Notebook vs Skrip vs Dashboard: Memilih Medium Hasil Analisis

Analisis yang benar bisa gagal cuma gara-gara salah medium. Kamu kirim notebook 40 sel ke manajer pemasaran, dan yang dia balas cuma "ini bukanya gimana ya".

Tiga medium yang paling sering dipakai analis: notebook, skrip, dan dashboard. Ketiganya bagus, tapi buat pekerjaan yang beda.

Di bawah ini perbandingannya, tiga pertanyaan buat nentuin pilihan, dan contoh nyata waktu aku salah pilih.

Apa beda notebook, skrip, dan dashboard?

Notebook itu dokumen berisi kode, hasil, dan penjelasan yang bisa dijalankan sel per sel. Skrip itu satu berkas kode yang dijalankan dari awal sampai akhir tanpa interaksi. Dashboard itu tampilan yang nyajiin angka dan grafik yang bisa dilihat berulang tanpa nyentuh kode sama sekali.

Bedanya bukan cuma bentuk. Bedanya siapa yang dilayani.

Notebook melayani kamu dan sesama orang teknis. Skrip melayani mesin. Dashboard melayani orang yang nggak mau tau prosesnya.

Tabel perbandingan lengkapnya

	Notebook	Skrip	Dashboard
Dipakai berapa kali	1 sampai 3 kali	Berulang, terjadwal	Terus menerus
Pembaca	Analis, peneliti	Mesin, lalu penerima hasil	Manajer, tim operasional
Waktu bikin	Jam	Jam sampai hari	Hari sampai minggu
Biaya perawatan	Nyaris nol	Rendah	Tinggi dan terus jalan
Kekuatan	Nunjukin jalan pikiran	Konsisten dan bisa diulang	Bisa diakses tanpa kamu
Kelemahan	Urutan sel gampang kacau	Nggak enak dibaca manusia	Mahal buat pertanyaan sekali pakai
Gampang dibagikan?	Susah ke non teknis	Hasilnya iya, kodenya nggak	Paling gampang
Cocok buat	Eksplorasi, riset, ajarin orang	Laporan rutin, pembersihan data	Pemantauan, keputusan harian

Baris "biaya perawatan" yang paling sering dilupakan waktu ngambil keputusan. Dashboard itu bukan proyek yang selesai. Dia hidup, dan setiap perubahan sumber data bakal balik ke meja kamu.

Tiga pertanyaan buat nentuin pilihan

Jawab urut. Biasanya di pertanyaan kedua udah kelihatan jawabannya.

1. Berapa kali analisis ini bakal diulang? Sekali, pakai notebook. Berulang dengan bentuk sama, pakai skrip. Dilihat terus menerus, pertimbangkan dashboard.
2. Siapa yang bakal buka hasilnya? Kalau ada satu saja orang non teknis yang perlu akses mandiri, notebook langsung gugur.
3. Seberapa cepat keputusan harus diambil? Keputusan harian butuh dashboard. Keputusan kuartalan cukup laporan dari skrip.

Ada satu pertanyaan tambahan yang aku pakai kalau masih ragu: kalau aku cuti dua minggu, apa yang harus tetap jalan? Yang harus tetap jalan itu skrip atau dashboard. Sisanya notebook.

Kapan notebook jadi pilihan terbaik?

Buat eksplorasi awal, waktu kamu belum tau ada apa di datanya. Sifat sel per sel bikin kamu bisa nyoba, lihat hasil, lalu belok arah tanpa jalanin ulang semuanya.

Juga bagus buat ngejelasin proses ke sesama analis. Kode dan hasilnya sebelahan, jadi orang bisa ngikutin alur berpikir kamu.

Buat analisis yang harus bisa diperiksa ulang, misalnya riset atau audit, notebook nyimpen jejak lengkap dari data mentah sampai kesimpulan.

Kelemahan terbesarnya urutan sel. Kamu jalanin sel 12, lalu balik ke sel 5, lalu ke sel 20. Hasil akhirnya benar di layar kamu, tapi nggak bisa diulang orang lain. Biasakan jalanin ulang dari atas sebelum dibagikan.

Panduan awalnya ada di tutorial Jupyter Notebook, dan dokumentasi resminya di docs.jupyter.org.

Kapan skrip lebih tepat?

Begitu langkahnya udah stabil dan bakal diulang. Patokan yang aku pakai: kali ketiga kamu jalanin analisis yang sama, pindahin ke skrip.

Skrip juga wajib buat pekerjaan pembersihan data yang jadi masukan buat hal lain. Proses ETL yang ditulis di notebook itu bom waktu, karena orang bakal jalanin selnya nggak urut lalu bingung kenapa hasilnya beda.

Ciri lain yang nunjukin kamu butuh skrip: kamu punya catatan di kepala soal urutan menjalankan sel. Kalau prosedurnya harus diinget manusia, itu tanda harusnya udah jadi kode yang jalan sendiri.

Buat penjadwalannya, kalau langkahnya lebih dari dua dan saling tergantung, cek Airflow untuk analis.

Kapan dashboard beneran diperlukan?

Kalau pertanyaannya berulang, pembacanya lebih dari satu orang, dan mereka butuh jawaban tanpa nunggu kamu.

Syarat tambahan yang sering dilewat: pertanyaannya harus stabil. Dashboard bagus buat "berapa penjualan minggu ini dibanding minggu lalu". Jelek buat "kenapa penjualan turun minggu ini", karena pertanyaan kenapa selalu butuh penelusuran baru.

Aku pakai aturan sederhana. Kalau satu pertanyaan yang sama ditanyain ke aku 4 kali dalam sebulan oleh orang berbeda, itu kandidat dashboard. Kurang dari itu, jawab manual masih lebih murah.

Sebelum bikin, tentuin dulu metric apa yang jadi isinya dan siapa pemiliknya. Dashboard tanpa pemilik bakal jadi barang mati dalam tiga bulan.

Soal apa yang bikin dashboard berguna dan apa yang bikin dia jadi hiasan, bahasannya ada di panduan dashboard eksekutif.

Contoh kasus: analisis retensi toko_berkah

Dataset latihan toko_berkah di ngulikdata punya 1.842 transaksi dari 1.204 pelanggan selama 6 bulan. Pemilik toko nanya kenapa pelanggan nggak balik.

Percobaan pertama aku langsung bikin dashboard. Delapan grafik, filter tanggal, filter kategori produk. Butuh 3 hari kerja.

Hasilnya dibuka 4 kali di minggu pertama, 1 kali di minggu kedua, lalu nggak pernah lagi.

Penyebabnya jelas waktu ditanya balik: pemilik toko cuma butuh jawaban sekali. Dia mau tau penyebabnya apa, lalu ambil tindakan. Dia nggak butuh mantau angka retensi tiap hari.

Percobaan kedua di kasus serupa, aku mulai dari notebook. Empat jam kerja, hasilnya satu temuan: 61 persen pelanggan yang cuma belanja sekali itu datang di hari promo, dan rata-rata nilai belanja mereka 38 persen lebih kecil dari pelanggan biasa.

Satu halaman ringkasan, dua grafik, selesai. Keputusannya diambil di hari yang sama.

Baru setelah promo diubah, kami bikin dashboard kecil dengan 3 angka buat mantau apakah polanya berubah. Dashboard yang isinya 3 angka itu masih dibuka tiap minggu sampai sekarang.

Pelajarannya: dashboard bukan hadiah akhir dari analisis yang bagus. Dia alat pantau, dan cuma masuk akal setelah kamu tau angka mana yang layak dipantau.

Cara ngitung angka retensinya ada di matriks retensi cohort di SQL.

Kesalahan umum waktu milih medium

Bikin dashboard buat pertanyaan sekali pakai. Ini yang paling mahal. Tiga hari kerja buat sesuatu yang dibuka lima kali.

Kirim notebook mentah ke orang non teknis. Mereka nggak bakal buka. Ekspor jadi PDF atau ringkas jadi satu halaman.

Naruh proses pembersihan data di notebook lalu dipakai terus. Enam bulan kemudian nggak ada yang tau urutan menjalankan selnya, termasuk kamu.

Nambahin filter terus ke dashboard biar semua orang senang. Dashboard dengan 11 filter itu bukan dashboard, itu alat query dengan tampilan mahal.

Nggak pernah mensiunkan dashboard lama. Kalau ada 30 dashboard dan cuma 6 yang dibuka bulan ini, sisanya bikin bingung orang baru. Matikan atau arsipkan.

Ngukur kerjaan dari jumlah dashboard yang dibikin. Yang dinilai itu keputusan yang berubah, bukan jumlah tampilan yang tayang.

Pola yang paling sering kepakai

Notebook, lalu skrip, lalu dashboard. Berurutan, dan nggak semua analisis nyampe tahap ketiga.

Notebook buat cari tau ada apa. Skrip begitu langkahnya jelas dan perlu diulang. Dashboard cuma kalau ada orang lain yang perlu ngecek berkala.

Urutan ini juga ngehindarin pemborosan paling umum di tim data, yaitu bikin tampilan buat pertanyaan yang ternyata cuma ditanya sekali.

FAQ

Boleh nggak kirim notebook ke atasan sebagai laporan?

Boleh kalau atasan kamu terbiasa baca kode dan cuma butuh sekali lihat. Kalau nggak, ekspor jadi PDF atau HTML dulu dengan sel kode disembunyikan, atau ringkas jadi 1 halaman berisi grafik dan kesimpulan. Kirim file .ipynb mentah ke orang non teknis hampir selalu berakhir dengan pertanyaan cara membukanya, bukan pertanyaan soal isinya.

Kapan notebook sebaiknya diubah jadi skrip?

Begitu kamu jalanin analisis yang sama untuk ketiga kalinya. Tanda lain: kamu mulai punya kebiasaan jalanin sel dari atas ke bawah dengan urutan tertentu, atau kamu nyalin sel dari notebook lama ke notebook baru. Dua-duanya tanda kerjaannya udah stabil dan siap dipindah ke skrip yang bisa dijadwalkan.

Dashboard bikin analis jadi tukang bikin grafik, benar nggak?

Bisa terjadi kalau kamu bikin dashboard buat tiap permintaan yang masuk. Cara ngehindarinnya: bikin dashboard cuma buat pertanyaan yang berulang minimal mingguan dan punya pemilik yang jelas. Permintaan sekali pakai jawab pakai notebook atau bahkan pesan chat berisi satu angka. Nggak semua pertanyaan butuh tampilan.

Apa skrip harus selalu Python?

Nggak. Query SQL yang disimpan dan dijadwalkan itu juga skrip. Google Apps Script buat refresh Sheets juga. Yang bikin sesuatu disebut skrip itu sifatnya: satu perintah jalan, hasilnya sama bentuknya tiap kali, dan nggak butuh manusia klik apa pun di tengah jalan.

Gimana kalau satu proyek butuh ketiganya?

Itu justru pola yang normal. Mulai dari notebook buat cari tau ada apa di datanya, pindah ke skrip begitu langkahnya jelas dan perlu diulang, lalu bikin dashboard kalau ada orang lain yang perlu ngecek hasilnya berkala. Urutan ini juga bikin kamu nggak bikin dashboard buat pertanyaan yang ternyata cuma ditanya sekali.

Penutup

Dua hal yang paling nentuin: berapa kali analisisnya diulang, dan siapa yang perlu buka hasilnya tanpa nanya kamu.

Coba lihat pekerjaan yang lagi kamu kerjain sekarang. Jawab tiga pertanyaan di atas, lalu cek apakah medium yang kamu pilih masih cocok.

Kalau ternyata kamu lagi bikin dashboard buat pertanyaan yang cuma ditanya sekali, berhenti sekarang dan ganti jadi satu halaman ringkasan. Hemat dua hari kerja, dan keputusannya tetap bisa diambil hari ini.