Tag Archives: Data-Driven

Pentingnya-Optimasi-Data-untuk-Sukseskan-Strategi-Product-led-Growth

Pentingnya Optimasi Data untuk Sukseskan Strategi Product-led Growth

Feature, , , , , , , ,

Sudah jadi rahasia umum di berbagai kalangan pelaku digital, bahwa mengakuisisi customer/user bukanlah hal yang mudah. Belum lagi menjaga customer untuk kembali datang dan terus menggunakan produk bisnis Anda.

Saat ini, muncul tren penerapan strategi product-led growth (PLG). Strategi yang booming mulai tahun 2020 mulai dilirik banyak pihak tatkala membeberkan bahwa kunci pertumbuhan bagi bisnis ternyata sebenarnya dimulai melalui produk itu sendiri yang mesti memberikan pengalaman menyenangkan dan mengatasi pain points pengguna.

Lantas, bagaimana sebenarnya strategi ini bekerja?

Data jadi kunci keberhasilan strategi product-led growth

Keputusan bisnis yang baik termasuk pertimbangan mengeluarkan fitur produk baru atau memperbaiki produk yang sudah ada tentunya tidak bersumber dari tebakan, pengalaman sebelumnya atau asumsi pribadi semata.

Kesuksesan strategi product-led growth didasarkan pada bagaimana perusahaan mampu memonitor dan menganalisis data pengguna, mulai dari perilaku hingga engagement tiap customer. Dari sini, kedepannya perusahaan tentu bisa mengevaluasi produk layanan agar nantinya mampu menawarkan product experience yang baik.

Data di atas dapat perusahan peroleh langsung dengan melakukan tracking pada website atau aplikasi bisnis Anda. Mulai dari identifikasi siapa saja yang sering dan jarang berkunjung dan apa saja yang mereka lakukan. Mengevaluasi data ini membantu menentukan kelompok demografis mana yang tertarik dan tidak tertarik dengan fitur A misalnya, atau kanal mana saja yang ternyata lebih banyak digunakan dan mendatangkan pemasukan.

Banyaknya volume data yang diperoleh setiap harinya menyulitkan memilih dan menganalisis data mana yang menjadi prioritas. Mengolah data pun membutuhkan waktu yang tak sebentar. Padahal, data dibutuhkan cepat setiap harinya untuk melihat pertumbuhan bisnis.

Amplitude hadir sebagai pionir digital optimization system

Dengan perkembangan teknologi yang semakin maju, saat ini sudah banyak platform digital optimization yang menawarkan data analisis produk untuk perusahaan digital secara praktis dan komprehensif. Salah satu contohnya adalah Amplitude. Perusahaan yang telah mengantongi total pendanaan sebesar US$186 juta itu menawarkan berbagai macam sokongan kemudahan memperoleh dan menganalisis data untuk menyukseskan strategi product-led growth.

Sebut saja dengan menyediakan satu dashboard yang sudah menggabungkan semua data dari beragam kanal, data untuk A/B testing dan experiment dengan hasil analisis data secara real-time, membuat dan menguji prediksi untuk mendapatkan rekomendasi terbaik, dan menyediakan insights customer behavior.

Amplitude juga membantu memberikan data produk mana yang bisa membawa customer retention, ini sangat penting karena customer retention dapat menambah lifetime value (LTV) dari customer yang mampu menutupi biaya awal untuk keperluan marketing.

Julio Bermudez, Amplitude vice president for Asia Pacific and Latin America, mengatakan, “Perusahaan yang tumbuh dengan cepat di sektor layanan produk digital tidak berkompetisi lagi di marketing mana yang lebih bagus, tapi bersaing dengan product experience” terangnya.

Ia menambahkan, adanya sistem optimasi digital membantu membangun produk yang lebih baik sehingga bisa menawarkan experience yang kian apik sehingga bisa menjadi keunggulan kompetitif.

“Bila ingin membuat pengguna loyal, memberikan diskon atau kupon saja tidak cukup, tapi bangunlah experience yang lebih baik,” imbuhnya.

Di Indonesia sendiri, HappyFresh dan Traveloka telah menggunakan layanan yang diberikan Amplitude.

Perkembangan produk digital dan penerapan strategi product-led growth (PLG)

Ditambah kemunculan pandemi, kini konsumen menghabiskan waktu lebih banyak secara online. Secara keseluruhan, industri digital mengalami kenaikan aktivitas yang stabil sejak pandemi berlangsung. Amplitude product report 2021 menyatakan, pengguna aktif harian (DAUs) produk digital meningkat sebesar 54% dari tahun 2020 hingga 2021.

Masih dari laporan yang sama, Amplitude juga membeberkan produk digital yang akan melonjak dan menjadi “hot trend” secara global. Di antaranya adalah platform rekruter, extensi web browser untuk bahasa serta platform kolaborasi penunjang remote working.

Di Asia-Pacific sendiri, Amplitude memberikan daftar 5 Next Hottest Products, satu diantaranya berasal dari Indonesia yakni platform kripto, Pintu, yang dalam rentang 13 bulan mengalami pertumbuhan sebesar 1236% monthly active users (MAUs). Tak ketinggalan juga platform recruiter asal Singapura yang populer di tanah air, Glints. Semua data ini diambil dari matriks pertumbuhan year-over-year pada pengguna aktif bulanan.

Dari data yang diberikan Amplitude ini, terlihat bahwa bisnis yang cenderung berhasil di kompetisi pasar adalah bisnis yang mengadopsi strategi yang mengutamakan pertumbuhan produk. Memahami tren perilaku konsumen di era digital baru setengah perjalanan. Langkah selanjutnya adalah mengoptimalisasikan sistem digital ke dalam strategi bisnis Anda.

***

Disclosure: Artikel ini didukung oleh Amplitude

Program Akselerator Startup Station

Startup Station Siap Akselerasi Startup dengan Strategi “Data-Driven”

Event, , , , , ,

Startup Station di Singapura – besutan Facebook—bersama Infocomm Media Development Authority of Singapore dan Reinmaking membuka pendaftaran untuk program startup, fokusnya pada inovasi berbasis data. Sebelumnya mereka juga telah melakukan roadshow di lima tempat, termasuk di Jakarta pada 8 November lalu.

Fokus acara ini adalah memberikan pemahaman tenang model bisnis yang sesuai dan menjadikan startup menjalankan bisnis secara data-driven. Program ini juga dirancang untuk menghubungkan startup di kawasan Asia Tenggara dengan para mentor dan pakar di bidang industri, termasuk dari Facebook.

Startup yang terpilih nantinya dapat berpartisipasi dalam kursus enam bulan. Kursus tersebut diadakan bersama Rainmaing, program akselerator global yang mendidik startup dalam inovasi dan pengembangan bisnis. Selain itu peserta akan diberikan akses ke sumber daya premium dan kolaborasi dengan pemangku di industri.

Bagi startup yang tertarik, dapat mendaftarkan diri ke program Strartup Station dengan mengunjungi laman resminya di sini: https://startupstationsingapore.splashthat.com.

—

Disclosure: DailySocial merupakan media partner Startup Station

Tim Xquisite Informatics

Xquisite Informatics Berharap Jadi Penyedia Layanan Komplet untuk Pengelolaan Data

Interview, , , , , ,

Data kini menjadi hal yang sangat penting. Menggunakan teknologi, proses pengumpulan, pengelolaan, dan analisis data bisa lebih optimal. Hal tersebut ditawarkan Xquisite Informatics (selanjutnya disebut XQ), sebuah perusahaan yang menawarkan solusi implementasi analitik dan integrasi data secara menyeluruh .

Implementasi menyeluruh yang ditawarkan XQ ini mulai dari data engineering (data offloading dan transformasi), data science (data preparation dan data modeling), visualisasi hingga integrasi dengan sitem yang sudah ada. XQ juga meluncurkan beberapa produk untuk melengkapi sistem implementasinya.

Di antaranya adalah Oxide (layanan data orchestration and cleansing), Vaia (layanan API Gateway and Management), Ara (sistem untuk social media listening dan online media crawling), dan yang terakhir adalah Terra (layanan untuk territory management dan visualisasi).

XQ sendiri sudah beroperasi sejak November 2016 silam. Co-Founder XQ Fikri Akbar menjelaskan, “Layanan unggulan kami berkisar pada implementasi big data, implementasi machine learning dan implementasi analytics use case lainnya, seperti 360-degree customer view, customer profiling, cross/up-selling recommendation, preventive maintenance, healthcare analytics, ROI analysis, performance analysis, dan lain-lain.”

Optimis bisa diterima target pengguna

Lebih jauh menjelaskan, dengan solusi yang mereka miliki XQ menyasar perusahaan hingga organisasi yang memiliki data dengan ukuran yng cukup besar dan atau mereka yang memiliki kebutuhan untuk pengelolaan data untuk bisa mengambil insight yang bisa dimanfaatkan untuk membantu bisnisnya.

XQ cukup optimis bisa diterima pengguna karena solusi yang ditawarkan cukup lengkap untuk pemanfaatan data, termasuk untuk cleansing atau pembersihan data.

“Kami ingin membantu perusahaan-perusahaan untuk bisa mengintegrasikan dan membersihkan data-data tersebut dengan baik, sebelum memulai proses implementasi data analytics yang termasuk data modelling dan visualisasi data. Selain itu, kami memiliki sumber daya manusia yang memiliki kompetensi di bidang terkait (big data, analytics, machine learning) dan beberapa success story di client enterprise kami,” imbuh co-founder XQ Galih Permadi.

Hampir berumur dua tahun, Galih juga menjelaskan tahun ini XQ sudah berhasil mencapat target utamanya, yakni melakukan implementasi teknologi big data dan machine learning use case di salah satu klien mereka. Mereka juga berhasil menjadi official partner untuk MapR dan Microsoft. Terakhir mereka terpilih mewakili Indonesia di Echelon Top 100 Fight Club.

 

Pemanfaatan Analisis Data untuk Pengembangan SDM

Tips, , , , , ,

Data semakin berharga dalam bisnis di tengah perkembangan teknologi seperti sekarang ini. Dengan pendekatan data-driven, kumpulan data dalam bisnis memiliki peran penting sebagai bahan bakar untuk berbagai improvisasi. Salah satu transformasi yang dilakukan dengan data adalah memanfaatkan analisis untuk mengevolusi peran HR (Human Resource) atau Sumber Daya Manusia (SDM) dalam perusahaan. Hal tersebut juga bisa berimbas pada laju perkembangan bisnis.

Dalam pendekatan data-driven, analisis data memang peran sentral sebagai rujukan utama keputusan-keputusan yang diambil oleh departemen HR. Pemanfaatannya meliputi mencari tahu alasan dari turn over karyawan, pemilihan siapa yang pantas memegang tampuk kepemimpinan selanjutnya, dan beberapa efektivitas lainnya dalam hal memanajemen talenta. Berikut beberapa fakta bahwa analisis data membawa pengaruh penting dalam hal tata kelola talenta atau kepegawaian.

Manajemen kinerja karyawan

Idealnya perusahaan atau bisnis mengidentifikasi karyawan yang membutuhkan pelatihan untuk mengoptimalkan performa mereka dan menyukseskan bisnis. Analisis data memungkinkan menawarkan wawasan kepada HR mengenai program inisiatif yang bisa membantu meningkatkan SDM, misalnya seperti program penghargaan dan pelatihan. Salah satu contoh, jika tim penjualan mengalami tantangan mengenai kinerja, data bisa digunakan untuk menentukan sesuatu yang salah kemudian memperbaikinya untuk mengembalikan kinerja.

Mempelajari perilaku karyawan

Analisis perilaku karyawan dalam lebih banyak mengidentifikasi mengenai pola turn over karyawan. Dengan analisis perilaku karyawan tersebut memungkinkan bisnis mencari tahu mengenai perilaku seorang karyawan. Turn over pun bisa diprediksi sejak dini dan bisa diantisipasi, misalnya dengan menangani secara personal atau menyiapkan pengganti yang sesuai.

Merekrut orang yang tepat

Analisis data memiliki peluang untuk berkembang di banyak hal. Untuk bidang HR, analisis data sangat dimungkinkan untuk dikembangkan. Analisis data juga bisa berperan sebagai perangkat untuk membantu karyawan menemukan talenta yang tepat di waktu yang tepat. Dengan analisis data bisnis bisa mengetahui kapan harus membuka lowongan, posisi apa yang paling dibutuhkan, dan juga kompetensi apa yang harus dimiliki calon karyawan. Hal ini mengantisipasi karyawan terlalu banyak menumpuk karyawan di satu posisi atau membuka lowongan yang tidak begitu diperlukan.

–

Disclosure: DailySocial bekerja sama dengan Bigdata-madesimple.com untuk seri penulisan artikel tentang big data.

Memahami Dasar-dasar “Data Science” untuk Bisnis (Bagian 3)

Feature, , , ,

Pada tulisan seri pertama sudah dijelaskan mengenak dasar teori dan komponen pendukung Data Science. Kemudian dalam seri kedua telah dijelaskan pula konsep Big Data sebagai salah satu keluaran dari ilmu Data Science. Tulisan ketiga ini akan membahas seputar penerapan konsep data driven dalam bisnis, yakni memahami tentang keuntungan bisnis membangun awareness seputar pengelolaan data serta kiat memanfaatkan data yang ada sehingga menghasilkan insight berharga.

Tujuan utama bisnis adalah pertumbuhan profit, dan untuk mencapai goal tersebut diperlukan berbagai pendekatan baik yang dilakukan dalam lini internal bisnis maupun eksternal. Lalu apa peran Data Science yang dapat dioptimalkan bisnis untuk mencapai tujuan tadi. Misalnya untuk meminimalkan risiko finansial. Sebagai contoh dalam bisnis e-commerce, memanfaatkan representasi data dengan metode Time Series Anomaly Detection dapat dimanfaatkan untuk mendeteksi fraud secara real-time.

Manfaat lain untuk memberikan efisiensi dalam sistem dan proses produksi. Menggunakan beberapa tipe analisis (akan dibahas kemudian), pemangku keputusan bisnis dapat melihat tren data yang ada, kemudian menciptakan sebuah proses yang lebih efisien dan terstruktur. Kemudian manfaat lain dari penerapan Data Science dalam bisnis adalah untuk meningkatkan penjualan, dengan menemukan cara terbaik untuk strategi up-sell dan cross-sell, meningkatkan loyalitas konsumen, hingga mengoptimalkan konversi dari setiap kanal promosi. Dan masih banyak manfaat lainnya.

Tipe analisis data dalam bisnis

Setelah bisnis memiliki awareness akan data –sebut saja sudah mengakomodasi pengelolaan data secara optimal—lalu apa langkah selanjutnya? Yakni memilih pendekatan analisis sesuai dengan kebutuhan yang ingin dicapai. Dalam konsep Data Science ada beberapa tipe analisis data yang paling sering digunakan untuk kebutuhan bisnis, di antaranya:

  1. Descriptive Analytics; analisis ini mengacu pada histori data sekaligus data yang ada saat ini. Umumnya digunakan untuk menjawab pertanyaan semacam “Apa yang terjadi dengan ABC?”, “Apa yang terjadi jika XYZ?”, dan sebagainya.
  2. Diagnostic Analytics; analisis ini digunakan untuk menyimpulkan kejadian berdasarkan lansiran data terkait. Digunakan untuk menjawab pertanyaan semacam “Mengapa ABC terjadi saat XYZ?”, “Apa yang salah dengan strategi DEF?”, dan sebagaiya.
  3. Predictive Analytics; analisis ini mencoba menyimpulkan sebuah tren dan kejadian di masa depan mengacu pada data-data historis yang ada. Model ini cenderung lebih kompleks dari dua tipe sebelumnya, karena memerlukan pemodelan dan analisis yang lebih mendalam.
  4. Prescriptive Analytics; analisis ini digunakan untuk mengoptimalkan proses, struktur dan sistem melalui informasi yang dihasilkan dari Predictive Analytics. Pada dasarnya memberi tahu kepada bisnis tentang hal apa yang perlu dilakukan untuk mengantisipasi kejadian yang ada datang.

Untuk merealisasikan implementasi analisis bisnis, umumnya bisnis dihadapkan pada dua kendala. Pertama ialah menemukan sumber daya/talenta yang berkompeten. Dan yang kedua tentang bagaimana cara mengomunikasikan hasil analisis. Strategi pepnyelesaiannya bisnis dapat membangun budaya kerja yang menerima produk analisis. Edukasi kepada setiap pegawai juga harus diprioritaskan, untuk memutuskan atau melakukan sesuatu yang terukur, berdasarkan data dan analisis.

Tentang Business Intelligence

Berkaitan dengan optimasi data, mungkin istilah Business Intelligence (BI) dewasa ini menjadi perbincangan hangat, pasalnya banyak perusahaan ataupun startup mulai membangun divisi khusus berkaitan dengan BI. Kendati sama-sama memiliki cara dengan mengoptimalkan data, BI secara definisi sedikit berbeda dengan Data Science. Perbedaannya dengan Data Science ialah pada pendekatan, teknologi dan fungsinya. Tujuan utama BI adalah mengonversi data menjadi insight bisnis yang dapat digunakan pemimpin bisnis atau manajer dalam membuat keputusan yang terukur.

BI umumnya terdiri dari data yang bersifat transaksional, yang secara natural data tersebut dilahirkan dari sebuah proses bisnis. Pengelolaan data tersebut dapat menjawab beberapa pertanyaan, misalnya dari data penjualan dan pemasaran dapat dijawab pertanyaan “Taktik pemasaran seperti apa yang lebih efektif? Mengapa?”, dari data personalia dapat dijawab pertanyaan “Siapa karyawan yang paling produktif? Dan mana yang paling tidak produktif?”, dan lain sebagainya.

Perbedaan lainnya antara BI dan Data Science, termasuk pada sumber data. Konsep BI hanya mengelola data terstruktur saja, untuk keluarannya pun BI menuntut adanya laporan (biasanya berupa dashboard) yang memvisualisasikan data untuk dibaca orang yang bahkan tidak memahami konsep pengelolaan data.

Merekrut talenta data untuk bisnis

Ada beberapa kualifikasi penting yang harus dipenuhi oleh seorang Data Scientist atau Business Analyst yang akan direkrut untuk memenuhi kebutuhan bisnis, kemampuan utama yang dibutuhkan –dalam hal ini hardskill atau kemampuan teknis—meliputi:

  1. Analisis Kuantitatif; termasuk di dalamnya pengetahuan tentang permodelan matematika, statistika, simulasi, dan peramalan. Kemampuan matematika menjadi dasar kemampuan analisis dan manipulasi data.
  2. Kemampuan Pemrograman; pada dasarnya untuk mengelola data semua dilakukan dengan sintaks pemrograman tertentu –misalnya R, SQL, Python dll—maka kemampuan pemrograman menjadi salah satu komponen kunci yang harus dipahami.
  3. Pengetahuan Bisnis; ini sangat kustom, pemahamannya bergantung bidang bisnis apa yang ditangani, karena untuk menjadikan hasil analisisnya lebih mudah dipahami dan relevan.

Dalam praktiknya, beberapa perusahaan menempatkan tim Business Analyst dalam sebuah divisi khusus untuk mengakomodasi seluruh kebutuhan berkaitan dengan data. Beberapa di antaranya menempatkan pada setiap divisi bisnis, karena disadari kebutuhan data untuk masing-masing area berbeda, dan kadang butuh keahlian khusus untuk mengoperasikan, atau bahkan membaca data yang ada.

–
Di seri keempat nanti, akan dibahas bagaimana teknik ekstraksi data sehingga menghasilkan sebuah inisght yang bermanfaat. Simak terus DailySocial untuk seri artikel selanjutnya tentang Memahami Dasar-dasar “Data Science” untuk Bisnis.

Baca juga: