Kesepakatan formal tentang standar layanan data: kapan data harus tersedia, seberapa akurat, dan seberapa up-to-date, supaya semua pihak punya ekspektasi yang sama dan terukur.

Kapan Data SLA digunakan?

SLA laporan keuangan harian untuk tim finance di perusahaan retail: siap jam 07.00 WIB setiap hari kerja. SLA data real-time untuk dashboard operasional di perusahaan logistik dengan lag maksimal 10 menit. SLA freshness data untuk model scoring kredit di fintech: data transaksi harus di-update setiap 6 jam. SLA completeness data transaksi untuk rekonsiliasi harian dengan payment gateway

Apa kesalahpahaman umum tentang Data SLA?

Banyak yang kira Data SLA itu urusan engineering, bukan bisnis. Justru sebaliknya, SLA harus disetujui bersama stakeholder bisnis karena merekalah yang punya ekspektasi dan yang terdampak kalau breach terjadi.. Ada anggapan SLA berarti harus 100% sempurna. Nggak ada data yang sempurna. SLA justru membantu mendefinisikan apa itu 'cukup baik' secara terukur, bukan menuntut kesempurnaan.. Data SLA sering dianggap sama dengan Data Contract. Padahal mirip tapi beda level: SLA lebih ke arah bisnis dan konsumen data, Contract lebih ke level teknis antara sistem satu dan sistem lainnya.

Apa itu Data SLA? Pengertian dan Cara Menentukannya

Apa itu Data SLA?

Di dunia IT, SLA (Service Level Agreement) adalah kontrak antara penyedia layanan dan penggunanya. 'Server kami dijamin uptime 99.9%', misalnya. Data SLA adalah konsep yang sama tapi untuk data: kesepakatan tentang apa yang bisa konsumen data harapkan dari tim data.

Tanpa Data SLA, yang terjadi adalah tim finance komplain 'kenapa data sales kemarin belum ada jam 8 pagi?', sementara tim data nggak pernah tau itu adalah ekspektasi yang harus dipenuhi. Atau stakeholder kecewa karena laporan mereka punya gap data, padahal itu di luar kontrol yang pernah disepakati. Data SLA bikin ekspektasi jadi eksplisit dan terukur.

Dimensi-dimensi Data SLA

Dimensi	Apa yang Diukur	Contoh Target
Availability	Kapan data tersedia	Laporan harian siap jam 07.00 WIB
Freshness	Seberapa up-to-date data	Data lag maksimal 4 jam dari kejadian
Completeness	Berapa persen data lengkap	Minimal 99% baris tanpa null di kolom kritis
Accuracy	Seberapa akurat vs sumber asli	Deviasi revenue maksimal 0.1% dari sistem transaksi
Latency	Seberapa cepat query berjalan	Dashboard load kurang dari 5 detik
Uptime	Seberapa sering sistem data aktif	Pipeline uptime 99.5% per bulan

Data SLA vs Data Contract

Kedua istilah ini sering dipakai bergantian, tapi ada nuansanya:

Data SLA: berorientasi ke konsumen data (stakeholder, business user). 'Apa yang kalian bisa harapkan dari kami?'
Data Contract: lebih ke level teknis antara producer dan consumer sistem atau pipeline. 'Ini schema, format, dan frekuensi update yang dijamin.'

Data SLA bisa dibilang 'versi bisnis' dari data contract, bahasa yang lebih mudah dipahami oleh pihak non-teknis.

Kenapa Ini Makin Relevan Sekarang?

Seiring data stack makin kompleks, makin banyak pihak yang bergantung pada data. Finance butuh data revenue yang akurat sebelum close-of-day. Ops butuh data real-time untuk monitoring. Marketing butuh segmentasi yang fresh sebelum campaign launch.

Tanpa SLA yang jelas, tim data bakal terus-menerus dikejar orang karena harapan yang nggak pernah dikomunikasikan secara eksplisit. Sebaliknya, dengan Data SLA, tim data punya dasar untuk prioritisasi dan capacity planning.

Apa yang Harus Ada dalam Data SLA?

Dokumen Data SLA yang baik biasanya mencakup:

Scope: dataset atau pipeline mana yang di-cover.
Target per dimensi: freshness, completeness, accuracy, dan seterusnya dengan angka yang konkret.
Cara pengukuran dan monitoring: bagaimana SLA dipantau secara otomatis.
Eskalasi: siapa yang dihubungi kalau SLA breach terjadi.
Review cadence: kapan SLA dievaluasi ulang karena kebutuhan bisnis berubah.

Apa itu Data SLA?

Dimensi-dimensi Data SLA

Dimensi	Apa yang Diukur	Contoh Target
Availability	Kapan data tersedia	Laporan harian siap jam 07.00 WIB
Freshness	Seberapa up-to-date data	Data lag maksimal 4 jam dari kejadian
Completeness	Berapa persen data lengkap	Minimal 99% baris tanpa null di kolom kritis
Accuracy	Seberapa akurat vs sumber asli	Deviasi revenue maksimal 0.1% dari sistem transaksi
Latency	Seberapa cepat query berjalan	Dashboard load kurang dari 5 detik
Uptime	Seberapa sering sistem data aktif	Pipeline uptime 99.5% per bulan

Data SLA vs Data Contract

Kedua istilah ini sering dipakai bergantian, tapi ada nuansanya:

Data SLA: berorientasi ke konsumen data (stakeholder, business user). 'Apa yang kalian bisa harapkan dari kami?'

Data Contract: lebih ke level teknis antara producer dan consumer sistem atau pipeline. 'Ini schema, format, dan frekuensi update yang dijamin.'

Data SLA bisa dibilang 'versi bisnis' dari data contract, bahasa yang lebih mudah dipahami oleh pihak non-teknis.

Kenapa Ini Makin Relevan Sekarang?

Apa yang Harus Ada dalam Data SLA?

Dokumen Data SLA yang baik biasanya mencakup:

Scope: dataset atau pipeline mana yang di-cover.

Target per dimensi: freshness, completeness, accuracy, dan seterusnya dengan angka yang konkret.

Cara pengukuran dan monitoring: bagaimana SLA dipantau secara otomatis.

Eskalasi: siapa yang dihubungi kalau SLA breach terjadi.

Review cadence: kapan SLA dievaluasi ulang karena kebutuhan bisnis berubah.