Dalam survei tahunan Accenture, disimpulkan bahwa kemampuan untuk menganalisa dan mengolah data adalah kemampuan yang krusial untuk dimiliki. Namun, belum banyak yang menguasai keahlian ini. Sehingga dapat disimpulkan bahwa Data Analytics merupakan kemampuan yang sedang populer di pasar sekarang dan hal ini berlaku di hampir semua industri, baik itu sektor finansial, sales, SDM, dan lainnya. Banyak perusahaan berusaha mengembangkan kemampuan ini secara internal maupun eksternal.

Mengapa kemampuan Data Analytics menjadi sangat penting? Apakah sebenarnya Data Analytics itu? Sederhananya, Data Analytics adalah ilmu menganalisa data mentah untuk menarik insight dari tumpukan data itu, dan hasilnya dapat mengungkapkan tren dan metrik yang ada dalam kumpulan data. Informasi ini dapat digunakan untuk mengoptimalkan proses guna meningkatkan efisiensi keseluruhan bisnis atau sistem,

Analisa dan pengolahan data dapat membantu perusahaan dalam pengambilan keputusan ataupun membuat strategi berdasarkan fakta. Misalnya dengan analisa data pelanggan, perusahaan mendapatkan input dari informasi yang diberikan oleh pelanggan guna menyusun strategi pemasaran yang tepat bagi setiap segmen pelanggan. Atau di bidang SDM, perusahaan dapat melakukan analisa data menyeluruh terhadap data-data karyawannya sebagai pertimbangan untuk menerapkan kebijakan internal perusahaan atau dalam menganalisa kinerja karyawan.

Masih dalam survei tahunan Accenture, Data Analytics juga menjadi kemampuan yang sangat penting di area Finance. Ada yang menanyakan kenapa diperlukan keahlian khusus atau implementasi teknologi hanya untuk menganalisa data. Jawabannya, karena perkembangan dan tuntutan bisnis yang semakin tinggi serta kumpulan data yang semakin kompleks, ekspektasi dari analisis data yang dihasilkan menjadi lebih tinggi.

Jenis analitik yang umum dipakai adalah deskriptif dan diagnostik, untuk menemukan apa yang terjadi dan apa penyebabnya. Sedangkan, kemampuan analitik data yang saat ini lebih dibutuhkan adalah analitik prediktif dan preskriptif. Dalam proses analitik ini, perusahaan dituntut untuk bisa memprediksi tren apa yang akan terjadi dan bagaimana mengatasinya.

Jika dijabarkan dalam contoh yang lebih nyata, bagian Finance dalam perusahaan dapat melakukan keempat proses pengolahan data ini pada data tagihan yang dimiliki. Misalnya menganalisis berapa jumlah dokumen tagihan yang terlambat diproses di bulan ini (analitik deskriptif), apa penyebab keterlambatan tagihan (analitik diagnostik), berapa banyak tagihan yang mungkin akan terlambat di bulan depan (analitik prediktif), dan cara mengatasi agar dokumen tagihan tidak terlambat kembali (analitik preskriptif). Selain itu, analitik data juga dapat digunakan untuk optimalisasi jadwal pembayaran dan penagihan, pengaturan atau proyeksi kas, dan lainnya. Dengan adanya hasil dari analisa tersebut, bagian Finance dapat mengatur strategi serta melakukan mitigasi atas risiko-risiko yang mungkin timbul.

Walaupun proses pengolahan data dapat dilakukan dengan lebih mudah menggunakan aplikasi data modeling dan reporting dashboard yang tersedia di pasaran saat ini, kemampuan analisa dari sisi internal di tim Finance tetaplah penting untuk dimiliki. Tim Finance harus memahami data apa yang ingin dianalisa dan bagaimana menerapkan hasil analisa tersebut menjadi sebuah strategi yang bisa ditindaklanjuti.

CFO dan jajaran eksekutif harus bergerak sedini mungkin untuk meningkatkan keahlian timnya dalam membaca dan menganalisa data. Mulai dari mempersiapkan kemampuan internal timnya untuk analisa data hingga implementasi teknologi analitik data pendukung. Perlu diingat, dengan pasar yang semakin dinamis tiap harinya, kemampuan dalam mengantisipasi perubahan sangatlah diperlukan jika tidak ingin tertinggal.•