Data Demystified: Empat Jenis Analitik

Selamat datang di bagian keempat dari seri Data Demystified yang berlangsung selama sebulan. Sebagai bagian dari Bulan Literasi Data, seri ini akan memperjelas konsep-konsep kunci dalam dunia data, menjawab pertanyaan yang mungkin Anda enggan tanyakan, dan tetap seru di sepanjang perjalanan. Jika Anda ingin mulai dari awal, baca entri pertama kami dalam seri ini: Apa Itu Dataset?

Pada entri ini, kami akan menjelajahi berbagai jenis analitik, dari deskriptif hingga preskriptif, mengidentifikasi jenis pertanyaan yang dapat dijawab oleh data, memberi contoh, dan lainnya. 

Empat jenis pertanyaan, empat jenis analitik

Data dapat digunakan untuk menjawab hampir tak terhitung banyaknya pertanyaan, tetapi kita bisa mengelompokkannya menjadi empat kategori. Ini secara alami mengarah pada berbagai jenis analisis data: setiap kategori pertanyaan memiliki jenis analitik yang sesuai.

Keempat jenis analisis ini disusun berdasarkan tingkat kompleksitas yang meningkat. Bergantung pada cakupan proyek data, menyelesaikan analisis menyeluruh mungkin melibatkan beberapa jenis analisis sekaligus.

Sebelum menyelami berbagai jenis analitik, mari kita pertimbangkan analogi dunia nyata: pasien yang mengunjungi dokter. Pertama, dokter akan memeriksa pasien untuk mendapatkan deskripsi gejala. Berikutnya, dokter berupaya mendiagnosis masalah medis yang menyebabkan gejala tersebut. Ketiga, dokter mencoba memprediksi bagaimana gejala akan berubah seiring waktu (apakah pasien akan membaik atau memburuk). Terakhir, dokter meresepkan pengobatan untuk pasien.

Analitik Deskriptif: Memahami Apa yang Terjadi

Analitik deskriptif menjawab pertanyaan seperti "apa yang sedang terjadi?" atau "apa yang terjadi?".

Teknik utama yang digunakan dalam analitik deskriptif adalah menghitung statistik ringkasan dan membuat visualisasi data. Statistik ringkasan mencakup jumlah data, rata-rata seperti mean dan median, serta ukuran variasi seperti rentang dan deviasi standar. 

Anda dapat membaca lebih lanjut tentang statistik ringkasan pada entri berikutnya dari Data Demystified tentang statistik deskriptif. Selain itu, Anda dapat melihat lembar contekan berikut untuk menyelami visualisasi data. 

Contoh Analitik Deskriptif

Mari kita lihat sebuah contoh. Misalnya Anda ingin memahami pendorong pendapatan perusahaan Anda. Anda melakukan analitik deskriptif pada data penjualan, menjawab pertanyaan seperti:

• Berapa banyak penjualan yang terjadi bulan lalu? (Jumlah transaksi penjualan.)
• Berapa nilai transaksi rata-rata? (Harga jual rata-rata.)
• Seberapa besar variasi antara total penjualan per toko? (Deviasi standar total penjualan per toko.)
• Berapa total penjualan per hari? (Plot garis total penjualan terhadap tanggal.)

Analitik Diagnostik: Memahami Alasannya

Analitik deskriptif sering kali memunculkan pertanyaan baru. Dalam contoh penjualan, Anda mungkin melihat total penjualan yang tidak terduga rendah pada suatu hari Kamis. Mengetahui apa yang terjadi adalah titik awal yang membantu, tetapi itu bukan kesimpulan yang memuaskan untuk sebuah analisis. Pertanyaan jelas berikutnya adalah, "mengapa penjualan rendah pada hari Kamis itu?".

Ini adalah pertanyaan yang memerlukan analisis diagnostik. Secara umum, analisis diagnostik menjawab pertanyaan seperti "mengapa sesuatu terjadi?". Biasanya, yang dimaksud adalah nilai yang sangat tinggi atau sangat rendah secara tak terduga, yang juga dikenal sebagai outlier.

Analitik diagnostik sering melibatkan langkah-langkah berikut:

1. Membentuk hipotesis tentang mengapa hal yang tidak biasa itu terjadi.
2. Mengumpulkan data yang terkait dengan kemungkinan penyebab.
3. Melakukan analitik deskriptif pada subset data Anda ("penambangan data").
4. Memasang model statistik seperti regresi untuk menelaah hubungan antara penyebab dan hal yang tidak biasa tersebut.

Satu hal yang perlu dicatat adalah bahwa dalam banyak kasus, Anda hanya dapat menentukan adanya hubungan antara apa yang Anda ukur dan penyebab yang diduga. Anda tidak akan bisa membuktikan bahwa itu benar-benar penyebabnya. Dalam entri Data Demystified mendatang, kami akan membahas jebakan korelasi vs. kausalitas. 

Contoh Analitik Diagnostik

Kembali ke contoh penjualan, setelah menemukan total penjualan yang tidak terduga rendah pada satu hari Kamis bulan lalu, Anda memutuskan untuk melakukan analisis diagnostik pada data penjualan.

• Membentuk hipotesis: Hipotesis pertama Anda adalah penjualan lebih rendah karena gangguan pada situs web, sehingga menghambat penjualan online. 
• Mengumpulkan data: Anda mengambil data performa situs web.
• Analitik deskriptif: Anda membuat plot garis performa dari waktu ke waktu tetapi tidak melihat penurunan pada hari Kamis itu. Berikutnya, Anda menghitung total penjualan yang dipisah berdasarkan kanal online dan di toko, dan melihat bahwa penurunan terjadi di toko pada satu wilayah negara.
• Membentuk hipotesis lain: Anda teringat bahwa bagian negara tersebut dilanda badai hebat pada hari Kamis itu, dan berhipotesis bahwa hal tersebut mungkin membuat pelanggan enggan datang.
• Mengumpulkan data: Anda mengambil data cuaca untuk setiap lokasi toko.
• Memasang model statistik: Anda memasang model deret waktu pada data total penjualan, menggunakan cuaca sebagai masukan model. Hasilnya menunjukkan cuaca buruk berkorelasi dengan penjualan yang lebih rendah.

Analitik Prediktif: Memahami Apa yang Akan Terjadi

Analisis data tidak hanya memungkinkan Anda memahami masa lalu. Jenis analitik ketiga berkaitan dengan membuat prediksi. Ini bisa berupa prediksi tentang masa depan, yang disebut peramalan, tetapi tidak harus demikian. Prediksi juga dapat berkaitan dengan apakah pelanggan masuk ke segmen pelanggan tertentu atau apakah sebuah transaksi bersifat curang atau tidak. Teknik utama dalam analitik prediktif adalah model statistik, meskipun dalam konteks prediksi, model-model tersebut sering disebut model pembelajaran mesin. 

Anda dapat membaca lebih lanjut tentang pembelajaran mesin dalam entri ketiga Data Demystified, mengenai perbedaan antara data science, artificial intelligence, machine learning, dan deep learning. 

Contoh Analitik Prediktif

Setelah mendiagnosis masalah penjualan rendah, atasan Anda kini khawatir tentang kuartal berikutnya dan ingin mengetahui seperti apa pendapatan dalam beberapa bulan mendatang. Akibatnya, Anda menggunakan model deret waktu yang sama seperti sebelumnya, kali ini untuk memprediksi penjualan di masa depan. 

Atasan Anda juga ingin memahami calon pelanggan mana yang harus ditargetkan berdasarkan siapa yang paling mungkin membeli. Karena itu, Anda membuat sebuah model pembelajaran mesin berdasarkan karakteristik pelanggan, seperti riwayat pembelian sebelumnya dan perkiraan pendapatan, untuk memprediksi probabilitas mereka akan melakukan pembelian. 

Analitik Preskriptif: Bagaimana Kita Bisa Mewujudkannya? 

Salah satu manfaat besar analitik data adalah Anda dapat menggunakannya untuk membantu membuat keputusan yang lebih baik. Artinya, alih-alih mengandalkan insting, Anda membuat keputusan berbasis data. Analitik preskriptif membantu Anda menjawab pertanyaan seperti "Apa yang sebaiknya kita lakukan?".

Teknik yang digunakan dalam analitik preskriptif dibangun di atas model pembelajaran mesin dari analitik diagnostik dan prediktif untuk memungkinkan Anda mengeksplorasi berbagai skenario. Selain itu, analitik preskriptif mencakup optimasi untuk menemukan skenario terbaik dari berbagai pilihan.

Contoh Analitik Preskriptif

Atasan Anda sedang bimbang. Prediksi pendapatan tidak setinggi harapan dewan, sehingga atasan Anda kini tertekan untuk mengembangkan ide-ide peningkatan. Mereka meminta Anda menyusun solusi berbasis data.

• Bersama atasan Anda, Anda merumuskan beberapa skenario untuk mengubah porsi penjualan di toko/online dan mengubah harga produk kunci.
• Anda menggunakan analitik prediktif untuk membuat prediksi bagi masing-masing skenario.
• Setelah menemukan beberapa skenario yang menjanjikan, Anda kemudian menggunakan optimasi untuk menyempurnakan skenario hingga hasil terbaik.

Ingin Belajar Lebih Lanjut?

Kami harap Anda menikmati pengantar singkat ini tentang berbagai jenis analitik data. Pada entri seri berikutnya, kami akan mengeksplorasi analitik deskriptif lebih dalam dan berfokus pada teknik statistik dalam analitik deskriptif. 

• Lihat apa yang kami rencanakan untuk Bulan Literasi Data
• Mulai dengan Skill Track Understanding Data Topics kami
• Berlangganan Podcast DataFramed
• Lihat acara kami yang akan datang
• Baca entri berikutnya dari Seri Data Demystified tentang statistik deskriptif