5 Pertanyaan yang Wajib Anda Ajukan Sebelum Memulai Proyek Data

Saat Anda mendapatkan permintaan data yang samar, ajukan pertanyaan-pertanyaan ini!

Bayangkan skenario umum ini: Anda seorang data analyst di sebuah perusahaan, dan bos Anda meminta Anda melakukan "analisis cepat." Tapi permintaan ini terlalu samar! Anda tidak tahu metrik apa yang dia minati, kerangka waktu yang dia pikirkan, atau bahkan pertanyaan spesifik yang ingin dia jawab.

Alih-alih menjelajahi berbagai kemungkinan secara acak untuk mencari tahu apa yang mereka inginkan, ajukan pertanyaan klarifikasi kepada stakeholder Anda.

Mengajukan pertanyaan yang tepat di awal mencegah pemborosan waktu dan memastikan Anda memberikan apa yang dibutuhkan stakeholder Anda.

Contoh Konkret:

Sebagai data analyst di perusahaan e-commerce, Product Manager meminta saya menganalisis "performa tim marketing". Tanpa bertanya lebih lanjut, saya menghabiskan 2 hari membuat dashboard komprehensif dengan 15 metrik berbeda. Ternyata, PM hanya ingin melihat conversion rate dari kampanye email terbaru dibandingkan dengan kampanye sebelumnya. Saya membuang waktu 2 hari untuk sesuatu yang bisa dikerjakan dalam 2 jam.

Actionable Insight:

Buat template "Brief Permintaan Data" yang mencakup kelima pertanyaan di bawah ini. Minta stakeholder mengisi brief ini sebelum Anda memulai setiap proyek analisis. Ini tidak hanya menghemat waktu Anda, tetapi juga membantu stakeholder mengklarifikasi pemikiran mereka.

Berikut adalah pertanyaan klarifikasi favorit saya ketika diberikan permintaan data yang samar.

1. Apa Pertanyaan Bisnis Utamanya?

Sebelum memulai analisis apa pun, Anda perlu mengetahui pertanyaan bisnis utama, karena ini akan memandu data yang akan Anda kumpulkan.

Untuk mengklarifikasi pertanyaan bisnis, tanyakan kepada stakeholder Anda!

Contoh Konkret:

Saat diminta "menganalisis data pelanggan" oleh VP Sales, saya mengajukan pertanyaan: "Apa pertanyaan bisnis utama yang ingin Anda jawab dengan analisis ini?" Jawabannya mengubah pendekatan saya sepenuhnya: "Saya ingin mengetahui apakah program loyalitas baru kita meningkatkan retensi pelanggan." Dengan kejelasan ini, saya langsung tahu bahwa saya perlu fokus pada metrik retensi dan membandingkan pelanggan yang berpartisipasi dalam program dengan yang tidak.

Actionable Insight:

Ketika stakeholder memberikan permintaan ambigu, ulangi permintaan tersebut dalam format "pertanyaan bisa dijawab". Misalnya, jika mereka berkata "Saya ingin analisis tentang kampanye email", responlah dengan "Jadi, pertanyaan bisnis utamanya adalah 'Apakah kampanye email meningkatkan penjualan dibandingkan bulan lalu?' Benar begitu?"

Berikut beberapa pertanyaan bisnis yang mungkin mereka berikan sebagai respons:

Apakah kita memenuhi KPI tahun ini, dan jika tidak, mengapa?
Bagaimana perbandingan performa penjualan April ini dengan April tahun lalu?
Apa dampak dari kampanye marketing Tahun Baru?
Siapa pelanggan paling berharga kita?

Jika responnya masih tidak jelas, Anda mungkin perlu mengajukan lebih banyak pertanyaan lanjutan.

2. Informasi Spesifik Apa yang Paling Membantu Anda?

Minta mereka untuk sedetail mungkin - field data apa yang mereka butuhkan? Kerangka waktu apa yang mereka minati? Jika mereka tertarik pada kerangka waktu tertentu, apakah mereka ingin melihat tren year-over-year atau month-over-month? Jika ya, seberapa jauh ke belakang Anda harus melihat dalam analisis?

Contoh Nyata:

Untuk analisis performa tim customer service, VP Operations menyatakan butuh "metrik layanan pelanggan". Dengan mengajukan pertanyaan lebih spesifik, saya mengidentifikasi bahwa dia sebenarnya membutuhkan:

Average Response Time selama jam kerja vs. di luar jam kerja
First Contact Resolution Rate per agent
Customer Satisfaction Score untuk tiket yang diselesaikan dalam 24 jam vs. >24 jam
Data hanya untuk Q1 2025, dibandingkan dengan Q1 2024
Tanpa klarifikasi ini, saya mungkin menyertakan puluhan metrik tidak relevan.

Actionable Insight:

Buat "checklist metrik" untuk berbagai jenis analisis umum di perusahaan Anda. Saat stakeholder meminta analisis, tunjukkan checklist yang relevan dan minta mereka menandai metrik spesifik yang mereka butuhkan.

Misalnya, jika Anda bekerja untuk perusahaan makanan hewan peliharaan dan mereka ingin menganalisis keberhasilan kampanye email "Bark the Halls", mereka mungkin meminta metrik ini:

Open Rate: Persentase penerima yang membuka email.
Click-Through Rate (CTR): Jumlah penerima yang mengklik tautan dalam email.
Unsubscribe Rate: Jumlah penerima yang berhenti berlangganan setelah menerima email kampanye.

3. Seperti Apa "Kesuksesan" Itu? Apakah Ada Target atau Threshold Spesifik yang Anda Harapkan untuk Dipenuhi?

Mengetahui apa yang dimaksud dengan "sukses" sangat penting untuk menginterpretasikan data, dan menentukan apakah Anda menyampaikan kabar "baik" atau "buruk".

Contoh Konkret:

Saat menganalisis kampanye email dan menemukan open rate 35%, awalnya saya pikir ini buruk. Namun, setelah berbicara dengan manajer marketing, saya mengetahui bahwa apa pun di atas 10% sudah dianggap kesuksesan besar! Pemahaman ini mengubah cara saya mempresentasikan temuan dan membingkai kesuksesan kampanye.

Actionable Insight:

Untuk setiap metrik utama dalam analisis Anda, minta stakeholder menentukan tiga tingkat: "Di bawah ekspektasi", "Memenuhi ekspektasi", dan "Melebihi ekspektasi". Gunakan informasi ini untuk membuat visualisasi dengan kode warna yang intuitif, menunjukkan status setiap metrik pada pandangan pertama.

Pemahaman ini juga mengarah pada pertanyaan lanjutan yang bermanfaat, termasuk:

"Mengapa kampanye ini jauh lebih sukses dari kampanye sebelumnya?"
"Apa yang membuatnya berbeda?"
"Bisakah kita mengulangi ini di masa depan?"

4. Apakah Anda Pernah Melihat Laporan Seperti Ini Sebelumnya? Jika Ya, Bisakah Anda Mengirimkannya kepada Saya Sebagai Referensi?

Saya selalu mengajukan pertanyaan ini - ini sangat menghemat waktu! Jika bos Anda bisa menemukan laporan serupa dari sebulan yang lalu, mereka hanya butuh beberapa menit untuk membagikannya tetapi menghemat hari-hari Anda untuk tidak perlu menciptakan ulang roda.

Contoh Konkret:

Ketika diminta membuat analisis churn pelanggan, saya bertanya apakah ada laporan serupa sebelumnya. Finance Director memberikan laporan kuartal sebelumnya yang berisi tidak hanya format yang disukai, tetapi juga metodologi perhitungan churn yang telah disetujui perusahaan. Ini menghemat minimal 2 hari kerja dan memastikan konsistensi analisis antar kuartal.

Actionable Insight:

Buat repositori laporan dan analisis dengan tagging dan metadata yang baik, sehingga Anda dapat dengan cepat menemukan analisis serupa yang pernah dibuat sebelumnya. Ini tidak hanya menghemat waktu, tetapi juga memastikan konsistensi metodologi dari waktu ke waktu.

Bahkan jika laporannya tidak persis seperti yang mereka inginkan, ini memberi Anda gambaran tentang apa yang mereka cari, sehingga Anda tidak perlu memulai dari awal.

5. Siapa Audiens untuk Data Ini? Tim atau Stakeholder Mana yang Akan Meninjau?

Memahami audiens Anda adalah kunci untuk menentukan format yang tepat dalam menyajikan hasil. Eksekutif mungkin menginginkan PowerPoint dengan grafik, sementara departemen IT mungkin memerlukan kode dan kalkulasi yang mendasarinya.

Contoh Nyata:

Untuk analisis penurunan traffic website, saya menghabiskan satu hari membuat dashboard teknis detailed dengan 20+ metrik. Ternyata, presentasi akan disampaikan ke Board of Directors yang lebih suka one-pager dengan 3 insight utama dan rekomendasi konkret. Format yang salah membuat insight berharga saya terabaikan karena tidak disampaikan dengan cara yang sesuai untuk audiensnya.

Actionable Insight:

Tanyakan tidak hanya siapa audiensnya, tetapi juga dalam format apa analisis akan disampaikan: meeting tatap muka, email ringkasan, dashboard interaktif, atau presentasi formal. Setiap format membutuhkan pendekatan berbeda untuk mengemas insight yang sama.

Jangan buang-buang waktu membuat dashboard cantik jika itu bukan yang mereka butuhkan!

Mengetahui audiens Anda juga membantu Anda mengantisipasi pertanyaan potensial. Misalnya, jika analisis ini untuk tim marketing, bersiaplah untuk pertanyaan tentang performa kampanye, engagement audiens, dan metrik konversi.

Pikiran Akhir

Ajukan pertanyaan sepanjang proses analisis data untuk menjaga Anda dan stakeholder Anda tetap pada halaman yang sama.

Sayangnya, analis data bukanlah pembaca pikiran, jadi penting bagi bos Anda untuk mengkomunikasikan kebutuhan mereka dengan jelas sebelum Anda mulai data wrangling.

Tip bonus: Untuk menghemat lebih banyak waktu, bagikan sampel analisis Anda kepada stakeholder sepanjang proses.

Misalnya, alih-alih menghabiskan 8 jam pada Proyek X hanya untuk menyadari bahwa Anda telah fokus pada variabel yang salah, bagikan analisis parsial sejak awal. Dengan cara ini, jika Anda tidak berada di jalur yang benar, Anda bisa mengubah arah sebelum menginvestasikan lebih banyak waktu.

Glosarium

1. Business Question (Pertanyaan Bisnis)

Pertanyaan spesifik yang ingin dijawab melalui analisis data, yang memandu proses pengumpulan dan analisis.

2. KPI (Key Performance Indicator)

Metrik terukur yang menunjukkan seberapa efektif sebuah organisasi dalam mencapai tujuan bisnisnya.

3. Data Wrangling

Proses pembersihan, restrukturisasi, dan pengayaan data mentah untuk membuatnya lebih mudah dianalisis.

4. Stakeholder

Individu atau kelompok yang memiliki kepentingan atau pengaruh dalam proyek data, seperti manajer, eksekutif, atau tim lain.

5. Open Rate

Dalam marketing email, persentase penerima yang membuka email yang dikirimkan. Dihitung dengan membagi jumlah open dengan jumlah email terkirim.

6. Click-Through Rate (CTR)

Persentase orang yang melihat email, iklan, atau halaman web dan mengklik tautan tertentu. Dihitung sebagai: (Jumlah Klik ÷ Jumlah Impression) × 100.

7. YoY (Year-over-Year)

Metode untuk membandingkan hasil dari satu periode dengan periode yang sama tahun sebelumnya, membantu mengidentifikasi tren jangka panjang.

8. MoM (Month-over-Month)

Metode untuk membandingkan hasil dari satu bulan dengan bulan sebelumnya, berguna untuk melacak perubahan dalam jangka pendek.

9. Data Visualization (Visualisasi Data)

Representasi grafis dari informasi dan data menggunakan elemen visual seperti grafik, diagram, dan peta.

10. Actionable Insights

Informasi yang diperoleh dari analisis data yang secara langsung dapat digunakan untuk mengambil tindakan atau keputusan bisnis.

Citations:

in Data Analyst

Bekerja Lebih Cerdas, Bukan Lebih Keras: Menggunakan Prinsip 80/20 dalam Analisis Data