Apa itu actionable insights?
Actionable insights (Wawasan yang dapat ditindaklanjuti) adalah kesimpulan dari data yang bisa langsung diubah menjadi tindakan atau respons. Data yang digunakan bisa berupa data terstruktur atau data tidak terstruktur, kuantitatif maupun kualitatif. Meskipun wawasan ini memberikan dorongan untuk bertindak, tetap diperlukan orang atau proses yang mengeksekusi tindakan tersebut.
Wawasan yang dapat ditindaklanjuti muncul dari satu atau lebih orang yang menganalisis data mentah. Wawasan ini juga bisa diperoleh dari big data ketika melibatkan sejumlah besar data terstruktur dan tidak terstruktur.
Beberapa wawasan mungkin bisa langsung didapat dari data, tetapi dalam banyak kasus, analisis tambahan diperlukan untuk memahami tindakan yang harus diambil. Data bisa menunjukkan apa yang terjadi, tetapi data terkait atau analisis manusia sering diperlukan untuk menjelaskan kenapa hal itu terjadi. Sering kali, “kenapa” lebih penting dibandingkan “apa” agar wawasan bisa benar-benar diterapkan.
Siapa saja bisa menggunakan wawasan yang dapat ditindaklanjuti. Dalam bisnis, manajer bisa menggunakannya untuk meningkatkan produk, layanan, budaya perusahaan, moral karyawan, atau retensi karyawan. Data yang digunakan bisa berasal dari karyawan, pelanggan, atau mitra bisnis. Semua departemen dalam organisasi—termasuk teknik, penjualan, pemasaran, keuangan, hukum, operasional, hingga manajemen eksekutif—bisa menggunakan wawasan ini untuk melakukan perubahan dan perbaikan.
Wawasan yang dapat ditindaklanjuti juga harus mempertimbangkan apakah tindakan yang diusulkan bisa dilakukan atau tidak. Misalnya, jika wawasan dari wawancara pelanggan menunjukkan bahwa 60% pelanggan ingin pergi ke bulan, ini bukan wawasan yang dapat ditindaklanjuti karena perusahaan tidak memiliki cara untuk mewujudkannya.
Cara mendapatkan wawasan yang dapat ditindaklanjuti
Untuk mendapatkan wawasan yang dapat ditindaklanjuti, perusahaan perlu memiliki infrastruktur yang mendukung pengumpulan data dan manajemen data. Selain itu, perusahaan juga memerlukan alat untuk menganalisis data agar bisa mendapatkan makna dari data tersebut.
Infrastruktur
Karena wawasan berasal dari data, perusahaan membutuhkan dukungan IT internal atau vendor pihak ketiga untuk mengumpulkan, menyimpan, mengorganisasi, dan menganalisis data mereka. Penyedia infrastruktur—baik internal maupun eksternal—harus mampu menangani volume data yang terus bertambah. Misalnya, untuk mendapatkan wawasan dari data IoT, media sosial, atau aset multimedia, perusahaan mungkin perlu menyimpan terabyte data setiap hari atau minggu.
Kualitas data
Wawasan yang dapat ditindaklanjuti mengikuti prinsip “garbage in, garbage out.” Jika data yang dianalisis tidak lengkap, tidak valid, atau tidak relevan, maka wawasan yang dihasilkan juga akan salah. Perusahaan bisa menerapkan proses quality assurance untuk memastikan akurasi data sebelum diimpor ke database. Audit rutin juga bisa dilakukan untuk menjaga kualitas data setelah disimpan.
Integrasi data (menghilangkan silo data)
Silo data bisa menghalangi perusahaan dalam melihat gambaran besar. Jika data tersimpan di database yang terpisah dan tidak terhubung, maka perusahaan tidak bisa mendapatkan wawasan yang menyeluruh. Misalnya, review positif untuk satu layanan bisa saja menyembunyikan review negatif dari pelanggan yang sama untuk layanan lain yang datanya tersimpan di database terpisah.
Wawasan yang dapat ditindaklanjuti lebih efektif jika semua data yang relevan dikumpulkan untuk dianalisis. Misalnya, sebuah bank bisa menggabungkan data interaksi pelanggan di website dengan data transaksi offline, seperti kunjungan ke cabang dan transaksi ATM.
Publikasi dan edukasi
Di perusahaan besar, tidak semua manajer dan karyawan tahu bahwa ada database penting yang tersedia. Bahkan jika mereka tahu keberadaannya, mereka mungkin tidak tahu cara menggunakannya. Perusahaan bisa meningkatkan wawasan yang dapat ditindaklanjuti dengan mempublikasikan dan mengedukasi tentang sistem, alat, dan laporan yang tersedia. Pelatihan bisa dilakukan secara perusahaan, departemen, atau individu.
Analisis
Wawasan yang dapat ditindaklanjuti muncul ketika manusia menganalisis data untuk menentukan tindakan yang perlu diambil. Data, dalam bentuk laporan atau dashboard, hanya memberikan “apa,” sementara wawasan muncul dari analisis “kenapa.” Wawasan yang mengarah pada tindakan lebih berharga dibandingkan wawasan yang hanya menjawab pertanyaan. Selain itu, tindakan spesifik lebih efektif dibandingkan tindakan yang terlalu umum. Misalnya, “merekrut dua insinyur perangkat lunak di Midwest” lebih baik daripada “merekrut lebih banyak insinyur.”
Contoh wawasan yang dapat ditindaklanjuti
Analitik web
Pemilik bisnis sering menggunakan analitik web, seperti Google Analytics, untuk mendapatkan wawasan yang dapat ditindaklanjuti. Misalnya, sebuah produsen pakaian bisa membagi halaman produknya berdasarkan kategori dan menganalisis transaksi serta tingkat konversi per kategori. Jika penjualan baju pria turun 20% dalam seminggu, mereka bisa memeriksa inventaris dan menemukan bahwa produk yang populer sedang kehabisan stok. Wawasan yang dapat ditindaklanjuti di sini adalah mempercepat pemesanan ulang produk tersebut.
Diagnosis medis dan AI
Dokter menggunakan wawasan dari data medis seperti hasil rontgen, CT scan, dan MRI untuk menentukan diagnosis. Dalam penelitian, AI digunakan untuk membantu dokter dalam diagnosis penyakit. Misalnya, di Universitas California, San Francisco, peneliti menggunakan AI untuk menganalisis scan otak dan memprediksi apakah seorang pasien akan mengembangkan penyakit Alzheimer, bahkan enam tahun sebelum diagnosis klinis dilakukan.
Atribusi pemasaran
Atribusi pemasaran adalah metode untuk menentukan saluran dan konten yang berkontribusi terhadap penjualan. Beberapa model atribusi umum meliputi:
- First-touch attribution: Interaksi pertama pelanggan dengan merek mendapatkan kredit atas penjualan.
- Last-touch attribution: Interaksi terakhir pelanggan dengan merek mendapatkan kredit atas penjualan.
- Multi-touch attribution: Kredit dibagi di antara beberapa titik kontak pelanggan.
Dengan atribusi pemasaran, pemasar bisa menentukan saluran mana yang memberikan ROI terbaik dan mengambil keputusan investasi pemasaran yang lebih baik.
AI dalam analisis data bisnis
Beberapa perusahaan menggunakan AI untuk menganalisis data bisnis mereka. Misalnya, Toyota Financial Services menggunakan AI untuk membantu agen call center memahami preferensi dan kekhawatiran pelanggan, sehingga bisa memberikan layanan yang lebih baik secara real-time.