Ikhtisar

Setelah Anda mengenal kerangka kerja SMART untuk mengajukan pertanyaan, Anda dapat berhenti sejenak untuk menerapkan apa yang telah Anda pelajari. Dalam refleksi diri ini, Anda akan mempertimbangkan pertanyaan yang akan Anda ajukan pada skenario tertentu.

Refleksi diri ini akan mengembangkan wawasan mengenai apa yang telah Anda pelajari dan mempersiapkan Anda untuk menerapkan pengetahuan Anda tentang kerangka kerja SMART ke dalam penyelidikan data. Saat Anda menjawab pertanyaan - dan mengajukan pertanyaan Anda sendiri - Anda akan mempertimbangkan konsep, praktik, dan prinsip yang akan membantu memperdalam pemahaman serta memperkuat pembelajaran Anda. Anda telah bekerja keras, jadi pastikan untuk mendapatkan hasil semaksimal mungkin: Refleksi ini akan memantapkan pengetahuan Anda!

Skenario

Anda telah bekerja sebagai sebagai analis data junior selama tiga minggu. Perusahaan tempat Anda bekerja baru saja mengumpulkan data penjualan akhir pekan. Manajer Anda meminta Anda untuk melakukan pemeriksaan mendalam terhadap data tersebut. Untuk memulai proyek ini, Anda harus mengajukan beberapa pertanyaan dan mendapatkan beberapa informasi.

PertanyaanSMART

Untuk mengingatkan Anda, pertanyaan dalam kerangka kerja SMART harus:

Spesifik(Specific): Pertanyaannya sederhana, signifikan, dan terfokus pada satu topik atau beberapa ide yang memiliki kaitan yang erat.

Terukur (Measurable): Pertanyaannya dapat diukur dan dinilai.

Berorientasi pada tindakan(action-oriented): Pertanyaannya mendorong terjadinya perubahan.

Relevan(Relevant): Pertanyaannya berbobot, penting, dan memiliki arti bagi permasalahan yang sedang Anda coba selesaikan.

Dibatasi waktu(Time-bound): Pertanyaannya menyebutkan waktu yang akan dipelajari.

Selanjutnya, Anda akan menggunakan kerangka kerja SMART untuk mengajukan pertanyaan yang efektif tentang skenario di atas. Kemudian, Anda akan memikirkan topik yang harus dijawab oleh pertanyaan SMART Anda.

Mengajukan jenis pertanyaan yang tepat

Anda dapat menerapkan kerangka kerja SMART untuk semua jenis pertanyaan. Jenis pertanyaan yang Anda ajukan dapat membantu Anda mengeksplorasi topik lebih dalam dengan data Anda. Pertimbangkan bagaimana pertanyaan Anda membantu Anda memeriksa tujuan, audiens, waktu, keamanan, dan sumber daya.

Beberapa topik yang biasa ditanyakan antara lain:

Tujuan: Apa tujuan dari analisis mendalam ini? Apa, jika ada, pertanyaan yang diharapkan akan dijawab oleh analisis ini?

Audiens: Siapa saja para pemangku kepentingannya? Siapa yang tertarik atau memiliki perhatian khusus tentang hasil analisis ini? Kepada siapa presentasi hasil analisis dilakukan?

Waktu: Berapa lama jangka waktu penyelesaian analisis ini? Pada tanggal berapa analisis ini selesai dilakukan?

Sumber daya: Sumber daya apa yang tersedia untuk mencapai tujuan analisis mendalam ini?

Keamanan:Siapa yang seharusnya memiliki akses ke informasi?

Pikirkan tentang bagaimana Anda dapat mengajukan pertanyaan di atas sesuai dengan kerangka kerja SMART.

Membuat pertanyaan

Sekarang, susunlah pertanyaan untuk membantu Anda memahami tujuan bisnis mereka, jenis data yang berinteraksi dengan mereka, dan keterbatasan data yang ada.

Gunakan kerangka kerja pertanyaan SMART untuk memastikan setiap pertanyaan yang Anda ajukan sesuai dengan bidang pekerjaan mereka. Setiap pertanyaan harus memenuhi kriteria SMART sebanyak mungkin. 

Untuk mengingatkan Anda, pertanyaan SMART adalah:

Spesifik(Specific): Pertanyaannya sederhana, signifikan, dan terfokus pada satu topik atau beberapa ide yang memiliki kaitan yang erat.

Terukur (Measurable): Pertanyaannya dapat diukur dan dinilai.

Berorientasi pada tindakan(action-oriented): Pertanyaannya mendorong terjadinya perubahan.

Relevan(Relevant): Pertanyaannya berbobot, penting, dan memiliki arti bagi permasalahan yang sedang Anda coba selesaikan.

Dibatasi waktu(Time-bound): Pertanyaannya menyebutkan waktu yang akan dipelajari.

Misalnya, jika Anda melakukan percakapan dengan seseorang yang bekerja di toko, Anda mungkin akan memulai dengan beberapa pertanyaan seperti:

• Spesifik: Apakah saat ini Anda menggunakan data untuk mengarahkan berbagai keputusan dalam bisnis Anda? Jika demikian, jenis data apa yang Anda kumpulkan dan bagaimana Anda menggunakannya?
• Terukur:Apakah Anda tahu berapa persentase penjualan yang berasal dari produk Anda yang paling laris?
• Berorientasi pada tindakan:Apakah ada keputusan atau perubahan bisnis yang akan Anda buat jika Anda memiliki informasi yang tepat? Misalnya, jika Anda memiliki informasi tentang bagaimana penjualan payung tergantung pada cuaca, bagaimana Anda akan menggunakan informasi itu?
• Relevan:Seberapa sering Anda meninjau data bisnis Anda?
• Dibatasi waktu: Dapatkah Anda menjelaskan bagaimana data membantu Anda membuat keputusan yang tepat untuk toko Anda tahun lalu?

Jika Anda melakukan percakapan dengan seorang guru, Anda mungkin mengajukan pertanyaan yang berbeda, seperti:

• Spesifik : Jenis data apa yang Anda gunakan untuk mengembangkan pelajaran Anda?
• Terukur : Seberapa baik nilai tes tolok ukur siswa berkorelasi dengan nilai mereka?
• Berorientasi pada tindakan :  Apakah Anda berbagi data dengan guru lain untuk meningkatkan kualitas pelajaran?
• Relevan : Sudahkah Anda membagikan data penilaian ke seluruh kelas? Jika demikian, apakah siswa tampak lebih atau kurang termotivasi, atau sama saja?
• Dibatasi waktu : Dalam lima tahun terakhir, berapa kali Anda meninjau data dari tahun akademik sebelumnya?

Jika Anda melakukan percakapan dengan pemilik usaha kecil toko es krim, Anda bisa bertanya:

• Spesifik : Data apa yang Anda gunakan untuk mengelola pembelian dan stok persediaan?
• Terukur : Dapatkah Anda memeringkat faktor-faktor penjualan ini dimulai dari faktor yang paling tidak berpengaruh: harga, rasa, dan waktu dalam suatu tahun (musim)?
• Berorientasi pada tindakan : Apakah ada satu faktor yang paling Anda butuhkan datanya agar Anda berpeluang meningkatkan penjualan?
• Relevan :  Bagaimana Anda beriklan atau berkomunikasi dengan para pelanggan?
• Dibatasi waktu : Seperti apa pertumbuhan penjualan Anda dari tahun ke tahun dalam tiga tahun terakhir?

Membuat catatan yang rapi

Anda perlu membuat catatan yang rapi selama percakapan Anda. Catatan Anda harus komprehensif dan bermanfaat. Untuk membantu Anda mencatat hal-hal yang penting, Anda harus tetap melakukan proses mengajukan pertanyaan, mengklarifikasi pemahaman Anda mengenai jawaban mereka, dan kemudian merekamnya dalam catatan Anda dengan ringkas. 

Ingatlah: Jika sebuah pertanyaan layak untuk diajukan, maka jawabannya layak dicatat. Anda harus berkomitmen untuk mencatat hal-hal penting selama percakapan Anda. 

Aspek-aspek bermanfaat dari sebuah percakapan yang harus Anda catat meliputi:

• Fakta: Tuliskan informasi konkret apa pun, seperti tanggal, waktu, nama, dan hal spesifik lainnya.
• Konteks:Fakta tanpa konteks tidak ada gunanya. Perhatikan detail relevan yang diperlukan untuk memahami informasi yang Anda kumpulkan.
• Hal yang tidak diketahui: Terkadang Anda melewatkan pertanyaan penting selama percakapan. Catat kapan ini terjadi agar Anda bisa mendapatkan jawabannya nanti.

Misalnya, jika pertanyaan SMART sebelumnya membuat pemilik toko es krim mengusulkan proyek untuk menganalisis preferensi pelanggan mengenai  rasa es krim, catatan Anda mungkin tampak seperti ini:

Proyek: Kumpulkan data preferensi pelanggan mengenai rasa es krim.

Tujuan bisnis secara keseluruhan: Gunakan data untuk menawarkan atau menciptakan rasa yang lebih populer.

Dua sumber data: Nota pembayaran dari kasir dan survei pelanggan yang telah diselesaikan (email).

Target tanggal penyelesaian: Kuartal 2

Yang perlu dilakukan: Hubungi kembali nanti dan berbicara dengan manajer tentang lokasi data survei.

Hal-hal lebih lanjut tentang pertanyaan SMART

Perusahaan di berbagai industri saat ini berhadapan dengan perubahan yang cepat dan penuh ketidakpastian. Bahkan perusahaan yang mapan sekalipun berada di bawah tekanan untuk selalu mengikuti dan mencari tahu hal baru apa yang akan terjadi selanjutnya. Untuk melakukan itu, mereka perlu mengajukan berbagai pertanyaan. Mengajukan pertanyaan yang tepat dapat memicu ide-ide inovatif yang banyak dibutuhkan oleh berbagai perusahaan saat ini.

Hal yang sama berlaku untuk analitik data. Tidak peduli berapa banyak informasi yang Anda miliki atau seberapa canggih alat Anda, data Anda tidak akan banyak menghasilkan jika Anda tidak memulai dengan pertanyaan yang tepat. Anggap saja seperti seorang detektif yang memiliki banyak bukti tetapi tidak pernah bertanya kepada tersangka utama kasus itu.  Berikutnya, Anda akan lebih banyak belajar tentang cara mengajukan pertanyaan yang efektif, dan praktik-praktik yang sebaiknya Anda hindari.

Pertanyaan yang sangat efektif adalah pertanyaan SMART:

Contoh pertanyaan SMART

Berikut adalah contoh yang menguraikan proses berpikir untuk mengubah pertanyaan tentang masalah menjadi satu atau lebih pertanyaan SMART dengan menggunakan metode SMART:Fitur apa yang dicari orang saat membeli mobil baru?

Spesifik: Apakah pertanyaan itu fokus pada fitur mobil tertentu?

Terukur: Apakah pertanyaan itu mencakup sistem penilaian fitur?

Berorientasi pada tindakan: Apakah pertanyaan itu memengaruhi pembuatan paket fitur yang berbeda atau baru?

Relevan: Apakah pertanyaan itu mengidentifikasi fitur mana yang dapat mendorong atau mengurungkan pembelian mobil?

Dibatasi waktu: Apakah pertanyaan itu memvalidasi data tentang berbagai fitur paling populer dalam tiga tahun terakhir?

Pertanyaannya harus bersifat terbuka. Pertanyaan terbuka adalah cara terbaik untuk mendapatkan jawaban yang akan membantu Anda memilih atau membatalkan solusi potensial untuk masalah Anda. Jadi, berdasarkan proses berpikir, kemungkinan pertanyaan SMART yang bisa diajukan adalah:

Pada skala 1-10 (dengan 10 menjadi yang paling penting) seberapa penting mobil Anda memiliki penggerak empat roda?

Apa lima fitur teratas yang ingin Anda temui dalam sebuah mobil?

Fitur apa, jika digabungkan dengan penggerak empat roda, akan membuat Anda cenderung membeli mobil itu?

Berapa tambahan harga yang akan Anda bayar untuk mobil dengan penggerak empat roda?

Apakah penggerak empat roda menjadi kurang atau lebih populer dalam tiga tahun terakhir?

Hal-hal yang harus dihindari saat mengajukan pertanyaan

Pertanyaan yang mengarahkan: pertanyaan yang hanya memiliki jawaban tertentu

Contoh: Produk ini terlalu mahal, bukan?

Ini adalah pertanyaan yang mengarahkan karena menunjukkan jawaban sebagai bagian dari pertanyaan. Pertanyaan yang lebih baik mungkin adalah, "Apa pendapat Anda tentang produk ini?" Ada banyak jawaban untuk pertanyaan itu, dan hal ini dapat menyertakan informasi tentang kebergunaan, fitur, aksesori, warna, keandalan, dan popularitas, selain harga. Sekarang, jika masalah Anda benar-benar terfokus pada harga, Anda bisa mengajukan pertanyaan seperti "Berapa harga (atau kisaran harga) yang akan membuat Anda mempertimbangkan untuk membeli produk ini?" Pertanyaan ini akan memberikan banyak tanggapan terukur yang berbeda.

Pertanyaan tertutup: pertanyaan yang hanya meminta jawaban satu kata atau singkat

Contoh: Apakah Anda puas dengan uji coba pelanggan?

Ini adalah pertanyaan tertutup karena tidak mendorong orang untuk memperluas jawaban mereka. Sangat mudah bagi mereka untuk memberikan jawaban satu kata yang tidak terlalu informatif. Pertanyaan yang lebih baik mungkin adalah, "Apa yang Anda pelajari tentang pengalaman pelanggan dari uji coba ini" Ini mendorong orang untuk memberikan lebih banyak detail selain "Ini berjalan dengan baik."

Pertanyaan yang tidak jelas: pertanyaan yang tidak spesifik atau tidak memberikan konteks

Contoh: Apakah alat ini sesuai untuk Anda?

Pertanyaan ini terlalu kabur karena tidak ada konteksnya. Apakah ini tentang membandingkan alat baru dengan alat lama yang diganti? Anda tidak tahu. Pertanyaan yang lebih baik mungkin adalah, "Terkait dengan entri data, apakah alat yang baru lebih cepat, lebih lambat, atau hampir sama dengan alat lama? Jika lebih cepat, berapa banyak waktu yang dihemat? Jika lebih lambat, berapa banyak waktu yang hilang?” Pertanyaan-pertanyaan ini memberikan konteks (entri data) dan membantu membingkai jawaban yang dapat diukur (waktu).

Enam jenis permasalahan

 Enam jenis permasalahan

Analitik data bukan sekadar memasukkan informasi ke dalam platform untuk menemukan hasil berupa wawasan. Analitik data adalah tentang bagaimana memecahkan masalah. Untuk sampai ke akar permasalahan tersebut dan menemukan solusi praktis, ada banyak kesempatan untuk berpikir kreatif. Tidak peduli apa masalahnya, langkah pertama dan paling penting adalah memahaminya. Selanjutnya, Anda sebaiknya mengambil pendekatan pemecahan masalah dalam analisis Anda untuk membantu Anda memutuskan informasi apa yang perlu dimasukkan, bagaimana transformasi data dilakukan, dan bagaimana data akan digunakan.

Analis data biasanya berhadapan dengan enam jenis permasalahan.

This illustration shows a numbered list with six icons. Each icon represents one of the six problem types.

1. Making predictions

2. Categorizing things

3. Spotting something unusual

4. Identifying themes

5. Discovering connections

6. Finding patterns

Sebuah video, Jenis permasalahan umum, memperkenalkan enam jenis permasalahan yang masing-masingnya disertai dengan sebuah contoh. Berikut ini adalah rangkuman contoh-contoh tersebut untuk ditinjau.

Membuat prediksi

Perusahaan yang ingin mengetahui metode periklanan terbaik untuk mendapatkan pelanggan baru adalah contoh masalah yang membutuhkan seorang analis untuk membuat prediksi. Para analis dengan data mengenai lokasi, jenis media, dan jumlah pelanggan baru yang diperoleh dari iklan sebelumnya tidak dapat menjamin hasil di masa depan, tetapi mereka dapat membantu memprediksi penempatan iklan terbaik untuk menjangkau target audiens yang tepat.

Mengategorikan berbagai hal

Contoh masalah yang mengharuskan analis untuk mengategorikan berbagai hal adalah tujuan perusahaan untuk meningkatkan kepuasan pelanggan. Analis mungkin mengklasifikasikan panggilan layanan pelanggan berdasarkan kata kunci atau skor tertentu. Kategori ini dapat membantu mengidentifikasi karyawan layanan pelanggan berkinerja terbaik atau membantu menghubungkan tindakan tertentu yang diambil dengan skor kepuasan pelanggan yang lebih tinggi.

Menemukan sesuatu yang tidak biasa

Sebuah perusahaan yang menjual jam pintar untuk membantu penggunanya memantau kesehatan mereka akan tertarik untuk merancang perangkat lunak yang dapat menemukan sesuatu yang tidak biasa. Analis yang telah menganalisis kumpulan data kesehatan dapat membantu pengembang produk menentukan algoritme yang tepat untuk menemukan dan menyalakan alarm ketika ada data yang memiliki tren tidak normal.

Mengidentifikasi tema

Desainer pengalaman pengguna (UX) mungkin mengandalkan seorang analis untuk menganalisis data interaksi pengguna. Sebagaimana masalah yang mengharuskan seorang analis untuk mengategorikan berbagai hal, proyek peningkatan kebergunaan mungkin mengharuskan seorang analis untuk mengidentifikasi tema guna memprioritaskan dengan tepat fitur produk apa yang perlu diperbaiki. Tema paling sering digunakan untuk membantu peneliti mengeksplorasi aspek-aspek tertentu dari data. Dalam sebuah studi pengguna, kepercayaan, praktik, dan kebutuhan pengguna adalah contoh tema.

Sekarang Anda mungkin bertanya-tanya apakah ada perbedaan antara mengategorikan berbagai hal dengan mengidentifikasi tema. Cara terbaik untuk membedakannya adalah: mengategorikan berbagai hal berarti memasukkan item-item ke berbagai kategori; Sedangkan mengidentifikasi tema berarti membawa kategori tersebut selangkah lebih maju dengan mengelompokkannya ke dalam tema-tema yang lebih luas.

Menemukan hubungan

Perusahaan logistik pihak ketiga yang bekerja dengan perusahaan lain untuk mengirimkan pesanan ke pelanggan secara tepat waktu adalah masalah yang mengharuskan seorang analis untuk menemukan hubungan. Dengan menganalisis waktu tunggu di pusat pengiriman, seorang analis dapat menentukan perubahan jadwal yang tepat untuk meningkatkan jumlah pengiriman tepat waktu.

Menemukan pola

Meminimalkan waktu henti yang disebabkan oleh kegagalan mesin adalah contoh masalah yang mengharuskan seorang analis untuk menemukan pola dalam data. Misalnya, dengan menganalisis data pemeliharaan mesin, mereka bisa menemukan bahwa sebagian besar kerusakan terjadi jika pemeliharaan mesin rutin tertunda lebih dari 15 hari.

Hal penting yang bisa dipelajari

Seiring dengan kemajuan Anda dalam program ini, Anda akan mengasah pengamatan Anda mengenai berbagai masalah serta berlatih berpikir komprehensif tentang jenis permasalahan ketika Anda memulai analisis Anda. Metode pemecahan masalah ini akan membantu Anda mencari solusi yang memenuhi kebutuhan semua pemangku kepentingan.

Enam fase analisis data

 

Dari masalah ke tindakan: Enam fase analisis data

Ada enam fase analisis data yang akan memperlancar Anda mengambil keputusan: bertanya, mempersiapkan, memproses, menganalisis, membagikan, dan bertindak. Perlu diingat, fase ini berbeda dengan siklus hidup data, yang menggambarkan perubahan data yang terjadi selama masa hidupnya. Mari kita pelajari untuk melihat bagaimana langkah-langkah tersebut dapat membantu Anda memecahkan masalah yang mungkin Anda hadapi di tempat kerja.

Langkah 1: Bertanya

Anda tidak mungkin dapat memecahkan sebuah masalah jika Anda tidak tahu apa permasalahannya. Beberapa hal yang perlu Anda pertimbangkan adalah:

• Tentukan masalah yang ingin Anda selesaikan

• Pastikan Anda sepenuhnya memahami ekspektasi para pemangku kepentingan

• Fokus pada masalah yang sebenarnya dan hindari gangguan

• Berkolaborasi dengan para pemangku kepentingan dan menjaga jalur komunikasi tetap terbuka

• Sedikit menjauh dan lihat secara objektif situasi secara keseluruhan sesuai konteksnya

Pertanyaan untuk diri sendiri pada tahap ini:

1. Apa masalah yang disebutkan oleh para pemangku kepentingan saya?

2. Setelah saya mengidentifikasi permasalahan ini, bagaimana saya dapat membantu para pemangku kepentingan menjawab pertanyaan mereka?

Langkah 2: Mempersiapkan

Anda akan memutuskan data apa yang perlu dikumpulkan untuk menjawab pertanyaan Anda dan bagaimana cara mengaturnya agar data itu bermanfaat. Anda dapat menggunakan tugas bisnis Anda untuk memutuskan:

• Metrik apa yang harus diukur

• Menemukan data di database Anda

• Membuat langkah-langkah pengamanan untuk melindungi data tersebut

Pertanyaan untuk diri sendiri pada tahap ini:

1. Apa saja yang harus saya ketahui untuk menyelesaikan masalah ini?

2. Riset apa yang harus saya lakukan?

Langkah 3: Memproses

Data yang bersih adalah data terbaik dan Anda perlu membersihkan data Anda untuk menghilangkan kemungkinan adanya kesalahan, ketidakakuratan, atau inkonsistensi. Hal ini mungkin berarti:

• Menggunakan fungsi spreadsheet untuk menemukan data yang salah dimasukkan

• Menggunakan fungsi SQL untuk memeriksa kelebihan spasi

• Menghapus entri yang berulang-ulang

• Memeriksa data sebanyak mungkin untuk menghindari bias

Pertanyaan untuk diri sendiri pada tahap ini:

1. Kesalahan atau ketidakakuratan data apa yang mungkin menghalangi saya untuk mendapatkan jawaban terbaik atas masalah yang sedang saya selesaikan?

2. Bagaimana saya bisa membersihkan data sehingga informasi yang saya miliki menjadi lebih konsisten?

Langkah 4: Menganalisis

Anda ingin berpikir tentang data Anda secara analitis. Pada tahap ini, Anda dapat mengurutkan dan memformat data Anda agar lebih mudah untuk:

• Melakukan perhitungan

• Menggabungkan data dari berbagai sumber

• Membuat tabel yang berisikan hasil Anda

Pertanyaan untuk diri sendiri pada tahap ini:

1. Apa yang diceritakan oleh data kepada saya?

2. Bagaimana data akan membantu saya memecahkan masalah ini?

3. Siapa yang membutuhkan produk atau layanan perusahaan saya? Tipe orang apa yang paling mungkin menggunakannya?

Langkah 5: Membagikan

Setiap orang membagikan hasil analisis mereka secara berbeda-beda, jadi pastikan Anda meringkas hasil Anda dengan analisis visual yang jelas dan menarik menggunakan berbagai alat visualisasi data seperti grafik atau dasbor. Ini adalah kesempatan untuk menunjukkan kepada para pemangku kepentingan bahwa Anda telah menjawab masalah mereka dan bagaimana cara Anda melakukannya. Berbagi tentu akan membantu tim Anda:

• Membuat keputusan yang lebih baik

• Membuat keputusan yang lebih berdasarkan pengetahuan

• Meraih hasil yang lebih mantap

• Mengomunikasikan temuan Anda

Pertanyaan untuk diri sendiri pada tahap ini:

1. Bagaimana cara membuat apa yang saya sajikan menjadi menarik dan mudah dimengerti oleh para pemangku kepentingan?

2. Apa yang akan membantu saya memahami hal ini jika saya adalah pendengar?

Langkah 6: Bertindak

Sekarang saatnya untuk bertindak berdasarkan data Anda. Anda akan mengeluarkan semua hal yang telah Anda pelajari dari analisis data Anda dan menggunakannya. Hal ini bisa berupa memberikan rekomendasi kepada pemangku kepentingan berdasarkan temuan Anda sehingga mereka dapat membuat keputusan berbasis data.

Pertanyaan untuk diri sendiri pada tahap ini:

1. Bagaimana saya bisa menggunakan umpan balik yang saya terima selama fase berbagi (langkah 5) agar benar-benar memenuhi kebutuhan dan ekspektasi para pemangku kepentingan?

Keenam langkah ini dapat membantu Anda memecah proses analisis data menjadi bagian yang lebih kecil dan mudah dikelola, yang disebut pemikiran terstruktur. Proses ini meliputi empat kegiatan dasar:

1. Mengenali masalah atau situasi saat ini

2. Mengatur informasi yang tersedia

3. Mengungkapkan kesenjangan dan peluang

4. Mengidentifikasi pilihan Anda

Ketika Anda memulai karier Anda sebagai analis data, peran dan ekspektasi Anda biasanya membuat Anda merasa ditarik ke berbagai arah. Mengikuti proses yang diuraikan di sini dan menggunakan keterampilan berpikir terstruktur dapat membantu Anda kembali ke jalur yang benar, menutup apa pun kesenjangan yang ada, dan memberi tahu dengan tepat hal yang Anda butuhkan.

pertanyaan yang efektif dalam untuk mengambil keputusan berdasakan data

 Berikut adalah beberapa contoh pertanyaan yang efektif untuk mengambil keputusan berdasarkan data:

1. Apa data historis yang ada tentang masalah ini, dan apa wawasan yang dapat kita ambil darinya?

2. Apa tren yang dapat dilihat dari data yang ada, dan apakah ada kecenderungan yang berpotensi mempengaruhi keputusan ini?

3. Apa metrik atau indikator kinerja yang relevan untuk mengevaluasi opsi yang tersedia?

4. Bagaimana data membandingkan kinerja berbagai alternatif yang mungkin?

5. Apa dampak finansial dari setiap opsi yang dapat diukur dengan data yang ada?

6. Apakah ada korelasi antara variabel tertentu dalam data yang dapat membantu memprediksi hasil yang diinginkan?

7. Apakah ada anomali atau outlier dalam data yang perlu dipahami dan ditindaklanjuti?

8. Apa hubungan antara berbagai faktor yang dapat diidentifikasi melalui analisis data?

9. Bagaimana data mendukung atau membantah asumsi yang mendasari keputusan ini?

10. Apa pendekatan analisis yang paling tepat untuk mengungkapkan wawasan tambahan dari data yang ada?

Pertanyaan-pertanyaan ini dirancang untuk membantu Anda menjelajahi dan memanfaatkan data yang ada untuk mengambil keputusan yang lebih baik dan lebih terinformasi. Penting untuk merujuk pada konteks dan tujuan spesifik Anda saat merumuskan pertanyaan-pertanyaan tersebut.

SMART merupakan singkatan dari Specific (Spesifik), Measurable (Mengukur), Achievable (Terjangkau), Relevant (Relevan), dan Time-bound (Terbatas Waktu). Metodologi SMART digunakan untuk merumuskan tujuan yang jelas dan terukur dalam berbagai konteks, baik pribadi maupun profesional.