Diagnostic Analytics

Apa itu Diagnostic Analytics?

Kalau Descriptive Analytics ngasih tau "apa yang terjadi", Diagnostic Analytics selangkah lebih jauh: "kenapa itu bisa terjadi?"

Bayangin kamu lihat di dashboard bahwa revenue bulan ini turun 20% dibanding bulan lalu. Descriptive Analytics udah ngasih tau fakta itu. Sekarang giliran Diagnostic Analytics buat investigasi: apakah karena volume order yang turun? Conversion rate yang jelek? Atau ada kategori produk tertentu yang anjlok?

Pertanyaan yang dijawab: "Kenapa ini terjadi?"

Posisi Diagnostic dalam 4 Tipe Analitik

Tipe Analitik	Pertanyaan	Pendekatan Utama
Descriptive	Apa yang terjadi?	Merangkum data historis
Diagnostic	Kenapa terjadi?	Drill-down, correlation, root cause
Predictive	Apa yang akan terjadi?	Model statistik dan ML
Prescriptive	Apa yang harus dilakukan?	Optimisasi dan rekomendasi

Teknik dalam Diagnostic Analytics

Drill-Down Analysis

Mulai dari angka agregat, lalu pecah ke level yang lebih granular. Contoh: revenue total → per kategori produk → per brand → per SKU. Terus pecah sampai ketemu di mana anomali bermula.

Correlation Analysis

Cari hubungan antara dua variabel. Misalnya: "apakah hari hujan berkorelasi dengan penurunan order delivery?" atau "apakah waktu loading halaman berkorelasi dengan bounce rate?"

Ingat: korelasi bukan kausalitas. Dua hal yang bergerak bersamaan belum tentu satu menyebabkan yang lain.

Segmentasi dan Perbandingan

Bandingkan performa antar segmen: new users vs returning users, mobile vs desktop, wilayah A vs wilayah B. Cari di segmen mana anomali paling kelihatan.

Root Cause Analysis (RCA)

Teknik terstruktur buat nemuin akar masalah. Metode populer:

• 5 Whys: Tanya "kenapa?" lima kali berturut-turut sampai nemuin akar masalah
• Fishbone diagram: Petakan semua kemungkinan penyebab secara sistematis

Contoh Nyata di Indonesia

Situasi: Conversion rate toko online turun dari 3,2% ke 2,1% bulan ini.

Alur Diagnostic Analytics:

1. Pecah per device: mobile turun dari 2,8% ke 1,5%, desktop relatif stabil
2. Pecah per step checkout: drop paling besar di step "masukkan alamat pengiriman"
3. Cek timeline: penurunan mulai tepat setelah update aplikasi dua minggu lalu
4. Root cause: bug di form input alamat pada versi baru aplikasi Android

Tanpa Diagnostic Analytics, tim mungkin buang waktu berhari-hari nebak-nebak penyebabnya.

Skill yang Dibutuhkan

Buat Diagnostic Analytics yang efektif, kamu butuh:

• SQL yang solid buat drill-down queries yang cepat
• Pemahaman statistik dasar: korelasi, distribusi, signifikansi
• Kemampuan storytelling data: bisa jelasin temuan ke stakeholder non-teknis
• Business context: tau mana yang normal dan mana yang anomali di industri yang kamu kerjakan