Automasi Laporan Mingguan dengan AI: Studi Kasus Toko Online

Aturan pertama automasi laporan dengan AI: SQL yang ngitung, AI yang nulis. Jangan dibalik.

Model bahasa gampang salah ngitung, dan kadang ngarang angka yang kedengarannya masuk akal. Tapi buat nyusun kalimat dari angka yang udah bener? Itu yang dia jago.

Ini studi kasus dari toko online yang laporannya tadinya makan 3 jam tiap Jumat sore. Sekarang 12 menit. Aku ceritain alurnya, prompt yang dipakai, dan tiga bagian yang sempat gagal.

Kondisi awal: 3 jam tiap Jumat sore

Toko online ini jualan produk rumah tangga, omzet sekitar Rp 180 juta sebulan, 3 orang tim. Yang bikin laporan: satu orang admin yang juga ngurus customer service.

Alur manualnya:

1. Export pesanan minggu ini dari dashboard marketplace — 3 marketplace, 3 file CSV berbeda formatnya.
2. Copy semua ke satu Google Sheets, samain nama kolomnya.
3. Bikin pivot table: omzet per hari, per produk, per marketplace.
4. Bandingin sama minggu lalu, hitung persentase perubahan manual.
5. Copy chart ke Google Docs, tulis 5 paragraf ringkasan.
6. Kirim ke owner lewat WhatsApp.

Total 3 jam. Dan itu jam 3 sampai 6 sore Jumat — waktu paling gak produktif dalam seminggu.

Yang bikin makin sia-sia: menurut ownernya, dia cuma baca 2 paragraf pertama dan 1 chart.

Langkah 1: Pindahin data ke satu tempat

Sebelum ngomongin AI, masalah pertama yang harus beres: data-nya nyebar di 3 CSV dengan format beda.

Solusinya bukan AI. Solusinya script Python 60 baris yang narik CSV dari email tiap malam, samain nama kolomnya, terus masukin ke Postgres.

Ini bagian yang paling gak seksi tapi paling penting. Kalau data kamu masih berantakan, AI cuma bakal ngerangkum keberantakan itu dengan kalimat yang rapi.

Struktur tabelnya sederhana: pesanan, detail_pesanan, produk. Tiga tabel, itu doang.

Langkah 2: Query yang ngitung semua angkanya

Semua angka di laporan dihitung SQL. Bukan AI. Ini query utamanya:

WITH minggu_ini AS (
    SELECT
        COUNT(DISTINCT order_id)    AS pesanan,
        COUNT(DISTINCT id_customer) AS customer,
        SUM(total_harga)            AS omzet,
        ROUND(SUM(total_harga) / COUNT(DISTINCT order_id)) AS aov
    FROM pesanan
    WHERE tanggal >= CURRENT_DATE - INTERVAL '7 day'
      AND status <> 'batal'
),
minggu_lalu AS (
    SELECT
        COUNT(DISTINCT order_id) AS pesanan,
        SUM(total_harga)         AS omzet
    FROM pesanan
    WHERE tanggal >= CURRENT_DATE - INTERVAL '14 day'
      AND tanggal <  CURRENT_DATE - INTERVAL '7 day'
      AND status <> 'batal'
)
SELECT
    i.pesanan,
    i.customer,
    i.omzet,
    i.aov,
    ROUND(100.0 * (i.omzet - l.omzet) / NULLIF(l.omzet, 0), 1)     AS perubahan_omzet_persen,
    ROUND(100.0 * (i.pesanan - l.pesanan) / NULLIF(l.pesanan, 0), 1) AS perubahan_pesanan_persen
FROM minggu_ini AS i
CROSS JOIN minggu_lalu AS l;

WITH di situ bikin dua blok hitungan terpisah yang gampang dibaca. Namanya CTE — cara nyusun query bertingkat tanpa bikin sarang subquery yang bikin pusing. Kalau kamu belum pakai ini, cek CTE.

Query kedua narik top 5 produk. Query ketiga narik produk yang penjualannya turun paling tajam.

Tiga query. Hasilnya diformat jadi teks sederhana, bukan tabel HTML:

MINGGU 15-21 JUNI 2026
Pesanan: 412 (naik 8,4% dari minggu lalu)
Customer: 389
Omzet: Rp 47.100.000 (naik 3,1%)
AOV: Rp 114.300 (turun 4,9%)

TOP 5 PRODUK
1. Rak Sepatu Susun 4 - 68 unit - Rp 8.160.000
2. Keranjang Laundry - 91 unit - Rp 5.460.000
...

Langkah 3: AI yang nulis ringkasannya

Teks di atas dikirim ke model bahasa dengan prompt yang ketat. Ini isinya:

Kamu asisten analis untuk toko online produk rumah tangga.
Di bawah ini data penjualan minggu ini. Tulis ringkasan untuk pemilik toko.

ATURAN:
- Maksimal 5 kalimat.
- Gunakan HANYA angka yang ada di data. Jangan menghitung angka baru.
- Jangan menambahkan angka yang tidak tertulis di data.
- Sebutkan satu hal yang perlu diperhatikan minggu depan.
- Kalau ada angka yang turun, sebutkan tanpa menyalahkan siapa pun.
- Bahasa Indonesia santai, pakai "kamu" untuk pemilik toko.
- Jangan pakai kata: signifikan, optimal, strategis.

DATA:
{hasil_query}

Kunci di prompt ini ada di dua baris: "gunakan HANYA angka yang ada di data" dan "jangan menghitung angka baru".

Tanpa dua aturan itu, AI bakal ngitung sendiri hal-hal kayak "proyeksi bulan ini" — dan hasilnya sering salah.

Output-nya kira-kira gini:

Minggu ini kamu dapet 412 pesanan, naik 8,4% dari minggu lalu. Omzetnya Rp 47,1 juta, tapi naiknya cuma 3,1% — lebih pelan dari pertumbuhan pesanan. Artinya rata-rata belanja per pesanan turun jadi Rp 114.300, 4,9% lebih rendah dari minggu lalu. Rak Sepatu Susun 4 masih jadi penyumbang omzet terbesar dengan Rp 8,16 juta. Yang perlu kamu perhatiin minggu depan: orang beli lebih sering tapi lebih kecil, jadi mungkin waktunya coba bundling.

Itu yang dikirim ke owner. Plus dua chart yang di-generate otomatis.

Langkah 4: Jadwal dan pengiriman

Semua dijalanin cron tiap Senin jam 07.00. Script-nya urut: jalanin query, format hasilnya, panggil API AI, gabungin sama chart, kirim email.

Kenapa Senin pagi bukan Jumat sore? Karena owner-nya baca laporan pas mikirin minggu yang mau dijalanin, bukan pas mau pulang.

Perubahan jadwal ini kelihatan sepele, tapi ini yang bikin laporannya beneran dibaca.

Tiga hal yang gagal (dan gimana benerinnya)

Gagal 1: AI ngarang angka proyeksi. Minggu pertama, laporannya nulis "dengan tren ini, omzet bulan ini diproyeksikan Rp 210 juta". Angka itu gak ada di data — AI ngitung sendiri, dan cara ngitungnya salah. Diperbaiki dengan nambahin aturan eksplisit di prompt: dilarang ngitung angka baru.

Gagal 2: Angka omzet beda sama laporan akunting. Query awal ngitung semua pesanan termasuk yang di-refund. Ketauan minggu kedua, selisihnya Rp 3,2 juta. Diperbaiki dengan nambah filter status <> 'batal' dan status <> 'refund'. Ini kesalahan manusia, bukan kesalahan AI.

Gagal 3: Nadanya terlalu kaku. Ringkasan pertama penuh kata "signifikan" dan "strategis", kedengarannya kayak konsultan. Diperbaiki dengan daftar kata terlarang di prompt.

Semua tiga kesalahan ini ketahuan gara-gara masa uji coba: dua minggu di mana laporan AI tetep dicek manual sebelum dikirim.

Jangan skip bagian ini. Automasi yang salah diam-diam lebih bahaya dari kerjaan manual yang lambat.

Hasilnya setelah 3 bulan

	Sebelum	Sesudah
Waktu bikin laporan	3 jam	12 menit (cek + kirim ulang kalau perlu)
Hari kirim	Jumat sore	Senin 08.00
Paragraf yang dibaca owner	2 dari 5	5 dari 5
Biaya API AI per bulan	—	Rp 11.000
Kesalahan angka	2 kali dalam 6 bulan	0 dalam 3 bulan

Hemat waktunya 2 jam 48 menit per minggu. Setahun: sekitar 145 jam.

Tapi angka yang paling penting menurut aku bukan itu. Laporannya sekarang dibaca utuh, dan dari situ owner ngambil dua keputusan yang beneran ngubah stok: bundling produk kecil, dan berhenti restock 4 SKU yang selalu ada di daftar produk turun.

Bagian mana yang gak boleh diserahin ke AI?

Ngitung angka. Selalu SQL. Selalu.

Mutusin metrik mana yang penting. Itu keputusan bisnis. AI gak tau kalau bulan depan kamu mau fokus ke retensi.

Nyimpulin sebab. AI boleh nulis "omzet turun 12%". AI gak boleh nulis "omzet turun karena kompetitor kasih diskon" — dia gak punya data buat itu, dan itu murni tebakan.

Batasnya sederhana: AI boleh nyusun kalimat dari fakta yang kamu kasih. Nggak boleh nambah fakta baru.

Cara mulai kalau kamu belum bisa coding

Nggak perlu langsung bikin pipeline. Tiga langkah yang bisa kamu lakuin minggu ini:

1. Simpan query kamu. Kalau kamu nulis query yang sama tiap minggu, simpan di file. Ini aja udah motong setengah waktu.
2. Copy hasil query ke chat AI, pakai prompt di atas. Manual, tapi udah kepotong 40 menit nulis ringkasan.
3. Baru automasi. Pakai n8n atau Zapier kalau kamu gak mau nulis Python. Alurnya sama: query, kirim ke AI, kirim email.

Panduan cara nyambungin API model bahasa ada di dokumentasi resminya, dan pola yang sama berlaku buat model lain.

FAQ

AI bisa dipercaya buat ngitung angka laporan?

Nggak. Model bahasa itu jago nyusun kalimat, tapi gampang salah ngitung dan kadang ngarang angka yang kedengarannya masuk akal. Pembagian tugas yang aman: SQL yang ngitung semua angka, AI cuma nerima hasilnya sebagai teks dan nulis ringkasan. Kalau AI diminta ngitung sendiri dari data mentah, siap-siap kaget pas angkanya dicek.

Berapa lama waktu yang bisa dihemat?

Di studi kasus toko online ini, laporan mingguan yang tadinya butuh 3 jam kerja manual jadi 12 menit — itu sekitar 2 jam 48 menit hemat per minggu, atau 145 jam setahun. Sebagian besar waktu manual dulu habis di copy-paste antar sheet dan bikin chart ulang, bukan di analisis.

Perlu bisa coding buat bikin automasi ini?

Butuh sedikit. Minimal kamu harus bisa nulis SQL buat narik angkanya dan sedikit Python atau tool no-code kayak n8n buat nyambungin query ke AI dan email. Kalau kamu belum bisa dua-duanya, mulai dari SQL. Query yang bisa dipakai ulang aja udah motong setengah waktu laporan kamu, tanpa AI sama sekali.

Gimana kalau AI-nya salah nulis kesimpulan?

Itu kenapa masa uji coba wajib. Jalanin dua minggu di mana laporan AI dicek manual sebelum dikirim, dan catat tiap kali salah. Di kasus ini ada 3 kesalahan di 2 minggu pertama, semuanya karena prompt-nya terlalu longgar. Setelah prompt-nya dikencengin dengan aturan eksplisit, 8 minggu berikutnya bersih.

Tool apa yang dipakai buat automasi kayak gini?

Yang dipakai di kasus ini: Postgres buat data, script Python buat jalanin query dan panggil API model bahasa, cron buat jadwal, dan email biasa buat kirim. Alternatif tanpa coding: n8n atau Zapier buat alurnya, Google Sheets buat data, dan Gmail buat kirim. Biaya API model bahasa buat laporan mingguan kayak gini di bawah Rp 15.000 sebulan.

Penutup

Yang bikin automasi ini jalan:

• Pembagian tugas yang tegas — SQL ngitung, AI nulis. Kesalahan terbesar orang adalah nyerahin hitungan ke AI.
• Prompt yang ngelarang AI nambah angka baru. Satu kalimat itu yang nyegah laporan ngarang.
• Dua minggu uji coba dengan pengecekan manual. Semua bug ketahuan di situ.

Pondasinya tetep SQL. Query yang bener bikin automasi ini mungkin — tanpa itu, AI cuma ngerapihin angka yang salah. Latihan sampai lancar di NgulikSQL.

Lanjut baca: KPI Marketing: 12 Metrik Wajib di Dashboard Kamu — buat mutusin angka apa yang layak masuk laporan mingguan kamu.