# Laporan Akhir Eksplorasi Data ## 1. Ringkasan Eksekutif Ringkasan Eksekutif ini menyajikan hasil eksplorasi awal terhadap data pemenuhan pesanan pelanggan untuk mengidentifikasi wawasan utama terkait kinerja penjualan, efisiensi operasional, dan area yang memerlukan perhatian lebih lanjut. Analisis ini bertujuan untuk mendukung pengambilan keputusan strategis dalam meningkatkan kinerja bisnis dan penjualan. **Kinerja Penjualan** Analisis menunjukkan dominasi Divisi PHARMANET dalam total nilai penjualan dan jumlah item baris, menjadikannya kontributor pendapatan utama. Namun, Divisi VIBRANT PBF menonjol dengan rata-rata nilai dan kuantitas per item yang sangat tinggi, mengindikasikan transaksi bernilai besar. Produk-produk dari Pharos Grup (Pharos YN = 'Y') secara signifikan menyumbang nilai penjualan yang lebih besar dan rata-rata nilai per item yang lebih tinggi, meskipun jumlah item barisnya lebih sedikit, menegaskan nilai strategis produk ini. Outlet yang tidak tergabung dalam program Apotek Online (AO YN = 'N') menghasilkan total nilai penjualan yang jauh lebih besar dibandingkan outlet AO YN = 'Y', menunjukkan bahwa saluran penjualan tradisional masih menjadi pendorong utama. Dari segi pembayaran, BCA Virtual Account menjadi metode paling dominan, menyumbang sebagian besar total nilai penjualan. Secara geografis, gudang PHARMANET SURABAYA memimpin dalam total nilai penjualan, sementara gudang PHARMANET JAKTIM dan PHARMANET JAKBAR menunjukkan rata-rata nilai per item yang sangat tinggi, menandakan kemungkinan spesialisasi pada produk bernilai tinggi. Berikut adalah detail kinerja penjualan berdasarkan kategori: **Kinerja Penjualan Berdasarkan Divisi** | Divisi | Total Value RO | Avg Value RO/Item | Total Qty RO | Avg Qty RO/Item | No. of Line Items | |:-------------|:----------------|:------------------|:-------------|:----------------|:------------------| | PHARMANET | 36,921,214,629 | 333,025.6 | 845,617 | 7.6 | 110,866 | | VIBRANT PBF | 14,399,713,539 | 5,627,086.2 | 498,593 | 194.8 | 2,559 | | HOSPINET | 4,180,468,736 | 234,502.1 | 103,417 | 5.8 | 17,827 | | VIBRANT 3 | 89,696,261 | 1,601,719.0 | 2,502 | 44.7 | 56 | | N/A_Category | 18,812,136 | 2,687,448.0 | 76 | 10.9 | 7 | **Kinerja Penjualan Berdasarkan Pharos YN** | Pharos YN | Total Value RO | Avg Value RO/Item | Total Qty RO | Avg Qty RO/Item | No. of Line Items | |:----------|:---------------|:------------------|:-------------|:----------------|:------------------| | Y | 33,085,676,228 | 557,927.8 | 1,037,869 | 17.5 | 59,301 | | N | 22,524,229,073 | 312,775.7 | 412,336 | 5.7 | 72,014 | **Kinerja Penjualan Berdasarkan AO YN** | AO YN | Total Value RO | Avg Value RO/Item | Total Qty RO | Avg Qty RO/Item | No. of Line Items | |:------|:---------------|:------------------|:-------------|:----------------|:------------------| | N | 37,903,077,146 | 458,963.9 | 1,083,615 | 13.1 | 82,584 | | Y | 17,706,828,155 | 363,358.6 | 366,590 | 7.5 | 48,731 | **Kinerja Penjualan Berdasarkan Payment** | Payment | Total Value RO | Avg Value RO/Item | Total Qty RO | Avg Qty RO/Item | No. of Line Items | |:--------------------|:---------------|:------------------|:-------------|:----------------|:------------------| | BCA Virtual Account | 42,124,313,088 | 534,213.2 | 1,102,410 | 14.0 | 78,853 | | Term Of Payment | 8,048,537,781 | 219,815.3 | 198,841 | 5.4 | 36,615 | | BRIVA | 5,417,010,111 | 344,681.2 | 148,518 | 9.5 | 15,716 | | Kredivo | 20,044,321 | 153,010.1 | 436 | 3.3 | 131 | **Kinerja Penjualan Berdasarkan Asal Gudang (Top 5 & Spesifik Anomali)** | Asal Gudang | Total Value RO | Avg Value RO/Item | Total Qty RO | Avg Qty RO/Item | No. of Line Items | |:------------------|:---------------|:------------------|:-------------|:----------------|:------------------| | PHARMANET SURABAYA | 7,362,634,294 | 542,287.3 | 211,711 | 15.6 | 13,577 | | PHARMANET MEDAN | 5,157,286,118 | 695,426.9 | 140,738 | 19.0 | 7,416 | | PHARMANET BEKASI | 4,590,858,631 | 362,197.9 | 105,207 | 8.3 | 12,675 | | PHARMANET TANGERANG | 4,016,092,140 | 426,336.8 | 87,062 | 9.2 | 9,420 | | PHARMANET BOGOR | 3,829,336,430 | 451,359.8 | 105,453 | 12.4 | 8,484 | | ... | ... | ... | ... | ... | ... | | PHARMANET JAKTIM | 2,787,885,724 | 677,658.2 | 64,852 | 15.8 | 4,114 | | PHARMANET JAKBAR | 2,435,567,117 | 674,485.5 | 52,628 | 14.6 | 3,611 | **Efisiensi Proses Pemenuhan Pesanan** Analisis durasi proses pemenuhan pesanan (dalam hari) menunjukkan anomali data yang signifikan. Rata-rata durasi antara 'Tgl Ekspedisi' dan 'Tgl Diterima' serta 'Tgl Logbook' dan 'Tgl Ekspedisi' seringkali tercatat negatif pada banyak gudang dan divisi produk. Ini mengindikasikan bahwa data tanggal penerimaan barang oleh pelanggan seringkali tercatat mendahului tanggal pengiriman atau pencatatan logbook untuk ekspedisi. Anomali ini membuat perhitungan efisiensi operasional menjadi tidak akurat dan memerlukan investigasi lebih lanjut. PHARMANET BANJARMASIN adalah satu-satunya gudang yang menunjukkan durasi `Ekspedisi to Diterima` positif (0.2 hari) dan total durasi pemenuhan yang realistis (0.4 hari), meskipun sangat cepat. Berikut adalah detail durasi proses pemenuhan pesanan: **Analisa Durasi Proses Pemenuhan Pesanan (dalam Hari) Berdasarkan Asal Gudang** | Asal Gudang | Avg RO to SP | Avg SP to DO | Avg DO to Logbook | Avg Logbook to Ekspedisi | Avg Ekspedisi to Diterima | Avg Total Fulfillment | Jumlah DOs | |:----------------------|-------------:|-------------:|------------------:|-------------------------:|--------------------------:|----------------------:|-----------:| | PHARMANET TANGERANG | 0.0 | 0.2 | 0.0 | -0.3 | -4320.2 | -4319.5 | 1,565 | | PHARMANET MEDAN | 0.0 | 0.5 | 0.1 | -0.1 | -1460.3 | -1458.8 | 1,276 | | PHARMANET MALANG | 0.0 | 0.0 | 0.0 | -0.7 | -828.6 | -828.4 | 628 | | PHARMANET MAKASSAR | 0.0 | 0.1 | 0.0 | -0.7 | -410.7 | -410.2 | 1,154 | | PHARMANET JAKSEL | 0.0 | 0.1 | 0.1 | -0.2 | -348.0 | -347.8 | 535 | | PHARMANET PONTIANAK | 0.0 | 0.1 | 0.1 | -0.0 | -291.7 | -290.8 | 569 | | PHARMANET LAMPUNG | 0.0 | 0.1 | 0.0 | -0.0 | -253.2 | -252.5 | 661 | | PHARMANET BOGOR | 0.0 | 0.1 | 0.1 | 0.0 | -102.2 | -101.5 | 1,412 | | PHARMANET SOLO | 0.0 | 0.1 | 0.0 | -0.3 | -98.8 | -98.5 | 1,466 | | PHARMANET PEKANBARU | 0.0 | 0.1 | 0.0 | -0.0 | -85.7 | -84.8 | 982 | | PHARMANET BEKASI | 0.0 | 0.1 | 0.0 | -0.1 | -83.2 | -82.7 | 2,248 | | PHARMANET SAMARINDA | 0.0 | 0.5 | 0.0 | 0.1 | -74.7 | -73.0 | 579 | | PHARMANET JAMBI | 0.0 | 0.1 | 0.0 | -0.2 | -70.9 | -70.2 | 588 | | PHARMANET SEMARANG | 0.0 | 0.1 | 0.2 | -0.4 | -49.2 | -48.2 | 1,671 | | PHARMANET BANDUNG | 0.0 | 0.1 | 0.0 | -0.4 | -35.9 | -35.9 | 1,706 | | PHARMANET PALEMBANG | 0.0 | 0.0 | 0.0 | -0.6 | -30.8 | -30.4 | 1,465 | | PHARMANET JAKTIM | 0.0 | 0.0 | 0.0 | -0.0 | -23.7 | -23.5 | 869 | | PHARMANET JAKBAR | 0.0 | 0.1 | 0.0 | -0.0 | -22.7 | -22.4 | 919 | | PHARMANET SURABAYA | 0.0 | 0.1 | 0.2 | -0.1 | -16.5 | -15.4 | 2,524 | | PHARMANET BANJARMASIN | 0.0 | 0.2 | 0.0 | -0.8 | 0.2 | 0.4 | 672 | **Analisa Durasi Proses Pemenuhan Pesanan (dalam Hari) Berdasarkan Divisi Produk** | Divisi | Avg RO to SP | Avg SP to DO | Avg DO to Logbook | Avg Logbook to Ekspedisi | Avg Ekspedisi to Diterima | Avg Total Fulfillment | Jumlah DOs | |:------------|-------------:|-------------:|------------------:|-------------------------:|--------------------------:|----------------------:|-----------:| | VIBRANT 3 | 0.0 | 0.4 | 0.2 | -0.1 | -3435.8 | -3434.8 | 12 | | VIBRANT PBF | 0.0 | 0.1 | 0.1 | -0.2 | -901.1 | -900.3 | 360 | | HOSPINET | 0.0 | 0.1 | 0.1 | -0.2 | -560.2 | -559.5 | 3,751 | | PHARMANET | 0.0 | 0.1 | 0.1 | -0.3 | -465.2 | -464.5 | 19,359 | | Unknown | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.3 | 7 | **Rekomendasi** Berdasarkan temuan di atas, beberapa rekomendasi strategis dapat diimplementasikan: 1. **Prioritaskan Kualitas Data Waktu**: Segera lakukan investigasi mendalam terhadap anomali durasi negatif pada `Tgl Diterima`, `Tgl Ekspedisi`, dan `Tgl Logbook`. Koreksi data ini sangat krusial untuk memastikan perhitungan efisiensi operasional yang akurat dan dapat diandalkan. Tanpa data waktu yang valid, identifikasi _bottleneck_ dan upaya peningkatan efisiensi akan terhambat. 2. **Optimalkan Strategi Penjualan Produk**: * Pelajari model bisnis dan operasional Divisi VIBRANT PBF untuk mengidentifikasi faktor-faktor yang mendorong rata-rata nilai per item yang sangat tinggi. Pertimbangkan untuk mereplikasi praktik terbaik ini pada divisi lain untuk meningkatkan nilai pesanan rata-rata. * Manfaatkan potensi produk Pharos Grup yang bernilai tinggi. Kembangkan strategi _cross-selling_ atau _up-selling_ untuk meningkatkan nilai pesanan keseluruhan, baik untuk produk Pharos maupun non-Pharos. 3. **Tingkatkan Kinerja Program Apotek Online (AO YN)**: Selidiki alasan di balik nilai penjualan dan rata-rata nilai per item yang lebih rendah pada outlet yang berpartisipasi dalam program Apotek Online. Identifikasi hambatan yang ada (misalnya, jangkauan produk, strategi harga, atau segmentasi pelanggan) dan kembangkan inisiatif untuk meningkatkan kontribusi saluran online terhadap total penjualan perusahaan. 4. **Analisis Performa Gudang**: Lakukan studi lebih lanjut terhadap gudang PHARMANET JAKTIM dan PHARMANET JAKBAR yang menunjukkan rata-rata nilai per item yang tinggi. Pahami apakah ini disebabkan oleh jenis produk khusus, segmen pelanggan tertentu, atau praktik operasional yang efisien, dan evaluasi potensi replikasi di gudang lain. Selain itu, investigasi gudang PHARMANET BANJARMASIN yang memiliki durasi pemenuhan pesanan positif untuk memahami proses yang mereka terapkan. ## 2. Pendahuluan Laporan Analisis Data Eksplorasi (EDA) ini disusun untuk memberikan pemahaman komprehensif mengenai data pemenuhan pesanan pelanggan. Tujuannya adalah untuk mengidentifikasi wawasan tersembunyi yang dapat digunakan untuk meningkatkan kinerja bisnis secara keseluruhan, khususnya dalam aspek penjualan dan efisiensi operasional. Data yang dianalisis mencerminkan seluruh siklus pemenuhan pesanan, mulai dari pesanan awal hingga penerimaan oleh pelanggan, sehingga memungkinkan identifikasi peluang dan tantangan pada setiap tahapan. ### Latar Belakang Dalam lingkungan bisnis yang kompetitif, pemahaman mendalam tentang pola penjualan dan efisiensi rantai pasokan adalah krusial. Data pesanan pelanggan yang lengkap menjadi aset berharga untuk mengeksplorasi faktor-faktor pendorong penjualan, mengidentifikasi produk berkinerja tinggi, mengevaluasi efektivitas saluran distribusi, dan mengukur kecepatan serta keandalan proses logistik. Analisis ini diharapkan dapat mengungkap korelasi antara atribut produk dan penjualan, serta menyoroti area di mana intervensi dapat dilakukan untuk peningkatan signifikan. ### Tujuan Analisis Tujuan utama dari laporan ini adalah: 1. **Mengevaluasi Kinerja Penjualan**: Menganalisis total nilai dan kuantitas pesanan berulang (Repeat Order/RO) berdasarkan berbagai dimensi, termasuk divisi produk, jenis produk (Pharos atau Non-Pharos), status partisipasi outlet dalam program Apotek Online (AO YN), metode pembayaran, dan gudang asal. Ini bertujuan untuk mengidentifikasi segmen pasar dan produk yang paling berkontribusi pada pendapatan. 2. **Mengukur Efisiensi Proses Pemenuhan Pesanan**: Menghitung rata-rata durasi antara tahapan-tahapan kunci dalam proses pemenuhan pesanan (misalnya, dari Order ke SP, SP ke DO, DO ke Logbook, dan Ekspedisi ke Diterima). Analisis ini akan membantu mengidentifikasi potensi hambatan (bottleneck) atau inefisiensi dalam alur kerja logistik. 3. **Mengidentifikasi Anomali Data**: Mengungkap inkonsistensi atau kesalahan dalam pencatatan data, khususnya terkait tanggal dan waktu, yang dapat memengaruhi akurasi metrik efisiensi operasional. 4. **Menyediakan Rekomendasi Berbasis Data**: Merumuskan rekomendasi strategis dan taktis yang dapat ditindaklanjuti untuk meningkatkan kinerja penjualan, mengoptimalkan proses operasional, dan meningkatkan kualitas data. ### Sumber Data Data yang digunakan dalam analisis ini berasal dari tabel `omg_10003_b1_sheet1`. Tabel ini berisi catatan detail setiap transaksi pesanan, mencakup informasi seperti kode unik outlet, kode produk, deskripsi produk, divisi, kuantitas pesanan, nilai pesanan, berbagai status dan tanggal terkait proses pesanan (RO, SP, DO, PL), hingga informasi pengiriman dan penerimaan. ### Metodologi Singkat Analisis dimulai dengan proses pra-pemrosesan data yang ketat. Ini mencakup penghapusan duplikasi, konversi tipe data untuk kolom tanggal, dan penanganan nilai yang hilang (misalnya, mengisi nilai numerik yang hilang dengan median dan nilai string dengan "Unknown" atau "N/A"). Selanjutnya, data dinormalisasi menjadi beberapa tabel dimensi (misalnya, `normalized_outlet`, `normalized_product`) dan tabel fakta (`fact_order_line_item`) untuk memfasilitasi analisis yang lebih mendalam dan terstruktur. Laporan ini menyajikan hasil eksplorasi data menggunakan pendekatan statistik deskriptif untuk merangkum karakteristik utama dataset, mengidentifikasi pola penjualan, dan mengevaluasi efisiensi operasional. Analisis berfokus pada agregasi metrik kunci dan perbandingan antar kategori untuk mendapatkan wawasan yang komprehensif. ### Ruang Lingkup Laporan ini akan secara spesifik membahas: * Analisis kinerja penjualan berdasarkan divisi produk, asal produk (Pharos YN), partisipasi outlet Apotek Online (AO YN), metode pembayaran, dan gudang asal. * Evaluasi rata-rata durasi antar tahapan proses pemenuhan pesanan untuk mengidentifikasi efisiensi atau inefisiensi logistik. * Pembahasan mengenai anomali data waktu yang signifikan dan dampaknya terhadap interpretasi efisiensi operasional. ### Struktur Laporan Setelah Pendahuluan ini, laporan akan melanjutkan dengan detail temuan-temuan dari analisis penjualan dan efisiensi pemenuhan pesanan. Setiap temuan akan didukung oleh data dan visualisasi (dalam bentuk tabel Markdown), diikuti dengan interpretasi dan implikasi bisnis. Laporan akan diakhiri dengan kesimpulan dan serangkaian rekomendasi yang dapat diterapkan untuk peningkatan kinerja. ## 3. Tinjauan Data Data ini berasal dari tabel `omg_10003_b1_sheet1` yang mencatat detail lengkap dari proses pemenuhan pesanan pelanggan. Setiap baris data merepresentasikan item baris pesanan tunggal yang melewati berbagai tahapan, mulai dari pemesanan oleh _outlet_ hingga barang diterima oleh pelanggan. Dataset ini sangat krusial untuk menganalisis efisiensi operasional dan dinamika penjualan. ### Struktur Data dan Variabel Kunci Dataset ini terdiri dari beberapa jenis variabel yang dapat dikelompokkan sebagai berikut: * **Identitas Pelanggan (Outlet)**: `KodePI`, `OutCode`, dan `Cmc` adalah kode identifikasi unik untuk setiap _outlet_ pelanggan. Ketiga kolom ini merepresentasikan kode dari sistem yang berbeda namun merujuk pada _outlet_ yang sama. `Nama Outlet` memberikan deskripsi nama _outlet_. * **Identitas Produk**: `Procod` adalah kode unik produk, `Prodes` adalah deskripsi produk, dan `Divisi` mengkategorikan produk berdasarkan divisi. `Pharos YN` adalah _flag_ yang menunjukkan apakah produk tersebut diproduksi oleh Pharos Grup. * **Detail Pesanan (RO)**: `No. RO` adalah nomor pesanan berulang (_Repeat Order_) yang unik, `Qty RO` adalah kuantitas produk yang dipesan, `Value RO` adalah nilai total pesanan, dan `Status RO` mengindikasikan status pesanan ini. * **Proses Internal (SP, DO, PL)**: * **Surat Pesanan (SP)**: `No. SP` (nomor surat pesanan), `Sts SP Header` (status SP secara keseluruhan), `Sts SP Detail` (status untuk satu produk dalam SP), `Qty SP` (kuantitas di SP), dan `Tgl. SP` (tanggal SP diterbitkan). * **Delivery Order (DO)**: `No. DO` (nomor _Delivery Order_), `Status DO` (status DO), `Qty DO` (kuantitas di DO), dan `Tgl DO` (tanggal DO diterbitkan). * **Packing List (PL)**: `No. PL` (nomor _Packing List_), `Value PL` (nilai di PL), dan `Tgl. PL` (tanggal PL dibuat). * **Informasi Pengiriman**: `Tgl Logbook` (waktu DO masuk area _staging_), `Tgl Ekspedisi` (tanggal barang diserahkan ke ekspedisi), `Asal Gudang` (gudang asal pengiriman), `Nomor Resi` (nomor resi pengiriman), `Nama Ekspedisi` (nama penyedia jasa ekspedisi), `Tgl Diterima` (tanggal barang diterima oleh pelanggan), dan `Nama Penerima` (nama penerima barang). * **Atribut Lainnya**: `AO YN` (_flag_ partisipasi _outlet_ dalam program Apotek Online), `Payment` (metode pembayaran), dan `Lastupdate` (waktu terakhir data diperbarui). ### Kualitas Data dan Penanganan Pra-pemrosesan Sebelum analisis lebih lanjut, data telah melalui serangkaian tahap pembersihan untuk memastikan kualitas dan konsistensinya. Tahapan pra-pemrosesan yang dilakukan meliputi: * **Penanganan Duplikasi**: Baris duplikat telah diperiksa dan dihapus untuk memastikan setiap entri unik. * **Konversi Tipe Data dan Penanganan Nilai Hilang pada Kolom Tanggal**: Seluruh kolom tanggal (`Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Diterima`, `Lastupdate`) telah dikonversi ke format _datetime_. Nilai tanggal yang tidak valid (`NaT`) diganti dengan tanggal _placeholder_ '1900-01-01'. Beberapa kolom yang signifikan mengalami hal ini adalah: * `Tgl Diterima`: 10.385 nilai `NaT` diisi dengan '1900-01-01'. * `Tgl DO`: 365 nilai `NaT` diisi dengan '1900-01-01'. * `Tgl. PL`: 365 nilai `NaT` diisi dengan '1900-01-01'. * `Tgl Logbook`: 585 nilai `NaT` diisi dengan '1900-01-01'. * `Tgl Ekspedisi`: 460 nilai `NaT` diisi dengan '1900-01-01'. * **Penanganan Nilai Hilang pada Kolom Numerik**: Kolom numerik seperti `Qty RO`, `Qty SP`, `Qty DO`, `Value PL`, dan `Value RO` telah diperiksa untuk nilai hilang. Nilai hilang pada kolom `Value PL` sejumlah 1.740 baris diisi dengan nilai median (145.203,0). Untuk `Procod`, nilai hilang diisi dengan 0 dan dikonversi ke tipe integer. * **Penanganan Nilai Hilang pada Kolom String/Objek**: Nilai hilang pada kolom _string_ atau _object_ diisi dengan _placeholder_ 'N/A' atau 'Unknown'. Contohnya: * `Keterangan`: 131.315 nilai hilang diisi dengan 'N/A'. * `Nama Penerima`: 131.315 nilai hilang diisi dengan 'N/A'. * `Nomor Resi`: 460 nilai hilang diisi dengan 'N/A'. * `Nama Ekspedisi`: 585 nilai hilang diisi dengan 'N/A'. * `Cmc`: 5.468 nilai hilang diisi dengan 'N/A'. * `Divisi`: 7 nilai hilang diisi dengan 'N/A'. * `No. DO`: 365 nilai hilang diisi dengan 'N/A'. * `No. PL`: 365 nilai hilang diisi dengan 'N/A'. * `Kel. Class`: 107 nilai hilang diisi dengan 'N/A'. Meskipun telah dilakukan pembersihan, temuan awal mengindikasikan adanya anomali dalam data tanggal yang menyebabkan durasi pemenuhan pesanan tercatat negatif pada beberapa gudang dan divisi. Hal ini menunjukkan bahwa pencatatan waktu dalam sistem mungkin memiliki inkonsistensi yang perlu ditelusuri lebih lanjut untuk analisis efisiensi yang akurat. ### Entitas Data Kunci untuk Analisis Lanjut Untuk memfasilitasi analisis yang lebih mendalam dan terstruktur, data telah dinormalisasi ke dalam beberapa tabel terpisah: * `normalized_outlet`: Berisi informasi unik mengenai _outlet_ pelanggan. * `normalized_product`: Berisi informasi unik mengenai produk. * `normalized_repeat_order`: Berisi detail pesanan berulang (RO). * `normalized_sales_order`: Berisi detail surat pesanan (SP). * `normalized_delivery_order`: Berisi detail _delivery order_ (DO). * `normalized_packing_list`: Berisi detail _packing list_ (PL). * `fact_order_line_item`: Tabel fakta yang menghubungkan produk dengan pesanan, serta berisi metrik seperti kuantitas dan nilai. Tabel-tabel yang dinormalisasi ini akan menjadi dasar untuk analisis di bab-bab selanjutnya, memungkinkan pemeriksaan yang lebih terfokus pada kinerja penjualan, efisiensi operasional, dan korelasi antar entitas. ## 4. Kualitas Data & Pra-pemrosesan Data yang digunakan dalam analisis ini merupakan catatan komprehensif dari setiap tahapan proses pemenuhan pesanan pelanggan. Kualitas data adalah fondasi utama bagi setiap analisis yang akurat dan pengambilan keputusan yang tepat. Sebelum analisis mendalam dapat dilakukan, serangkaian langkah pra-pemrosesan telah dilaksanakan untuk memastikan data bersih, konsisten, dan siap untuk dieksplorasi. ### Proses Pra-pemrosesan Data Proses pra-pemrosesan ini bertujuan untuk mengatasi berbagai isu kualitas data seperti nilai yang hilang, format yang tidak konsisten, dan duplikasi. Tahapan yang dilakukan meliputi: 1. **Penanganan Duplikasi Baris**: Pemeriksaan awal terhadap duplikasi baris menunjukkan bahwa tidak ada baris yang persis sama ditemukan dalam dataset, sehingga tidak ada baris duplikat yang dihapus. Ini mengindikasikan setiap entri dalam dataset adalah unik pada tingkat item baris. 2. **Konversi Tipe Data dan Penanganan Nilai Hilang pada Kolom Tanggal**: Kolom-kolom yang berisi informasi tanggal (`Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Diterima`, `Lastupdate`) dikonversi ke format *datetime*. Selama proses ini, beberapa nilai tanggal yang tidak valid atau hilang (`NaT`) diidentifikasi dan diganti dengan tanggal *placeholder* '1900-01-01' untuk memastikan konsistensi tipe data dan memungkinkan perhitungan durasi. Kolom `Tgl Diterima` menjadi perhatian khusus dengan jumlah nilai hilang terbanyak. 3. **Penanganan Nilai Hilang pada Kolom Numerik**: Kolom numerik seperti `Qty RO`, `Qty SP`, `Qty DO`, `Value PL`, dan `Value RO` diperiksa. Nilai hilang pada `Value PL` diimputasi menggunakan nilai median dari kolom tersebut. Untuk kolom `Procod`, nilai hilang diisi dengan angka `0` sebagai *placeholder* ID numerik. 4. **Penanganan Nilai Hilang pada Kolom String/Objek**: Nilai hilang pada kolom bertipe *string* atau *object* diisi dengan *placeholder* 'N/A' atau 'Unknown' untuk memastikan kelengkapan data dan menghindari kesalahan dalam analisis kategorikal. Berikut adalah ringkasan penanganan nilai hilang pada kolom-kolom utama: | Kolom | Jumlah Nilai Hilang | Metode Penanganan | Nilai Pengisi | |:------------------|--------------------:|:---------------------------------|:--------------------| | Tgl Diterima | 10,385 | Konversi ke datetime, isi NaT | 1900-01-01 | | Keterangan | 131,315 | Isi dengan placeholder string | N/A | | Nama Penerima | 131,315 | Isi dengan placeholder string | N/A | | Cmc | 5,468 | Isi dengan placeholder string | Unknown | | Tgl Logbook | 585 | Konversi ke datetime, isi NaT | 1900-01-01 | | Nama Ekspedisi | 585 | Isi dengan placeholder string | Unknown | | Tgl Ekspedisi | 460 | Konversi ke datetime, isi NaT | 1900-01-01 | | Nomor Resi | 460 | Isi dengan placeholder string | Unknown | | Tgl DO | 365 | Konversi ke datetime, isi NaT | 1900-01-01 | | Tgl. PL | 365 | Konversi ke datetime, isi NaT | 1900-01-01 | | No. DO | 365 | Isi dengan placeholder string | Unknown | | No. PL | 365 | Isi dengan placeholder string | Unknown | | Value PL | 1,740 | Imputasi median | 145,203 | | Kel. Class | 107 | Isi dengan placeholder string | Unknown | | Divisi | 7 | Isi dengan placeholder string | Unknown | ### Anomali dan Tantangan Kualitas Data Meskipun pra-pemrosesan telah mengatasi banyak masalah data, ditemukan anomali signifikan terkait pencatatan waktu yang memengaruhi perhitungan durasi proses pemenuhan pesanan. Durasi rata-rata antara tahapan-tahapan proses seperti `Avg Ekspedisi to Diterima` dan `Avg Logbook to Ekspedisi` seringkali menghasilkan nilai negatif di banyak gudang (`Asal Gudang`) dan divisi produk (`Divisi`). Ini mengindikasikan adanya inkonsistensi kronologis dalam pencatatan tanggal, di mana: * `Tgl Diterima` tercatat *sebelum* `Tgl Ekspedisi`. * `Tgl Ekspedisi` tercatat *sebelum* `Tgl Logbook`. Sebagai contoh, `PHARMANET TANGERANG` menunjukkan rata-rata durasi `Avg Ekspedisi to Diterima` sebesar -4,320.2 hari, yang secara logis tidak mungkin terjadi. Fenomena serupa terlihat di gudang lain seperti `PHARMANET MEDAN` (-1,460.3 hari) dan `VIBRANT 3` (-3,435.8 hari) untuk `Divisi`. Anomali ini menunjukkan masalah fundamental dalam proses input data atau sinkronisasi antar sistem pencatatan waktu. Satu-satunya pengecualian adalah `PHARMANET BANJARMASIN` yang menunjukkan durasi `Avg Ekspedisi to Diterima` yang positif sebesar 0.2 hari. Selain itu, jumlah nilai yang hilang (`NaT`) yang tinggi pada kolom tanggal (`Tgl Diterima` dengan 10,385 nilai hilang) mengindikasikan masalah serius dalam kelengkapan data penerimaan, yang merupakan tahapan akhir dari proses pemenuhan pesanan. ### Implikasi Terhadap Analisis Anomali data tanggal ini memiliki implikasi serius terhadap keandalan metrik efisiensi operasional. Perhitungan durasi antar tahapan menjadi tidak akurat dan misleading, menghambat identifikasi *bottleneck* yang sebenarnya dan evaluasi kinerja proses pengiriman. Meskipun nilai *placeholder* telah digunakan untuk memungkinkan proses komputasi, hasil analisis durasi harus ditafsirkan dengan sangat hati-hati dan tidak dapat sepenuhnya diandalkan untuk mengambil keputusan operasional yang presisi tanpa perbaikan data sumber. ### Rekomendasi untuk Peningkatan Kualitas Data Berdasarkan temuan kualitas data, rekomendasi berikut sangat krusial untuk perbaikan berkelanjutan: 1. **Investigasi Mendalam Anomali Tanggal**: Prioritaskan investigasi akar masalah di balik pencatatan tanggal yang inkonsisten dan durasi negatif. Ini mungkin melibatkan audit sistem input data, pelatihan pengguna, atau peninjauan alur kerja pencatatan waktu. 2. **Penerapan Validasi Data Ketat**: Implementasikan aturan validasi yang lebih ketat pada titik entri data untuk kolom tanggal, memastikan `Tgl Diterima` selalu setelah `Tgl Ekspedisi`, `Tgl Ekspedisi` setelah `Tgl Logbook`, dan seterusnya. 3. **Standardisasi Prosedur Pencatatan Waktu**: Pastikan adanya prosedur operasional standar (SOP) yang jelas dan konsisten untuk pencatatan setiap tahapan waktu, terutama untuk `Tgl Logbook`, `Tgl Ekspedisi`, dan `Tgl Diterima`, di seluruh gudang dan divisi. 4. **Peninjauan Protokol Penanganan Nilai Hilang**: Kembangkan strategi yang lebih robust untuk menangani nilai hilang di kolom-kolom kritis, terutama `Tgl Diterima` dan `Nama Penerima`, untuk meminimalkan kebutuhan imputasi dan meningkatkan akurasi data. 5. **Audit Data Berkala**: Lakukan audit data secara berkala untuk mengidentifikasi dan mengoreksi inkonsistensi data sebelum berdampak signifikan pada analisis bisnis. ## 5. Analisis Kinerja Penjualan Analisis kinerja penjualan merupakan inti dari pemahaman dinamika pasar dan keberhasilan strategi bisnis. Bab ini akan menguraikan temuan kunci terkait total penjualan dan volume pesanan berulang (Repeat Order/RO) berdasarkan berbagai atribut kategorikal seperti divisi produk, asal produk (Pharos atau Non-Pharos), partisipasi outlet dalam program Apotek Online (AO YN), metode pembayaran, dan gudang asal. Detail numerik dari setiap kategori telah disajikan secara komprehensif pada Bab 1: Ringkasan Eksekutif. ### Kinerja Penjualan Berdasarkan Divisi Produk Divisi **PHARMANET** secara dominan berkontribusi pada total nilai RO dengan 36,921,214,629 dan total kuantitas RO sebesar 845,617, serta jumlah item baris tertinggi yaitu 110,866. Ini menunjukkan PHARMANET sebagai pilar utama volume penjualan perusahaan. Namun, ketika kita melihat nilai dan kuantitas rata-rata per item, divisi **VIBRANT PBF** menonjol secara signifikan dengan rata-rata nilai RO per item sebesar 5,627,086.2 dan rata-rata kuantitas RO per item sebesar 194.8. Meskipun hanya memiliki 2,559 item baris, angka-angka ini mengindikasikan bahwa VIBRANT PBF menjual produk dengan nilai unit yang jauh lebih tinggi atau dalam jumlah batch yang lebih besar per transaksi. Divisi **HOSPINET** menunjukkan rata-rata nilai per item yang lebih rendah yaitu 234,502.1 dibandingkan PHARMANET, meskipun dengan volume item baris yang substansial (17,827). **VIBRANT 3** juga menunjukkan rata-rata nilai RO per item yang tinggi (1,601,719.0) meskipun dengan total nilai dan kuantitas yang kecil, mengindikasikan spesialisasi pada produk bernilai sangat tinggi namun dengan volume transaksi rendah. **Wawasan**: VIBRANT PBF dan VIBRANT 3 beroperasi di segmen pasar yang berbeda, berfokus pada transaksi bernilai tinggi per item, yang mungkin mencakup produk premium atau pesanan dalam skala besar. PHARMANET, di sisi lain, lebih berorientasi pada volume dengan nilai rata-rata per item yang moderat. ### Kinerja Penjualan Berdasarkan Pharos YN (Produk Pharos Grup) Produk-produk yang diproduksi oleh **Pharos Grup (Y)** menunjukkan kontribusi total nilai RO yang lebih tinggi, yaitu 33,085,676,228 dibandingkan produk Non-Pharos (N) yang sebesar 22,524,229,073. Rata-rata nilai RO per item untuk produk Pharos Grup juga secara signifikan lebih tinggi, yaitu 557,927.8 berbanding 312,775.7 untuk Non-Pharos. Meskipun produk Pharos Grup memiliki jumlah item baris yang lebih sedikit (59,301 berbanding 72,014), nilai dan kuantitas rata-rata per itemnya lebih tinggi (17.5 berbanding 5.7), menegaskan bahwa produk-produk ini memiliki nilai strategis dan margin yang potensial lebih baik. **Wawasan**: Produk Pharos Grup adalah penentu pendapatan utama dan berkontribusi secara signifikan pada rata-rata nilai transaksi. Ini menunjukkan keberhasilan strategi penentuan harga atau permintaan pasar yang lebih kuat untuk produk-produk inti perusahaan. ### Kinerja Penjualan Berdasarkan Partisipasi Apotek Online (AO YN) Outlet yang **tidak berpartisipasi dalam program Apotek Online (AO YN = 'N')** mendominasi penjualan dengan total nilai RO sebesar 37,903,077,146 dan total kuantitas RO sebesar 1,083,615. Rata-rata nilai RO per item untuk outlet 'N' juga lebih tinggi (458,963.9) dibandingkan dengan outlet 'Y' (363,358.6) yang berpartisipasi dalam program AO. Meskipun outlet 'N' memiliki jumlah item baris yang lebih tinggi (82,584 berbanding 48,731), perbedaan yang signifikan dalam total nilai menunjukkan bahwa saluran penjualan tradisional masih menjadi motor utama pendapatan. **Wawasan**: Program Apotek Online (AO YN) belum sepenuhnya menunjukkan potensi dalam mendorong nilai penjualan yang tinggi per transaksi. Diperlukan evaluasi untuk mengidentifikasi hambatan atau peluang untuk meningkatkan kontribusi outlet yang berpartisipasi dalam program ini. ### Kinerja Penjualan Berdasarkan Metode Pembayaran **BCA Virtual Account** adalah metode pembayaran yang paling populer dan berkontribusi paling besar terhadap total nilai RO (42,124,313,088) dan total kuantitas RO (1,102,410). Metode ini juga menunjukkan rata-rata nilai RO per item yang relatif tinggi, yaitu 534,213.2. **Term Of Payment** memiliki jumlah item baris kedua terbanyak (36,615) tetapi dengan rata-rata nilai RO per item terendah (219,815.3), menunjukkan bahwa metode ini mungkin digunakan untuk transaksi kecil atau oleh pelanggan yang memerlukan jangka waktu pembayaran. **BRIVA** juga merupakan metode pembayaran yang signifikan, sementara **Kredivo** masih sangat minim kontribusinya. **Wawasan**: Preferensi pelanggan terhadap BCA Virtual Account sangat jelas. Strategi pembayaran perlu memastikan kelancaran dan keamanan metode ini. Analisis lebih lanjut terhadap Term Of Payment dapat mengungkapkan segmen pelanggan atau jenis produk yang menggunakan metode ini, yang mungkin memerlukan strategi penjualan atau penagihan yang berbeda. ### Kinerja Penjualan Berdasarkan Asal Gudang Secara total nilai RO, **PHARMANET SURABAYA** memimpin dengan 7,362,634,294, diikuti oleh PHARMANET MEDAN (5,157,286,118) dan PHARMANET BEKASI (4,590,858,631). Gudang-gudang ini adalah kontributor utama pendapatan perusahaan. Namun, ketika melihat rata-rata nilai RO per item, pola yang menarik muncul: * **PHARMANET MEDAN** memiliki rata-rata nilai RO per item tertinggi dengan 695,426.9, diikuti oleh **PHARMANET JAKTIM** (677,658.2) dan **PHARMANET JAKBAR** (674,485.5). Ini menunjukkan bahwa gudang-gudang ini mungkin melayani pesanan yang secara spesifik berisi produk bernilai tinggi atau melayani pelanggan yang cenderung melakukan pembelian dalam jumlah besar per item. PHARMANET MEDAN juga memiliki rata-rata kuantitas RO per item yang tinggi (19.0). * Gudang seperti **PHARMANET PUSAT** menunjukkan aktivitas penjualan yang sangat rendah, dengan total nilai RO hanya 1,031,666 dan 22 item baris. **Wawasan**: Kinerja gudang bervariasi tidak hanya berdasarkan total volume, tetapi juga berdasarkan profil transaksi. Gudang dengan rata-rata nilai per item yang tinggi seperti PHARMANET MEDAN, JAKTIM, dan JAKBAR, mungkin memiliki keunggulan kompetitif dalam menjual produk premium atau melayani segmen pasar tertentu. ### Rekomendasi Berdasarkan analisis kinerja penjualan, beberapa rekomendasi strategis dapat dipertimbangkan: 1. **Mengoptimalkan Strategi Divisi Berkinerja Tinggi**: * **VIBRANT PBF & VIBRANT 3**: Lakukan studi kasus untuk memahami faktor-faktor pendorong di balik rata-rata nilai dan kuantitas per item yang sangat tinggi pada divisi VIBRANT PBF dan VIBRANT 3. Identifikasi apakah ini disebabkan oleh produk eksklusif, target pelanggan *key account*, atau model bisnis unik yang dapat direplikasi (atau setidaknya diadaptasi) untuk divisi lain. * **PHARMANET**: Mengingat volumenya yang tinggi namun rata-rata nilai per itemnya moderat, kembangkan strategi *upselling* dan *cross-selling* untuk mendorong pelanggan membeli produk bernilai lebih tinggi atau dalam kuantitas yang lebih besar. 2. **Meningkatkan Pemanfaatan Produk Pharos Grup**: * Fokus pada peningkatan visibilitas dan ketersediaan produk Pharos Grup, yang telah terbukti memiliki nilai strategis dan kontribusi pendapatan yang signifikan. * Desain kampanye pemasaran yang menyoroti kualitas atau keunggulan unik produk Pharos untuk mendorong pembelian. 3. **Merevitalisasi Program Apotek Online (AO YN)**: * Lakukan analisis mendalam mengapa outlet yang tidak tergabung dalam program Apotek Online (AO YN = 'N') memiliki kinerja penjualan yang jauh lebih baik. Apakah ada kendala operasional, keterbatasan produk, atau kurangnya insentif yang efektif untuk outlet AO YN? * Pertimbangkan untuk meninjau penawaran produk, strategi penetapan harga, atau program insentif khusus untuk outlet AO YN guna mendorong peningkatan rata-rata nilai pesanan dan kontribusi total terhadap penjualan. 4. **Strategi Berbasis Preferensi Pembayaran**: * Manfaatkan dominasi BCA Virtual Account dengan memastikan pengalaman pembayaran yang mulus dan aman. Pertimbangkan untuk menawarkan promosi atau program loyalitas yang dikaitkan dengan metode pembayaran ini. * Untuk Term Of Payment, yang memiliki banyak transaksi kecil, evaluasi apakah ada peluang untuk mengkonsolidasikan pesanan atau meningkatkan nilai pesanan minimal untuk efisiensi biaya. 5. **Pengembangan dan Replikasi Model Gudang Unggul**: * Investigasi lebih lanjut terhadap gudang-gudang dengan rata-rata nilai RO per item tertinggi seperti **PHARMANET MEDAN, JAKTIM, dan JAKBAR**. Pahami profil pelanggan dan jenis produk yang mereka layani. * Identifikasi praktik terbaik dalam manajemen inventaris, pemasaran, atau penjualan yang memungkinkan mereka mencapai nilai transaksi yang tinggi per item. Pertimbangkan untuk mereplikasi model atau strategi ini di gudang lain yang memiliki potensi serupa. * Untuk gudang dengan aktivitas sangat rendah seperti **PHARMANET PUSAT**, evaluasi ulang tujuan operasionalnya dan potensi untuk mengalihkan sumber daya atau meningkatkan jangkauan pasarnya. ## 6. Analisis Efisiensi Pemenuhan Pesanan Analisis efisiensi pemenuhan pesanan adalah komponen krusial dalam memahami kinerja operasional dan kepuasan pelanggan. Bab ini bertujuan untuk mengevaluasi kecepatan dan kelancaran setiap tahapan dalam proses pemenuhan pesanan, mulai dari penerimaan pesanan berulang (RO) hingga barang diterima oleh pelanggan. Analisis dilakukan dengan menghitung rata-rata durasi antar tahapan kunci, yang kemudian dikelompokkan berdasarkan gudang asal (`Asal Gudang`) dan divisi produk (`Divisi`). Penting untuk dicatat bahwa, seperti yang telah diuraikan dalam Bab 1 (Ringkasan Eksekutif) dan Bab 4 (Kualitas Data & Pra-pemrosesan), terdapat anomali signifikan dalam pencatatan tanggal, terutama pada tahapan akhir proses pemenuhan pesanan. Durasi rata-rata `Avg Ekspedisi to Diterima` dan `Avg Total Fulfillment` sering kali tercatat sebagai nilai negatif pada banyak entri. Ini mengindikasikan bahwa tanggal penerimaan barang oleh pelanggan (`Tgl Diterima`) kadang-kadang tercatat sebelum tanggal pengiriman (`Tgl Ekspedisi`), yang secara logis tidak mungkin terjadi. Anomali ini membuat interpretasi langsung terhadap efisiensi keseluruhan menjadi tidak akurat dan menyoroti tantangan fundamental dalam integritas data pencatatan waktu. Meskipun demikian, kita dapat memperoleh wawasan berharga dari tahapan proses yang datanya cenderung lebih konsisten, yaitu `Avg RO to SP`, `Avg SP to DO`, dan `Avg DO to Logbook`. Tahapan-tahapan ini mencerminkan proses internal yang umumnya lebih terkontrol dan kurang rentan terhadap inkonsistensi waktu eksternal. ### Analisa Durasi Proses Pemenuhan Pesanan (dalam Hari) Berdasarkan Asal Gudang Tabel berikut menyajikan rata-rata durasi untuk setiap tahapan proses pemenuhan pesanan yang dikelompokkan berdasarkan asal gudang. Durasi ini diukur dalam hari. | Asal Gudang | Avg RO to SP | Avg SP to DO | Avg DO to Logbook | Avg Logbook to Ekspedisi | Avg Ekspedisi to Diterima | Avg Total Fulfillment | Jumlah DOs | |:----------------------|-------------:|-------------:|------------------:|-------------------------:|--------------------------:|----------------------:|:-------------| | PHARMANET TANGERANG | 0.00 | 0.16 | 0.01 | -0.33 | -4320.22 | -4319.49 | 1,565 | | PHARMANET MEDAN | 0.00 | 0.46 | 0.14 | -0.12 | -1460.27 | -1458.75 | 1,276 | | PHARMANET MALANG | 0.00 | 0.04 | 0.03 | -0.70 | -828.61 | -828.39 | 628 | | PHARMANET MAKASSAR | 0.00 | 0.06 | 0.04 | -0.67 | -410.67 | -410.18 | 1,154 | | PHARMANET JAKSEL | 0.00 | 0.06 | 0.07 | -0.19 | -348.00 | -347.76 | 535 | | PHARMANET PONTIANAK | 0.00 | 0.10 | 0.11 | -0.02 | -291.72 | -290.76 | 569 | | PHARMANET LAMPUNG | 0.00 | 0.08 | 0.02 | -0.02 | -253.17 | -252.49 | 661 | | PHARMANET BOGOR | 0.00 | 0.11 | 0.07 | 0.02 | -102.22 | -101.52 | 1,412 | | PHARMANET SOLO | 0.00 | 0.08 | 0.02 | -0.33 | -98.78 | -98.51 | 1,466 | | PHARMANET PEKANBARU | 0.00 | 0.08 | 0.02 | -0.04 | -85.71 | -84.76 | 982 | | PHARMANET BEKASI | 0.00 | 0.06 | 0.00 | -0.09 | -83.15 | -82.66 | 2,248 | | PHARMANET SAMARINDA | 0.00 | 0.54 | 0.02 | 0.08 | -74.65 | -72.98 | 579 | | PHARMANET JAMBI | 0.00 | 0.05 | 0.00 | -0.17 | -70.86 | -70.22 | 588 | | PHARMANET SEMARANG | 0.00 | 0.05 | 0.16 | -0.41 | -49.21 | -48.24 | 1,671 | | PHARMANET BANDUNG | 0.00 | 0.09 | 0.00 | -0.36 | -35.92 | -35.86 | 1,706 | | PHARMANET PALEMBANG | 0.00 | 0.02 | 0.01 | -0.63 | -30.75 | -30.37 | 1,465 | | PHARMANET JAKTIM | 0.00 | 0.04 | 0.00 | -0.00 | -23.72 | -23.54 | 869 | | PHARMANET JAKBAR | 0.00 | 0.07 | 0.00 | -0.02 | -22.74 | -22.42 | 919 | | PHARMANET SURABAYA | 0.00 | 0.08 | 0.22 | -0.06 | -16.50 | -15.37 | 2,524 | | PHARMANET BANJARMASIN | 0.00 | 0.16 | 0.03 | -0.83 | 0.15 | 0.36 | 672 | **Wawasan Berdasarkan Asal Gudang:** * **Anomali Durasi Negatif**: Mayoritas gudang menunjukkan `Avg Ekspedisi to Diterima` dan `Avg Total Fulfillment` yang negatif, dengan `PHARMANET TANGERANG` mencatat durasi negatif terbesar yaitu -4,320.22 hari untuk `Avg Ekspedisi to Diterima`. Ini menegaskan masalah pencatatan waktu yang perlu diselidiki dan diperbaiki sebagai prioritas utama. * **Efisiensi Tahap Internal**: * **RO ke SP**: Durasi rata-rata dari pesanan berulang (RO) ke surat pesanan (SP) adalah 0.00 hari untuk semua gudang, menunjukkan proses transisi yang sangat cepat atau instan dalam sistem. * **SP ke DO**: Gudang `PHARMANET PALEMBANG` memiliki durasi rata-rata terpendek dari SP ke DO yaitu 0.02 hari, menjadikannya salah satu yang paling efisien dalam mengkonversi surat pesanan menjadi _delivery order_. Sebaliknya, `PHARMANET SAMARINDA` memiliki durasi terpanjang yaitu 0.54 hari, menunjukkan potensi *bottleneck* pada tahap ini. * **DO ke Logbook**: Gudang seperti `PHARMANET BEKASI`, `PHARMANET JAMBI`, `PHARMANET JAKTIM`, `PHARMANET JAKBAR`, dan `PHARMANET BANDUNG` mencatat 0.00 hari untuk `Avg DO to Logbook`, yang berarti barang secara instan masuk ke area _staging_ setelah DO diterbitkan. `PHARMANET SURABAYA` memiliki durasi terlama pada tahapan ini, yaitu 0.22 hari. * **PHARMANET BANJARMASIN sebagai Anomali Positif**: `PHARMANET BANJARMASIN` menjadi satu-satunya gudang yang menunjukkan `Avg Ekspedisi to Diterima` positif (0.15 hari) dan `Avg Total Fulfillment` positif (0.36 hari), mengindikasikan bahwa pencatatan waktunya lebih akurat dibandingkan gudang lainnya untuk tahapan eksternal. Ini bisa menjadi model untuk investigasi lebih lanjut mengenai praktik pencatatan waktu yang efektif. ### Analisa Durasi Proses Pemenuhan Pesanan (dalam Hari) Berdasarkan Divisi Produk Tabel berikut menyajikan rata-rata durasi proses pemenuhan pesanan yang dikelompokkan berdasarkan divisi produk. | Divisi | Avg RO to SP | Avg SP to DO | Avg DO to Logbook | Avg Logbook to Ekspedisi | Avg Ekspedisi to Diterima | Avg Total Fulfillment | Jumlah DOs | |:------------|-------------:|-------------:|------------------:|-------------------------:|--------------------------:|----------------------:|-----------:| | VIBRANT 3 | 0.00 | 0.42 | 0.17 | -0.08 | -3435.75 | -3434.75 | 12 | | VIBRANT PBF | 0.00 | 0.11 | 0.13 | -0.19 | -901.06 | -900.33 | 360 | | HOSPINET | 0.00 | 0.09 | 0.06 | -0.20 | -560.15 | -559.50 | 3,751 | | PHARMANET | 0.00 | 0.11 | 0.06 | -0.25 | -465.18 | -464.51 | 19,359 | | Unknown | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.29 | 7 | **Wawasan Berdasarkan Divisi Produk:** * **Anomali Durasi Negatif**: Divisi `VIBRANT 3`, `VIBRANT PBF`, `HOSPINET`, dan `PHARMANET` semuanya menunjukkan rata-rata durasi negatif yang signifikan untuk `Avg Ekspedisi to Diterima` dan `Avg Total Fulfillment`, dengan `VIBRANT 3` menjadi yang paling ekstrem (-3,435.75 hari). Ini mengindikasikan masalah pencatatan yang bersifat sistemik dan tidak terbatas pada satu gudang saja, tetapi juga berlaku di seluruh divisi produk yang tercatat. * **Efisiensi Tahap Internal per Divisi**: * **RO ke SP**: Sama seperti analisis gudang, durasi ini instan (0.00 hari) untuk semua divisi. * **SP ke DO**: `VIBRANT 3` memiliki durasi rata-rata terpanjang (0.42 hari) dari SP ke DO, meskipun dengan jumlah DO yang sangat sedikit (12). Ini bisa menunjukkan proses yang lebih kompleks atau manual untuk jenis pesanan di divisi ini. Divisi `Unknown` menunjukkan waktu tercepat (0.00 hari). * **DO ke Logbook**: `VIBRANT 3` juga mencatat durasi terlama dari DO ke Logbook (0.17 hari), sementara divisi `Unknown` mencatat 0.00 hari. ### Rekomendasi Berdasarkan analisis efisiensi pemenuhan pesanan dan temuan anomali data, rekomendasi berikut sangat penting untuk peningkatan kinerja: 1. **Prioritas Utama: Perbaikan Integritas Data Waktu**: Investigasi mendalam terhadap akar penyebab durasi negatif pada `Tgl Ekspedisi` dan `Tgl Diterima` adalah mutlak. Ini harus melibatkan audit sistem pencatatan, peninjauan alur kerja, dan mungkin pelatihan ulang bagi personel yang bertanggung jawab atas input data. Tanpa data waktu yang akurat, evaluasi efisiensi secara holistik tidak mungkin dilakukan. 2. **Studi Kasus PHARMANET BANJARMASIN**: Lakukan studi kasus terperinci terhadap `PHARMANET BANJARMASIN` untuk memahami bagaimana mereka berhasil mencatat durasi pengiriman dan penerimaan yang positif. Identifikasi praktik terbaik dalam pencatatan tanggal, integrasi sistem, atau interaksi dengan pihak ekspedisi, dan pertimbangkan untuk mereplikasi proses ini di gudang lain. 3. **Optimalisasi Proses Internal**: * Fokus pada gudang dan divisi yang menunjukkan durasi lebih lama pada tahapan `SP to DO` dan `DO to Logbook`. Misalnya, `PHARMANET SAMARINDA` dan divisi `VIBRANT 3` untuk `SP to DO`. Identifikasi penyebab keterlambatan (misalnya, ketersediaan stok, proses persetujuan, atau efisiensi _picking/packing_). * Pertimbangkan otomatisasi atau _streamlining_ proses antara SP dan DO, serta antara DO dan Logbook, terutama di gudang dengan volume DO tinggi seperti `PHARMANET SURABAYA` (2,524 DOs) dan `PHARMANET BEKASI` (2,248 DOs). 4. **Implementasi Validasi Data Real-time**: Perangkat lunak atau sistem harus menerapkan validasi data _real-time_ yang memastikan bahwa tanggal-tanggal dalam alur pemenuhan pesanan selalu progresif (misalnya, `Tgl Diterima` harus selalu setelah `Tgl Ekspedisi`). 5. **Pelacakan Durasi Tahap Ekspedisi yang Lebih Akurat**: Untuk mengukur efisiensi pengiriman eksternal yang sebenarnya, perusahaan harus berkolaborasi lebih erat dengan penyedia jasa ekspedisi untuk memastikan data `Tgl Diterima` dicatat secara akurat dan tepat waktu dalam sistem, atau mengembangkan mekanisme pelacakan independen. Ini akan memungkinkan analisis akurat dari `Avg Ekspedisi to Diterima` dan `Avg Total Fulfillment` yang saat ini tidak dapat diandalkan. ## 7. Faktor Penentu Nilai Pesanan Berulang Bab ini berfokus pada identifikasi faktor-faktor yang secara signifikan memengaruhi Nilai Pesanan Berulang (Repeat Order Value/RO). Meskipun analisis regresi lanjutan dirancang untuk mengkuantifikasi pengaruh setiap faktor, penelusuran data agregat awal telah dengan jelas menyoroti beberapa atribut kategori kunci yang berkorelasi kuat dengan total nilai RO dan nilai rata-rata per item. Pemahaman tentang faktor-faktor penentu ini sangat krusial untuk merancang strategi peningkatan penjualan yang lebih tepat sasaran. ### Identifikasi Faktor Penentu Berdasarkan analisis kinerja penjualan pada Bab 5, beberapa atribut kategori muncul sebagai penentu utama nilai pesanan berulang: 1. **Divisi Produk (Divisi)** Divisi produk adalah faktor dominan dalam menentukan nilai RO. Divisi PHARMANET adalah kontributor terbesar terhadap total nilai pesanan berulang, mengindikasikan perannya sebagai pendorong utama volume transaksi. Di sisi lain, Divisi VIBRANT PBF dan VIBRANT 3, meskipun dengan volume transaksi yang lebih rendah, menonjol dengan rata-rata nilai RO per item yang sangat tinggi. Hal ini menunjukkan bahwa segmen produk premium atau transaksi berskala besar dalam divisi ini merupakan faktor penting dalam mendongkrak nilai pesanan secara individual. 2. **Status Produk Pharos Grup (Pharos YN)** Asal produk dari Pharos Grup (`Pharos YN = 'Y'`) terbukti menjadi penentu kuat untuk nilai pesanan berulang. Produk-produk Pharos Grup tidak hanya menyumbang total nilai RO yang lebih besar, yaitu 33,085,676,228, tetapi juga memiliki rata-rata nilai RO per item yang jauh lebih tinggi (557,928) dibandingkan produk non-Pharos (22,524,229,073 total nilai RO, 312,776 rata-rata nilai RO per item). Ini menegaskan bahwa produk Pharos Grup memiliki daya tarik pasar dan nilai strategis yang lebih besar, secara signifikan berkontribusi pada pendapatan per transaksi. 3. **Partisipasi Apotek Online (AO YN)** Partisipasi outlet dalam program Apotek Online (`AO YN`) juga memengaruhi nilai pesanan berulang. Outlet yang tidak berpartisipasi dalam program ini (`AO YN = 'N'`) menunjukkan kinerja yang jauh lebih kuat, dengan total nilai RO mencapai 37,903,077,146 dan rata-rata nilai RO per item sebesar 458,964. Angka ini secara signifikan lebih tinggi dibandingkan dengan outlet yang tergabung dalam program (`AO YN = 'Y'`), yang hanya menyumbang total nilai RO sebesar 17,706,828,155 dengan rata-rata nilai RO per item sebesar 363,359. Ini menunjukkan bahwa saluran penjualan tradisional masih menjadi motor utama nilai pesanan berulang, dan potensi program Apotek Online dalam mendongkrak nilai per transaksi masih perlu dioptimalkan. 4. **Metode Pembayaran (Payment)** Metode pembayaran adalah faktor yang secara langsung berkorelasi dengan karakteristik pesanan. BCA Virtual Account adalah metode pembayaran yang paling dominan, menyumbang total nilai RO sebesar 42,124,313,088 dengan rata-rata nilai RO per item yang relatif tinggi, yaitu 534,213. Kontras dengan ini, Term Of Payment, meskipun banyak digunakan (36,615 item baris), memiliki rata-rata nilai RO per item yang paling rendah (219,815). Hal ini mengindikasikan bahwa BCA Virtual Account sering digunakan untuk transaksi bernilai tinggi, sementara Term Of Payment mungkin lebih dipilih untuk pesanan dengan nilai lebih kecil atau oleh pelanggan yang memerlukan jangka waktu pembayaran, sehingga memengaruhi nilai rata-rata pesanan. 5. **Asal Gudang (Asal Gudang)** Lokasi gudang asal juga berperan sebagai penentu, baik dari sisi volume total maupun nilai per transaksi. PHARMANET SURABAYA memimpin dalam total nilai RO dengan 7,362,634,294. Menariknya, gudang-gudang seperti PHARMANET MEDAN (rata-rata nilai RO per item 695,427), PHARMANET JAKTIM (677,658), dan PHAROSNET JAKBAR (674,485) menunjukkan rata-rata nilai RO per item yang sangat tinggi. Ini menyiratkan bahwa gudang-gudang ini mungkin melayani segmen pasar yang cenderung membeli produk bernilai lebih tinggi atau dalam kuantitas besar, atau memiliki spesialisasi dalam jenis produk tertentu. Perbedaan ini menjadikan asal gudang sebagai indikator penting dalam menganalisis potensi nilai pesanan berulang di berbagai wilayah. ### Kesimpulan dan Rekomendasi Faktor-faktor seperti divisi produk, kepemilikan produk oleh Pharos Grup, partisipasi outlet dalam program Apotek Online, metode pembayaran, dan asal gudang, secara kolektif membentuk landasan yang memengaruhi nilai pesanan berulang. Walaupun analisis ini bersifat eksplorasi korelasi melalui agregasi, wawasan yang diperoleh dapat menjadi dasar bagi strategi yang lebih terarah. **Rekomendasi untuk Meningkatkan Nilai Pesanan Berulang:** 1. **Strategi Berbasis Nilai Produk:** Tingkatkan fokus pada promosi dan distribusi produk Pharos Grup, mengingat kontribusinya yang tinggi terhadap rata-rata nilai RO per item. Pertimbangkan strategi _bundling_ atau _upselling_ produk Pharos dengan produk lain untuk mendorong peningkatan nilai pesanan keseluruhan. 2. **Optimalisasi Segmen Pasar:** Pelajari model bisnis dan profil pelanggan dari Divisi VIBRANT PBF dan VIBRANT 3, serta gudang seperti PHARMANET MEDAN, JAKTIM, dan JAKBAR, yang menunjukkan rata-rata nilai RO per item yang tinggi. Identifikasi praktik terbaik atau karakteristik pelanggan yang dapat direplikasi di segmen atau wilayah lain. 3. **Evaluasi Program Apotek Online:** Lakukan analisis mendalam mengapa outlet non-AO menghasilkan nilai pesanan berulang yang lebih tinggi. Pertimbangkan insentif baru, perluasan lini produk yang tersedia di Apotek Online, atau kampanye pemasaran yang ditargetkan untuk meningkatkan rata-rata nilai pesanan dari outlet yang berpartisipasi. 4. **Manfaatkan Preferensi Pembayaran:** Pastikan pengalaman pembayaran BCA Virtual Account tetap lancar dan aman. Telusuri potensi untuk mengarahkan pelanggan dengan transaksi bernilai lebih tinggi ke metode pembayaran ini. Untuk Term Of Payment, evaluasi apakah ada peluang untuk meningkatkan nilai pesanan minimal atau mengkonsolidasikan pesanan dari pelanggan yang menggunakannya. Identifikasi faktor-faktor ini memberikan gambaran yang lebih jelas tentang segmen mana yang paling berpengaruh terhadap nilai pesanan berulang, memungkinkan perusahaan untuk mengalokasikan sumber daya dan upaya pemasaran secara lebih efektif. ## 8. Kesimpulan dan Rekomendasi Analisis data eksplorasi ini telah memberikan wawasan mendalam mengenai dinamika penjualan dan efisiensi operasional dalam proses pemenuhan pesanan pelanggan. Meskipun ditemukan anomali data yang signifikan terkait pencatatan waktu, temuan-temuan kunci tetap berhasil diidentifikasi, yang menawarkan peluang untuk perbaikan strategis dan peningkatan kinerja. ### Kesimpulan Utama 1. **Kinerja Penjualan yang Beragam Antar Divisi dan Produk**: * **Dominasi Volume PHARMANET**: Divisi PHARMANET adalah pilar utama penjualan dengan kontribusi total nilai RO sebesar 36.921.214.629 dan total kuantitas RO 845.617, menegaskan posisinya sebagai pendorong volume transaksi. * **Nilai Tinggi VIBRANT PBF**: Divisi VIBRANT PBF menonjol dengan rata-rata nilai RO per item yang sangat tinggi, yaitu 5.627.086,18 dan rata-rata kuantitas RO per item 194,84, menunjukkan fokus pada transaksi bernilai besar meskipun dengan jumlah item baris yang lebih sedikit (2.559). * **Keunggulan Produk Pharos Grup**: Produk-produk dari Pharos Grup (`Pharos YN = 'Y'`) menunjukkan rata-rata nilai RO per item yang lebih tinggi (557.927,80) dibandingkan produk Non-Pharos (312.775,70), menegaskan nilai strategis dan potensi margin yang lebih baik dari produk internal. 2. **Ketergantungan pada Saluran Penjualan Tradisional**: Outlet yang tidak berpartisipasi dalam program Apotek Online (`AO YN = 'N'`) secara signifikan menghasilkan total nilai penjualan yang lebih besar (37.903.077.146) dibandingkan dengan outlet yang berpartisipasi (`AO YN = 'Y'`, sebesar 17.706.828.155). Hal ini mengindikasikan bahwa saluran penjualan tradisional masih menjadi pendorong utama pendapatan. 3. **Preferensi Pembayaran dan Implikasinya**: BCA Virtual Account adalah metode pembayaran dominan yang berkontribusi sebesar 42.124.313.088 terhadap total nilai RO, sering diasosiasikan dengan transaksi bernilai tinggi (rata-rata nilai RO per item 534.213,20). Sementara itu, Term Of Payment, meskipun banyak digunakan, memiliki rata-rata nilai RO per item terendah (219.815,32), mengindikasikan penggunaannya untuk transaksi yang lebih kecil atau kebutuhan pembayaran berjangka. 4. **Variasi Kinerja Gudang**: Gudang-gudang seperti PHARMANET SURABAYA memimpin dalam total nilai RO (7.362.634.294), sementara PHARMANET MEDAN, JAKTIM, dan JAKBAR menunjukkan rata-rata nilai RO per item yang sangat tinggi (masing-masing 695.426,93; 677.658,17; dan 674.485,49), menandakan spesialisasi pada produk bernilai tinggi atau segmen pelanggan tertentu. 5. **Anomali Serius pada Data Efisiensi Operasional**: * **Durasi Negatif yang Meluas**: Anomali paling kritis adalah pencatatan durasi negatif yang signifikan pada `Avg Ekspedisi to Diterima` dan `Avg Total Fulfillment` di sebagian besar gudang dan divisi. Misalnya, PHARMANET TANGERANG mencatat rata-rata `Avg Ekspedisi to Diterima` -4.320,22 hari dan VIBRANT 3 mencatat -3.435,75 hari. Ini menunjukkan inkonsistensi kronologis dalam pencatatan tanggal yang parah, membuat perhitungan efisiensi operasional secara keseluruhan tidak dapat diandalkan. * **Pengecualian PHARMANET BANJARMASIN**: Satu-satunya gudang yang menunjukkan durasi pengiriman dan penerimaan yang positif dan realistis adalah PHARMANET BANJARMASIN, dengan `Avg Ekspedisi to Diterima` sebesar 0,15 hari dan `Avg Total Fulfillment` sebesar 0,36 hari. Ini menjadikannya model potensial untuk praktik pencatatan waktu yang lebih baik. * **Variasi Efisiensi Internal**: Meskipun terdapat anomali eksternal, tahap internal seperti `Avg SP to DO` dan `Avg DO to Logbook` menunjukkan variasi yang lebih konsisten. PHARMANET PALEMBANG menonjol dengan durasi `Avg SP to DO` terpendek (0,02 hari), sementara PHARMANET SAMARINDA memiliki yang terpanjang (0,54 hari). ### Rekomendasi Berdasarkan kesimpulan di atas, rekomendasi berikut sangat krusial untuk meningkatkan kinerja bisnis dan mengatasi tantangan yang teridentifikasi: 1. **Prioritas Utama: Perbaikan Integritas Data Waktu untuk Efisiensi Operasional** * **Investigasi Menyeluruh**: Segera lakukan investigasi mendalam terhadap akar penyebab anomali durasi negatif pada `Tgl Ekspedisi` dan `Tgl Diterima`. Ini harus melibatkan audit proses input data, sinkronisasi sistem, dan pelatihan personel. Tanpa data waktu yang akurat, identifikasi *bottleneck* dan pengukuran efisiensi operasional yang valid tidak akan tercapai. * **Standarisasi dan Validasi**: Implementasikan aturan validasi data *real-time* yang ketat pada setiap titik entri tanggal untuk memastikan urutan kronologis yang benar (misalnya, `Tgl Diterima` harus selalu setelah `Tgl Ekspedisi`). Kembangkan Prosedur Operasional Standar (SOP) yang jelas dan seragam untuk pencatatan `Tgl Logbook`, `Tgl Ekspedisi`, dan `Tgl Diterima` di seluruh gudang. * **Studi Kasus PHARMANET BANJARMASIN**: Pelajari praktik pencatatan waktu di PHARMANET BANJARMASIN. Identifikasi sistem, prosedur, atau integrasi dengan pihak ekspedisi yang memungkinkan pencatatan data yang lebih akurat, dan replikasikan praktik terbaik ini ke gudang lain. 2. **Optimasi Strategi Penjualan dan Produk** * **Manfaatkan Produk Pharos Grup**: Tingkatkan fokus pemasaran dan penjualan produk Pharos Grup. Kembangkan strategi *upselling* dan *cross-selling* untuk produk Pharos yang bernilai tinggi guna meningkatkan rata-rata nilai pesanan keseluruhan. * **Studi Model Bisnis VIBRANT PBF**: Analisis lebih lanjut model bisnis Divisi VIBRANT PBF dan VIBRANT 3 untuk mengidentifikasi faktor-faktor yang mendorong nilai transaksi per item yang sangat tinggi. Pertimbangkan potensi replikasi praktik terbaik ini ke divisi lain atau mengembangkan produk premium yang serupa. * **Evaluasi dan Revitalisasi Program Apotek Online (AO YN)**: Selidiki alasan di balik kinerja penjualan yang lebih rendah pada outlet AO YN. Tinjau penawaran produk, strategi penetapan harga, insentif, dan kampanye pemasaran untuk meningkatkan daya tarik dan kontribusi outlet AO YN terhadap total penjualan. 3. **Peningkatan Efisiensi Proses Internal Logistik** * **Identifikasi Bottleneck Spesifik**: Fokus pada gudang dan divisi yang menunjukkan durasi lebih lama pada tahapan `SP to DO` dan `DO to Logbook`. Misalnya, PHARMANET SAMARINDA untuk `Avg SP to DO` dan PHARMANET SURABAYA untuk `Avg DO to Logbook`. Lakukan analisis akar masalah untuk mengidentifikasi penyebab keterlambatan (misalnya, ketersediaan stok, proses persetujuan, atau efisiensi *picking/packing*). * **Otomatisasi Proses**: Pertimbangkan otomatisasi atau *streamlining* proses transisi antara SP dan DO, serta DO dan Logbook, terutama di gudang dengan volume DO tinggi seperti PHARMANET SURABAYA (2.524 DOs) dan PHARMANET BEKASI (2.248 DOs). 4. **Optimalisasi Strategi Pembayaran dan Gudang** * **Manfaatkan Preferensi BCA Virtual Account**: Pastikan kelancaran dan keamanan transaksi melalui BCA Virtual Account. Pertimbangkan program loyalitas atau promosi yang mendorong penggunaan metode pembayaran ini, terutama untuk transaksi bernilai tinggi. * **Analisis Term Of Payment**: Selidiki profil pelanggan dan jenis pesanan yang menggunakan Term Of Payment. Evaluasi apakah ada peluang untuk mendorong konsolidasi pesanan atau meningkatkan nilai minimum transaksi untuk meningkatkan efisiensi. * **Studi Gudang Berkinerja Tinggi**: Lakukan studi lebih lanjut terhadap PHARMANET MEDAN, JAKTIM, dan JAKBAR untuk memahami faktor-faktor yang mendorong rata-rata nilai RO per item yang tinggi. Identifikasi praktik terbaik dalam manajemen inventaris, segmentasi pelanggan, atau strategi penjualan regional yang dapat direplikasi. Implementasi rekomendasi ini tidak hanya akan memperbaiki kualitas data, tetapi juga akan membuka jalan bagi peningkatan efisiensi operasional dan pertumbuhan penjualan yang lebih terarah dan berkelanjutan.