Intisari Artikel
- Keputusan bisnis berbasis data sering terhenti di tengah jalan, bukan karena perusahaan kekurangan data, melainkan karena insight yang dihasilkan tidak pernah benar benar tertanam dalam proses pengambilan keputusan.
- Kernel Future memperkenalkan Data to Decision Framework, Nilai Keputusan Bisnis sama dengan Kecepatan Insight dikalikan Kedalaman Analitik dikalikan Budaya Iterasi.
- McKinsey menemukan hanya 20 persen pemimpin merasa organisasinya unggul dalam pengambilan keputusan, dan hanya 37 persen yang keputusannya berkualitas tinggi sekaligus cepat.
- Sebelum menambah lebih banyak dashboard, periksa dulu kesiapan organisasi lewat Data to Decision Check di lima dimensi, Embedding, Analytics Depth, Decision Speed, Feedback Loop, dan Culture.
Siapa yang tidak bangga punya dashboard penuh angka dan laporan bulanan setebal puluhan halaman? Semua terlihat rapi, semua terlihat “data driven”. Tapi tahukah Anda, punya banyak dashboard sama sekali tidak sama dengan benar benar membuat keputusan berdasarkan data?
Kernel Future ingin meluruskan satu hal sejak awal. Masalahnya bukan karena bisnis kekurangan data atau kekurangan dashboard. Masalahnya adalah karena insight dari data itu berhenti di laporan yang dibaca sekali lalu dilupakan, tidak pernah benar benar sampai ke momen ketika keputusan penting sedang diambil.
Kenapa Perusahaan yang “Punya Data” Belum Tentu Membuat Keputusan Bisnis Lebih Baik?
McKinsey menemukan proses pengambilan keputusan di kebanyakan perusahaan cenderung lambat dan tidak efektif. Hanya sekitar 20 persen pemimpin yang disurvei merasa organisasinya unggul dalam pengambilan keputusan, dan hanya 37 persen yang mengaku keputusan di organisasinya berkualitas tinggi sekaligus cepat diambil.
Ini janggal kalau dipikir ulang, karena hampir semua perusahaan besar hari ini sudah punya tim analitik, dashboard, dan laporan berkala. Tapi kepemilikan data ternyata tidak otomatis menyelesaikan masalah kualitas dan kecepatan keputusan. Ada jarak yang lebar antara data yang tersedia dan keputusan yang benar benar diambil berdasarkan data tersebut.
Kernel Future Data to Decision Framework: Keputusan Bisnis Berbasis Data
Untuk menjelaskan jarak ini, Kernel Future melihat nilai keputusan bisnis sebagai hasil dari tiga variabel yang saling bergantung, bukan sekadar fungsi dari seberapa banyak data yang dimiliki.
Nilai Keputusan Bisnis = Kecepatan Insight × Kedalaman Analitik × Budaya Iterasi
Kecepatan Insight Seberapa cepat data benar benar tertanam di titik keputusan diambil, bukan sekadar tersedia di dashboard terpisah yang jarang dibuka.
Kedalaman Analitik Seberapa jauh organisasi bergerak dari sekadar menjelaskan apa yang sudah terjadi menuju merekomendasikan apa yang sebaiknya dilakukan selanjutnya.
Budaya Iterasi Seberapa disiplin organisasi mengukur hasil dari keputusan yang diambil, lalu memakainya untuk memperbaiki proses berikutnya secara berkelanjutan.
Karena ketiganya berbentuk perkalian, perusahaan dengan data paling lengkap sekalipun tetap akan gagal menciptakan nilai keputusan yang nyata kalau salah satu variabel ini lemah. Tiga bagian berikutnya membedah masing masing variabel ini secara lebih dalam.
Deep Dive 1, Kecepatan Insight, Data yang Tertanam Bukan Sekadar Tersedia
Data yang hanya tersimpan di dashboard terpisah, betapapun lengkap, tidak akan pernah mengubah keputusan yang sedang diambil di ruang rapat hari ini.
McKinsey, dalam studi The Data Driven Enterprise of 2025, menjabarkan tujuh karakteristik perusahaan yang benar benar data driven. Karakteristik pertama dan paling mendasar, data harus tertanam di setiap keputusan, interaksi, dan proses, bukan menjadi rujukan sesekali yang dicek kalau sempat. Menurut studi ini, pada organisasi yang benar benar matang, karyawan tidak lagi menunggu laporan bulanan untuk memutuskan sesuatu, mereka bertanya bagaimana teknik data terbaru bisa menyelesaikan masalah dalam hitungan jam atau hari, bukan dalam roadmap yang berbulan bulan.
Kernel Future Insight Pertanyaan paling sederhana untuk menguji ini, coba tanya ke tim Anda, “keputusan apa yang kalian ambil minggu ini yang benar benar berubah karena data terbaru, bukan karena kebiasaan lama?” Kalau jawabannya sulit ditemukan, itu tandanya data di organisasi Anda masih sekadar tersedia, belum benar benar tertanam di titik keputusan.
Deep Dive 2, Kedalaman Analitik, Jarak Antara BI Deskriptif dan Decision Intelligence Preskriptif
Kebanyakan tools BI yang dipakai perusahaan hari ini dirancang untuk menjelaskan apa yang sudah terjadi, bukan merekomendasikan apa yang sebaiknya dilakukan selanjutnya.
Analisis dari Diwo menjelaskan bahwa mayoritas perusahaan masih kesulitan menjawab pertanyaan mengapa sesuatu terjadi, apalagi menentukan tindakan apa yang seharusnya diambil. Tools BI yang ada kebanyakan bersifat deskriptif, sementara kemampuan prediktif dan preskriptif biasanya hanya bisa diakses lewat data scientist, sumber daya yang langka dan jarang dilibatkan karena keterbatasan waktu.
Pointwest menjelaskan tingkatan analitik ini secara berjenjang, mulai dari deskriptif yang menjelaskan apa yang terjadi, diagnostik yang mencari akar sebabnya, prediktif yang memperkirakan apa yang mungkin terjadi selanjutnya, hingga preskriptif yang merekomendasikan tindakan optimal. Semakin tinggi perusahaan bergerak di tangga ini, semakin besar pula nilai keputusan yang bisa dihasilkan dari data yang sama.
Kernel Future Insight Banyak perusahaan bangga sudah “pakai data”, padahal yang mereka pakai baru sebatas laporan deskriptif, sekadar tahu apa yang sudah terjadi bulan lalu. Nilai sesungguhnya baru muncul ketika organisasi berani melangkah ke analitik prediktif dan preskriptif, meskipun itu berarti mendemokratisasi kemampuan yang selama ini terkunci di tangan segelintir data scientist saja.
Deep Dive 3, Budaya Iterasi, Keputusan Berbasis Insight Bukan Sekadar Insting
Data yang bagus dan model yang canggih tidak akan berguna kalau organisasi tidak punya kebiasaan mengukur hasil keputusannya dan memperbaikinya secara berkelanjutan.
Insightland mendefinisikan inti dari pengambilan keputusan berbasis data secara sederhana, ini soal membuat keputusan bisnis yang berakar pada insight konkret, bukan tebakan atau gut feeling semata. Pointwest menambahkan bahwa siklus ini tidak berhenti setelah keputusan diambil, organisasi perlu mengukur dampak dari setiap keputusan yang diinformasikan oleh analitik terhadap indikator kinerja utamanya, lalu memakai feedback loop yang berkelanjutan untuk menyempurnakan sumber data, model, dan proses keputusan dari waktu ke waktu.
Kernel Future Insight Budaya iterasi inilah yang membedakan organisasi yang benar benar data driven dari yang cuma punya banyak data. Perusahaan yang berhenti setelah satu kali keputusan diambil, tanpa pernah mengecek apakah keputusan itu benar benar berhasil, pada dasarnya masih berjudi, hanya saja perjudiannya dibungkus dengan angka yang terlihat meyakinkan.
Framework Second Order Impact, dari Dashboard yang Diabaikan ke Gap Kompetitif yang Melebar
Bagian ini menunjukkan bagaimana kegagalan menanamkan insight ke keputusan sehari hari bisa merambat jadi kerugian kompetitif yang jauh lebih besar dari yang terlihat di permukaan.
First Order Impact Perusahaan mengumpulkan banyak data. Dashboard terlihat lengkap, laporan berkala tersusun rapi, semua terlihat “data driven” di atas kertas.
↓
Second Order Impact Insight dari data tersebut berhenti di laporan, tidak pernah benar benar tertanam dalam momen pengambilan keputusan sehari hari, sehingga keputusan penting tetap diambil berdasarkan kebiasaan dan intuisi lama, meskipun data sebenarnya tersedia.
↓
Third Order Impact Gap kompetitif mulai melebar dari waktu ke waktu, biasanya baru terasa setelah beberapa tahun berjalan, dalam bentuk,
- Compounding advantage, organisasi yang benar benar menanamkan data ke keputusannya mencatat performa keuangan dan operasional yang secara konsisten lebih baik dibanding kompetitor
- Decision fatigue, tim terus membuat keputusan penting dengan kecepatan rendah dan kualitas yang tidak konsisten karena insight tidak pernah datang tepat waktu
- Talent frustration, analis dan data scientist terbaik merasa kerja mereka sia sia karena rekomendasinya jarang benar benar dipakai untuk mengambil keputusan
- Stagnant data maturity, organisasi terus membeli tools BI baru tanpa pernah naik kelas dari analitik deskriptif menuju preskriptif
↓
Business Impact Value creation atau value stagnation. Perusahaan yang menanamkan data ke setiap keputusan, memperdalam kemampuan analitiknya, dan membangun budaya iterasi, terus mengumpulkan keunggulan dari waktu ke waktu. Perusahaan yang berhenti di kepemilikan data saja akan tetap stagnan, meskipun secara statistik “punya data” sebanyak kompetitornya.
Data to Decision Check
Setelah memahami masalahnya, langkah berikutnya adalah menilai seberapa jauh organisasi Anda benar benar mengubah data menjadi keputusan. Kernel Future menggunakan lima pertanyaan berikut, selaras dengan tiga variabel dalam framework di atas. Jawab setiap pertanyaan dengan Ya atau Belum, lalu hitung total jawaban Ya di akhir.
Embedding Apakah insight dari data benar benar muncul di titik keputusan diambil, bukan tersimpan di laporan terpisah yang jarang dibuka? (Ya / Belum)
Analytics Depth Apakah organisasi sudah melangkah melampaui analitik deskriptif menuju prediktif atau preskriptif untuk keputusan yang paling penting? (Ya / Belum)
Decision Speed Bisakah tim mengambil keputusan yang berkualitas tinggi sekaligus cepat, bukan harus memilih salah satu dari keduanya? (Ya / Belum)
Feedback Loop Apakah hasil dari keputusan yang diambil diukur dan dipakai untuk memperbaiki sumber data serta proses keputusan berikutnya? (Ya / Belum)
Culture Apakah budaya organisasi, dari level pemimpin ke bawah, benar benar mendukung keputusan berbasis insight dibanding sekadar mengikuti kebiasaan lama? (Ya / Belum)
Hasil 0 sampai 2 jawaban Ya, artinya organisasi Anda masih sebatas mengumpulkan data, belum benar benar mengubahnya jadi keputusan. 3 sampai 4 jawaban Ya, artinya organisasi Anda sudah di jalur yang benar, tinggal menutup celah yang tersisa. 5 jawaban Ya, artinya organisasi Anda sudah benar benar mengubah data menjadi keunggulan kompetitif yang nyata.
Kalau hasil Anda belum sampai lima, itu artinya menambah lebih banyak dashboard justru berisiko menambah kebisingan, bukan memperbaiki kualitas keputusan.
Pertanyaan yang Sering Diajukan (FAQ)
Apakah punya banyak data otomatis membuat perusahaan data driven?
Tidak. McKinsey menemukan hanya sekitar 20 persen pemimpin merasa organisasinya unggul dalam pengambilan keputusan, meskipun mayoritas perusahaan besar sudah punya tim analitik dan dashboard. Data driven berarti insight benar benar tertanam di titik keputusan, bukan sekadar tersedia.
Apa beda BI deskriptif dan Decision Intelligence preskriptif?
BI deskriptif menjelaskan apa yang sudah terjadi berdasarkan data historis, sementara Decision Intelligence preskriptif merekomendasikan tindakan optimal berdasarkan insight prediktif. Kebanyakan perusahaan masih terjebak di tahap deskriptif karena kemampuan prediktif dan preskriptif biasanya hanya bisa diakses lewat data scientist yang jumlahnya terbatas.
Apakah benar perusahaan data driven 23 kali lebih mungkin mengakuisisi pelanggan?
Angka ini sangat sering dikutip di berbagai artikel dan sering disebut berasal dari McKinsey, tapi sulit dilacak ke laporan McKinsey yang spesifik dan bisa diverifikasi. Riset akademik yang lebih bisa ditelusuri dari McAfee dan Brynjolfsson di MIT justru menemukan angka yang lebih moderat, perusahaan yang paling data driven di industrinya rata rata 5 persen lebih produktif dan 6 persen lebih profitable dibanding kompetitor. Kernel Future memilih bersikap jujur soal ini daripada mengulang angka yang viral tapi sulit diverifikasi.
Apa langkah pertama untuk mulai menanamkan data ke keputusan sehari hari?
Mulai dari satu keputusan berulang yang paling sering diambil tim Anda, lalu pastikan insight relevan muncul otomatis tepat di momen keputusan itu diambil, bukan di laporan terpisah yang harus dicari manual. Setelah itu, ukur apakah kualitas keputusan tersebut membaik, baru perluas ke keputusan lain.
Sebelum bertanya kenapa tim kami belum sepenuhnya data driven, tanyakan terlebih dahulu apakah insight dari data kami benar benar sampai ke titik keputusan diambil, atau cuma berhenti di dashboard yang jarang dibuka.
Daftar Pustaka
- McKinsey, The Data Driven Enterprise of 2025, https://www.mckinsey.com/~/media/mckinsey/business%20functions/mckinsey%20analytics/our%20insights/the%20data%20driven%20enterprise%20of%202025/the-data-driven-enterprise-of-2025-final.pdf
- Diwo, McKinsey’s 7 Characteristics of the Data Driven Enterprise, https://diwo.ai/blog/7-characteristics-of-the-data-driven-enterprise
- Pointwest, Data Driven Decision Making, Framework for Integrating Analytics, https://pointwest.com/data-driven-decision-making-framework-for-integrating-analytics/
- Insightland, Data Driven Decision Making, https://insightland.org/blog/data-driven-decision-making/
- McAfee, A., dan Brynjolfsson, E., Big Data, The Management Revolution, Harvard Business Review, dikutip ulang di https://managementquotes.wordpress.com/2022/01/17/big-data-the-management-revolution-quotes-from-andrew-mcafee-and-erik-brynjolfsson/
- Domo, Making Decisions Driven by Data Analytics, https://www.domo.com/glossary/making-decisions-driven-by-data-analytics
Google