Belajar Data Analyst - Reporting & Storytelling Data

#Pendahuluan

Setelah di episode 12 kalian tahu metrik apa yang penting, mari hadapi kebenaran yang tidak nyaman: insight yang tidak dikomunikasikan tidak bernilai. Sepanjang karir, kalian akan melihat analis jenius yang hasilnya diabaikan, dan analis biasa-biasa yang temuannya mengubah keputusan perusahaan — perbedaannya bukan di analisis, melainkan di cara menyampaikan.

Episode ini membangun keterampilan storytelling data: struktur insight yang teruji (context → data → insight → action), prinsip komunikasi data, dan praktik menyusun laporan serta presentasi yang mendorong aksi. Ini episode yang akan kalian baca ulang sebelum tiap presentasi penting.

#Struktur Insight: Context, Data, Insight, Action

Kerangka paling andal untuk setiap temuan data terdiri dari empat lapis:

Lapisan	Pertanyaan yang dijawab	Contoh
Context	Kenapa ini penting sekarang?	"Target Q4 belum tercapai"
Data	Apa yang ditunjukkan data?	"Order dari Jakarta turun 18% vs Q3"
Insight	Kenapa ini terjadi / apa artinya?	"Penurunan mengikuti berakhirnya promo double-point"
Action	Apa yang harus dilakukan?	"Evaluasi ulang promo atau alokasi ulang budget iklan"

Urutan ini bukan kebetulan: audience perlu konteks untuk menilai data, data untuk memercayai insight, insight untuk memahami aksi. Insight tanpa action adalah fakta yang mengambang; action tanpa insight adalah perintah yang buta.

#Dari Fakta ke Insight: Seni Menyimpulkan

Perbedaan fakta dan insight adalah jurang yang membedakan laporan bagus dari laporan hebat:

Fakta	Insight
"Revenue turun 12%"	"Revenue turun karena 60% churn datang dari segmen SMB setelah kenaikan harga tier entry"
"Churn bulan ini 5%"	"Churn terkonsentrasi di cohort bulan Januari — masalah onboarding, bukan harga"
"AOV naik 8%"	"AOV naik karena customer mix bergeser ke tier enterprise, bukan karena harga naik"

Aturan praktis: fakta menjawab "apa", insight menjawab "kenapa dan jadi apa". Insight selalu mengandung hubungan yang diuji, bukan sekadar angka.

#Prinsip Storytelling Data

Prinsip yang disusun Cole Nussbaumer Knaflic (storytellingwithdata.com) — referensi wajib analis:

Mulai dari kesimpulan. Jangan simpan twist untuk akhir; orang sibuk.
Satu pesan per slide/chart. Jika ada dua pesan, pisahkan.
Pandu mata audience. Highlight dengan warna; redupkan sisanya.
Hapus kekacauan. Setiap elemen yang tidak mendukung pesan adalah noise.
Pilih visual yang jujur (episode 9) dan konsisten.

text

Judul slide yang buruk : "Revenue per Kanal Q4"
Judul slide yang baik  : "Kanal paid social menyumbang 45% pertumbuhan Q4"

Perbedaan terbesar: judul kedua menyampaikan insight, bukan sekadar label data.

Tip

Uji satu kalimat: "Jika kalian hanya boleh meninggalkan satu kalimat di akhir presentasi, apa kalimatnya?" Tulis kalimat itu di slide pembuka dan penutup. Semua materi lain adalah penguat untuk kalimat ini.

#Menyesuaikan dengan Audience

Audience yang berbeda membutuhkan kedalaman yang berbeda:

Audience	Yang mereka butuhkan	Format terbaik
C-level	Rekomendasi & risiko, bukan detail	Slide 3-5 halaman
Manajer fungsional	Insight + aksi di area mereka	Slide + dashboard
Tim teknis	Metodologi, definisi, query	Dokumen + notebook
Rekan analis	Reproducibility	Query + kode

C-level membayar kalian untuk memutuskan apa yang penting, bukan untuk memindahkan semua data ke slide mereka. Menyaring adalah tugas analis, bukan beban audience.

#Menyusun Laporan Berkala

Laporan mingguan/bulanan punya struktur yang bisa ditiru:

text

1. Ringkasan Eksekutif   : 3 kalimat — kondisi, penyebab, rekomendasi
2. KPI Utama             : tabel + tren vs periode sebelumnya
3. Hal yang Menonjol     : 2-3 insight dengan chart pendukung
4. Tindak Lanjut         : aksi yang disarankan + pemiliknya
5. Lampiran              : definisi metrik & catatan data quality

Ringkasan eksekutif adalah satu-satunya bagian yang pasti dibaca. Tulis ia terakhir — setelah kalian benar-benar paham apa yang penting dari laporan tersebut.

#Praktik: Presentasi Temuan Data

Latihan singkat: siapkan presentasi 5 slide untuk temuan "churn naik di segmen SMB":

text

Slide 1 : Judul & ringkasan ("Churn SMB naik 2x karena perubahan tier entry")
Slide 2 : Bukti — tren churn per segmen (line chart, highlight SMB)
Slide 3 : Analisis — cohort yang paling terpengaruh (heatmap cohort)
Slide 4 : Opsi aksi — 3 opsi dengan pro/kontra singkat
Slide 5 : Rekomendasi + pertanyaan untuk audience

Perhatikan alurnya: setiap slide menjawab satu lapisan struktur context-data-insight-action. Presentasi pendek yang terstruktur selalu mengalahkan presentasi panjang yang berantakan.

#Kesalahan Umum

Menenggelamkan audience dengan semua data. Slide yang penuh angka = tidak ada yang dibaca.
Judul slide berupa label ("Revenue Q4") alih-alih insight.
Simpan kesimpulan di akhir. Orang berhenti memperhatikan di slide 3.
Menghindari rekomendasi. Analis yang menolak memberi opini akan diperlakukan sebagai tukang query.

#Penutup

Inti yang harus dibawa pulang:

Struktur insight: context → data → insight → action.
Insight menjawab "kenapa dan jadi apa", bukan sekadar "apa".
Mulai dari kesimpulan; satu pesan per slide; pandu mata audience.
Laporan berkala: ringkasan eksekutif di atas, detail di lampiran.
Sesuaikan kedalaman dengan audience; analis hebat juga komunikator hebat.

Di episode 14 selanjutnya kita kembali ke analisis yang lebih teknis: Analisis Cohort & Retention — cohort analysis, retention curve, dan lifetime value, lengkap dengan praktik analisis retention bulanan yang bisa langsung kalian terapkan. Storytelling sudah siap; sekarang kita isi ceritanya dengan analisis yang dalam!