Prescriptive Analytics
Prescriptive Analytics adalah tipe analitik paling advanced yang menjawab pertanyaan 'apa yang harus dilakukan?' - nggak cuma memprediksi masa depan, tapi langsung kasih rekomendasi tindakan terbaik untuk mencapai hasil yang diinginkan.
Apa itu Prescriptive Analytics?
Prescriptive Analytics adalah puncak dari empat tipe analitik data. Kalau Descriptive ngasih gambaran, Diagnostic ngasih penjelasan, dan Predictive ngasih ramalan - Prescriptive Analytics selangkah lebih jauh: dia ngasih rekomendasi tindakan konkret yang harus diambil untuk mencapai hasil terbaik.
Pertanyaan yang dijawab: "Apa yang harus dilakukan?"
Contoh: Predictive Analytics bilang "churn rate bulan depan kemungkinan naik 15%". Prescriptive Analytics bilang "kirim voucher diskon Rp 50.000 ke 3.200 user ini dalam 7 hari ke depan untuk meminimalkan churn dengan biaya retensi yang efisien."
Posisi Prescriptive dalam 4 Tipe Analitik
| Tipe Analitik | Pertanyaan | Output |
|---|---|---|
| Descriptive | Apa yang terjadi? | Laporan dan dashboard |
| Diagnostic | Kenapa terjadi? | Temuan root cause |
| Predictive | Apa yang akan terjadi? | Prediksi dan probabilitas |
| Prescriptive | Apa yang harus dilakukan? | Rekomendasi tindakan konkret |
Teknik dalam Prescriptive Analytics
Optimisasi
Cari solusi terbaik dalam serangkaian constraint yang didefinisikan. Contoh: atur jadwal pengiriman driver supaya total biaya minimal tapi semua order tetap sampai tepat waktu.
Simulation
Uji berbagai skenario "what-if" sebelum keputusan diambil di dunia nyata. Contoh: "kalau kita naikkan harga 10%, gimana dampaknya ke volume penjualan dan total revenue?"
Recommendation Engine
Sistem yang kasih rekomendasi personal ke setiap user berdasarkan profil dan perilakunya. Contoh: "produk ini mungkin kamu suka" di e-commerce, atau "kursus ini cocok buat level kamu saat ini" di platform edukasi.
Decision Automation
Di level paling advanced, Prescriptive Analytics bisa langsung trigger tindakan tanpa perlu human approval untuk setiap keputusan. Contoh: sistem fraud detection yang otomatis blokir transaksi mencurigakan.
Contoh Nyata di Indonesia
Logistik: J&T, Sicepat, atau JNE pakai optimisasi rute pengiriman yang mempertimbangkan jarak, kapasitas kendaraan, dan time window pelanggan - ini Prescriptive Analytics.
E-commerce: Rekomendasi produk "Sering dibeli bersama" atau "User seperti kamu juga beli ini" adalah hasil Prescriptive Analytics berbasis collaborative filtering.
Perbankan: BCA atau Mandiri pakai sistem yang otomatis menentukan limit kredit optimal per nasabah berdasarkan profil risiko, kapasitas bayar, dan portofolio bank.
Ride-hailing: Surge pricing Gojek atau Grab yang otomatis naik saat demand tinggi dan supply rendah - itu optimisasi harga real-time berbasis Prescriptive Analytics.
Kenapa Prescriptive Lebih Jarang Diterapkan?
| Tantangan | Penjelasan |
|---|---|
| Data maturity | Butuh data historis yang bersih, lengkap, dan terpercaya |
| Infrastruktur | Perlu sistem yang bisa execute rekomendasi secara real-time |
| Trust gap | Organisasi butuh waktu untuk percaya dan adopt automated decisions |
| Expertise | Butuh kombinasi domain knowledge, data science, dan software engineering |
Prescriptive Analytics yang benar-benar powerful bukan cuma soal algoritma - dia butuh seluruh organisasi yang siap bertindak berdasarkan rekomendasi sistem.
Udah paham Prescriptive Analytics? Lanjut latihan SQL dan Excel yuk!
Latihan interaktif, langsung di browser.