Andalah Pemandunya: Mengapa Laporan Great Power BI Dimulai Dengan Keputusan, Bukan Data

Andalah Pemandunya: Mengapa Laporan Great Power BI Dimulai dengan Keputusan, Bukan Pelaporan Power BI yang mengutamakan Keputusan Data dimulai dengan perubahan pola pikir yang sederhana: audiens adalah pahlawannya, dan tugas Anda adalah membimbing mereka dari ketidakpastian menuju tindakan.

Pergeseran peran yang mengubah segalanya

Di postingan terakhir, saya membuat pernyataan yang mengubah segalanya tentang cara Anda mendesain analitik:

Penonton adalah pahlawannya.

• Bukan kumpulan datanya
• Bukan dasbor
• Bukan analisnya

Orang yang mengambil keputusan adalah pahlawan. Begitu Anda benar-benar menerimanya, peran Anda menjadi sangat jelas. Anda adalah pemandunya. Dan pembingkaian ulang tersebut mengubah cara Anda membuat setiap laporan mulai saat ini dan seterusnya.

Perbedaan antara pahlawan dan pemandu

Dalam cerita, sang pahlawan menghadapi ketidakpastian.

• Mereka tidak tahu jawabannya
• Mereka tidak tahu jalannya
• Mereka tidak tahu apa yang ada di depan

Mereka membutuhkan kejelasan. Pembimbingnya adalah orang yang:

• menghilangkan hambatan
• menandakan bahaya
• menyediakan alat
• menunjukkan jalannya

Pemandu tidak mengambil alih perjalanan. Panduan ini membantu pahlawan menyelesaikannya. Dalam analitik, eksekutif, manajer, atau pemimpin tim berada di ujung tanduk dalam mengambil keputusan. Apakah keputusannya sudah ada:

• Alokasi anggaran
• Mempekerjakan
• Harga
• Investasi
• Manajemen risiko

Dasbor Anda membantu mereka bergerak maju… Atau menambah kebisingan.

Pemandu tidak pamer

Ada jebakan ego yang halus dalam analitik.

• Anda telah membuat modelnya
• Anda telah menulis DAX
• Anda telah mengoptimalkan kinerja
• Anda telah menciptakan sesuatu yang secara teknis mengesankan

Tapi pemandu tidak pamer. Mereka tidak membebani sang pahlawan dengan segala kemungkinan jalan melewati hutan. Mereka tidak menyerahkan manual setebal 200 halaman dan berkata “Semoga berhasil.”

• Mereka menyederhanakan.
• Mereka mengklarifikasi.
• Mereka menghilangkan gesekan.

Sebagai penulis laporan, tugas Anda bukanlah menunjukkan keterampilan teknis. Tugas Anda adalah membantu seseorang berhasil dalam mengambil keputusan. Itu adalah metrik kinerja yang sangat berbeda.

Mengapa analisis yang hebat terasa sederhana

Ada alasan mengapa laporan terbaik sering kali terasa tenang. Jernih. Tersusun. Hampir jelas. Bukan karena masalahnya sederhana. Pasalnya, ada yang berpikir keras sebelum laporan dibuat.

Mereka:

• memperjelas keputusan tersebut
• mengidentifikasi sinyal penting
• menghapus visual yang tidak perlu
• mengurutkan informasinya

Jadi penonton tidak perlu melakukannya. Kesederhanaan dalam analisis jarang terjadi secara kebetulan. Itu adalah hasil dari pemikiran yang disiplin di hulu.

Mulailah dengan pertanyaan sebenarnya

Dan di sinilah sebagian besar analisis mengalami kesalahan. Sebagian besar proyek dimulai dengan:

“Data apa yang kita punya?”

Kedengarannya praktis. Masuk akal. Logis. Itu juga merupakan titik awal yang salah.

Karena begitu Anda mulai dengan datanya, Anda langsung hanyut dalam eksplorasi. Anda mulai bertanya:

• Apa yang bisa kita hitung?
• Dimensi apa yang bisa kita potong?
• Perincian apa yang mungkin berguna?

Dan tak lama kemudian, Anda memiliki dasbor yang penuh dengan visual yang tidak terhubung. Secara teknis semuanya benar. Tidak ada yang secara struktural selaras dengan suatu keputusan.

Pertanyaan yang lebih baik

Pertanyaan yang lebih baik adalah:

“Keputusan apa yang saat ini diblokir?”

Pertanyaan itu memberikan sesuatu yang kuat. Ini menciptakan fokus secara instan. Jika keputusannya adalah:

“Haruskah kita memperluas ke Wilayah Utara?”

Kemudian separuh metrik Anda langsung menjadi tidak relevan.

Jika keputusannya adalah:

“Haruskah kita menaikkan harga pada kuartal ini?”

Maka Anda tahu persis sinyal apa yang penting.

Jika keputusannya adalah:

“Pelanggan mana yang berisiko dan intervensi apa yang harus kita lakukan?”

Laporan ini menyempit secara dramatis. Saat Anda memulai dengan pengambilan keputusan, laporan tersebut memiliki tujuan. Saat Anda memulai dengan data, laporan memiliki opsi. Pilihan menciptakan eksplorasi. Tujuan menciptakan kejelasan.

Desain yang mengutamakan keputusan

Saat Anda mulai mengambil keputusan, segalanya berubah. Anda hanya menyertakan apa yang membantu memajukan keputusan tersebut.

Anda bertanya:

• Apa yang perlu diketahui pahlawan agar bisa bertindak dengan percaya diri?
• Ketidakpastian apa yang harus dikurangi?
• Keberatan apa yang harus dijawab?

Tiba-tiba:

• Anda tidak memerlukan 12 visual
• Anda tidak membutuhkan setiap KPI
• Anda tidak memerlukan tiga halaman penelusuran

Anda memerlukan informasi yang cukup untuk mendukung keputusan tersebut. Tidak lebih. Tidak kurang. Disiplin itulah yang membedakan pelaporan dari pendukung keputusan.

Antisipasi pertanyaan sebelum ditanyakan

Pemandu yang baik mengantisipasi kebingungan sebelum muncul. Dalam analitik, itu berarti menanyakan:

Jika saya adalah pengambil keputusan, apa yang akan saya tantang?

• Apakah tren ini bersifat musiman?
• Apakah ini bahan anomali?
• Apa yang mendorong perubahan ini?
• Apa yang terjadi jika kita tidak melakukan apa pun?

Jawab pertanyaan-pertanyaan itu di laporan itu sendiri. Jangan menunggu sampai mereka muncul ke permukaan dalam rapat.

Jika laporan mengantisipasi keberatan dan menyelesaikannya, diskusi akan beralih dari penafsiran ke tindakan. Saat itulah Anda tahu bahwa Anda sedang membimbing.

Menghapus pilihan yang tidak perlu

Salah satu tanggung jawab panduan yang paling diabaikan adalah menghilangkan pilihan yang tidak perlu.

• Terlalu banyak alat pengiris
• Terlalu banyak jalur pengeboran
• Terlalu banyak perspektif opsional

Pilihan terasa memberdayakan. Namun dalam lingkungan bertekanan tinggi, hal ini menciptakan beban kognitif. Pahlawan tidak membutuhkan jalan yang tak terbatas. Mereka membutuhkan yang tepat. Ini tidak berarti menghilangkan eksplorasi sepenuhnya.

Artinya membedakan antara:

• pandangan keputusan
• pandangan eksplorasi

Jalur utama dalam laporan harus jelas. Jalur opsional tidak boleh mengaburkannya.

Berpendapat tentang apa yang penting

Di sinilah banyak analis ragu-ragu.

• “Bagaimana jika saya menghapus sesuatu yang penting?”
• “Bagaimana jika seseorang ingin melihat rinciannya?”
• “Bagaimana jika saya salah tentang hal yang penting?”

Panduan memiliki pendapat. Tidak sombong. Dengan sengaja. Mereka memprioritaskan. Mereka menyaring. Mereka membingkai. Karena tanpa pembingkaian, sang pahlawan dibiarkan mengkonstruksi narasinya sendiri. Dan ketika orang yang berbeda membangun narasi yang berbeda, keputusan akan terpecah-pecah.

Dampak langsung dari perubahan ini

Inilah bagian terbaiknya. Anda tidak memerlukan alat baru untuk menerapkan ini. Anda tidak membutuhkan AI. Anda tidak memerlukan platform baru.

Anda memerlukan titik awal yang berbeda.

Alih-alih:

“Data apa yang kita punya?”

Mulailah dengan:

“Keputusan apa yang saat ini diblokir?”

Satu perubahan itu segera meningkatkan analisis. Tanpa mengubah satu baris DAX pun.

Sebuah tes praktis

Buka salah satu dasbor Anda saat ini.

Bertanya:

• Keputusan apa yang dirancang untuk didukung?
• Jika saya menghapus separuh visualnya, apakah keputusannya masih jelas?
• Apakah laporan ini mengantisipasi keberatan yang jelas terlihat?

Jika jawabannya tidak jelas, Anda masih merancang dari luar data.

Jika tajam, Anda merancang dari keputusan ke belakang.

Itulah perbedaan antara menjadi pahlawan dan menjadi pemandu.

Ingin menjadi pemandu?

Jika Anda ingin laporan Power BI Anda beralih dari menampilkan data ke memandu keputusan, itulah yang kami fokuskan di dalam Akselerator Data.

Kami membantu tim beralih dari pelaporan ke dukungan keputusan, menyusun analisis berdasarkan kejelasan, keyakinan, dan tindakan.

---

Di postingan berikutnya, kita akan melihat cara mengidentifikasi audiens yang tepat untuk sebuah laporan — dan mengapa pahlawan yang berbeda membutuhkan cerita yang berbeda.

Terkait: Struktur Laporan Power BI: Awal, Tengah, Akhir

posting sebelumnya: Perjalanan Pahlawan dalam Analisis: Mengapa Audiens Adalah Pahlawannya

Mulai seri: Dasbor Tidak Mendorong Keputusan (Dan Itulah Masalah Analisis Sebenarnya)