TL;DR
AI bisa jadi reviewer dashboard pertama kamu: screenshot dashboard-nya, kasih tau siapa audiensnya dan keputusan apa yang mau diambil, terus minta 5 kritik paling tajam plus perbaikannya. Yang paling nendang: suruh AI berperan sebagai bos kamu dan nulis pertanyaan pertama yang bakal dia lontarin. AI nggak tau konteks bisnis kamu, jadi kritiknya soal desain dan kejelasan, bukan soal angkanya bener atau nggak.
Sebelum dashboard kamu dikritik bos di depan orang banyak, mending dikritik AI dulu di kamar sendiri.
AI nggak bisa ngecek angka kamu bener atau nggak. Tapi dia jago banget nemu hal yang kamu udah kebal karena udah natap dashboard itu 4 jam: judul yang nggak jelas, chart yang kepenuhan, warna yang nyebar tanpa arti.
Ini cara nyusun prompt-nya, checklist yang aku pakai, dan batas yang harus kamu tau.
Karena dia nggak punya konteks, dan itu justru kelebihannya.
Kamu tau kolom "GMV bersih" itu artinya apa, jadi kamu nggak sadar label itu nggak jelas buat orang lain. AI nggak tau, jadi dia langsung nanya. Persis kayak bos kamu bakal nanya.
Tiga hal yang AI konsisten nemuin:
Semua itu masalah yang kamu nggak bisa lihat lagi setelah 4 jam ngerjain dashboard-nya sendiri.
Empat langkah.
Ambil screenshot penuh, resolusi tinggi. Kalau dashboard kamu interaktif, ambil 2-3 screenshot di kondisi filter yang paling sering dipakai, AI nggak bisa klik apa-apa.
Kalau angkanya sensitif, ganti dulu pakai angka palsu. Buat review desain, isinya nggak penting.
Ini yang paling sering dilewatin. Tanpa konteks, AI cuma bisa ngomongin estetika.
Yang harus kamu sebut: siapa yang bakal lihat, keputusan apa yang mau diambil, dan berapa lama mereka bakal natap dashboard ini.
Jangan nanya "gimana menurut kamu?". Jawabannya bakal sopan dan nggak berguna.
Prompt yang aku pakai:
Ini screenshot dashboard penjualan yang bakal aku presentasiin.
Konteks:
- Yang lihat: Manajer Operasional, bukan orang data
- Keputusan yang mau diambil: cabang mana yang perlu
intervensi bulan ini
- Waktu dia natap dashboard ini: sekitar 60 detik,
di HP, sambil jalan ke meeting
Tugas kamu:
1. Sebut 5 masalah paling parah, urut dari yang paling
ngeganggu keputusan di atas.
2. Buat tiap masalah: tunjuk elemen mana yang bermasalah,
jelasin KENAPA itu masalah buat Manajer Operasional,
dan kasih 1 perbaikan konkret.
3. Jangan basa-basi. Jangan puji dulu. Langsung kritik.
4. Kalau ada chart yang menurut kamu nggak bantu keputusan
di atas, bilang "hapus".
Terakhir: tulis 3 pertanyaan pertama yang kemungkinan besar
bakal dilontarin Manajer Operasional waktu lihat ini.Bagian terakhir itu emas. Kalau kamu nggak bisa jawab tiga pertanyaan itu, dashboard kamu belum siap.
Putaran kedua, ganti perannya:
Sekarang kamu Manajer Operasional yang lagi buru-buru.
Kamu nggak suka baca. Kamu cuma mau tau: cabang mana
yang bermasalah dan kenapa.
Lihat dashboard ini 10 detik. Tulis reaksi jujur kamu,
termasuk kalau kamu bingung atau kesal.Reaksi "aku nggak nemu jawabannya dalam 10 detik" itu feedback paling berguna yang bisa kamu dapat sebelum meeting beneran.
Kalau kamu mau prompt yang lebih terstruktur, tempel checklist ini dan minta AI ngisi satu per satu.
| Yang dicek | Pertanyaannya |
|---|---|
| Pesan utama | Apa satu hal yang dashboard ini pengen bilang? |
| Waktu ke insight | Berapa detik buat nemu masalah utamanya? |
| Judul chart | Judulnya kesimpulan atau cuma deskripsi? |
| Jumlah chart | Ada chart yang bisa dihapus tanpa ada yang hilang? |
| Warna | Tiap warna punya arti, atau cuma dekorasi? |
| Label | Ada singkatan atau istilah yang cuma jelas buat orang data? |
| Satuan | Rupiah? Ribuan? Persen? Disebut nggak? |
| Aksi | Setelah lihat ini, orang tau harus ngapain? |
Aku upload dashboard penjualan Toko Berkah versi awal: 6 cabang, data Mei 2026, 9 chart di satu halaman.
Lima kritik yang AI kasih (aku ringkas):
Terus tiga pertanyaan yang AI prediksi bakal ditanya bos:
Aku nggak bisa jawab pertanyaan pertama dari dashboard yang ada. Padahal itu pertanyaan yang paling penting.
Jadi aku tambahin satu kartu: jumlah transaksi Jakarta Utara turun dari 847 ke 652, tapi rata-rata belanja per transaksi Rp 412.000, tertinggi dari semua cabang. Itu jawaban langsungnya: masalahnya traffic, bukan harga.
Hasil akhir: 9 chart jadi 4. Satu kartu baru yang jawab pertanyaan paling penting. Waktu review dari 25 menit jadi 8 menit.
Yang AI nggak bisa kasih: pengetahuan bahwa jumlah transaksi itu angka yang paling penting buat kasus ini. Itu datang dari ngerti bisnisnya. AI cuma nunjukin bahwa pertanyaannya bakal muncul.
Jadi: pakai AI buat ngecek kejelasan dan desain. Buat ngecek kebenaran angka, tetap harus kamu, dan itu balik lagi ke SQL.
Bisa, semua model besar sekarang udah bisa baca gambar. Kamu tinggal screenshot dashboard-nya dan tempel ke chat. AI bakal baca judul, label, warna, dan tata letaknya. Yang dia nggak bisa: klik filter, hover tooltip, atau lihat halaman kedua. Jadi kalau dashboard kamu interaktif, screenshot beberapa kondisi filter yang paling sering dipakai.
Tergantung promptnya. Kalau kamu cuma nanya "gimana dashboard ini?", jawabannya bakal sopan dan nggak berguna. Yang bikin kritiknya tajam: kasih konteks audiens, sebut keputusan yang mau diambil, dan minta dia nyebut masalah yang berperingkat, misalnya "sebut 5 masalah, urut dari yang paling parah, dan jelasin kenapa itu masalah buat CFO."
Tiga hal. Satu, angkanya bener atau nggak, AI nggak punya akses ke data kamu. Dua, apakah metriknya relevan buat bisnis kamu; dia nggak tau kalau di kantor kamu "omzet" itu sebelum atau sesudah diskon. Tiga, apakah dashboard-nya bakal dipakai; itu soal orang dan kebiasaan, bukan soal desain.
Tergantung kebijakan kantor kamu dan model yang dipakai. Aturan aman: buram atau ganti angka aslinya dulu, hapus nama klien dan nama karyawan, dan jangan upload apa pun yang ditandai rahasia. Buat review desain, angka palsu pun cukup. Yang kamu tanya kan tata letak dan kejelasan, bukan isinya.
Dua putaran cukup. Putaran pertama buat nemu masalah besar: terlalu banyak chart, judul yang nggak ngasih tau apa-apa, warna yang bikin bingung. Perbaiki, screenshot lagi, minta review kedua khusus buat ngecek apakah masalahnya udah beres. Lebih dari dua putaran biasanya cuma bikin kamu ngutak-atik hal kecil yang nggak ngaruh.
Ringkasannya:
Buat mastiin angkanya bener, latihan query agregasi di GROUP BY dan COUNT, atau baca definisi dashboard di glossary. Buat prinsip aksesibilitas yang sering AI sebut, standar WCAG dari W3C jadi rujukannya.
Lanjut baca: Cara Memilih Warna Dashboard dan Data Storytelling: Cara Bikin Data Kamu Didengar Bos.
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.