Hierarki Kebutuhan Layanan Diri dalam Analisis Data

Mengenang era 90-an ketika alat bisnis cerdas layanan diri seperti Business Objects dan Cognos pertama kali muncul, kita dihadapkan dengan prediksi berani bahwa Excel akan mati dan analisis data layanan diri akan mendominasi. Namun, realitasnya tidak sesuai harapan. Meskipun alat analisis semakin canggih seperti Tableau dan Power BI hadir, adopsi layanan diri hanya mencapai 26% secara global (360Suite, 2021).

Penulis artikel ini, Andrew Taft, mantan insinyur perangkat lunak di Citigroup dan pencipta FlexIt Analytics, merenung tentang kegagalan implementasi layanan diri dan menyarankan pendekatan ilmiah yang terinspirasi oleh Hierarki Kebutuhan Maslow.

Hierarki Kebutuhan Layanan Diri

Taft menyajikan konsep Hierarki Kebutuhan Layanan Diri, mirip dengan Hierarki Kebutuhan Maslow, untuk merinci fondasi yang diperlukan agar analisis data layanan diri dapat berkembang. Seperti Maslow yang memulai dari kebutuhan fisik, di bagian paling dasar hierarki ini adalah Pengumpulan Data. Taft menekankan bahwa data yang dikumpulkan harus berasal dari berbagai sumber dan disimpan dalam apa yang disebut sebagai ‘Data Lake’.

Berlanjut ke tingkat berikutnya, proses Transformasi menjadi kunci untuk memberikan kepastian, kestabilan, dan kontrol. Bersamaan dengan membersihkan dan mengorganisir data, tahap ini memungkinkan model bisnis di gudang data. Namun, dia menyoroti pentingnya melibatkan pemilik domain bisnis di sini.

Tingkat ketiga adalah Lapisan Semantik, setara dengan tingkat kasih sayang dan kekayaan hubungan dalam Hierarki Maslow. Di sini, konsep seperti katalog data dan lapisan semantik universal menjadi fokus, memungkinkan para analis untuk mengandalkan istilah dan deskripsi yang ramah bisnis.

Pada tingkat Analisis, kita memasuki dunia alat BI, laporan, dan dasbor. Ini mencakup dua tipe analisis utama: Deskriptif yang menunjukkan apa yang terjadi dan Diagnostik yang menjelaskan mengapa itu terjadi. Taft mengkritik pandangan bahwa alat BI dapat menjadi solusi mandiri, mencatat bahwa terlalu sering mereka malah menjadi penghalang.

Puncak hierarki adalah tingkat Pencapaian Diri dan Transendensi. Di sini, kepercayaan tingkat tinggi terhadap data dan proses membuka pintu untuk analisis Prediktif dan Preskriptif, membawa organisasi ke tingkat penggunaan kecerdasan buatan dan otomatisasi yang lebih tinggi.

Komponen Organisasi Berbasis Data

Taft menyoroti tiga pilar penting: Orang, Proses, dan Alat. Dengan konsentrasi 50% pada orang, 30% pada proses, dan 20% pada alat, ia menggarisbawahi kebutuhan akan buy-in tingkat eksekutif, pengembangan proses yang responsif melalui metodologi Agile, dan peran alat sebagai pendukung, bukan solusi.

Langkah-langkah Membangun Organisasi Berbasis Data

1. Buy-in: Dapatkan dukungan dari tingkat eksekutif sebagai langkah awal. Tanpa ini, implementasi hierarki kebutuhan diri sulit dilakukan.
2. Mulai Kecil: Gunakan pendekatan Agile untuk memulai dengan proyek cepat yang memberikan kemenangan awal.
3. Bangun Proses: Hindari arsitektur yang berantakan dengan menetapkan standar dan tata kelola data sejak awal.
4. Demokratisasi: Hapus data silos, tingkatkan literasi data, dan bangun kepercayaan antara bisnis dan TI.
5. Bermitra: Pastikan kolaborasi antara tim teknologi dan bisnis terjalin melalui kelompok DART (Data Analytics and Reporting Team).
6. Evaluasi: Ukur keberhasilan dan terus tingkatkan. Terapkan siklus ini secara berulang.

Kesimpulan

Andrew Taft menyajikan pandangan yang mendalam tentang evolusi analisis data layanan diri melalui lensa Hierarki Kebutuhan. Sementara tidak ada solusi ajaib, pendekatannya yang berfokus pada orang, proses, dan alat memberikan pandangan yang realistis dan terukur untuk membangun organisasi berbasis data yang efektif.

Sumber:

• 360Suite, 2021