Menangani Banjir Permintaan Ad-hoc: Formulir Intake dan Prioritas
TL;DR
Formulir intake yang efektif punya enam pertanyaan wajib: pertanyaan bisnis, keputusan yang bakal diambil, tenggat, siapa yang pakai, data yang dipakai sekarang, dan tingkat kepentingan. Prioritas dihitung pakai skor sederhana dampak dikali kepastian dibagi effort. Di tim analis 3 orang yang aku amati, formulir intake motong permintaan masuk dari 47 jadi 29 per bulan, dan 18 sisanya batal sendiri saat pemintanya nggak bisa jawab kolom keputusan.
Permintaan ad-hoc numpuk bukan karena stakeholder nyebelin. Numpuk karena nggak ada pintu masuk yang jelas, jadi semua orang masuk lewat jendela.
Chat pribadi, tag di grup, colek waktu ambil kopi, email cc lima orang. Empat jalur masuk berbeda buat satu jenis kerjaan yang sama.
Solusinya bukan nolak lebih sering. Solusinya bikin satu pintu, plus aturan urutan yang bisa ditunjuk waktu ada yang protes.
Kenapa permintaan ad-hoc bikin tim data kewalahan?
Bukan jumlahnya yang bikin capek, tapi biaya pindah konteks. Tiap permintaan masuk maksa kamu berhenti dari kerjaan yang lagi jalan, mikirin konteks baru, terus balik lagi.
Ada tiga pola yang aku lihat berulang di tim data kecil:
- Permintaan tanpa pertanyaan. "Minta data penjualan dong." Nggak ada rentang waktu, nggak ada dimensi, nggak ada tujuan. Kamu kirim, dibalas "eh yang per cabang aja." Tiga putaran kemudian baru ketemu maunya apa.
- Permintaan yang nggak berujung keputusan. Datanya dikirim, nggak ada yang buka. Ternyata cuma buat nemenin satu slide yang akhirnya dihapus.
- Permintaan mendesak palsu. Semua ditandai urgent, jadi nggak ada yang urgent. Waktu ditanya kapan dipakai, jawabannya "nanti bulan depan sih".
Formulir intake nyelesain ketiganya sekaligus, karena maksa peminta mikir dulu sebelum ngirim.
Pertanyaan apa yang harus ada di formulir intake?
Enam pertanyaan. Lebih dari itu orang malas ngisi, kurang dari itu kamu tetap harus bolak-balik nanya.
| Kolom | Isi | Kenapa perlu |
|---|---|---|
| Pertanyaan bisnis | Satu kalimat tanya | Maksa peminta rumusin maunya, bukan minta tabel |
| Keputusan yang diambil | Apa yang berubah setelah dapat jawabannya | Kolom penyaring paling ampuh |
| Tenggat dan alasannya | Tanggal plus acara pemicunya | Misahin mendesak beneran dari kebiasaan |
| Siapa yang pakai | Nama orang atau tim | Nentuin format keluaran |
| Sumber data sekarang | Laporan atau file yang udah ada | Sering ternyata jawabannya udah ada |
| Dampak kalau nggak dikerjain | Pilihan: besar, sedang, kecil | Bahan skor prioritas |
Kolom "keputusan yang diambil" itu yang paling banyak kerja. Kalau peminta nggak bisa nulis apa pun di situ, biasanya permintaannya batal sendiri sebelum kamu sempat balas.
Bikin kolom itu wajib diisi teks bebas, jangan pilihan ganda. Pilihan ganda ngasih jalan pintas buat asal klik.
Cara bikin formulir intake dalam 30 menit
Pakai Google Forms yang nyambung ke Sheets. Gratis, dan semua orang di kantor udah tau cara pakainya.
- Bikin form dengan enam pertanyaan di atas. Tandai semua sebagai wajib kecuali kolom sumber data.
- Tambah satu pertanyaan pilihan: perkiraan waktu. Isi pilihannya cepat (di bawah 2 jam), sedang (1-3 hari), besar (lebih dari 3 hari). Ini tebakan peminta, dan bedanya sama tebakan kamu nanti jadi bahan obrolan yang berguna.
- Sambungkan ke Sheets. Menu Responses lalu ikon Sheets. Panduan resminya ada di Pusat Bantuan Google Docs Editors.
- Tambah 4 kolom manual di sheet: status, pemilik, skor prioritas, tanggal selesai.
- Pin link formnya di deskripsi grup chat. Kalau ada yang colek lewat chat, balas dengan link itu. Konsisten dua minggu, kebiasaannya bakal berubah.
Langkah lima itu bagian tersulit. Bukan teknis, tapi soal disiplin.
Aku sarankan bikin balasan siap tempel: "Boleh isi form ini dulu ya, biar aku bisa urutin sama permintaan lain yang lagi jalan. Link-nya di deskripsi grup."
Gimana cara ngurutin prioritas permintaan data?
Pakai skor sederhana. Tiga komponen, semuanya skala 1 sampai 5.
Skor = (dampak x kepastian) / effort
dampak = seberapa besar keputusan yang dipengaruhi (1-5)
kepastian = seberapa yakin analisisnya bakal ngasih jawaban (1-5)
effort = perkiraan hari kerja (1-5)
Ini versi ringkas dari kerangka RICE yang biasa dipakai tim produk. Aku hapus komponen reach karena buat permintaan internal jumlah penggunanya hampir selalu kecil dan nggak ngebedain apa-apa.
Di spreadsheet, rumusnya:
=IFERROR((D2 * E2) / F2, 0)
Terus urutkan menurun. Yang di atas dikerjain duluan.
Contoh isi tabel antrean setelah diskor:
| Permintaan | Dampak | Kepastian | Effort | Skor |
|---|---|---|---|---|
| Cabang mana yang margin-nya turun | 5 | 4 | 2 | 10,0 |
| Rekap penjualan buat rapat direksi | 3 | 5 | 1 | 15,0 |
| Segmentasi pelanggan lengkap | 5 | 3 | 5 | 3,0 |
| Grafik tren buat postingan LinkedIn | 1 | 5 | 1 | 5,0 |
Perhatiin baris kedua. Skornya paling tinggi bukan karena dampaknya paling besar, tapi karena cepat dan pasti selesai. Ini yang sering disebut kerjaan kecil yang nyelametin hubungan kerja.
Baris ketiga menarik juga. Segmentasi pelanggan dampaknya besar, tapi skornya paling rendah gara-gara effort 5. Permintaan kayak gini harusnya nggak masuk jalur ad-hoc sama sekali. Jadwalin di sprint.
Kelas layanan dan janji waktu
Umumin di depan berapa lama tiap kelas dikerjakan. Ini yang bikin orang berhenti nanya "udah jadi belum" tiap dua jam.
| Kelas | Contoh | Janji waktu |
|---|---|---|
| Cepat | Tarik angka dari laporan yang udah ada | Hari kerja yang sama |
| Sedang | Query baru, gabung 2-3 tabel | 2 hari kerja |
| Besar | Model, dashboard baru, riset | Masuk sprint, bukan ad-hoc |
| Genting | Angka salah di laporan yang udah beredar | Langsung, geser semua |
Kelas genting harus punya definisi ketat, kalau nggak semua orang bakal ngaku genting. Aku pakai satu syarat: ada angka yang udah dipakai buat keputusan dan angkanya salah.
Kalau yang jadi masalah kualitas datanya, query cek kualitas data biasanya jadi langkah pertama sebelum kamu janji perbaikan apa pun.
Contoh kasus: tim analis 3 orang di distributor FMCG
Aku ngamatin satu tim data internal di distributor makanan dengan 3 analis dan 41 stakeholder di lima divisi.
Sebelum ada formulir intake, mereka nerima 47 permintaan per bulan lewat empat jalur berbeda. Nggak ada catatan, jadi angka itu hasil rekap manual dari riwayat chat selama sebulan.
Setelah formulir intake jalan dua bulan:
| Ukuran | Sebelum | Setelah 2 bulan |
|---|---|---|
| Permintaan masuk per bulan | 47 | 29 |
| Permintaan yang butuh klarifikasi ulang | 31 | 6 |
| Rata-rata waktu tunggu | 4,2 hari | 1,8 hari |
| Porsi waktu buat kerja terencana | 28% | 55% |
Yang paling menarik: 18 permintaan yang hilang itu bukan ditolak. Mereka nggak pernah dikirim.
Waktu ditanya kenapa, jawabannya mirip: pas mau ngisi kolom keputusan, pemintanya sadar sendiri jawabannya nggak bakal ngubah apa-apa.
Angka waktu klarifikasi turun dari 31 ke 6 juga besar efeknya. Tiap klarifikasi rata-rata makan 25 menit obrolan bolak-balik. Hemat 25 permintaan kali 25 menit itu sekitar 10 jam per bulan.
Kesalahan umum waktu bikin sistem intake
- Formulirnya kepanjangan. Lima belas pertanyaan bikin orang balik ke chat pribadi. Enam sampai delapan itu batas yang aku lihat masih diisi.
- Nggak konsisten ngarahin ke form. Kalau kamu masih ngerjain permintaan chat sekali-sekali, semua orang bakal balik ke chat. Butuh dua minggu tegas.
- Skor prioritas disimpan sendiri. Buka antreannya ke semua stakeholder. Yang protes urutannya jadi bisa lihat dia lagi bersaing sama apa.
- Nggak ada status "ditutup tanpa dikerjakan". Permintaan yang nggak jelas juntrungannya harus bisa ditutup dengan alasan tertulis, bukan digantung selamanya.
- Lupa catat permintaan dari atasan. Kerjaan yang nggak tercatat bikin beban tim kelihatan lebih ringan dari aslinya waktu minta tambahan orang.
- Nggak pernah lihat ulang datanya. Sheet antrean itu data juga. Rekap tiap kuartal: divisi mana yang paling banyak minta, permintaan apa yang berulang.
Poin terakhir yang paling sering ngasih hasil besar. Kalau satu jenis permintaan muncul enam kali dalam tiga bulan, itu kandidat dashboard, bukan kerjaan manual.
Di tim distributor tadi, tiga permintaan berulang soal stok per gudang akhirnya jadi satu laporan otomatis. Permintaan bulanan turun lagi 5 setelah itu.
Rekap bulanan dari sheet antrean
Empat angka yang aku pantau tiap bulan:
Jumlah permintaan masuk:
=COUNTIFS(antrean[bulan], $A2)
Permintaan selesai:
=COUNTIFS(antrean[bulan], $A2, antrean[status], "selesai")
Rata-rata hari tunggu:
=AVERAGE(IF(antrean[bulan]=$A2, antrean[hari_tunggu]))
Permintaan berulang per topik:
=COUNTIFS(antrean[topik], $B2)
Fungsi COUNTIFS dan AVERAGE cukup buat semuanya. Kalau tim kamu lebih dari lima orang, tambahin kolom pemilik supaya keliatan beban per orang.
Angka rata-rata hari tunggu itu yang paling berguna waktu minta tambahan orang ke manajemen. Grafik naik selama enam bulan lebih meyakinkan daripada bilang "kita kewalahan".
Ringkasnya
Satu pintu masuk, enam pertanyaan, satu rumus skor. Itu isinya.
Kolom "keputusan apa yang bakal diambil" ngerjain sebagian besar penyaringan tanpa kamu perlu nolak siapa pun.
Dan buka antreannya. Orang jarang protes urutan yang bisa mereka lihat sendiri.
Kalau permintaan berulangnya udah kelihatan pola, langkah berikutnya bikin laporan tetap. Coba mulai dari pola dashboard eksekutif buat nutup permintaan rekap yang datang tiap bulan.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Artikel terkait
Kerja Data Analyst di Luar Negeri: Visa, Gaji, dan Persiapan
Kerja data analyst di luar negeri bukan soal ijazah luar negeri. Yang nentuin: sponsorship visa, portfolio, dan negara yang kamu incar.
Financial Analyst vs Data Analyst: Dua Dunia yang Makin Nyatu
Financial analyst kerja di angka uang, data analyst kerja di angka apa pun. Tapi di 2026 tools-nya makin sama. Ini beda dan irisannya.
Marketing Analyst: Metrik, Tools, dan Jalur Masuknya
Apa itu marketing analyst, metrik apa yang tiap hari dipegang, tools yang wajib bisa, dan jalur masuk yang paling realistis buat orang non-teknis di Indonesia.