Data Governance Adalah: Kerangka Praktis untuk Tim Data Kecil

Data governance adalah kumpulan aturan soal siapa yang punya tiap dataset, siapa yang boleh mengaksesnya, gimana kualitasnya dijaga, dan gimana satu angka didefinisikan.

Kedengeran kayak urusan perusahaan besar. Padahal masalah yang dia selesaiin itu masalah tim kecil banget: dua orang bikin laporan omzet, angkanya beda, dan nggak ada yang tau siapa yang benar.

Aku susun kerangka enam langkah yang bisa dijalanin tim 3 sampai 10 orang, tanpa alat berbayar.

Apa itu data governance?

Data governance adalah cara sebuah tim ngatur siapa bertanggung jawab atas data apa, aturan mainnya gimana, dan siapa yang berhak mutusin kalau ada perbedaan. Isinya empat hal utama: kepemilikan data, hak akses, standar kualitas, dan definisi metrik. Tujuannya satu, biar angka yang keluar dari sistem bisa dipercaya dan konsisten antar tim.

Yang sering disalahpahami: governance bukan alat, dan bukan jabatan. Dia dokumen plus kebiasaan.

Tanda tim kamu butuh ini sekarang juga:

• Ada dua laporan dengan judul sama tapi angkanya beda
• Nggak ada yang tau tabel penjualan_final_v2 itu isinya apa dan siapa yang bikin
• Semua orang punya akses ke semua tabel, termasuk kolom nomor telepon pelanggan
• Waktu satu orang cuti, laporan mingguan berhenti

Kalau tiga dari empat tanda itu ada, kamu udah telat sebulan.

Kenapa tim kecil sering ngeskip governance?

Karena biayanya kelihatan di depan dan manfaatnya kelihatan belakangan. Nyusun katalog dataset makan waktu dua hari, dan hasilnya nggak nambah satu grafik pun ke dashboard.

Biayanya baru kelihatan waktu ada masalah. Di satu tim yang aku bantu, rapat direksi sempat tertunda dua minggu cuma gara-gara angka omzet dari tim keuangan dan tim penjualan selisih Rp340 juta. Setelah ditelusuri, penyebabnya sepele: satu tim ngitung omzet sebelum retur, satu lagi sesudah retur.

Dua definisi, dua angka, dua minggu terbuang. Satu baris di kamus metrik bisa nyegah itu.

Langkah 1: Bikin daftar dataset dan pemiliknya

Satu spreadsheet, enam kolom. Ini pondasi semuanya.

Kolom	Contoh isi
nama_tabel	fct_penjualan_harian
isi_singkat	Ringkasan penjualan per hari per cabang
sumber	Sistem kasir, tarik jam 01.00 tiap hari
pemilik_bisnis	Rina, Kepala Penjualan
penanggung_jawab_teknis	Adi, Data Engineer
tingkat_sensitivitas	Internal

Dua kolom pemilik itu yang paling penting, dan yang paling sering digabung jadi satu. Jangan digabung. Pemilik bisnis nentuin arti datanya, penanggung jawab teknis mastiin pipeline-nya jalan.

Isi dulu 20 tabel yang paling sering dipakai. Sisanya nyusul.

Langkah 2: Susun kamus metrik

Kamus metrik adalah daftar definisi resmi tiap angka yang dipakai perusahaan. Satu metrik, satu definisi, satu rumus, satu pemilik. Ini dokumen yang paling cepat ngasih hasil, soalnya sebagian besar pertengkaran soal angka sebenernya pertengkaran soal definisi.

Formatnya:

Nama metrik : Omzet bersih
Definisi    : Total nilai transaksi setelah dikurangi retur dan diskon,
              sebelum pajak
Rumus       : SUM(nilai_transaksi) - SUM(nilai_retur) - SUM(diskon)
Sumber      : fct_penjualan_harian
Pemilik     : Rina, Kepala Penjualan
Dipakai di  : Dashboard Direksi, Laporan Bulanan Cabang
Catatan     : Transaksi batal tidak dihitung sama sekali,
              bukan dihitung sebagai retur

Baris Catatan itu yang nyelamatin. Di situ kamu simpan semua kasus khusus yang biasanya cuma ada di kepala satu orang.

Mulai dari 10 metrik yang paling sering muncul di rapat. Kalau kamu belum familiar sama istilah metrik dan KPI, dua halaman itu bisa jadi pijakan.

Langkah 3: Atur akses bertingkat

Tiga tingkat udah cukup buat tim kecil:

1. Publik internal. Semua karyawan boleh lihat. Contoh: omzet total per bulan, jumlah transaksi.
2. Terbatas. Cuma divisi terkait. Contoh: margin per produk, gaji per posisi.
3. Sensitif. Butuh persetujuan tertulis. Contoh: nomor telepon pelanggan, NIK, data kesehatan.

Aturan praktisnya: kolom sensitif jangan pernah ada di lingkungan pengembangan dalam bentuk asli. Samarkan jadi 0812****7789 sebelum data disalin ke tempat latihan atau uji coba.

Ini bukan cuma soal rapi. Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi ngatur bahwa data pribadi cuma boleh dipakai sesuai tujuan yang disetujui pemiliknya, dan wajib dijaga keamanannya. Buat tim data, artinya akses harus dibatasi dan dicatat.

Langkah 4: Pasang pemeriksaan kualitas data otomatis

Aturan tanpa pemeriksaan itu cuma niat baik. Empat pemeriksaan ini yang paling banyak nangkap masalah:

• Unik. Kolom ID nggak boleh ada yang dobel
• Tidak kosong. Kolom tanggal dan nilai transaksi wajib terisi
• Nilai yang diterima. Kolom status cuma boleh berisi daftar nilai tertentu
• Rentang wajar. Nilai transaksi nggak boleh negatif atau di atas batas tertentu

Kalau kamu udah pakai dbt, empat pemeriksaan itu bawaan dan tinggal ditulis di file yaml. Caranya aku tulis di dbt tests buat cegah angka salah.

Kalau belum, bikin query pemeriksaan yang jalan tiap pagi dan kirim hasilnya ke chat tim. Sederhana pun nolong.

Pemeriksaan ini yang bikin standar kualitas data beneran jalan, bukan cuma tertulis di dokumen.

Langkah 5: Catat perubahan

Tiga hal yang wajib punya riwayat:

Kode transformasi. Taruh di Git. Semua perubahan SQL harus lewat pull request, bahkan kalau reviewernya cuma satu orang.

Definisi metrik. Kalau definisi omzet bersih berubah, catat tanggal berlakunya. Tanpa ini, angka historis kamu jadi campuran dua definisi dan nggak bisa dibandingin.

Perubahan skema. Kolom yang dihapus atau diganti nama harus diumumkan sebelum dieksekusi. Dashboard yang tiba-tiba kosong biasanya korban kolom yang diganti nama diam-diam.

Langkah 6: Tentuin siapa yang mutusin

Ini langkah yang paling sering dilewat, dan yang paling bikin governance mandek.

Kalau tim penjualan mau ubah definisi omzet dan tim keuangan nggak setuju, siapa yang mutusin? Tulis namanya. Satu orang, bukan komite.

Buat tim di bawah 10 orang, biasanya cukup satu penanggung jawab data yang punya wewenang mutusin definisi, plus rapat 30 menit sebulan sekali buat bahas usulan perubahan.

Contoh kasus: toko_berkah, tim 4 orang

Toko_berkah punya tim data isi 4 orang buat 12 cabang. Sebelum ada aturan main, ini kondisinya:

• 47 tabel di warehouse, 19 di antaranya nggak ada yang tau isinya apa
• Ada 3 versi laporan omzet bulanan dengan selisih sampai 8 persen
• Semua 4 orang punya akses penuh ke kolom nomor telepon 4.812 member

Yang mereka kerjain dalam dua minggu: katalog 20 tabel utama, kamus 12 metrik, tiga tingkat akses, dan 24 pemeriksaan kualitas data yang jalan tiap pagi.

Hasilnya setelah tiga bulan:

Ukuran	Sebelum	Sesudah
Tabel tanpa pemilik	19	0
Versi laporan omzet	3	1
Waktu jawab pertanyaan angka	2 hari	2 jam
Masalah data ketahuan sebelum masuk dashboard	Nggak pernah	17 kali dalam 3 bulan

Baris terakhir itu yang paling berharga. Tujuh belas kali angka salah ketahan sebelum sampai ke mata direksi.

Total waktu yang dihabiskan buat nyusun semuanya: sekitar 26 jam kerja, dibagi 4 orang selama 2 minggu.

Kesalahan umum waktu mulai data governance

1. Bikin dokumen 40 halaman di awal. Nggak ada yang baca. Mulai dari satu spreadsheet katalog dan satu kamus metrik.

2. Nunjuk data engineer sebagai pemilik semua data. Dia nggak tau arti bisnis dari kolom status_pelanggan. Pemilik harus orang bisnis.

3. Beli alat katalog sebelum punya kebiasaan. Alat mahal yang isinya kosong nggak nolong apa-apa.

4. Nggak nentuin pengambil keputusan. Tanpa ini, setiap perbedaan definisi berakhir jadi rapat tanpa kesimpulan.

5. Ngeskip penyamaran data sensitif di lingkungan uji. Ini yang paling berisiko secara hukum, dan paling gampang diperbaiki.

6. Nulis definisi metrik tanpa catatan kasus khusus. Justru kasus khusus yang bikin dua orang dapat angka beda.

7. Mikir governance selesai setelah dokumennya jadi. Kamus metrik yang nggak diperbarui 6 bulan lebih berbahaya dari nggak punya, soalnya orang percaya sama isinya.

FAQ

Tim 3 orang beneran butuh data governance?

Butuh, tapi versi ringan. Yang kamu perlu cuma dua dokumen: daftar dataset dengan pemiliknya, dan kamus metrik. Dua-duanya muat di satu spreadsheet dan bisa disusun dalam sehari. Justru tim kecil yang paling rugi kalau nggak punya, soalnya satu orang keluar bisa bikin separuh pengetahuan soal data ikut hilang.

Bedanya data governance sama data quality apa?

Data quality itu soal kondisi datanya: lengkap, akurat, konsisten, atau nggak. Data governance itu soal aturan mainnya: siapa yang tanggung jawab kalau datanya jelek, siapa yang boleh ngubah, dan gimana keputusannya diambil. Kualitas data itu salah satu hasil dari governance yang jalan, bukan hal yang sama.

Perlu beli alat khusus buat data governance?

Buat tim di bawah 10 orang, nggak perlu. Spreadsheet buat katalog dan kamus metrik, Git buat riwayat perubahan kode transformasi, plus test bawaan dbt buat kualitas data. Itu udah nutup sebagian besar kebutuhan. Alat katalog berbayar baru masuk akal kalau jumlah tabelnya udah ratusan dan penggunanya lintas divisi.

Siapa yang cocok jadi pemilik dataset?

Orang yang paling paham arti datanya, bukan yang paling jago teknisnya. Data penjualan sebaiknya dimiliki kepala penjualan, bukan data engineer. Engineer tanggung jawab soal pipeline-nya jalan, pemilik tanggung jawab soal definisi dan kebenaran isinya. Kalau dua peran ini dicampur ke satu orang teknis, definisinya sering meleset dari kenyataan bisnis.

Gimana soal aturan data pribadi di Indonesia?

Indonesia punya Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi. Intinya, data pribadi pelanggan cuma boleh dikumpulin dan dipakai sesuai tujuan yang disetujui, dan harus dijaga keamanannya. Buat tim data, konsekuensi praktisnya: batasi akses ke kolom sensitif, samarkan nomor telepon dan NIK di lingkungan pengembangan, dan catat siapa mengakses apa.

Penutup

Tiga hal buat dikerjain minggu ini:

• Bikin spreadsheet katalog, isi 20 tabel yang paling sering dipakai lengkap sama pemiliknya.
• Tulis definisi 10 metrik yang paling sering muncul di rapat, termasuk catatan kasus khususnya.
• Cek siapa aja yang punya akses ke kolom data pribadi pelanggan. Biasanya jawabannya bikin nggak nyaman.

Buat gambaran kerangka yang lebih lengkap beserta istilah bakunya, penjelasan Google Cloud soal data governance cukup rapi dan netral.

Kalau kamu lagi mikirin di mana semua data ini disimpan, mampir ke bahasan data lake, warehouse, dan lakehouse.