Banyak UMKM sebenarnya sudah punya data.
Masalahnya bukan tidak ada.
Masalahnya tidak dibaca.
Marketplace punya report.
Kasir punya transaksi.
Bank punya mutasi.
Spreadsheet punya order.
WhatsApp punya inquiry.
Instagram punya insight.
Semua menghasilkan angka.
Owner sering terlalu sibuk untuk duduk dua jam bikin pivot table.
Akhirnya keputusan dibuat dari feeling.
“Kayaknya produk ini laku.”
“Kayaknya weekend rame.”
“Kayaknya promo kemarin bagus.”
Feeling penting.
Owner memang punya pattern recognition dari pengalaman.
Tapi sekarang AI bisa membantu mengubah data sederhana menjadi pertanyaan yang lebih mudah dijawab tanpa harus menjadi data scientist.
Bukan mengganti judgment.
Membuat data lebih accessible.
Mulai dari spreadsheet sederhana
Tidak perlu data warehouse.
Satu file CSV pun cukup untuk mulai.
Kolom:
tanggal, produk, jumlah, harga, diskon, channel, status.
Kalau ada cost dan margin, lebih bagus.
AI bisa membantu menjelaskan formula.
Membuat summary.
Mengelompokkan.
Mencari pattern.
User bisa bertanya:
“Produk apa paling laku bulan ini?”
“Mana yang omzetnya naik dibanding bulan lalu?”
“Hari apa transaksi tertinggi?”
“Berapa average order value?”
“Produk mana sering dibeli bersama?”
“Mana yang penjualannya turun terus?”
Pertanyaan natural menurunkan barrier analytics.
Owner tidak perlu hafal syntax.
Tapi angka tetap harus diverifikasi.
AI bukan database.
Gunakan source table sebagai truth.
AI adalah interpreter.
Pertanyaan pertama sebaiknya bukan “apa insight-nya?”
Terlalu broad.
AI bisa menghasilkan cerita generik.
Lebih baik pertanyaan specific.
“Bandingkan penjualan produk A dan B empat minggu terakhir.”
“Cari lima SKU yang unit terjual naik tetapi revenue turun.”
“Apakah diskon 20 persen meningkatkan quantity cukup untuk menutup margin?”
Specific question menghasilkan analysis lebih actionable.
Data analytics selalu dimulai dari question.
AI tidak menghapus itu.
Justru owner perlu belajar bertanya ke bisnis sendiri.
“Kenapa omzet turun?” adalah awal.
Lalu pecah:
traffic turun?
conversion?
harga?
stok?
channel?
produk?
AI bisa membantu decomposition.
Sales bukan hanya revenue
Omzet naik belum tentu bisnis lebih sehat.
Kalau diskon besar, margin turun.
Kalau return naik, problem.
Kalau repeat customer turun, risk.
UMKM perlu melihat beberapa layer.
Revenue.
Unit.
Margin.
Order count.
Average order value.
Repeat rate.
Refund.
Discount.
Channel fee.
Tidak semua bisnis punya semua data.
Gunakan yang ada.
Jangan mengarang.
AI bisa membantu membuat metric dictionary.
Apa arti angka.
Bagaimana hitung.
Ini membuat owner lebih literate.
Tidak perlu jadi analyst.
Tapi perlu tahu beda omzet dan profit.
AI tidak boleh menyamarkan basic finance.
Produk laris belum tentu produk terbaik
Misalnya produk A terjual 1.000 unit.
Margin Rp2.000.
Produk B terjual 400 unit.
Margin Rp10.000.
Mana yang lebih valuable?
Tergantung biaya lain.
AI bisa membantu membuat comparison.
Tapi harus diberi cost.
Kalau cost data tidak ada, jangan minta AI menebak margin.
Ini penting.
Generative AI suka membantu.
Kadang terlalu membantu.
Kalau field kosong, model bisa membuat assumption.
Rule harus jelas:
jangan isi angka yang tidak tersedia.
Tandai missing data.
Minta clarification.
Data analysis yang bagus sering dimulai dengan mengakui apa yang tidak diketahui.
Weekly sales review bisa dilakukan 20 menit
Bayangin setiap Senin pagi.
Export minggu lalu.
Masukkan ke template.
AI menghasilkan:
5 produk terlaris, 3 perubahan terbesar, stok perlu perhatian, channel paling kuat, promo yang berbeda, anomali, dan 5 pertanyaan lanjutan.
Owner review.
Cek angka.
Pilih satu action.
Tidak perlu dashboard enterprise.
Consistency lebih penting.
Kalau weekly review terjadi 50 kali setahun, owner mulai punya business memory.
Pattern terlihat.
Bukan hanya reaction harian.
AI membuat review lebih ringan sehingga habit lebih mungkin terbentuk.
Ini mungkin value lebih besar daripada insight canggih sekali.
Seasonality mulai kelihatan
Ramadan.
Lebaran.
Tanggal gajian.
Weekend.
Hujan.
School holiday.
Event.
UMKM sering merasakan seasonality intuitively.
Data membantu mengukur.
AI bisa membantu plot.
“Apakah penjualan naik di tanggal 25 sampai 5?”
“Weekend beda berapa persen?”
“Produk apa yang naik saat Ramadan?”
Tapi jangan langsung menyimpulkan causation.
Kalau penjualan naik saat hujan, belum tentu karena hujan.
Bisa promo.
Bisa payday.
AI bisa menemukan correlation.
Owner perlu context.
Ini pembagian kerja yang bagus.
Machine menemukan pattern.
Human menilai cerita.
Channel comparison bisa membuka blind spot
Marketplace A omzet tinggi.
Tapi fee tinggi.
WhatsApp omzet lebih kecil.
Margin lebih bagus.
Offline repeat rate tinggi.
AI bisa membantu compare.
Masukkan fee kalau ada.
Advertising cost.
Shipping subsidy.
Refund.
Lalu lihat contribution.
Jangan hanya top-line.
UMKM sering merasa channel terbesar otomatis terbaik.
Belum tentu.
Data bisa menunjukkan.
AI memudahkan calculation.
Tetap gunakan accounting source untuk final financial decision.
Untuk pajak dan laporan resmi, jangan serahkan ke chatbot.
Sales analytics adalah management tool.
Bukan pengganti akuntansi.
AI bisa membantu mendeteksi anomali
Tiba-tiba produk biasa terjual 5 kali normal.
Bagus?
Atau input duplicate?
Revenue hari tertentu drop 90 persen.
Problem?
Atau toko tutup?
AI bisa flag.
Human cek.
Anomaly detection sederhana sangat useful.
Bukan hanya fraud.
Juga operational error.
SKU salah.
Price salah.
Order duplicate.
Missing data.
AI bisa membantu melihat hal yang owner lewatkan karena terlalu dekat dengan operasi.
Tapi jangan auto-fix tanpa review.
Flag dulu.
Data quality sering menjadi benefit tersembunyi
Begitu owner mulai memakai AI analytics, masalah data muncul.
Nama produk:
Kopi Susu.
kopi susu.
KS.
Kopsus.
Semua produk sama.
AI bisa bantu normalize.
Tapi lebih baik source system dirapikan.
SKU konsisten.
Date format.
Status.
Channel.
Data cleaning bukan pekerjaan menarik.
Tapi membuat semua analysis berikutnya lebih reliable.
AI adoption sering memaksa bisnis memperbaiki hygiene data.
Ini benefit jangka panjang.
Data yang rapi berguna walaupun nanti ganti AI tool.
Customer cohort tidak harus rumit
Owner bisa membagi:
new customer, repeat, inactive.
Lalu lihat.
Berapa repeat?
Produk apa yang membuat repeat?
Customer berhenti setelah kapan?
AI bisa bantu membuat segment dari data yang sudah ada.
Tapi privacy.
Jangan selalu butuh nama.
Customer ID anonim cukup untuk banyak analysis.
Data minimization.
Kalau ingin tahu repeat rate, tidak perlu upload nomor WhatsApp lengkap ke chatbot.
Gunakan ID.
UMKM bisa melakukan analytics tanpa mengorbankan data customer.
Ini habit yang sebaiknya dimulai dari awal.
Natural language analytics tetap bisa salah
AI mungkin salah membaca date.
Salah formula.
Salah filter.
Mencampur revenue gross dan net.
Jadi owner perlu sanity check.
Total dari AI harus sama dengan total source.
Sampling.
Cek beberapa row.
Minta formula ditampilkan.
Jangan menerima chart cantik sebagai bukti.
Visual yang rapi bisa tetap salah.
AI menurunkan barrier analytics.
Tidak menghapus quality control.
Salah satu skill baru owner adalah tahu bagaimana memeriksa jawaban machine.
Bukan tahu semua statistik.
Cukup tahu angka mana yang harus cross-check.
Forecast perlu sangat hati-hati
“Prediksi penjualan bulan depan.”
AI bisa membuat.
Tapi UMKM punya data noisy.
Promo.
Stok.
Lebaran.
Event.
Perubahan harga.
Kompetitor.
Forecast bisa misleading.
Gunakan sebagai scenario.
Base.
Optimistic.
Conservative.
Jangan sebagai kepastian.
Kalau stock purchase besar dibuat hanya dari satu forecast AI, risk.
Lebih baik gabungkan:
historical sales, known event, current order, supplier lead time, dan owner judgement.
AI membantu modeling.
Owner tetap responsible.
Dashboard tidak harus sophisticated
Satu table.
Lima metric.
Satu chart.
Tiga insight.
Satu action.
Cukup.
Jangan membuat business intelligence project yang akhirnya tidak dibuka.
UMKM punya advantage simplicity.
Data volume lebih kecil.
Decision chain pendek.
Kalau insight muncul pagi, owner bisa action siang.
Perusahaan besar mungkin butuh meeting tiga minggu.
AI memperbesar speed advantage ini.
Tapi hanya kalau dashboard tidak terlalu rumit.
Analytics harus berujung keputusan.
Kalau tidak, hanya dekorasi.
Contoh Jakarta sederhana
Toko dessert di Kemang melihat data.
Order weekday turun.
Weekend naik.
Produk premium laku lewat Instagram.
Produk entry-level laku marketplace.
Repeat customer lebih banyak dari WhatsApp.
Owner tidak perlu model statistik kompleks untuk mulai action.
Instagram difokuskan premium visual.
Marketplace dijaga untuk acquisition.
WhatsApp dipakai repeat.
Promo weekday diuji.
AI membantu melihat pattern lebih cepat.
Human membuat strategy.
Ini pembagian yang sehat.
UMKM tidak perlu data scientist untuk membaca penjualan.
Mereka butuh data cukup rapi, pertanyaan yang jelas, dan kebiasaan mengecek angka sebelum percaya summary.
AI membuat analytics lebih conversational.
Itu perubahan besar.
Dulu spreadsheet terasa seperti skill khusus.
Sekarang owner bisa bertanya ke data dengan bahasa sehari-hari.
Tapi jangan salah.
Kemudahan bertanya bukan berarti semua jawaban benar.
AI adalah jembatan ke data.
Bukan pengganti data.
Kalau owner memakai tool itu dengan discipline, mereka bisa pindah dari:
“kayaknya”
ke
“datanya menunjukkan.”
Dan untuk bisnis kecil, pergeseran sederhana itu bisa membuat keputusan jauh lebih tajam tanpa harus merekrut satu tim analytics.
Kalau satu insight tidak menghasilkan keputusan, mungkin belum perlu dimonitor setiap minggu.
Analytics bukan koleksi fakta menarik.
Ia alat memilih tindakan.
Tambah stok.
Kurangi diskon.
Ubah channel.
Follow-up customer.
Uji harga.
Kalau tidak ada action possible, simpan sebagai context saja.
UMKM perlu dashboard yang kecil tapi dipakai, bukan dashboard besar yang cuma cantik saat presentasi.
Margin analysis adalah area di mana owner bisa mulai naik level.
Jangan hanya bertanya:
“Produk paling laku apa?”
Tanya:
“Produk mana paling banyak menyumbang gross profit?”
Kalau data cost tersedia.
Dua jawaban bisa berbeda.
Produk volume tinggi bisa margin tipis.
Produk volume sedang bisa lebih sehat.
AI bisa bantu membuat ranking.
Tapi cost harus real.
Masukkan biaya barang.
Marketplace fee.
Diskon.
Kalau ada.
Jangan membuat margin dari asumsi.
Repeat customer juga menarik.
Kalau punya customer ID anonim, lihat:
berapa customer beli lagi dalam 30, 60, atau 90 hari?
Produk pertama apa yang paling sering menghasilkan repeat?
Ini bisa membantu marketing.
Misalnya customer yang pertama beli paket trial lebih sering repeat daripada customer yang masuk dari diskon besar.
Owner bisa mengubah acquisition strategy.
AI membantu menghitung cohort sederhana.
Tidak perlu terminology rumit.
Cukup bertanya:
“Dari customer baru Januari, berapa yang beli lagi sampai Maret?”
Natural language membuat analysis lebih accessible.
Data visualization juga bisa membantu.
Satu chart line untuk revenue mingguan.
Satu bar chart produk.
Satu table channel.
Jangan 20 chart.
Owner harus bisa membuka dan mengerti dalam satu menit.
Kalau dashboard perlu analyst untuk menjelaskan dashboard, terlalu complicated untuk UMKM.
AI seharusnya menyederhanakan.
Bukan membuat analytics terlihat canggih.
Yang paling penting adalah membangun ritual keputusan.
Setiap review, pilih satu action kecil.
Naikkan stok.
Kurangi SKU.
Uji bundling.
Hubungi repeat customer.
Stop promo yang tidak menghasilkan.
Lalu minggu berikutnya lihat dampaknya.
AI mempercepat loop belajar.
Data menjadi conversation.
Action menghasilkan data baru.
Bisnis belajar.
Di situlah analytics mulai punya nilai nyata.
Bacaan terkait
Artikel ini berada dalam UMKM & Entrepreneurship dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.