[Download PDF KONTAN DAILY Peran Predictive Analytics bagi Bisnis Anda]
oleh Jennie M. Xue
Setiap kali keputusan bisnis diambil, pasti ada resiko kegagalan dan kerugian. Dengan predictive analytics (PA), kedua resiko ini dapat diminimalkan. PA mengkuantifikasi prediksi, sehingga respons yang diterima dapat dioptimasikan.
Dengan kata lain, penggunaan PA dalam proses pengambilan keputusan memberikan fondasi kuat untuk sukses dibandingkan dengan tidak menggunakannya.
Sebenarnya apa sih PA itu? Bagaimana penerapan PA dalam bisnis? Di mana Anda dapat menggunakan teknologi PA?
PA adalah bagian dari Ilmu Analitiks (analytics) yang berbentuk algoritma ekstraksi informasi dari berbagai data set untuk menemukan pola-pola dan memprediksi tren dan hasil di masa depan. Namun, PA tidak mempunyai kemampuan untuk memberi kepastian mengenai apa yang akan terjadi di masa depan, karena data sets yang digunakan berasal dari pengalaman masa lalu.
Jika Anda adalah investor dan trader, pasti kenal istilah “past performance isn’t a guarantee of future performance.” Dengan kata lain, apa yang terjadi di masa lalu (dalam bentuk data sets yang dianalisa), bukanlah jaminan mengenai apa yang akan terjadi di masa depan.
Lantas, apa keuntungan penggunaan PA ini? Karena data sets memungkinkan kita untuk membaca pola-pola dan tren, yang sangat dibutuhkan dalam proses pertimbangan dan pengambilan keputusan.
Sebagai contoh, Amazon dan Facebook sangat mengandalkan PA dalam berbisnis. Terutama dalam menyuguhkan produk-produk dan rekomendasi-rekomendasi.
Mereka tahu persis apa saja kebiasaan dan kesukaan kita, sehingga ketika disuguhkan sesuatu, kemungkinan besar kita akan mengklik, mengomentari, menyukai, atau bahkan membelinya.
Dalam bisnis, PA dapat digunakan hampir dalam segala segi. Yang paling menonjol mungkin penggunaan analitiks dalam pemasaran.
Marketing analytics (MA), misalnya memberi jawaban akan pertanyaan-pertanyaan: bagaimana performance di masa lalu (descriptive analytics), prediksi kemungkinan kejadian di masa depan (predictive analytics), dan apa yang sebaiknya dilakukan agar gol tercapai (prescriptive analytics).
PA dalam pemasaran (predictive marketing analytics) biasanya dimulai dengan menganalisa performance via media sosial, pelanggan email, blog dan situs. Metriks yang digunakan adalah clicks, page views, dan conversions. Untuk metriks offline, jumlah sales leads dan efek langsung bagi pertumbuhan revenue dan ROI.
Teknologi PA dapat Anda pakai melalui berbagai SaaS (software as a service) yang memberi input mengenai performance. Jika Anda mempunyai skill programming, gunakan Python for Data Science dan R.
Dalam pemasaran, PA ini sangat berguna dalam mencari sales leads. Misalnya, Anda dapat memasukkan kategori dan metriks yang diinginkan dalam calon customer. Setelah ditemukan, pitching dapat segera dilakukan dan integrasi dengan CRM yang juga SaaS biasanya disediakan.
PA juga memungkinkan pemasar untuk memasang iklan berbasis AI seperti Google Adwords, Facebook ads, dan Instagram sponsored posts yang persuasif namun tidak pushy. Ini dimungkinkan mengingat machine learning mempelajari perilaku konsumen (behavior) dan kemungkinan bentuk respons.
Sebelum Anda menggunakan PA dalam proses pengambilan keputusan, kenali beberapa hal penting.
Satu, data prediktif tidak menjamin kepastian di masa depan. Ini jelas. Jadi, Anda perlu siap mental ketika suatu prediksi ternyata tidak terwujud, mengingat bergeraknya ceteris paribus dan status quo.
Dua, jumlah data memberi keseimbangan dan validitas. Semakin besar jumlah data, semakin baik. Namun diperlukan beberapa jenis data berdasarkan medium, dimensi, dan kategorisasi beragam. Juga data yang dipakai adalah data bersih (cleaned data), bukan langsung memakai unstructured raw data.
Tiga, satu jenis data yang berlebihan dapat menghasilkan prediksi yang ngawur. Sering menjumpai pol-pol suratkabar yang “ngawur”? Kemungkinan besar karena satu jenis data yang sangat besar jumlah “membutakan” diri dari jenis-jenis data lain yang tidak kalah pentingnya dalam pengambilan keputusan.
Empat, dengarkan pendapat para pakar data analytics yang mempunyai kredensial baik. Ketersediaan data masif akibat penggunaan Internet bukan berarti data mentah dan tidak berstruktur (unstructured) merupakan indikator sesuatu. Analisis yang tepat merupakan kunci dari prediksi yang tepat.
Akhir kata, gunakanlah ketersediaan data masif era Internet ini seoptimal mungkin untuk pemasaran dan operasional bisnis. Kuncinya adalah mengenali instrumen yang digunakan untuk meraup data, membersihkan data, menstruktur data, dan menganalisa data. Dengan menguasai data, diprediksikan bisnis Anda sukses.[]
KONTAN DAILY, Jumat, 2 Februari 2018
