Dari tabel mentah menjadi keputusan bisnis.

Kasus 01 · E-commerce

Dashboard Performa Penjualan Multi-Kanal

Tim manajemen sebuah retailer online (dianonimkan) hanya melihat total penjualan bulanan — terlambat menyadari kanal mana yang melambat. Saya membangun dashboard mingguan per kanal di Looker Studio di atas query SQL terjadwal.

/* Pertanyaan bisnis */
-- Kanal mana yang benar-benar tumbuh,
-- dan kanal mana yang diam-diam
-- menggerus margin promosi?
SELECT kanal, pendapatan, aov, konversi
FROM penjualan_mingguan
GROUP BY kanal, minggu;

// setiap analisis saya mulai dari pertanyaan, bukan dari grafik

Kasus 02 · Aplikasi langganan

Dashboard Retensi & Churn Pelanggan

Churn bulanan terlihat "stabil" di angka agregat, padahal kohort baru berhenti lebih cepat. Saya menyusun analisis kohort dengan Python (pandas) dan menuangkannya ke dashboard Tableau untuk tim produk.

/* Pertanyaan bisnis */
-- Di bulan ke berapa pelanggan paling
-- banyak hilang, dan kohort mana yang
-- paling rapuh?
SELECT kohort, bulan_ke, retensi_pct
FROM retensi_kohort;

// angka agregat menyembunyikan masalah; kohort membukanya

Kasus 03 · Operasional & logistik

Dashboard Stok & Ketepatan Pengiriman

Empat gudang, laporan stok terpisah-pisah di Excel, dan keluhan stok kosong yang baru ketahuan setelah penjualan hilang. Saya menyatukan datanya lewat SQL dan membangun dashboard operasional harian di Power BI.

/* Pertanyaan bisnis */
-- Gudang mana yang paling sering
-- kehabisan stok, dan berapa penjualan
-- yang hilang karenanya?
SELECT gudang, stockout_pct, sla_pct
FROM operasional_harian;

// dashboard operasional dinilai dari satu hal: dipakai tiap pagi atau tidak