TL;DR
Laporan otomatis dengan AI bukan berarti AI yang ngitung angkanya. Alurnya: kamu tarik data pakai SQL atau spreadsheet, simpan hasilnya jadi tabel bersih, lalu kasih tabel itu ke AI sebagai konteks buat nulis narasinya. AI bagus buat nyusun kalimat dan nyari pola, tapi buruk buat aritmetika. Angkanya harus selalu kamu cek manual sebelum laporan dikirim.
Laporan otomatis pakai AI bukan berarti AI yang ngitung angkanya. Kamu yang ngitung. AI yang nulis narasinya.
Pembagian tugas ini penting. Model bahasa sering salah waktu ngitung persentase, soalnya dia nebak kata berikutnya, bukan ngitung beneran.
Alur kerja di bawah ini yang aku pakai tiap Senin pagi. Laporan mingguan yang dulu makan 2 jam sekarang selesai dalam 35 menit.
Aku pernah catat waktu kerjanya selama sebulan. Rinciannya begini.
| Tahap | Waktu (sebelum) | Waktu (sesudah) |
|---|---|---|
| Narik data | 25 menit | 5 menit |
| Rapiin tabel | 15 menit | 5 menit |
| Nulis narasi | 70 menit | 10 menit |
| Cek angka | 10 menit | 10 menit |
| Format & kirim | 10 menit | 5 menit |
| Total | 130 menit | 35 menit |
Yang paling banyak kepangkas: nulis narasi, dari 70 menit jadi 10.
Bagian cek angka tetap 10 menit. Itu disengaja, nggak boleh dipangkas.
Bikin satu query yang ngasih semua angka yang kamu butuh, sekaligus. Jangan tiga query terpisah.
WITH minggu_ini AS (
SELECT
kategori,
SUM(total_harga) AS omzet,
COUNT(DISTINCT transaksi_id) AS transaksi
FROM penjualan
WHERE tanggal >= CURRENT_DATE - INTERVAL '7 days'
GROUP BY kategori
),
minggu_lalu AS (
SELECT
kategori,
SUM(total_harga) AS omzet
FROM penjualan
WHERE tanggal >= CURRENT_DATE - INTERVAL '14 days'
AND tanggal < CURRENT_DATE - INTERVAL '7 days'
GROUP BY kategori
)
SELECT
i.kategori,
i.omzet AS omzet_minggu_ini,
l.omzet AS omzet_minggu_lalu,
i.transaksi,
ROUND(100.0 * (i.omzet - l.omzet) / NULLIF(l.omzet, 0), 1) AS perubahan_persen
FROM minggu_ini i
LEFT JOIN minggu_lalu l ON l.kategori = i.kategori
ORDER BY i.omzet DESC;NULLIF(l.omzet, 0) itu pengaman. Tanpa dia, kategori baru yang minggu lalu omzetnya nol bakal bikin query error, pembagian dengan nol.
Simpan query ini. Tiap minggu kamu tinggal jalanin ulang, tanggalnya ngikut otomatis.
Belum lancar CTE dan window function? Mulai dari panduan GROUP BY dan glossary CTE.
Ini langkah yang paling sering diskip, dan paling nentuin kualitas output AI.
Export hasil query ke CSV atau salin sebagai tabel markdown. Yang penting: header kolomnya jelas, dan angkanya nggak diformat aneh-aneh.
Yang bikin AI ngaco:
Yang bikin AI akurat: tabel polos, satu header per kolom, angka mentah tanpa simbol mata uang.
Ini template prompt yang aku pakai. Simpan sekali, pakai tiap minggu.
Kamu nulis laporan penjualan mingguan buat manajer toko
(bukan orang teknis).
DATA MINGGU INI:
[tempel tabel hasil query di sini]
KONTEKS BISNIS:
- Toko kelontong di Semarang, buka 7 hari seminggu
- Minggu ini ada libur nasional hari Kamis
- Target omzet mingguan: Rp 15 juta
TULIS LAPORAN DENGAN STRUKTUR INI:
1. Ringkasan (2 kalimat): omzet total, naik/turun berapa persen
2. Yang berjalan baik (2-3 poin, sebut angkanya)
3. Yang perlu perhatian (2-3 poin, sebut angkanya)
4. Rekomendasi (maksimal 3, harus bisa dieksekusi minggu depan)
ATURAN:
- Pakai angka persis dari tabel, jangan hitung ulang sendiri
- Bahasa Indonesia santai, hindari istilah teknis
- Maksimal 300 kata total
- Kalau ada angka yang kamu nggak yakin, tulis [CEK] di sebelahnyaTiga bagian yang bikin prompt ini kerja.
Konteks bisnis. Tanpa info libur nasional, AI bakal bingung kenapa transaksi Kamis anjlok. Dengan konteks, dia bisa jelasin.
Struktur yang eksplisit. Empat bagian, urutannya jelas. Ini yang bikin laporan kamu konsisten tiap minggu.
Penanda [CEK]. Ini trik favorit aku. AI disuruh nandain angka yang dia nggak yakin, jadi kamu tau harus fokus verifikasi di mana.
Ini bagian yang nggak boleh diotomatisasi. Sepuluh menit, tiap minggu.
Yang aku cek:
perubahan_persen di query.Dari 8 laporan mingguan yang aku bikin dengan alur ini, 3 di antaranya ada satu angka yang salah di draft AI. Semua ketangkep di tahap ini.
Itu 37,5% tingkat error. Cukup buat bikin kamu nggak pernah skip langkah ini.
Draft AI biasanya masih terlalu formal atau muter-muter. Rapiin sebentar.
Dua hal yang selalu aku ubah: kalimat pembuka yang basa-basi, dan rekomendasi yang terlalu umum ("tingkatkan promosi", promosi apa? di mana?).
Setelah itu, kirim. Kalau kamu mau lanjut ke automasi penuh, langkah ini bisa disambung ke email lewat Apps Script atau tools automasi.
Dataset toko_berkah punya Ngulik Data isinya 8.400 transaksi warung kelontong di Semarang, 142 produk.
Aku jalanin query minggu 12 (16-22 Maret 2026). Hasilnya:
| Kategori | Minggu ini | Minggu lalu | Perubahan |
|---|---|---|---|
| Sembako | Rp 5,84 juta | Rp 4,91 juta | +18,9% |
| Minuman instan | Rp 3,12 juta | Rp 3,08 juta | +1,3% |
| Makanan ringan | Rp 1,97 juta | Rp 2,44 juta | -19,3% |
| Perlengkapan mandi | Rp 1,52 juta | Rp 1,61 juta | -5,6% |
Aku kasih tabel ini ke AI dengan konteks: minggu itu masuk pekan pertama Ramadan.
Draft narasinya nangkep polanya: sembako naik 18,9%, makanan ringan turun 19,3%. Pola belanja bergeser dari camilan ke bahan masak.
Rekomendasi yang dia kasih: tambah stok minyak goreng dan gula, kurangin restock makanan ringan sampai Lebaran.
Itu narasi yang bener dan berguna. Tapi di draft pertama, AI nulis "sembako naik hampir 20%", padahal angka persisnya 18,9%. Aku ganti manual.
Detail kecil, tapi kalau atasan kamu cross-check ke dashboard, angka yang nggak cocok bikin laporan kamu diragukan.
Nyuruh AI ngitung. "Hitung berapa persen kenaikannya" adalah instruksi paling berbahaya. Hitung di SQL, kasih hasilnya ke AI.
Tempel screenshot, bukan tabel. AI harus nebak angka dari gambar, dan salah bacanya lebih sering dari yang kamu kira.
Nggak kasih konteks bisnis. Tanpa tau ada libur nasional atau promo, AI bakal ngasih penjelasan ngawur buat lonjakan angka.
Percaya draft pertama. Tingkat error yang aku temuin 37,5% dari 8 laporan. Sepuluh menit cek itu murah.
Tempel data pelanggan mentah. Agregat dulu di SQL. Yang masuk ke AI cukup total per kategori, bukan nama dan nomor HP pelanggan.
Nggak, dan sebaiknya jangan. Model bahasa sering salah waktu ngitung persentase atau selisih angka, karena dia nebak kata berikutnya, bukan ngitung. Aturan aku: semua angka yang muncul di laporan harus datang dari query SQL atau rumus spreadsheet, bukan dari AI. AI cuma nulis narasinya. Cek ulang tiap angka sebelum kirim, butuh 3 menit.
Claude, ChatGPT, atau Gemini semuanya bisa. Yang lebih penting bukan pilihan tools-nya, tapi seberapa rapi data yang kamu kasih. AI yang dikasih tabel bersih dengan header jelas bakal ngasih narasi jauh lebih akurat ketimbang AI canggih yang dikasih screenshot spreadsheet berantakan. Rapiin datanya dulu, baru pilih tools.
Simpan satu template prompt yang isinya struktur laporan yang kamu mau: berapa bagian, urutannya apa, panjangnya berapa kalimat. Tiap minggu kamu cukup ganti bagian datanya. Kalau kamu pakai Claude Projects atau Custom GPT, template ini bisa disimpan permanen jadi kamu nggak perlu tempel ulang. Konsistensi format ini yang bikin laporan gampang dibaca atasan.
Tergantung kebijakan kantor kamu. Aturan aman: jangan pernah tempel data yang isinya nama pelanggan, nomor telepon, atau info pribadi lain. Agregat aja dulu di SQL, jadi yang kamu tempel cuma total per kategori. Kalau kantor kamu punya versi enterprise dengan jaminan data nggak dipakai buat training, aturannya bisa lebih longgar. Tanya tim IT dulu.
Dari yang aku ukur, laporan mingguan yang biasanya makan 2 jam bisa turun jadi sekitar 35 menit. Yang paling banyak kepangkas bukan bagian narik data, tapi bagian nulis narasinya. Dari 70 menit jadi 10 menit. Sisanya masih manual: bikin query, cek angka, dan revisi kalimat yang kurang pas.
Pembagian tugasnya jelas: SQL yang ngitung, AI yang nulis, kamu yang verifikasi.
Yang paling banyak nghemat waktu bukan narik datanya, tapi nyusun narasinya. 70 menit jadi 10.
Dan yang nggak boleh dipangkas: 10 menit cek angka. Dari 8 laporan, 3 di antaranya ada angka salah di draft AI.
Mau mulai? Bikin query mingguan kamu dulu, simpan sebagai template. Kalau SQL-nya masih bikin mikir, latihan dulu di NgulikSQL, gratis.
Buat nyusun visualisasi laporannya, cek panduan jenis-jenis chart.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Tools AI bisa bikin chart dan ringkas data dalam hitungan detik. Jadi Python masih perlu dipelajari analis di 2026? Jawabannya iya, tapi alasannya udah beda dari 3 tahun lalu.
Aku tes forecasting AI di data penjualan 4 cabang toko grosir. Hasilnya lebih akurat dari tebakan manual, tapi meleset parah di satu titik yang mahal.
Cara ngolah ribuan review pelanggan jadi insight pakai AI, dari nyusun prompt yang konsisten, ngasih label, sampai ngubah hasilnya jadi rekomendasi yang bisa dieksekusi.