TL;DR
Budaya data tumbuh dari kebiasaan, bukan dari sosialisasi. Tiga langkah yang paling ngaruh: sepakati definisi metrik dalam satu kamus tertulis, pilih satu angka yang dibuka bareng tiap rapat mingguan, dan bikin data gampang diakses tanpa harus minta ke tim data. Mulai dari satu tim yang paling terbuka, bukan dari seluruh perusahaan sekaligus.
Budaya data tumbuh dari kebiasaan yang diulang, bukan dari pelatihan sehari atau slogan di dinding kantor.
Aku pernah lihat perusahaan ngeluarin Rp 180 juta buat lisensi tool BI, lalu setahun kemudian yang buka dashboard-nya cuma 4 orang dari 60 karyawan.
Masalahnya bukan tool. Keputusan di sana tetap diambil di rapat berdasarkan siapa yang paling yakin ngomong.
Artikel ini isinya langkah yang bisa kamu jalanin sebagai satu orang di dalam perusahaan yang belum siap. Bukan program transformasi setahun.
Budaya data adalah kondisi waktu orang di perusahaan kamu ngecek angka sebelum ambil keputusan, dan mereka lakuin itu tanpa disuruh. Cirinya bukan jumlah dashboard, tapi apa yang terjadi di rapat: usulan datang bareng datanya, dan usulan tanpa data ditanyain balik.
Tiga tanda paling gampang dikenali:
Perhatiin nggak ada satu pun yang nyebut tool.
Karena masalahnya bukan orang nggak tau data itu penting. Semua orang udah tau.
Yang bikin mereka nggak pakai data ada tiga hal yang lebih membosankan.
Datanya susah diambil. Kalau butuh 3 hari nunggu tim data, orang bakal ambil keputusan duluan pakai perkiraan. Ini alasan paling umum, dan paling gampang dibenerin.
Angkanya nggak dipercaya. Sekali ada dua laporan yang angkanya beda, semua angka jadi meragukan. Butuh waktu lama buat balikinnya.
Pernah kena omel gara-gara nunjukin angka. Ini yang paling merusak. Satu kejadian aja cukup buat ngajarin seluruh tim bahwa angka jelek lebih baik disimpan.
Sosialisasi nggak nyentuh satu pun dari tiga itu.
Ini langkah pertama yang paling murah dan paling sering dilewat.
Aku pernah nemuin satu perusahaan distribusi punya empat versi angka "pelanggan aktif". Tim penjualan ngitung siapa pun yang pernah beli tahun ini. Tim keuangan ngitung yang punya piutang berjalan. Tim gudang ngitung yang pesan bulan lalu. Direktur ngitung dari ingatan.
Rapat mereka tiap bulan habis 20 menit cuma buat nyamain angka.
Kamus metrik itu satu tabel dengan lima kolom:
| Kolom | Isi |
|---|---|
| Nama metrik | Pelanggan Aktif |
| Definisi kalimat | Pelanggan yang punya minimal 1 transaksi dalam 90 hari terakhir |
| Cara hitung | COUNT DISTINCT id_pelanggan dari tabel transaksi, tanggal >= hari ini - 90 |
| Sumber data | tabel transaksi, sistem POS |
| Pemilik | Nama orang, bukan nama divisi |
Kolom pemilik itu penting. Kalau definisinya perlu diubah, ada satu orang yang mutusin, bukan rapat.
Mulai dari 5 metrik yang paling sering dipakai. Jangan bikin 40 sekaligus, nggak bakal selesai.
Simpan di tempat yang bisa dibuka siapa aja. Kalau kamu punya KPI yang udah dilaporkan ke direksi, mulai dari situ.
Satu angka. Bukan dashboard, bukan laporan 12 halaman.
Aturannya: angka itu harus bisa digerakkan sama orang yang ada di ruangan. Kalau angkanya nggak bisa mereka pengaruhi, mereka bakal berhenti peduli dalam tiga minggu.
Contoh angka yang jalan buat tim penjualan grosir: jumlah pelanggan yang pesan minggu ini dibanding minggu lalu.
Contoh yang nggak jalan: margin laba bersih perusahaan. Terlalu jauh dari kerjaan harian, terlalu banyak faktor.
Buka angka itu di 5 menit pertama rapat mingguan. Tiap minggu, tanpa kecuali.
Tiga bulan pertama bakal terasa kaku. Bulan keempat, biasanya ada orang yang nanya angkanya duluan sebelum kamu buka. Itu tanda pertama yang kamu cari.
Satu hal yang bikin ini gagal: angkanya dibuka tapi nggak pernah ngubah apa pun. Kalau angkanya turun tiga minggu berturut-turut dan nggak ada yang ngelakuin apa-apa, semua orang belajar bahwa angka itu hiasan.
Ini bagian teknis yang paling ngaruh ke perilaku.
Ukurannya sederhana: berapa lama dari seseorang butuh angka sampai dia dapet angkanya? Kalau lebih dari 10 menit, dia bakal nebak.
Tiga hal yang aku dahulukan:
Satu sheet ringkasan yang diperbarui otomatis. Nggak perlu cantik. Yang penting isinya 10 angka yang paling sering ditanyain, dan tanggal pembaruan terakhirnya kelihatan.
Filter yang bisa dipakai sendiri. Kasih dropdown pilih cabang atau bulan, jangan bikin orang minta versi baru tiap kali mau lihat cabang lain.
Ekspor yang gampang. Orang di lapangan seringkali cuma butuh salin ke WhatsApp. Bikin satu sel berisi ringkasan teks siap salin.
="Penjualan "&TEXT(TODAY();"dd mmm")&": Rp "&TEXT(B2;"#.##0")&" ("&TEXT(C2;"+0,0%;-0,0%")&" vs minggu lalu)"Fungsi TEXT ngatur format angkanya biar rapi waktu digabung jadi kalimat. Kelihatan sepele, tapi ini yang bikin angka kamu nyebar ke grup WhatsApp tanpa kamu kirim.
Ukur juga siapa yang buka. Kalau pakai Google Sheets, riwayat aktivitas ngasih tau siapa yang beneran mampir. Nama yang nggak pernah muncul di situ adalah orang yang perlu kamu ajak ngobrol.
Ini bagian yang nentuin semuanya, dan nggak bisa kamu kerjain sendirian.
Aturan yang perlu disepakati di depan: angka dipakai buat nyari penyebab, bukan buat nyari orang.
Cara paling cepat nanamin ini: minta pimpinan buka angka jeleknya sendiri duluan. Kalau direktur operasional nunjukin target pengirimannya meleset 18% dan ngomongin kenapa, semua orang di ruangan dapet izin buat jujur.
Kalau kebalikannya yang terjadi, satu kali aja, kamu bakal butuh berbulan-bulan buat balik.
Tanda bahaya yang perlu kamu perhatiin: laporan yang angkanya selalu bagus. Nggak ada tim yang semua indikatornya hijau tiap bulan. Kalau itu terjadi, biasanya angkanya lagi dipoles.
Aku bantuin perusahaan ini selama 8 bulan mulai Maret 2025. Mereka udah punya tool BI setahun sebelumnya, dipakai 4 orang.
Langkah pertama bukan dashboard baru. Kami bikin kamus metrik berisi 7 metrik yang paling sering dipakai. Butuh 3 rapat cuma buat nyepakatin definisi "pelanggan aktif".
Tiga rapat itu terasa lambat. Tapi setelah definisinya jadi, waktu rapat bulanan yang biasanya habis buat nyamain angka turun dari 20 menit jadi 3 menit.
Langkah kedua, mereka pilih satu angka mingguan: jumlah pelanggan yang pesan minggu itu. Dibuka tiap Senin pagi, 5 menit.
Perubahan yang kelihatan setelah 8 bulan:
| Ukuran | Maret 2025 | November 2025 |
|---|---|---|
| Orang yang buka data mingguan | 4 | 27 |
| Permintaan data ad-hoc ke tim data per minggu | 9,1 | 4,3 |
| Usulan rapat yang datang bareng angka | 2 dari 11 | 9 dari 13 |
| Waktu nyamain angka per rapat bulanan | 20 menit | 3 menit |
Baris kedua yang paling aku suka. Permintaan ke tim data turun setengah, bukan karena orang berhenti butuh data, tapi karena mereka udah bisa ambil sendiri.
Yang nggak berubah: tool BI-nya sama persis. Nggak ada pembelian baru.
Dan satu hal yang gagal. Kami sempat coba bikin pelatihan spreadsheet 2 jam buat semua divisi. Yang hadir 41 orang, yang praktekin minggu berikutnya 6 orang. Pelatihan tanpa kebutuhan nyata nggak nempel.
Yang nempel: sesi 20 menit khusus tim gudang, ngajarin satu rumus yang langsung mereka pakai hari itu buat masalah yang lagi mereka hadapi.
Mulai dari seluruh perusahaan. Pilih satu tim yang paling terbuka, buktikan di situ, baru sebar. Tim lain bakal ikut karena lihat hasilnya, bukan karena disuruh.
Beli tool duluan. Tool nggak bikin kebiasaan. Kebiasaan yang bikin tool kepakai.
Bikin 30 dashboard. Dashboard yang nggak dibuka lebih buruk daripada nggak ada, soalnya nambah kerjaan perawatan. Hapus yang nggak dibuka 60 hari.
Ngukur kesuksesan dari jumlah laporan. Ukur dari jumlah keputusan yang berubah karena angka. Lebih susah dihitung, tapi itu yang sebenernya penting.
Nunggu datanya rapi dulu. Data kamu nggak bakal pernah rapi. Mulai dari satu metrik yang datanya cukup dipercaya, sambil benerin sisanya.
Ngerjain sendirian tanpa dukungan pimpinan. Kamu bisa mulai sendiri, tapi nggak bisa nyelesaiin sendiri. Cari satu orang di level pimpinan yang mau jadi contoh, walaupun cuma satu.
Jangan mulai dari presentasi. Cari satu masalah yang lagi bikin atasan pusing, lalu jawab pakai angka dalam waktu singkat. Satu jawaban yang menghemat uang lebih ngubah sikap daripada sepuluh slide soal pentingnya data. Setelah dia pernah ngerasain manfaatnya sekali, permintaan berikutnya bakal datang sendiri.
Nggak. Spreadsheet bersama plus satu kamus metrik tertulis udah cukup buat dua tahun pertama di kebanyakan perusahaan menengah. Tool BI baru masuk akal setelah orang beneran rutin buka angka dan mulai kesulitan gara-gara volume data. Beli tool sebelum kebiasaannya ada cuma bikin dashboard mahal yang nggak dibuka.
Ini ujian terbesarnya. Kalau angka jelek pertama berujung ke omelan, semua orang bakal belajar buat nyembunyiin angka. Aturan yang perlu disepakati di awal: angka dipakai buat cari penyebab, bukan cari orang. Pimpinan yang pertama kali nunjukin angka jeleknya sendiri di depan tim ngasih izin ke semua orang buat ikut jujur.
Tanda pertama biasanya muncul di bulan kedua atau ketiga, bentuknya orang mulai nyebut angka di rapat tanpa disuruh. Perubahan yang lebih dalam, misalnya orang nyari data sendiri sebelum bikin usulan, biasanya butuh enam bulan sampai setahun. Kalau setelah tiga bulan nggak ada yang berubah, cek dulu apakah datanya gampang diakses.
Waktu orang di luar tim data mulai berdebat soal definisi metrik. Itu artinya mereka beneran pakai angkanya sampai nemu ketidakcocokan. Tanda kedua: ada usulan yang ditolak atau diubah gara-gara angkanya nggak mendukung, dan yang ngusulin nerima itu tanpa tersinggung.
Tiga hal yang paling ngaruh. Kamus metrik berisi 5 definisi yang disepakati, satu angka yang dibuka bareng tiap minggu, dan akses data yang nggak butuh nunggu orang lain.
Jangan mulai dari yang paling besar. Mulai dari kamus metrik, dan cukup 5 baris.
Minggu ini, tanya tiga orang dari tiga divisi berbeda: menurut kamu, apa definisi pelanggan aktif? Kalau jawabannya beda-beda, kamu baru aja nemu pekerjaan pertama kamu.
Kalau permintaan data ke kamu udah numpuk sebelum budayanya jalan, mulai juga dari bikin SLA tim data satu orang biar antreannya kelihatan.
Buat rujukan cara nyusun definisi metrik yang konsisten, dokumentasi LookML dari Google ngasih gambaran gimana definisi metrik disimpan di satu tempat dan dipakai ulang.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kerja data analyst di luar negeri bukan soal ijazah luar negeri. Yang nentuin: sponsorship visa, portfolio, dan negara yang kamu incar.
Financial analyst kerja di angka uang, data analyst kerja di angka apa pun. Tapi di 2026 tools-nya makin sama. Ini beda dan irisannya.
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.