Data Reconciliation

Apa itu Data Reconciliation?

Di dunia akuntansi, rekonsiliasi adalah proses membandingkan laporan bank dengan buku kas perusahaan untuk pastiin angkanya cocok. Kalau ada selisih, investigasi sampai ketemu akar masalahnya.

Data reconciliation adalah konsep yang sama tapi lebih luas: memverifikasi konsistensi data antara dua sistem, dua sumber, atau dua titik waktu. Ini bukan cuma soal angka finansial, tapi bisa untuk data apapun yang perlu konsisten di beberapa tempat sekaligus.

Kenapa Data Perlu Direkonsiliasi?

Di perusahaan dengan banyak sistem yang saling berinteraksi, data yang sama sering ada di lebih dari satu tempat. Order yang dibuat di sistem e-commerce masuk ke sistem warehouse, ke sistem finance, ke sistem logistik. Kalau ada bug, latency, atau perubahan yang nggak disinkronkan, tiap sistem bisa punya 'kebenaran' yang berbeda.

Rekonsiliasi adalah cara kita tau apakah semua sistem itu 'sepakat' satu sama lain.

Empat Tipe Data Reconciliation

Tipe	Deskripsi	Contoh
Cross-system Reconciliation	Bandingkan data di dua sistem berbeda	Jumlah order di platform e-commerce vs di ERP finance
Point-in-time Reconciliation	Bandingkan snapshot data di dua waktu berbeda	Report kemarin vs re-run report yang sama hari ini
Source-to-target Reconciliation	Verifikasi data setelah ETL atau migrasi	Jumlah baris sebelum dan sesudah migrasi ke Data Warehouse
Financial Reconciliation	Khusus angka finansial antara sistem	Settlement dari payment gateway vs pembukuan internal

Proses Umum Rekonsiliasi

Rekonsiliasi biasanya melibatkan beberapa langkah yang berurutan:

1. Define scope: apa yang mau direkonsiliasi dan periode waktu mana.
2. Extract: ambil data dari kedua sumber secara konsisten.
3. Compare: bandingkan di level agregat dulu (total count, sum), baru drill-down ke detail kalau ada gap.
4. Identify gap: temukan di mana dan kenapa ada perbedaan.
5. Resolve: perbaiki data atau sistem, atau dokumentasikan kalau gap itu memang expected.
6. Document: catat hasilnya, termasuk gap yang ditemukan dan cara resolusinya.

Reconciliation di Data Pipeline

Rekonsiliasi makin penting di era modern data stack karena data bergerak melewati banyak layer: ingestion, transformation, serving. Di tiap perpindahan, ada risiko data hilang, terduplikasi, atau berubah nilainya.

Data engineer yang baik pasang reconciliation checks di titik-titik kritis pipeline. Misalnya: pastiin jumlah baris setelah load ke Data Warehouse sama dengan jumlah di sumber, atau total revenue di reporting layer sama dengan di transactional database.

Bedanya dengan Data Validation

• Data Validation: cek apakah data sesuai aturan atau schema (tipe, format, range).
• Data Reconciliation: cek apakah data di dua tempat atau waktu berbeda konsisten satu sama lain.

Validation lebih ke 'apakah datanya benar secara individual?', reconciliation lebih ke 'apakah dua versi data ini sepakat?'