. gaji karyawan hanya HCM & direksi) — role-based access control.

Keempat pilar ini bekerja sama untuk mencegah kasus yang kita bahas di slide sebelumnya terulang. Data ownership berarti setiap jenis data punya penanggung jawab yang jelas — misalnya manajer sales bertanggung jawab atas akurasi data master pelanggan, bukan sekadar tanggung jawab tim IT yang hanya mengurus sistemnya. Master data management atau MDM memastikan hanya ada satu versi data inti yang dipakai seluruh modul ERP, jadi ketika modul Sales menyebut PT Sumber Makmur, modul Financial dan modul SCM merujuk ke entitas yang persis sama, bukan lima entitas berbeda seperti kasus tadi. Data quality mencakup mekanisme teknis seperti validasi format nomor telepon atau NPWP saat diinput, deteksi otomatis kalau ada nama yang mirip untuk dicek manual, serta audit data berkala. Data security dan access control mengatur siapa boleh melihat atau mengubah data tertentu — misalnya data gaji karyawan di modul Human Capital Management hanya bisa diakses tim HR dan direksi, bukan semua karyawan, ini yang disebut role-based access control dan sangat relevan untuk mencegah kebocoran informasi sensitif.

Coba Sendiri: Hitung Skor Kualitas Data Perusahaan Anda

Geser skor tiap dimensi kualitas data (kelengkapan, akurasi, konsistensi, ketepatan waktu) dan bobotnya, lalu amati bagaimana skor kualitas data tertimbang berubah.

Data Governance & Regulasi di Indonesia

Data governance ERP tidak hanya soal efisiensi — di Indonesia, ada kewajiban hukum untuk melindungi data pribadi yang tersimpan di sistem seperti ERP.

UU PDP NO. 27/2022

Mewajibkan perusahaan (sbg pengendali data) melindungi data pribadi karyawan & pelanggan yang tersimpan di modul HCM/CRM — termasuk NIK, alamat, data gaji. Pelanggaran berujung sanksi administratif & pidana.

GRC (GOVERNANCE, RISK, COMPLIANCE)

Modul ERP tambahan yang mengaitkan data governance dengan kepatuhan regulasi & manajemen risiko perusahaan secara terpadu — umum di perusahaan Tbk.

Data governance yang lemah bukan hanya risiko operasional (laporan salah), tetapi juga risiko hukum & reputasi — terutama untuk data karyawan & pelanggan yang tersimpan di ERP.

Poin penting yang perlu Anda pahami sebagai calon praktisi bisnis digital adalah data governance bukan sekadar urusan teknis rapi-rapi data, tetapi juga kewajiban hukum. Undang-Undang Perlindungan Data Pribadi nomor 27 tahun 2022 mewajibkan setiap perusahaan yang menyimpan data pribadi — dan hampir semua ERP menyimpan data semacam ini di modul Human Capital Management untuk karyawan dan modul CRM untuk pelanggan, termasuk NIK, alamat, dan data gaji — untuk menjaga keamanan dan kerahasiaannya sebagai pengendali data. Pelanggaran terhadap UU PDP ini bisa berujung sanksi administratif bahkan pidana, jadi ini bukan urusan sepele. Di perusahaan yang sudah go public atau Tbk seperti BBCA atau Telkom, biasanya ada modul tambahan bernama GRC yaitu Governance, Risk, and Compliance, yang mengaitkan data governance dengan kepatuhan regulasi dan manajemen risiko secara menyeluruh dan terdokumentasi untuk keperluan audit. Jadi ketika Anda nanti bekerja mengelola sistem ERP di sebuah perusahaan, ingatlah bahwa data governance yang lemah bukan hanya berisiko membuat laporan salah seperti kasus piutang tadi, tetapi juga bisa membawa risiko hukum dan reputasi yang jauh lebih serius bagi perusahaan.

Latihan & Diskusi Kelas

Kerjakan berpasangan (10 menit), lalu presentasikan singkat.

Kasus

Sebuah perusahaan retail fesyen online (mirip skala UMKM naik kelas ke Tbk) baru mengimplementasikan ERP. Direksi ingin membangun Balanced Scorecard, tetapi tim IT melaporkan: data pelanggan di modul CRM punya banyak duplikat, dan data stok gudang sering tidak cocok dengan stok fisik.

Perspektif BSC mana yang datanya paling terdampak masalah ini? Jelaskan.
Pilar data governance mana yang harus dibenahi lebih dulu, dan mengapa?
Bagaimana urutan langkah yang Anda sarankan sebelum dashboard CPM dibangun?

Sekarang giliran Anda mempraktikkan seluruh materi hari ini dalam satu kasus terpadu. Silakan berpasangan dengan teman sebelah, luangkan waktu sekitar sepuluh menit untuk mendiskusikan kasus di layar ini, lalu kita akan minta beberapa pasangan mempresentasikan jawabannya secara singkat ke seluruh kelas. Perhatikan bahwa kasus ini sengaja menggabungkan tiga topik yang baru kita pelajari — Balanced Scorecard, data governance, dan urutan implementasi CPM — persis seperti tantangan nyata yang akan Anda hadapi kalau bekerja di divisi transformasi digital sebuah perusahaan retail atau startup e-commerce Indonesia. Jangan terburu-buru menjawab "bangun dashboard dulu" — pikirkan baik-baik mengapa urutan langkah itu penting, dan kaitkan jawaban Anda dengan konsep data quality dan master data management yang baru saja kita bahas. Saya akan berkeliling kelas untuk mendengarkan diskusi Anda selama sepuluh menit ke depan.

Rangkuman Mata Kuliah & Penutup

Konsep	Inti
Business Analytics	OLTP → ETL → Data Warehouse → OLAP → dashboard; 4 jenis analitik (descriptive–prescriptive)
Corporate Performance Management	Siklus strategize-plan-monitor-analyze berbasis data ERP; rolling forecast
Balanced Scorecard	4 perspektif (keuangan, pelanggan, proses, pembelajaran) + skor tertimbang
Data Governance	Ownership, MDM, kualitas, keamanan — fondasi semua analitik & kepatuhan UU PDP

Ini adalah pertemuan terakhir materi baru MK Perencanaan Sumber Daya Perusahaan — seluruh topik dari konsep dasar ERP (P1) sampai analitik bisnis (P14) menjadi bahan persiapan UAS. Pelajari kembali keterkaitan antar-modul, bukan hanya definisi per-topik.

Sampailah kita di penghujung mata kuliah Perencanaan Sumber Daya Perusahaan. Mari kita rangkum benang merah seluruh empat belas pertemuan lewat kacamata hari ini — semuanya bermuara pada satu ide besar bahwa ERP bukan sekadar sistem pencatat transaksi, melainkan fondasi bagi organisasi untuk mengambil keputusan berbasis data. Business analytics mengajarkan bagaimana data transaksi mentah diubah menjadi wawasan lewat arsitektur ETL dan data warehouse. Corporate performance management menunjukkan bagaimana wawasan itu dipakai dalam siklus manajerial yang berkelanjutan. Balanced scorecard memberi kita kerangka mengukur kinerja secara seimbang, tidak hanya dari angka keuangan. Dan data governance mengingatkan kita bahwa semua itu hanya berguna kalau data yang mendasarinya bersih, aman, dan dikelola dengan tanggung jawab yang jelas — termasuk memenuhi kewajiban hukum seperti UU PDP. Untuk persiapan ujian akhir semester, saya sarankan Anda tidak hanya menghafal definisi tiap topik, tetapi benar-benar memahami bagaimana modul-modul ERP yang sudah kita pelajari sejak pertemuan pertama saling terhubung menjadi satu ekosistem data yang utuh. Terima Kasih atas partisipasi Anda selama satu semester ini, sampai jumpa di ujian akhir semester.