# Laporan Akhir Eksplorasi Data ## 1. Ringkasan Eksekutif Analisis data pemenuhan pesanan pelanggan ini bertujuan untuk mengungkap wawasan tersembunyi yang dapat meningkatkan kinerja penjualan dan memahami korelasi dengan produk. Data yang dieksplorasi mencakup 131,315 baris data pesanan dengan 37 kolom yang merepresentasikan setiap tahapan dalam proses pemenuhan pesanan, mulai dari pemesanan hingga penerimaan oleh pelanggan. ### Gambaran Umum Dataset dan Kualitas Data Dataset ini menyediakan pandangan komprehensif tentang operasi pemesanan dan pengiriman. Analisis awal menunjukkan beberapa poin penting terkait kualitas data: * **Kelengkapan Data**: Kolom `Keterangan` dan `Nama Penerima` sepenuhnya kosong (100% data null), menunjukkan bahwa kolom-kolom ini tidak digunakan atau tidak relevan dalam konteks data ini. Kolom `Tgl Diterima` juga memiliki tingkat kekosongan yang signifikan (7.9%), yang dapat memengaruhi analisis waktu pengiriman secara keseluruhan. * **Identifikasi Unik**: Terdapat 5,062 outlet unik yang teridentifikasi melalui `KodePI` dan `OutCode`, dengan `Cmc` memiliki beberapa nilai kosong (4,698 unik dengan 5,468 null), namun secara umum identifikasi outlet cukup kuat. Terdapat 1,439 produk unik (`Procod`) yang tercatat. * **Volume dan Nilai Pesanan**: Pesanan menunjukkan variasi yang besar dalam kuantitas (`Qty RO`, `Qty SP`, `Qty DO`) dan nilai (`Value PL`, `Value RO`), dengan nilai pesanan maksimum mencapai Rp 166,270,000. Rata-rata kuantitas per pesanan adalah sekitar 11 unit, dengan rata-rata nilai pesanan sekitar Rp 423,485. * **Distribusi Divisi**: Mayoritas pesanan (84.4%) berasal dari divisi PHARMANET, diikuti oleh HOSPINET (13.6%) dan VIBRANT PBF (1.9%). ```mermaid pie title 'Distribusi Berdasarkan Divisi' "PHARMANET": 110866, "HOSPINET": 17827, "VIBRANT PBF": 2559, "VIBRANT 3": 56 ``` * **Status Pemenuhan**: Sebagian besar pesanan (98.7%) berstatus `TERLAYANI PENUH` atau `P` (Selesai), yang mencerminkan efisiensi operasional yang tinggi. Namun, ada 1.3% pesanan yang dibatalkan (`CANCEL` atau `C`), yang memerlukan perhatian lebih lanjut. ```mermaid pie title 'Distribusi Berdasarkan Status RO' "TERLAYANI PENUH": 129575, "CANCEL": 1740 ``` ### Anomali Kritis & Kualitas Data Waktu Pemenuhan Pesanan Salah satu temuan paling kritis adalah adanya **durasi negatif dalam tahapan pemenuhan pesanan**. Ini mengindikasikan ketidaksesuaian waktu pada data (`Tgl DO` setelah `Tgl Ekspedisi`, atau `Tgl Ekspedisi` setelah `Tgl Diterima`), yang merupakan masalah kualitas data yang serius. * Sebanyak 1,247 RO unik memiliki durasi negatif antara Tanggal DO dan Tanggal Ekspedisi (`DO_to_Dispatch_Days`). * Sebanyak 444 RO unik memiliki durasi negatif antara Tanggal Ekspedisi dan Tanggal Diterima (`Dispatch_to_Delivery_Days`). * Sebanyak 446 RO unik memiliki durasi negatif untuk total durasi pengiriman (`Total_Delivery_Days`). Anomali ini menjadikan analisis durasi pemenuhan pesanan menjadi tidak valid. Oleh karena itu, rata-rata durasi yang disajikan di bawah ini harus dilihat dengan sangat hati-hati dan menjadi prioritas utama untuk perbaikan data. ```mermaid xychart-beta title "Rata-rata Durasi Pemenuhan Pesanan (Pesanan Sukses)" x-axis ['Order_to_SP_Days', 'SP_to_DO_Days', 'DO_to_PL_Days', 'DO_to_Dispatch_Days', 'Dispatch_to_Delivery_Days', 'Total_Delivery_Days'] y-axis "Hari" 0 --> 0.44 bar [0.02, 0.37, 0.00, 0.31, -460.78, -460.07] ``` *Catatan: Nilai negatif pada bagan di atas (untuk 'Dispatch_to_Delivery_Days' dan 'Total_Delivery_Days') menunjukkan anomali dalam data tanggal yang perlu investigasi lebih lanjut. Rentang sumbu Y diatur untuk memperlihatkan durasi positif yang kecil.* ### Analisis Kinerja Pemenuhan dan Pembatalan Pesanan * **Tingkat Pembatalan Keseluruhan**: Total 20,645 RO unik tercatat, dengan 1,324 RO dibatalkan, menghasilkan tingkat pembatalan sebesar **6.4%**. Angka ini cukup signifikan dan mengindikasikan potensi kehilangan penjualan. * **Tingkat Pembatalan Berdasarkan Divisi**: Divisi VIBRANT 3 memiliki tingkat pembatalan tertinggi (7.7%), diikuti oleh VIBRANT PBF (7.3%) dan HOSPINET (7.2%). Divisi PHARMANET memiliki tingkat pembatalan terendah (6.2%). ```mermaid xychart-beta title "Tingkat Pembatalan Berdasarkan Divisi" x-axis ['VIBRANT 3', 'VIBRANT PBF', 'HOSPINET', 'PHARMANET'] y-axis "Tingkat Pembatalan (%)" 0 --> 9.23 bar [7.69, 7.32, 7.19, 6.24] ``` * **Tingkat Pembatalan Berdasarkan Asal Gudang**: Teridentifikasi anomali signifikan pada PHARMANET PUSAT dengan tingkat pembatalan 100%. Ini kemungkinan besar bukan gudang fisik yang melayani, melainkan titik pencatatan khusus untuk pembatalan. Setelah itu, PHARMANET TANGERANG (13.5%) dan PHARMANET MEDAN (13.1%) menunjukkan tingkat pembatalan yang tinggi, mengindikasikan masalah operasional atau stok di gudang-gudang tersebut. ```mermaid xychart-beta title "10 Tingkat Pembatalan Tertinggi Berdasarkan Asal Gudang" x-axis ['PHARMANET PUSAT', 'PHARMANET TANGERANG', 'PHARMANET MEDAN', 'PHARMANET SAMARINDA', 'PHARMANET BANJARMASIN', 'PHARMANET JAKTIM', 'PHARMANET PEKANBARU', 'PHARMANET BOGOR', 'PHARMANET MAKASSAR', 'PHARMANET SEMARANG'] y-axis "Tingkat Pembatalan (%)" 0 --> 120.00 bar [100.00, 13.47, 13.15, 11.34, 11.21, 10.68, 8.02, 7.43, 7.14, 6.81] ``` ### Performa Penjualan dan Korelasi Produk Analisis ini membantu mengidentifikasi produk dan kanal yang paling berkontribusi terhadap penjualan. * **Dampak Produk Pharos Group (`Pharos YN`)**: Produk yang diproduksi oleh Pharos Group (Pharos YN = 1) menunjukkan performa yang jauh lebih baik per item dibandingkan dengan produk non-Pharos Group. | Pharos YN (1=Pharos Group) | Total Nilai RO | Rata-rata Nilai RO | Total Qty RO | Rata-rata Qty RO | Jumlah Item Pesanan | |:---------------------------|:---------------|:-------------------|:-------------|:-----------------|:--------------------| | 0 | 22,524,229,073 | 312,776 | 412,336 | 5.7 | 72,014 | | 1 | 33,085,676,228 | 557,928 | 1,037,869 | 17.5 | 59,301 | ```mermaid xychart-beta title "Total Nilai RO Berdasarkan Pharos YN" x-axis ['Non-Pharos Group', 'Pharos Group'] y-axis "Total Nilai RO" 0 --> 36394243851 bar [22524229073.0, 33085676228.0] ``` * **Dampak Apotek Online (`AO YN`)**: Pesanan yang tidak terhubung dengan program Apotek Online (AO YN = 0) memiliki total nilai dan rata-rata nilai RO serta kuantitas RO per item yang lebih tinggi dibandingkan pesanan dari Apotek Online. Hal ini menunjukkan bahwa kanal penjualan tradisional atau pesanan langsung masih menjadi kontributor utama nilai pesanan. | AO YN (1=Apotek Online) | Total Nilai RO | Rata-rata Nilai RO | Total Qty RO | Rata-rata Qty RO | Jumlah Item Pesanan | |:------------------------|:---------------|:-------------------|:-------------|:-----------------|:--------------------| | 0 | 37,903,077,146 | 458,964 | 1,083,615 | 13.1 | 82,584 | | 1 | 17,706,828,155 | 363,359 | 366,590 | 7.5 | 48,731 | ```mermaid xychart-beta title "Total Nilai RO Berdasarkan AO YN" x-axis ['Non-Apotek Online', 'Apotek Online'] y-axis "Total Nilai RO" 0 --> 41693384861 bar [37903077146.0, 17706828155.0] ``` * **Produk Terlaris (Berdasarkan Nilai RO)**: POLYSILANE TAB. KUNYAH 5X8TAB, PRORIS SUSP 60 ML RASA JERUK, dan MICROLAX GEL OBAT PENCAHAR 5ML adalah produk dengan kontribusi nilai penjualan tertinggi. ```mermaid xychart-beta title "5 Produk Teratas Berdasarkan Total Nilai RO" x-axis ['POLYSILANE TAB. KUNYAH 5X8TAB', 'PRORIS SUSP 60 ML RASA JERUK', 'MICROLAX GEL OBAT PENCAHAR 5ML', 'MICROLAX 3 X 5 ML', 'POLYSILANE SUSPENSI 100 ML'] y-axis "Total Nilai RO" 0 --> 4442615254 bar [4038741140.0, 3354936937.0, 3321664117.0, 2692334063.0, 1936956554.0] ``` * **Produk Terlaris (Berdasarkan Kuantitas RO)**: MICROLAX GEL OBAT PENCAHAR 5ML, PRORIS SUSP 60 ML RASA JERUK, dan POLYSILANE TAB. KUNYAH 5X8TAB mendominasi dalam hal kuantitas pesanan. ```mermaid xychart-beta title "5 Produk Teratas Berdasarkan Total Kuantitas RO" x-axis ['MICROLAX GEL OBAT PENCAHAR 5ML', 'PRORIS SUSP 60 ML RASA JERUK', 'POLYSILANE TAB. KUNYAH 5X8TAB', 'POLYSILANE SUSPENSI 100 ML', 'PRORIS FORTE 200MG SUSP 50ML'] y-axis "Total Kuantitas RO" 0 --> 192902 bar [175365, 149143, 110380, 94808, 61213] ``` * **Tingkat Pembatalan Produk Terlaris**: Meskipun POLYSILANE, PRORIS, dan MICROLAX adalah produk terlaris, tingkat pembatalan untuk MEFINAL 500MG CAP 100'S (2.7%) dan CATAFLAM 50MG TAB 50'S (2.3%) relatif lebih tinggi di antara produk-produk teratas berdasarkan nilai RO. ```mermaid xychart-beta title "5 Produk Teratas (berdasarkan Nilai RO) Berdasarkan Tingkat Pembatalan" x-axis ['MEFINAL 500MG CAP 100\'S', 'CATAFLAM 50MG TAB 50\'S', 'ALBUSMIN 3 BLISTER @ 10 KAPSUL', 'MICROLAX GEL OBAT PENCAHAR 5ML', 'MICROLAX 3 X 5 ML'] y-axis "Tingkat Pembatalan (%)" 0 --> 3 bar [2.668, 2.283, 1.126, 0.953, 0.743] ``` * **Kinerja Berdasarkan Metode Pembayaran**: BCA Virtual Account adalah metode pembayaran paling dominan, menyumbang total nilai RO terbesar (Rp 42,124,300,000) dan rata-rata nilai RO tertinggi (Rp 534,213) per item. Term Of Payment, meskipun banyak digunakan, memiliki rata-rata nilai RO per item yang jauh lebih rendah (Rp 219,815). | Metode Pembayaran | Total Nilai RO | Rata-rata Nilai RO | Total Qty RO | Rata-rata Qty RO | Jumlah Item Pesanan | |:--------------------|:-----------------|:-------------------|:---------------|:-----------------|:--------------------| | BCA Virtual Account | 42,124,300,000 | 534,213 | 1,102,410 | 14.0 | 78,853 | | Term Of Payment | 8,048,540,000 | 219,815 | 198,841 | 5.4 | 36,615 | | BRIVA | 5,417,010,000 | 344,681 | 148,518 | 9.5 | 15,716 | | Kredivo | 20,044,300 | 153,010 | 436 | 3.3 | 131 | ### Rekomendasi Strategis Berdasarkan temuan-temuan di atas, berikut adalah beberapa rekomendasi untuk meningkatkan kinerja: 1. **Prioritaskan Perbaikan Kualitas Data**: * **Investigasi Anomali Durasi Negatif**: Segera selidiki penyebab data tanggal yang tidak logis (`Tgl DO`, `Tgl Ekspedisi`, `Tgl Diterima`). Akurasi data waktu sangat krusial untuk analisis efisiensi operasional. * **Lengkapi Data `Tgl Diterima`**: Tingkat kekosongan 7.9% pada `Tgl Diterima` perlu ditangani untuk mendapatkan gambaran lengkap tentang waktu pengiriman aktual. * **Perjelas Peran `PHARMANET PUSAT`**: Anomali tingkat pembatalan 100% pada gudang ini perlu diklarifikasi apakah itu pusat pembatalan administratif atau ada masalah data lain. 2. **Optimalkan Proses Pemenuhan Pesanan**: * **Analisis Root Cause Pembatalan**: Selidiki penyebab tingginya tingkat pembatalan di divisi VIBRANT 3, VIBRANT PBF, HOSPINET, serta gudang PHARMANET TANGERANG dan MEDAN. Fokus pada masalah ketersediaan stok, logistik, atau proses internal yang memicu pembatalan. * **Fokus pada Produk Terlaris**: Pastikan ketersediaan stok yang optimal untuk produk-produk terlaris seperti POLYSILANE TAB. KUNYAH, PRORIS SUSP, dan MICROLAX GEL untuk memaksimalkan potensi penjualan. * **Atasi Pembatalan Produk Spesifik**: Selidiki mengapa MEFINAL 500MG CAP 100'S dan CATAFLAM 50MG TAB 50'S memiliki tingkat pembatalan yang lebih tinggi dibandingkan produk terlaris lainnya, meskipun nilai penjualannya tinggi. 3. **Strategi Peningkatan Penjualan**: * **Manfaatkan Potensi Produk Pharos Group**: Produk Pharos Group menunjukkan nilai dan kuantitas per item yang lebih tinggi. Pertimbangkan strategi pemasaran dan penempatan yang lebih agresif untuk produk-produk ini. * **Evaluasi Kinerja Apotek Online**: Meskipun Apotek Online penting, kanal non-Apotek Online saat ini berkontribusi lebih besar pada nilai dan kuantitas penjualan per item. Analisis lebih lanjut diperlukan untuk memahami bagaimana meningkatkan nilai pesanan atau jumlah item yang dijual melalui Apotek Online. * **Optimalkan Metode Pembayaran**: BCA Virtual Account adalah kanal pembayaran dengan performa tertinggi. Pertimbangkan untuk mempromosikan atau memberikan insentif lebih lanjut untuk penggunaan metode pembayaran ini. Untuk Term Of Payment, yang memiliki rata-rata nilai dan kuantitas lebih rendah, mungkin perlu dianalisis apakah ada pola pesanan kecil atau faktor lain yang menyebabkannya. Dengan mengatasi anomali data dan menerapkan rekomendasi ini, perusahaan dapat meningkatkan efisiensi operasional, mengurangi pembatalan, dan pada akhirnya, mendorong pertumbuhan penjualan yang lebih baik. ## 2. Pendahuluan Laporan Analisis Data Eksplorasi (EDA) ini disusun untuk mendapatkan pemahaman mendalam tentang data pemenuhan pesanan pelanggan, dengan tujuan utama mengidentifikasi wawasan tersembunyi yang dapat meningkatkan kinerja penjualan dan mengungkap korelasi penting antar produk. Data ini merepresentasikan setiap tahapan dalam proses pemenuhan pesanan, mulai dari penerimaan pesanan hingga pengiriman akhir ke pelanggan, memberikan gambaran kritis tentang efisiensi operasional dan dinamika penjualan. Dataset yang digunakan, `omg_10003_b1_sheet1`, terdiri dari 131,315 baris data dengan 37 kolom yang merekam detail transaksi. Ini mencakup informasi tentang pelanggan unik (outlet), produk, divisi penjualan, status pesanan berulang (RO), surat pesanan (SP), pesanan pengiriman (DO), daftar pengepakan (PL), hingga detail logistik seperti asal gudang dan ekspedisi. Informasi kunci seperti `Pharos YN` menandai produk yang diproduksi oleh Pharos Group, sementara `AO YN` mengidentifikasi partisipasi outlet dalam program Apotek Online perusahaan. Analisis awal kualitas data mengungkapkan beberapa temuan penting. Kolom `Keterangan` dan `Nama Penerima` ditemukan kosong sepenuhnya (100% null), menunjukkan bahwa kolom ini mungkin tidak digunakan atau tidak relevan untuk analisis saat ini. Selain itu, sekitar 7.9% data `Tgl Diterima` juga kosong, yang berpotensi menghambat analisis waktu pengiriman secara komprehensif. Masalah kualitas data yang paling kritis adalah ditemukannya **durasi negatif dalam tahapan pemenuhan pesanan**, seperti antara `Tgl DO` dan `Tgl Ekspedisi`, atau antara `Tgl Ekspedisi` dan `Tgl Diterima`. Ini mengindikasikan adanya ketidakkonsistenan atau kesalahan pencatatan waktu dalam proses, dengan 1,247 RO unik menunjukkan durasi negatif dari DO ke Pengiriman dan 444 RO unik dengan durasi negatif dari Pengiriman ke Penerimaan. Anomali ini memerlukan investigasi lebih lanjut karena dapat menyesatkan setiap analisis terkait efisiensi waktu pengiriman. Secara umum, dataset ini menunjukkan tingkat pemenuhan pesanan yang tinggi, dengan 98.7% pesanan berstatus `TERLAYANI PENUH`. Namun, terdapat 1.3% pesanan yang dibatalkan (`CANCEL`), yang menawarkan peluang untuk perbaikan. Divisi PHARMANET mendominasi aktivitas penjualan dengan 84.4% dari total pesanan. Produk dari Pharos Group (`Pharos YN` = 1) dan pesanan yang tidak terkait Apotek Online (`AO YN` = 0) menunjukkan kontribusi nilai dan kuantitas yang signifikan. Metode pembayaran `BCA Virtual Account` juga menjadi kanal pembayaran dominan dengan total nilai transaksi terbesar. Bab-bab selanjutnya dalam laporan ini akan menganalisis lebih dalam temuan-temuan ini, termasuk rincian tingkat pembatalan per divisi dan gudang, performa produk teratas, dan dampak faktor-faktor seperti `Pharos YN` dan `AO YN` terhadap penjualan. Kami juga akan mengusulkan rekomendasi strategis untuk mengatasi anomali data, meningkatkan efisiensi operasional, dan mendorong kinerja penjualan. ### Gambaran Umum Dataset Dataset `omg_10003_b1_sheet1` mencakup 131,315 baris data dan 37 kolom. Berikut adalah ringkasan karakteristik utama data: #### Analisis Nilai Null (Persentase Null per Kolom) | Kolom | Jumlah Null | Persentase Null (%) | |:---------------|------------:|--------------------:| | Keterangan | 131,315 | 100.0 | | Nama Penerima | 131,315 | 100.0 | | Tgl Diterima | 10,385 | 7.9 | | Cmc | 5,468 | 4.2 | | Tgl Logbook | 585 | 0.4 | | Nama Ekspedisi | 585 | 0.4 | | Tgl Ekspedisi | 460 | 0.4 | | Nomor Resi | 460 | 0.4 | | Tgl DO | 365 | 0.3 | | No. DO | 365 | 0.3 | | Tgl. PL | 365 | 0.3 | | No. PL | 365 | 0.3 | | Kel. Class | 107 | 0.1 | | Divisi | 7 | 0.0 | #### Analisis Identifikasi Unik | Kolom | Jumlah Unik | Jumlah Null | |:--------|------------:|------------:| | KodePI | 5,062 | 0 | | OutCode | 5,062 | 0 | | Cmc | 4,698 | 5,468 | | Procod | 1,439 | 0 | | No. RO | 20,645 | 0 | | No. SP | 23,615 | 0 | | No. DO | 23,490 | 365 | | No. PL | 23,490 | 365 | #### Statistik Deskriptif untuk Kolom Numerik | Kolom | Jumlah | Rata-rata | Std Dev | Minimum | Q1 | Median | Q3 | Maksimum | |:------------|:---------|:-------------|:------------|:------------|:------------|:------------|:------------|:----------------| | Qty RO | 131,315 | 11.0 | 71.7 | 0 | 1 | 3 | 6 | 7,200 | | Qty SP | 131,315 | 10.9 | 71.5 | 0 | 1 | 3 | 6 | 7,200 | | Qty DO | 131,315 | 10.9 | 71.4 | 0 | 1 | 3 | 6 | 7,200 | | Value PL | 131,315 | 419,457.0 | 1,923,050.0 | 0.0 | 68,625.0 | 141,348.0 | 314,282.0 | 166,270,000.0 | | Value RO | 131,315 | 423,485.0 | 1,926,520.0 | 0.0 | 71,068.0 | 144,590.0 | 317,193.0 | 166,270,000.0 | #### Distribusi Nilai untuk Kolom Kategorikal Utama **Kolom: 'Divisi'** | Nilai | Jumlah | Persentase (%) | |:------------|--------:|---------------:| | PHARMANET | 110,866 | 84.4 | | HOSPINET | 17,827 | 13.6 | | VIBRANT PBF | 2,559 | 1.9 | | VIBRANT 3 | 56 | 0.0 | | nan | 7 | 0.0 | ```mermaid pie title 'Distribusi Berdasarkan Divisi' "PHARMANET": 110866, "HOSPINET": 17827, "VIBRANT PBF": 2559, "VIBRANT 3": 56 ``` **Kolom: 'Pharos YN'** | Nilai | Jumlah | Persentase (%) | |------:|--------:|---------------:| | 0 | 72,014 | 54.8 | | 1 | 59,301 | 45.2 | **Kolom: 'Status RO'** | Nilai | Jumlah | Persentase (%) | |:----------------|--------:|---------------:| | TERLAYANI PENUH | 129,575 | 98.7 | | CANCEL | 1,740 | 1.3 | ```mermaid pie title 'Distribusi Berdasarkan Status RO' "TERLAYANI PENUH": 129575, "CANCEL": 1740 ``` **Kolom: 'Sts SP Header'** | Nilai | Jumlah | Persentase (%) | |:--------|--------:|---------------:| | P | 129,575 | 98.7 | | C | 1,740 | 1.3 | **Kolom: 'Sts SP Detail'** | Nilai | Jumlah | Persentase (%) | |:--------|--------:|---------------:| | P | 129,575 | 98.7 | | C | 1,740 | 1.3 | **Kolom: 'Status DO'** | Nilai | Jumlah | Persentase (%) | |:--------|--------:|---------------:| | P | 129,575 | 98.7 | | C | 1,740 | 1.3 | **Kolom: 'Asal Gudang' (Top 10)** | Nilai | Jumlah | Persentase (%) | |:--------------------|--------:|---------------:| | PHARMANET SURABAYA | 13,577 | 10.3 | | PHARMANET BEKASI | 12,675 | 9.7 | | PHARMANET BANDUNG | 9,568 | 7.3 | | PHARMANET TANGERANG | 9,420 | 7.2 | | PHARMANET SEMARANG | 8,948 | 6.8 | | PHARMANET BOGOR | 8,484 | 6.5 | | PHARMANET PALEMBANG | 8,446 | 6.4 | | PHARMANET SOLO | 8,346 | 6.4 | | PHARMANET MAKASSAR | 7,468 | 5.7 | | PHARMANET MEDAN | 7,416 | 5.6 | | Lainnya | 36,967 | 28.2 | **Kolom: 'Nama Ekspedisi' (Top 10)** | Nilai | Jumlah | Persentase (%) | |:-------------------------------|--------:|---------------:| | Anteraja | 25,559 | 19.5 | | PT CENTURY | 21,475 | 16.4 | | LION PARCEL | 18,507 | 14.1 | | PCP EXPRESS | 14,481 | 11.0 | | ANDALAN 21 EXPRESS | 10,035 | 7.6 | | INDAH LOGISTIK | 8,780 | 6.7 | | PT. TUNAS ANTARNUSA MUDA KARGO | 6,402 | 4.9 | | GLOBALINDO 21 EXPRESS | 5,139 | 3.9 | | EXPD BEKASI | 5,066 | 3.9 | | PT. LESTARI JAYA RAYA | 3,222 | 2.5 | | Lainnya | 12,649 | 9.6 | **Kolom: 'AO YN'** | Nilai | Jumlah | Persentase (%) | |------:|--------:|---------------:| | 0 | 82,584 | 62.9 | | 1 | 48,731 | 37.1 | **Kolom: 'Payment'** | Nilai | Jumlah | Persentase (%) | |:--------------------|--------:|---------------:| | BCA Virtual Account | 78,853 | 60.0 | | Term Of Payment | 36,615 | 27.9 | | BRIVA | 15,716 | 12.0 | | Kredivo | 131 | 0.1 | ## 3. Kualitas Data & Pra-pemrosesan Kualitas data adalah fondasi utama bagi setiap analisis yang akurat dan dapat dipercaya. Sebelum dapat menarik kesimpulan yang valid dari dataset `omg_10003_b1_sheet1`, serangkaian langkah pra-pemrosesan dan pembersihan data telah dilakukan untuk memastikan integritas, konsistensi, dan kelengkapan data. Tahapan ini sangat krusial untuk mengidentifikasi potensi masalah, seperti nilai hilang, duplikasi, format data yang tidak konsisten, atau anomali yang dapat membiaskan hasil analisis. #### 3.1 Langkah Pra-pemrosesan Data Proses pra-pemrosesan data melibatkan beberapa langkah kunci untuk meningkatkan kualitas dataset: 1. **Penanganan Duplikasi**: Baris data yang sepenuhnya duplikat diidentifikasi dan dihapus untuk memastikan setiap entri mewakili informasi yang unik. Pada dataset ini, tidak ada duplikasi persis yang ditemukan, mengindikasikan keunikan setiap catatan transaksi. 2. **Konversi Tipe Data**: * **Kolom Tanggal**: Kolom-kolom yang mengandung informasi tanggal (`Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Diterima`, `Lastupdate`) dikonversi ke format *datetime*. Beberapa nilai yang tidak dapat diuraikan telah dikonversi menjadi `NaT` (Not a Time), yang mengindikasikan adanya inkonsistensi pada format tanggal asli. * **Kolom Numerik**: Kolom kuantitas (`Qty RO`, `Qty SP`, `Qty DO`) dikonversi ke tipe bilangan bulat (`Int64`), dan kolom nilai (`Value PL`, `Value RO`) dikonversi ke tipe bilangan desimal (`Float64`). Nilai yang hilang atau tidak valid dalam kolom-kolom ini diisi dengan 0 untuk mempertahankan integritas perhitungan. * **Kolom Boolean**: Kolom indikator (`Pharos YN`, `AO YN`) distandarisasi ke format Boolean (True/False). Nilai 'Y' dikonversi menjadi `True`, 'N' menjadi `False`, dan setiap nilai yang hilang atau tidak valid diisi dengan `False`. 3. **Penanganan Nilai Hilang (Missing Values)**: * Untuk kolom teks tertentu seperti `Keterangan` dan `Nama Penerima`, nilai yang hilang diisi dengan `None`. * Untuk semua kolom teks lainnya, spasi di awal atau akhir (`whitespace`) telah dihilangkan, dan *string* kosong atau representasi `NaN` dalam bentuk *string* (`'nan'`) telah dikonversi menjadi `None`. Langkah-langkah ini memastikan data siap untuk analisis lebih lanjut, meskipun beberapa masalah yang tidak dapat diperbaiki secara otomatis (misalnya, nilai `NaT` setelah konversi tanggal) tetap ada dan akan dibahas lebih lanjut di bagian anomali. #### 3.2 Gambaran Umum Kualitas Data Meskipun telah melewati proses pra-pemrosesan, pemeriksaan mendalam terhadap kualitas data mengungkapkan beberapa aspek penting yang perlu diperhatikan. ##### 3.2.1 Kelengkapan Data (Analisis Nilai Hilang) Analisis persentase nilai hilang (null) per kolom memberikan gambaran jelas tentang kelengkapan informasi: | Kolom | Jumlah Null | Persentase Null (%) | |:---------------|------------:|--------------------:| | Keterangan | 131,315 | 100.0 | | Nama Penerima | 131,315 | 100.0 | | Tgl Diterima | 10,385 | 7.9 | | Cmc | 5,468 | 4.2 | | Tgl Logbook | 585 | 0.4 | | Nama Ekspedisi | 585 | 0.4 | | Tgl Ekspedisi | 460 | 0.4 | | Nomor Resi | 460 | 0.4 | | Tgl DO | 365 | 0.3 | | No. DO | 365 | 0.3 | | Tgl. PL | 365 | 0.3 | | No. PL | 365 | 0.3 | | Kel. Class | 107 | 0.1 | | Divisi | 7 | 0.0 | **Insight Bisnis**: * **Kolom Tidak Berguna**: Kolom `Keterangan` dan `Nama Penerima` yang 100% kosong mengindikasikan bahwa kedua kolom ini tidak terisi sama sekali dalam sistem sumber data. Ini berarti kolom-kolom ini tidak dapat digunakan untuk analisis lebih lanjut dan dapat dipertimbangkan untuk diabaikan atau dihapus jika tidak ada rencana untuk pengisian data di masa mendatang. * **Implikasi `Tgl Diterima`**: Kekosongan pada `Tgl Diterima` (7.9%) adalah isu penting. Tanpa tanggal penerimaan, perhitungan durasi pengiriman secara akurat untuk pesanan ini tidak mungkin dilakukan. Hal ini dapat menghambat analisis efisiensi logistik secara menyeluruh dan akurasi SLA pengiriman. * **Identifikasi Outlet (`Cmc`)**: Kolom `Cmc` memiliki 4.2% nilai hilang. Mengingat `Cmc`, `KodePI`, dan `OutCode` seharusnya menjadi identifikasi unik untuk *outlet* yang sama, nilai hilang pada `Cmc` memerlukan investigasi. Apabila `KodePI` dan `OutCode` selalu terisi dan merujuk pada *outlet* yang sama, `Cmc` mungkin bisa diisi dari kolom tersebut atau diabaikan sebagai identifikasi utama jika `KodePI` atau `OutCode` lebih konsisten. * **Minor Nulls**: Kolom lain seperti `Tgl Logbook`, `Nama Ekspedisi`, `Tgl Ekspedisi`, `Nomor Resi`, `Tgl DO`, `No. DO`, `Tgl. PL`, `No. PL` memiliki persentase nilai hilang di bawah 1%. Meskipun kecil, ini bisa mengindikasikan pesanan yang belum sepenuhnya diproses atau masalah pencatatan parsial. ##### 3.2.2 Konsistensi Data (Identifikasi Unik) Pemeriksaan terhadap jumlah nilai unik untuk kolom-kolom identifikasi penting menunjukkan: | Kolom | Jumlah Unik | Jumlah Null | |:--------|------------:|------------:| | KodePI | 5,062 | 0 | | OutCode | 5,062 | 0 | | Cmc | 4,698 | 5,468 | | Procod | 1,439 | 0 | | No. RO | 20,645 | 0 | | No. SP | 23,615 | 0 | | No. DO | 23,490 | 365 | | No. PL | 23,490 | 365 | **Insight Bisnis**: * **Identifikasi Outlet**: `KodePI` dan `OutCode` konsisten dalam mengidentifikasi 5,062 *outlet* unik tanpa nilai hilang. Ini sangat baik untuk analisis berbasis *outlet*. `Cmc` dengan 4,698 nilai unik dan 5,468 nilai kosong menegaskan bahwa kolom ini kurang dapat diandalkan sebagai identifikasi utama dibandingkan `KodePI` atau `OutCode`. * **Unik ID Proses Pemenuhan**: `Procod` (kode produk), `No. RO` (nomor pesanan), dan `No. SP` (nomor surat pesanan) memiliki jumlah unik yang masuk akal tanpa nilai hilang, menunjukkan integritas yang baik untuk pelacakan produk dan pesanan. * **Kesenjangan `No. DO` dan `No. PL`**: `No. DO` dan `No. PL` memiliki jumlah unik yang sama dan jumlah nilai hilang yang sama (365). Ini konsisten dengan deskripsi bahwa 1 SP menghasilkan 1 DO dan PL adalah dokumen lampiran DO. Nilai hilang ini kemungkinan terkait dengan pesanan yang dibatalkan atau belum sepenuhnya diproses hingga tahap DO/PL. ##### 3.2.3 Akurasi Data (Anomali Durasi Negatif) **Salah satu masalah kualitas data paling KRITIS yang teridentifikasi adalah adanya durasi negatif dalam tahapan pemenuhan pesanan.** Ini mengindikasikan urutan waktu yang tidak logis atau kesalahan pencatatan waktu yang serius dalam sistem sumber. Anomali ini membuat perhitungan efisiensi waktu pemenuhan pesanan menjadi tidak valid. * **Durasi Negatif `DO_to_Dispatch_Days`**: Teridentifikasi 1,247 Nomor RO unik di mana `Tgl DO` terjadi *setelah* `Tgl Ekspedisi`. Secara logis, *Delivery Order* (DO) seharusnya terbit sebelum barang dikirim (ekspedisi). * **Durasi Negatif `Dispatch_to_Delivery_Days`**: Teridentifikasi 444 Nomor RO unik di mana `Tgl Ekspedisi` terjadi *setelah* `Tgl Diterima`. Ini berarti barang dicatat dikirim setelah diterima oleh pelanggan, sebuah inkonsistensi yang fatal. * **Durasi Negatif `Total_Delivery_Days`**: Teridentifikasi 446 Nomor RO unik di mana `Tgl. Order` terjadi *setelah* `Tgl Diterima`. Ini menunjukkan bahwa pesanan diterima pelanggan bahkan sebelum pesanan dicatat, yang secara proses sangat tidak mungkin. **Implikasi Bisnis Anomali Durasi Negatif**: Anomali ini tidak hanya sekadar masalah data teknis, tetapi memiliki dampak bisnis yang signifikan: * **Pengukuran Kinerja Logistik yang Terdistorsi**: Metrik penting seperti waktu rata-rata pemrosesan pesanan, waktu pengiriman, atau kepatuhan SLA (Service Level Agreement) tidak dapat dihitung secara akurat. * **Keputusan yang Salah**: Keputusan yang dibuat berdasarkan data durasi yang tidak akurat (misalnya, identifikasi hambatan dalam rantai pasok atau evaluasi performa ekspedisi) berpotensi menyesatkan manajemen. * **Kehilangan Kepercayaan Data**: Jika data fundamental seperti tanggal tidak dapat dipercaya, seluruh analisis dan wawasan yang dihasilkan akan dipertanyakan validitasnya. * **Indikasi Masalah Proses**: Kehadiran durasi negatif yang signifikan menunjukkan adanya masalah mendasar dalam proses pencatatan data di sistem sumber, baik itu kesalahan input manual, sinkronisasi sistem yang buruk, atau definisi alur kerja yang tidak jelas. #### 3.3 Statistik Deskriptif dan Distribusi Data Setelah Pra-pemrosesan Setelah langkah pembersihan dan penanganan nilai hilang, data numerik dan kategorikal menunjukkan karakteristik sebagai berikut: ##### 3.3.1 Statistik Deskriptif Kolom Numerik | Kolom | Jumlah | Rata-rata | Std Dev | Minimum | Q1 | Median | Q3 | Maksimum | |:------------|:----------|:--------------|:--------------|:------------|:-------------|:-------------|:-------------|:-----------------| | Qty RO | 131,315 | 11.0 | 71.7 | 0 | 1 | 3 | 6 | 7,200 | | Qty SP | 131,315 | 10.9 | 71.5 | 0 | 1 | 3 | 6 | 7,200 | | Qty DO | 131,315 | 10.9 | 71.4 | 0 | 1 | 3 | 6 | 7,200 | | Value PL | 131,315 | 419,457.0 | 1,923,050.0 | 0.0 | 68,625.0 | 141,348.0 | 314,282.0 | 166,270,000.0 | | Value RO | 131,315 | 423,485.0 | 1,926,520.0 | 0.0 | 71,068.0 | 144,590.0 | 317,193.0 | 166,270,000.0 | **Insight Bisnis**: * **Konsistensi Kuantitas**: `Qty RO`, `Qty SP`, dan `Qty DO` menunjukkan statistik yang sangat mirip (rata-rata, standar deviasi, kuartil), yang mengindikasikan konsistensi yang baik dalam alur pemenuhan pesanan (pesanan, surat pesanan, *delivery order*). Ini menunjukkan bahwa mayoritas kuantitas yang diminta dalam RO pada akhirnya dipenuhi dan dikirim. * **Variabilitas Nilai**: Kolom `Value PL` dan `Value RO` memiliki nilai rata-rata dan standar deviasi yang besar, menunjukkan variabilitas yang tinggi dalam nilai pesanan. Ada pesanan kecil (minimum 0, kemungkinan hasil pembatalan atau data tidak lengkap) hingga pesanan sangat besar mencapai Rp 166 juta. * **Nilai 0**: Adanya nilai minimum 0 pada kolom kuantitas dan nilai mengindikasikan adanya baris yang mungkin merepresentasikan pembatalan atau produk dengan nilai/kuantitas nol dalam pesanan multi-item. ##### 3.3.2 Distribusi Nilai Kolom Kategorikal Distribusi nilai untuk kolom kategorikal utama memberikan pandangan tentang komposisi transaksi: **Kolom: 'Divisi'** | Nilai | Jumlah | Persentase (%) | |:------------|--------:|---------------:| | PHARMANET | 110,866 | 84.4 | | HOSPINET | 17,827 | 13.6 | | VIBRANT PBF | 2,559 | 1.9 | | VIBRANT 3 | 56 | 0.0 | | nan | 7 | 0.0 | ```mermaid pie title 'Distribusi berdasarkan Divisi' "PHARMANET": 110866, "HOSPINET": 17827, "VIBRANT PBF": 2559, "VIBRANT 3": 56 ``` **Insight Bisnis**: PHARMANET adalah divisi dominan, menunjukkan sebagian besar aktivitas pemesanan berasal dari divisi ini. Divisi `nan` (7 baris) mungkin merupakan data yang tidak terklasifikasi, namun jumlahnya sangat kecil sehingga dampaknya minimal. **Kolom: 'Pharos YN'** | Nilai | Jumlah | Persentase (%) | |------:|--------:|---------------:| | False | 72,014 | 54.8 | | True | 59,301 | 45.2 | **Insight Bisnis**: Sekitar 45% dari item pesanan adalah produk dari Pharos Group (Pharos YN = True), menunjukkan bahwa produk internal perusahaan memiliki pangsa pasar yang signifikan. **Kolom: 'Status RO'** | Nilai | Jumlah | Persentase (%) | |:----------------|--------:|---------------:| | TERLAYANI PENUH | 129,575 | 98.7 | | CANCEL | 1,740 | 1.3 | ```mermaid pie title 'Distribusi berdasarkan Status RO' "TERLAYANI PENUH": 129575, "CANCEL": 1740 ``` **Insight Bisnis**: Tingkat pemenuhan pesanan secara keseluruhan sangat tinggi (98.7% 'TERLAYANI PENUH'), yang mencerminkan operasional yang efisien. Namun, 1.3% pesanan yang dibatalkan merupakan area yang dapat dioptimalkan. **Kolom: 'Sts SP Header' dan 'Sts SP Detail'** | Nilai | Jumlah | Persentase (%) | |:------|--------:|---------------:| | P | 129,575 | 98.7 | | C | 1,740 | 1.3 | **Insight Bisnis**: Status Surat Pesanan (SP) baik pada level *header* maupun *detail* menunjukkan pola yang sama persis dengan `Status RO`, mengkonfirmasi bahwa pembatalan RO tercermin dengan benar pada status SP. `P` berarti pesanan sudah dilayani dan `C` berarti dibatalkan. **Kolom: 'Status DO'** | Nilai | Jumlah | Persentase (%) | |:------|--------:|---------------:| | P | 129,575 | 98.7 | | C | 1,740 | 1.3 | **Insight Bisnis**: Status *Delivery Order* (DO) juga konsisten dengan status RO dan SP, menunjukkan bahwa pembatalan pesanan terpropagasi dengan baik ke tahap DO. **Kolom: 'Asal Gudang' (10 Gudang Teratas)** | Nilai | Jumlah | Persentase (%) | |:--------------------|--------:|---------------:| | PHARMANET SURABAYA | 13,577 | 10.3 | | PHARMANET BEKASI | 12,675 | 9.7 | | PHARMANET BANDUNG | 9,568 | 7.3 | | PHARMANET TANGERANG | 9,420 | 7.2 | | PHARMANET SEMARANG | 8,948 | 6.8 | | PHARMANET BOGOR | 8,484 | 6.5 | | PHARMANET PALEMBANG | 8,446 | 6.4 | | PHARMANET SOLO | 8,346 | 6.4 | | PHARMANET MAKASSAR | 7,468 | 5.7 | | PHARMANET MEDAN | 7,416 | 5.6 | | Lainnya | 36,967 | 28.2 | **Insight Bisnis**: Gudang-gudang seperti PHARMANET SURABAYA dan PHARMANET BEKASI adalah yang paling aktif dalam pemenuhan pesanan. Distribusi ini penting untuk memahami geografi operasional dan kapasitas gudang. **Kolom: 'Nama Ekspedisi' (10 Ekspedisi Teratas)** | Nilai | Jumlah | Persentase (%) | |:-------------------------------|:--------|---------------:| | Anteraja | 25,559 | 19.5 | | PT CENTURY | 21,475 | 16.4 | | LION PARCEL | 18,507 | 14.1 | | PCP EXPRESS | 14,481 | 11.0 | | ANDALAN 21 EXPRESS | 10,035 | 7.6 | | INDAH LOGISTIK | 8,780 | 6.7 | | PT. TUNAS ANTARNUSA MUDA KARGO | 6,402 | 4.9 | | GLOBALINDO 21 EXPRESS | 5,139 | 3.9 | | EXPD BEKASI | 5,066 | 3.9 | | PT. LESTARI JAYA RAYA | 3,222 | 2.5 | | Lainnya | 12,649 | 9.6 | **Insight Bisnis**: Anteraja, PT CENTURY, dan LION PARCEL adalah penyedia jasa ekspedisi utama, menangani sebagian besar pengiriman. Hal ini menunjukkan ketergantungan pada beberapa mitra logistik besar. **Kolom: 'AO YN'** | Nilai | Jumlah | Persentase (%) | |:------|--------:|---------------:| | False | 82,584 | 62.9 | | True | 48,731 | 37.1 | **Insight Bisnis**: Sekitar 37% item pesanan berasal dari *outlet* yang berpartisipasi dalam program Apotek Online (AO YN = True), menunjukkan program ini memiliki adopsi yang substansial. **Kolom: 'Payment'** | Nilai | Jumlah | Persentase (%) | |:--------------------|--------:|---------------:| | BCA Virtual Account | 78,853 | 60.0 | | Term Of Payment | 36,615 | 27.9 | | BRIVA | 15,716 | 12.0 | | Kredivo | 131 | 0.1 | **Insight Bisnis**: BCA Virtual Account adalah metode pembayaran yang paling dominan, diikuti oleh Term Of Payment. Ini mengindikasikan preferensi pelanggan atau kemudahan penggunaan metode pembayaran tertentu. Kredivo masih memiliki pangsa yang sangat kecil. #### 3.4 Rekomendasi untuk Peningkatan Kualitas Data Berdasarkan analisis kualitas data, berikut adalah rekomendasi untuk peningkatan: 1. **Investigasi dan Perbaiki Anomali Durasi Negatif**: * **Prioritas Utama**: Masalah tanggal yang tidak logis (`Tgl DO` > `Tgl Ekspedisi`, `Tgl Ekspedisi` > `Tgl Diterima`, `Tgl. Order` > `Tgl Diterima`) harus segera diinvestigasi di tingkat sistem sumber. Ini adalah indikasi serius dari kesalahan input, masalah sinkronisasi antar sistem, atau definisi proses yang ambigu. * **Rekonsiliasi Data**: Lakukan rekonsiliasi data tanggal secara berkala antara berbagai tahapan proses pemenuhan pesanan. * **Validasi Input**: Implementasikan validasi pada *form* input atau sistem untuk mencegah entri tanggal yang tidak logis di masa mendatang. 2. **Lengkapi Data `Tgl Diterima`**: * Dengan 7.9% data `Tgl Diterima` yang hilang, akurasi pengukuran SLA pengiriman dan waktu tunggu pelanggan menjadi terganggu. * Identifikasi mengapa tanggal ini tidak dicatat. Apakah karena kendala sistem, kurangnya prosedur, atau ketergantungan pada data eksternal? * Sediakan mekanisme untuk memastikan setiap pesanan memiliki `Tgl Diterima` yang valid. 3. **Evaluasi Kolom `Keterangan` dan `Nama Penerima`**: * Karena kedua kolom ini 100% kosong, putuskan apakah kolom ini diperlukan dalam skema data. Jika tidak, hapuslah untuk menyederhanakan data. * Jika ada kebutuhan bisnis di masa depan, tetapkan prosedur pengisian data yang jelas. 4. **Klarifikasi Peran `Cmc`**: * Selidiki mengapa `Cmc` memiliki nilai hilang sedangkan `KodePI` dan `OutCode` lengkap dan unik. Pahami hubungan antara ketiga identifikasi *outlet* ini untuk memastikan tidak ada redundansi atau inkonsistensi. Jika `KodePI` sudah cukup sebagai identifikasi utama, `Cmc` bisa dijadikan kolom sekunder atau diisi dari sumber yang lebih lengkap jika ada. Dengan menindaklanjuti rekomendasi ini, kualitas data akan meningkat secara signifikan, memungkinkan analisis yang lebih akurat dan wawasan bisnis yang lebih andal untuk mendorong peningkatan kinerja. ## 4. Tinjauan Umum Data Dataset `omg_10003_b1_sheet1` yang menjadi dasar analisis ini berisi 131,315 catatan transaksi pemenuhan pesanan pelanggan, yang terbagi dalam 37 kolom. Data ini mencakup seluruh siklus pesanan, mulai dari detail pesanan awal, pembuatan surat pesanan (SP), proses *delivery order* (DO), hingga pengiriman dan penerimaan oleh pelanggan. Tujuan dari tinjauan umum ini adalah untuk memberikan pemahaman dasar tentang struktur, kelengkapan, dan karakteristik utama dataset, serta menyoroti potensi masalah kualitas data yang dapat mempengaruhi interpretasi lebih lanjut. ### 4.1. Kelengkapan dan Struktur Data #### 4.1.1 Analisis Nilai Kosong (Null Values) Kelengkapan data adalah aspek fundamental dari kualitas data. Analisis menunjukkan persentase nilai kosong untuk setiap kolom: | Kolom | Jumlah Null | Persentase Null (%) | |:---------------|------------:|--------------------:| | Keterangan | 131,315 | 100.0 | | Nama Penerima | 131,315 | 100.0 | | Tgl Diterima | 10,385 | 7.9 | | Cmc | 5,468 | 4.2 | | Tgl Logbook | 585 | 0.4 | | Nama Ekspedisi | 585 | 0.4 | | Tgl Ekspedisi | 460 | 0.4 | | Nomor Resi | 460 | 0.4 | | Tgl DO | 365 | 0.3 | | No. DO | 365 | 0.3 | | Tgl. PL | 365 | 0.3 | | No. PL | 365 | 0.3 | | Kel. Class | 107 | 0.1 | | Divisi | 7 | 0.0 | **Wawasan Bisnis:** * Kolom `Keterangan` dan `Nama Penerima` yang 100% kosong mengindikasikan bahwa informasi ini tidak pernah dicatat atau tidak relevan dalam konteks dataset ini. Kolom-kolom ini dapat diabaikan dalam analisis selanjutnya. * Tingkat kekosongan yang signifikan pada `Tgl Diterima` (7.9%) merupakan perhatian utama karena membatasi kemampuan kita untuk menghitung durasi pengiriman secara akurat dan mengevaluasi efisiensi logistik. * `Cmc` dengan 4.2% nilai kosong perlu dicermati lebih lanjut. Mengingat ada kolom identifikasi outlet lainnya (`KodePI`, `OutCode`) yang lengkap, hal ini menimbulkan pertanyaan mengenai konsistensi dalam pencatatan identitas outlet. * Kolom lain memiliki persentase nilai kosong yang relatif kecil (di bawah 1%), yang menunjukkan integritas data yang cukup baik untuk sebagian besar kolom operasional. #### 4.1.2 Analisis Pengidentifikasi Unik Identifikasi unik penting untuk melacak entitas seperti outlet, produk, dan pesanan. | Kolom | Jumlah Unik | Jumlah Null | |:--------|------------:|------------:| | KodePI | 5,062 | 0 | | OutCode | 5,062 | 0 | | Cmc | 4,698 | 5,468 | | Procod | 1,439 | 0 | | No. RO | 20,645 | 0 | | No. SP | 23,615 | 0 | | No. DO | 23,490 | 365 | | No. PL | 23,490 | 365 | **Wawasan Bisnis:** * `KodePI` dan `OutCode` berhasil mengidentifikasi 5,062 outlet unik tanpa nilai kosong, yang sangat baik untuk analisis pelanggan. `Cmc` memiliki jumlah unik yang lebih sedikit dan nilai kosong yang signifikan, menegaskan bahwa `KodePI` atau `OutCode` lebih dapat diandalkan sebagai pengenal outlet utama. * Terdapat 1,439 produk unik (`Procod`), yang memberikan dasar kuat untuk analisis produk. * Konsistensi antara jumlah unik `No. DO` dan `No. PL` (23,490) dengan jumlah nilai kosong yang sama (365) menunjukkan bahwa setiap *Delivery Order* (DO) memiliki *Packing List* (PL) yang sesuai, dan nilai kosong ini kemungkinan terkait dengan pesanan yang dibatalkan sebelum tahap DO/PL tercatat lengkap. ### 4.2. Statistik Deskriptif Kolom Numerik Kolom-kolom numerik memberikan gambaran kuantitatif tentang volume dan nilai pesanan. | Kolom | Jumlah | Rata-rata | Std Dev | Minimum | Q1 | Median | Q3 | Maksimum | |:------------|:---------|:----------|:----------|:------------|:-----------|:-----------|:-----------|:-----------------| | Qty RO | 131,315 | 11.0 | 71.7 | 0 | 1 | 3 | 6 | 7,200 | | Qty SP | 131,315 | 10.9 | 71.5 | 0 | 1 | 3 | 6 | 7,200 | | Qty DO | 131,315 | 10.9 | 71.4 | 0 | 1 | 3 | 6 | 7,200 | | Value PL | 131,315 | 419,457.0 | 1,923,050.0 | 0.0 | 68,625.0 | 141,348.0 | 314,282.0 | 166,270,000.0 | | Value RO | 131,315 | 423,485.0 | 1,926,520.0 | 0.0 | 71,068.0 | 144,590.0 | 317,193.0 | 166,270,000.0 | **Wawasan Bisnis:** * Rata-rata kuantitas produk yang dipesan, disurati, dan dikirim (`Qty RO`, `Qty SP`, `Qty DO`) sangat konsisten, sekitar 11 unit per item pesanan. Ini menunjukkan bahwa sebagian besar pesanan diproses dengan kuantitas yang hampir sama dari awal hingga akhir. * Ada variabilitas yang besar dalam nilai pesanan (`Value PL`, `Value RO`), dengan beberapa pesanan mencapai Rp 166,270,000. Rata-rata nilai per item pesanan sekitar Rp 420,000. Ini mengindikasikan adanya pesanan dengan nilai tinggi yang berpotensi memiliki dampak signifikan pada total penjualan. ### 4.3. Distribusi Nilai Kolom Kategorikal Utama #### Kolom: 'Divisi' | Nilai | Jumlah | Persentase (%) | |:------------|--------:|---------------:| | PHARMANET | 110,866 | 84.4 | | HOSPINET | 17,827 | 13.6 | | VIBRANT PBF | 2,559 | 1.9 | | VIBRANT 3 | 56 | 0.0 | | nan | 7 | 0.0 | ```mermaid pie title 'Distribusi Berdasarkan Divisi' "PHARMANET": 110866, "HOSPINET": 17827, "VIBRANT PBF": 2559, "VIBRANT 3": 56 ``` **Wawasan Bisnis:** Divisi PHARMANET mendominasi dengan lebih dari 84% dari seluruh transaksi, menyoroti PHARMANET sebagai kontributor penjualan terbesar. #### Kolom: 'Pharos YN' | Nilai | Jumlah | Persentase (%) | |------:|--------:|---------------:| | 0 | 72,014 | 54.8 | | 1 | 59,301 | 45.2 | **Wawasan Bisnis:** Hampir setengah (45.2%) dari seluruh item pesanan adalah produk yang diproduksi oleh Pharos Group. Ini menunjukkan kontribusi yang kuat dari produk internal perusahaan terhadap volume transaksi. #### Kolom: 'Status RO', 'Sts SP Header', 'Sts SP Detail', 'Status DO' | Nilai | Jumlah | Persentase (%) | |:----------------|--------:|---------------:| | TERLAYANI PENUH | 129,575 | 98.7 | | CANCEL | 1,740 | 1.3 | ```mermaid pie title 'Distribusi Berdasarkan Status RO' "TERLAYANI PENUH": 129575, "CANCEL": 1740 ``` **Wawasan Bisnis:** Mayoritas pesanan (98.7%) berhasil terlayani penuh, menunjukkan efisiensi operasional yang tinggi dalam proses pemenuhan pesanan. Tingkat pembatalan (1.3%) yang relatif rendah adalah indikator positif, meskipun masih ada ruang untuk perbaikan. Konsistensi status di berbagai tahapan (`Status RO`, `Sts SP Header`, `Sts SP Detail`, `Status DO`) menunjukkan bahwa pembatalan pesanan terpropagasi dengan baik dalam sistem. #### Kolom: 'Asal Gudang' (10 Gudang Teratas) | Nilai | Jumlah | Persentase (%) | |:--------------------|--------:|---------------:| | PHARMANET SURABAYA | 13,577 | 10.3 | | PHARMANET BEKASI | 12,675 | 9.7 | | PHARMANET BANDUNG | 9,568 | 7.3 | | PHARMANET TANGERANG | 9,420 | 7.2 | | PHARMANET SEMARANG | 8,948 | 6.8 | | PHARMANET BOGOR | 8,484 | 6.5 | | PHARMANET PALEMBANG | 8,446 | 6.4 | | PHARMANET SOLO | 8,346 | 6.4 | | PHARMANET MAKASSAR | 7,468 | 5.7 | | PHARMANET MEDAN | 7,416 | 5.6 | | Lainnya | 36,967 | 28.2 | **Wawasan Bisnis:** Gudang-gudang seperti PHARMANET SURABAYA, BEKASI, dan BANDUNG adalah lokasi dengan volume pemenuhan pesanan tertinggi. Distribusi ini memberikan gambaran tentang jejak operasional perusahaan dan potensi beban kerja di setiap gudang. #### Kolom: 'Nama Ekspedisi' (10 Ekspedisi Teratas) | Nilai | Jumlah | Persentase (%) | |:-------------------------------|--------:|---------------:| | Anteraja | 25,559 | 19.5 | | PT CENTURY | 21,475 | 16.4 | | LION PARCEL | 18,507 | 14.1 | | PCP EXPRESS | 14,481 | 11.0 | | ANDALAN 21 EXPRESS | 10,035 | 7.6 | | INDAH LOGISTIK | 8,780 | 6.7 | | PT. TUNAS ANTARNUSA MUDA KARGO | 6,402 | 4.9 | | GLOBALINDO 21 EXPRESS | 5,139 | 3.9 | | EXPD BEKASI | 5,066 | 3.9 | | PT. LESTARI JAYA RAYA | 3,222 | 2.5 | | Lainnya | 12,649 | 9.6 | **Wawasan Bisnis:** Anteraja adalah penyedia jasa ekspedisi teratas, diikuti oleh PT Century dan Lion Parcel. Ketergantungan pada beberapa mitra utama menunjukkan pentingnya menjaga hubungan yang kuat dengan penyedia logistik ini untuk memastikan kelancaran pengiriman. #### Kolom: 'AO YN' | Nilai | Jumlah | Persentase (%) | |------:|--------:|---------------:| | 0 | 82,584 | 62.9 | | 1 | 48,731 | 37.1 | **Wawasan Bisnis:** Program Apotek Online (AO YN = 1) telah mencapai adopsi yang signifikan, menyumbang 37.1% dari item pesanan. Ini menunjukkan keberhasilan inisiatif digital perusahaan. #### Kolom: 'Payment' | Nilai | Jumlah | Persentase (%) | |:--------------------|--------:|---------------:| | BCA Virtual Account | 78,853 | 60.0 | | Term Of Payment | 36,615 | 27.9 | | BRIVA | 15,716 | 12.0 | | Kredivo | 131 | 0.1 | **Wawasan Bisnis:** BCA Virtual Account adalah metode pembayaran yang paling populer, digunakan dalam 60% transaksi. Ini mungkin mencerminkan preferensi pelanggan atau kemudahan integrasi dengan sistem pembayaran tersebut. Term Of Payment juga merupakan pilihan yang signifikan, sementara Kredivo masih memiliki pangsa pasar yang sangat kecil. ### 4.4. Anomali Kritis: Durasi Pemenuhan Pesanan Negatif Salah satu temuan paling kritis dalam tinjauan umum data adalah adanya **durasi negatif dalam tahapan pemenuhan pesanan**. Anomali ini mengindikasikan inkonsistensi waktu yang serius dalam pencatatan data, yang secara fundamental mengganggu akurasi analisis waktu pemrosesan dan pengiriman. Rincian anomali: * **1,247 Nomor RO unik** menunjukkan durasi negatif untuk `DO_to_Dispatch_Days` (yaitu, `Tgl DO` terjadi *setelah* `Tgl Ekspedisi`). Secara logis, *Delivery Order* (DO) harus dibuat sebelum barang dikirim. * **444 Nomor RO unik** menunjukkan durasi negatif untuk `Dispatch_to_Delivery_Days` (yaitu, `Tgl Ekspedisi` terjadi *setelah* `Tgl Diterima`). Ini berarti pengiriman dicatat setelah barang diterima oleh pelanggan, sebuah urutan waktu yang tidak mungkin. * **446 Nomor RO unik** menunjukkan durasi negatif untuk `Total_Delivery_Days` (yaitu, `Tgl. Order` terjadi *setelah* `Tgl Diterima`). Ini mengindikasikan bahwa pesanan diterima sebelum dicatat, yang juga tidak masuk akal dalam alur proses normal. Tabel statistik deskriptif untuk durasi pemenuhan pesanan menampilkan anomali ini: | | rata-rata | median | std | min | max | jumlah | |:--------------------------|:----------|:----------|:----------|:------------|:---------|:--------| | Order_to_SP_Days | 0.02 | 0.02 | 0.01 | 0.00 | 0.11 | 21,866 | | SP_to_DO_Days | 0.37 | 0.11 | 0.54 | 0.00 | 6.24 | 21,866 | | DO_to_PL_Days | 0 | 0 | 0 | 0 | 0 | 21,866 | | DO_to_Dispatch_Days | 0.31 | 0.15 | 0.55 | -7.67 | 12.08 | 21,843 | | Dispatch_to_Delivery_Days | -460.78 | 0.71 | 3,052.27 | -20,635.10 | 63.00 | 20,446 | | Total_Delivery_Days | -460.07 | 1.32 | 3,052.26 | -20,633.70 | 65.52 | 20,446 | ```mermaid xychart-beta title "Rata-rata Durasi Pemenuhan Pesanan (Pesanan Sukses)" x-axis ['Order_to_SP_Days', 'SP_to_DO_Days', 'DO_to_PL_Days', 'DO_to_Dispatch_Days', 'Dispatch_to_Delivery_Days', 'Total_Delivery_Days'] y-axis "Hari" 0 --> 0.44 bar [0.02, 0.37, 0.00, 0.31, -460.78, -460.07] ``` *Catatan: Nilai negatif pada bagan di atas (terutama untuk 'Dispatch_to_Delivery_Days' dan 'Total_Delivery_Days') menunjukkan anomali dalam data tanggal yang memerlukan investigasi lebih lanjut. Rentang sumbu Y diatur untuk memperlihatkan durasi positif yang kecil.* **Wawasan Bisnis:** Adanya durasi negatif ini merupakan masalah kualitas data yang serius. Ini menunjukkan adanya kesalahan pencatatan waktu yang tidak logis dalam sistem sumber, baik itu karena: 1. **Kesalahan Input Data Manual**: PIC (Person-in-Charge) mungkin salah memasukkan tanggal. 2. **Masalah Sinkronisasi Sistem**: Berbagai sistem yang digunakan dalam alur pemenuhan pesanan mungkin tidak tersinkronisasi dengan benar, menyebabkan perbedaan waktu pencatatan. 3. **Definisi Proses yang Ambigu**: Prosedur pencatatan tanggal di setiap tahapan mungkin tidak jelas, menyebabkan inkonsistensi. Anomali ini sangat membatasi keandalan metrik efisiensi operasional dan harus menjadi prioritas utama untuk investigasi dan perbaikan data. ### 4.5. Rekomendasi Awal Berdasarkan tinjauan umum data, berikut adalah rekomendasi awal untuk perbaikan dan analisis lebih lanjut: 1. **Prioritaskan Investigasi Anomali Durasi Negatif**: Segera selidiki akar masalah dari tanggal-tanggal yang tidak logis. Ini adalah langkah krusial untuk memastikan keandalan analisis efisiensi operasional di masa mendatang. 2. **Lengkapi Data `Tgl Diterima`**: Identifikasi alasan di balik 7.9% data `Tgl Diterima` yang kosong dan implementasikan mekanisme untuk memastikan setiap pesanan memiliki tanggal penerimaan yang valid. 3. **Evaluasi Kembali Kolom `Keterangan` dan `Nama Penerima`**: Karena 100% kosong, pertimbangkan untuk menghapus atau meninjau ulang kegunaan kolom ini. 4. **Klarifikasi Peran `Cmc`**: Pahami mengapa `Cmc` memiliki nilai kosong sementara `KodePI` dan `OutCode` lengkap. Tetapkan satu pengenal utama untuk outlet yang paling konsisten. Tinjauan umum data ini berfungsi sebagai peta awal, menyoroti kekuatan dan kelemahan dataset. Fokus selanjutnya adalah menggali lebih dalam area-area yang menjanjikan dan menyelesaikan masalah kualitas data yang kritis untuk mendapatkan wawasan yang lebih akurat. ## 5. Analisis Performa Pemenuhan Pesanan Bagian ini secara khusus akan mengulas performa pemenuhan pesanan, yang mencakup efisiensi proses, tingkat pembatalan, dan durasi setiap tahapan dalam siklus pesanan. Analisis ini bertujuan untuk mengidentifikasi area-area yang bekerja dengan baik, serta potensi hambatan atau masalah yang perlu penanganan lebih lanjut untuk meningkatkan kepuasan pelanggan dan efisiensi operasional. ### 5.1. Tingkat Pembatalan Pesanan Pembatalan pesanan merupakan indikator penting dalam mengukur efisiensi operasional dan potensi kehilangan penjualan. Analisis menunjukkan gambaran menyeluruh tentang tingkat pembatalan, baik secara keseluruhan maupun segmented berdasarkan divisi dan asal gudang. #### 5.1.1. Tingkat Pembatalan Keseluruhan Dari total 20,645 pesanan unik (`No. RO`), sebanyak 1,324 pesanan telah dibatalkan. Ini menghasilkan tingkat pembatalan keseluruhan sebesar **6.4%**. Meskipun tidak terlalu tinggi, angka ini menunjukkan bahwa ada peluang signifikan untuk mengurangi kehilangan penjualan dengan memahami akar penyebab pembatalan. #### 5.1.2. Tingkat Pembatalan Berdasarkan Divisi Tingkat pembatalan bervariasi antar divisi, menyoroti perbedaan dalam proses atau tantangan spesifik yang dihadapi setiap divisi: | Divisi | Tingkat Pembatalan (%) | |:------------|:-----------------------| | VIBRANT 3 | 7.7 | | VIBRANT PBF | 7.3 | | HOSPINET | 7.2 | | PHARMANET | 6.2 | ```mermaid xychart-beta title "Tingkat Pembatalan Berdasarkan Divisi" x-axis ['VIBRANT 3', 'VIBRANT PBF', 'HOSPINET', 'PHARMANET'] y-axis "Tingkat Pembatalan (%)" 0 --> 9.23 bar [7.7, 7.3, 7.2, 6.2] ``` **Wawasan Bisnis:** * Divisi **VIBRANT 3** dan **VIBRANT PBF** memiliki tingkat pembatalan tertinggi. Hal ini mungkin mengindikasikan bahwa divisi ini menghadapi tantangan lebih besar dalam hal ketersediaan stok, logistik, atau koordinasi internal dibandingkan divisi lain. * **PHARMANET**, sebagai divisi terbesar, memiliki tingkat pembatalan terendah. Ini menunjukkan efisiensi operasional yang relatif baik dalam menangani volume pesanan yang lebih besar. #### 5.1.3. Tingkat Pembatalan Berdasarkan Asal Gudang Analisis tingkat pembatalan berdasarkan asal gudang mengungkapkan perbedaan signifikan dalam kinerja logistik dan manajemen stok di masing-masing lokasi: | Asal Gudang | Tingkat Pembatalan (%) | |:----------------------|:-----------------------| | PHARMANET PUSAT | 100.0 | | PHARMANET TANGERANG | 13.5 | | PHARMANET MEDAN | 13.1 | | PHARMANET SAMARINDA | 11.3 | | PHARMANET BANJARMASIN | 11.2 | | PHARMANET JAKTIM | 10.7 | | PHARMANET PEKANBARU | 8.0 | | PHARMANET BOGOR | 7.4 | | PHARMANET MAKASSAR | 7.1 | | PHARMANET SEMARANG | 6.8 | ```mermaid xychart-beta title "Top 10 Tingkat Pembatalan Tertinggi Berdasarkan Asal Gudang" x-axis ['PHARMANET PUSAT', 'PHARMANET TANGERANG', 'PHARMANET MEDAN', 'PHARMANET SAMARINDA', 'PHARMANET BANJARMASIN', 'PHARMANET JAKTIM', 'PHARMANET PEKANBARU', 'PHARMANET BOGOR', 'PHARMANET MAKASSAR', 'PHARMANET SEMARANG'] y-axis "Tingkat Pembatalan (%)" 0 --> 120.00 bar [100.00, 13.47, 13.15, 11.34, 11.21, 10.68, 8.02, 7.43, 7.14, 6.81] ``` **Wawasan Bisnis:** * **Anomali PHARMANET PUSAT (100% Pembatalan):** Angka ini sangat mencurigakan dan kemungkinan besar bukan karena gudang tersebut secara fisik membatalkan semua pesanan. Ini bisa mengindikasikan bahwa "PHARMANET PUSAT" adalah penanda untuk pesanan yang dibatalkan secara administratif di tingkat pusat, atau ada kesalahan data/klasifikasi. Investigasi mendalam diperlukan untuk memahami peran sebenarnya dari entitas ini. * **Gudang dengan Tingkat Pembatalan Tinggi:** Gudang-gudang seperti PHARMANET TANGERANG (13.5%), PHARMANET MEDAN (13.1%), dan PHARMANET SAMARINDA (11.3%) menunjukkan tingkat pembatalan yang jauh di atas rata-rata keseluruhan. Ini adalah indikator kuat adanya masalah operasional, seperti kekurangan stok yang sering terjadi, masalah logistik internal, atau proses verifikasi pesanan yang kurang efektif di lokasi-lokasi tersebut. ### 5.2. Efisiensi Waktu Pemenuhan Pesanan Analisis durasi antar tahapan proses pemenuhan pesanan sangat krusial untuk mengukur efisiensi dan mengidentifikasi potensi hambatan. Tahapan yang diukur meliputi: * **Order to SP (Surat Pesanan) Days**: Waktu dari pesanan diterima hingga surat pesanan diterbitkan. * **SP to DO (Delivery Order) Days**: Waktu dari surat pesanan diterbitkan hingga *delivery order* dibuat. * **DO to PL (Packing List) Days**: Waktu dari *delivery order* dibuat hingga daftar pengepakan dibuat. * **DO to Dispatch Days**: Waktu dari *delivery order* dibuat hingga barang diserahkan ke ekspedisi. * **Dispatch to Delivery Days**: Waktu dari barang diserahkan ke ekspedisi hingga diterima pelanggan. * **Total Delivery Days**: Waktu total dari pesanan diterima hingga diterima pelanggan. #### 5.2.1. Anomali Kritis: Durasi Pemenuhan Negatif Salah satu temuan kualitas data yang paling kritis dan berdampak langsung pada analisis performa adalah adanya **durasi negatif** dalam beberapa tahapan. Durasi negatif secara logis tidak mungkin terjadi, mengindikasikan adanya inkonsistensi atau kesalahan dalam pencatatan tanggal di sistem sumber. * **1,247 Nomor RO unik** memiliki durasi negatif pada `DO_to_Dispatch_Days`, yang berarti `Tgl DO` tercatat *setelah* `Tgl Ekspedisi`. * **444 Nomor RO unik** memiliki durasi negatif pada `Dispatch_to_Delivery_Days`, yang berarti `Tgl Ekspedisi` tercatat *setelah* `Tgl Diterima`. * **446 Nomor RO unik** memiliki durasi negatif pada `Total_Delivery_Days`, yang berarti `Tgl. Order` tercatat *setelah* `Tgl Diterima`. Anomali ini sangat serius karena membuat perhitungan waktu pemrosesan dan pengiriman tidak dapat diandalkan, sehingga menyulitkan identifikasi *bottleneck* atau evaluasi kinerja SLA secara akurat. #### 5.2.2. Statistik Deskriptif Durasi Pemenuhan Pesanan (dalam Hari) Meskipun adanya anomali durasi negatif, statistik berikut memberikan gambaran awal, namun harus diinterpretasikan dengan sangat hati-hati: | Tahapan Pemenuhan | Rata-rata (Hari) | Median (Hari) | Std Dev (Hari) | Minimum (Hari) | Maksimum (Hari) | Jumlah Item Pesanan | |:--------------------------|:-----------------|:--------------|:---------------|:---------------|:----------------|:--------------------| | Order_to_SP_Days | 0.02 | 0.02 | 0.01 | 0.00 | 0.11 | 21,866 | | SP_to_DO_Days | 0.37 | 0.11 | 0.54 | 0.00 | 6.24 | 21,866 | | DO_to_PL_Days | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 21,866 | | DO_to_Dispatch_Days | 0.31 | 0.15 | 0.55 | -7.67 | 12.08 | 21,843 | | Dispatch_to_Delivery_Days | -460.78 | 0.71 | 3,052.27 | -20,635.10 | 63.00 | 20,446 | | Total_Delivery_Days | -460.07 | 1.32 | 3,052.26 | -20,633.70 | 65.52 | 20,446 | ```mermaid xychart-beta title "Rata-rata Durasi Pemenuhan Pesanan (Pesanan Sukses)" x-axis ['Order_to_SP_Days', 'SP_to_DO_Days', 'DO_to_PL_Days', 'DO_to_Dispatch_Days', 'Dispatch_to_Delivery_Days', 'Total_Delivery_Days'] y-axis "Hari" 0 --> 0.44 bar [0.02, 0.37, 0.00, 0.31, -460.78, -460.07] ``` *Catatan: Nilai negatif pada bagan di atas (terutama untuk 'Dispatch_to_Delivery_Days' dan 'Total_Delivery_Days') menunjukkan anomali dalam data tanggal yang memerlukan investigasi lebih lanjut. Rentang sumbu Y diatur untuk memperlihatkan durasi positif yang kecil. Median seringkali lebih merepresentasikan durasi positif yang sesungguhnya.* **Wawasan Bisnis (dengan pertimbangan anomali):** * **Pemrosesan Internal Cepat:** Tahapan `Order_to_SP_Days` dan `DO_to_PL_Days` (0 hari) menunjukkan bahwa proses internal dari penerimaan pesanan hingga penerbitan surat pesanan dan pembuatan daftar pengepakan berlangsung sangat cepat, seringkali di hari yang sama atau dalam hitungan jam. Ini adalah indikator efisiensi sistem yang baik pada tahapan awal. * **SP ke DO:** Tahapan `SP_to_DO_Days` memiliki rata-rata 0.37 hari (sekitar 9 jam), namun mediannya 0.11 hari (sekitar 2.6 jam) dengan standar deviasi yang cukup besar (0.54 hari). Ini menunjukkan bahwa sebagian besar pesanan diproses dengan cepat pada tahapan ini, tetapi ada beberapa kasus yang membutuhkan waktu lebih lama. * **DO ke Pengiriman:** `DO_to_Dispatch_Days` memiliki rata-rata 0.31 hari (sekitar 7.4 jam), dengan median 0.15 hari (sekitar 3.6 jam). Ini juga menunjukkan kecepatan yang baik dalam mempersiapkan barang untuk pengiriman setelah DO dibuat. Namun, adanya nilai minimum negatif hingga -7.67 hari menegaskan kembali masalah data tanggal. * **Pengiriman ke Penerimaan & Total Pengiriman:** Rata-rata `Dispatch_to_Delivery_Days` dan `Total_Delivery_Days` yang sangat negatif (-460 hari) disebabkan oleh anomali data tanggal yang parah. Nilai median (0.71 hari untuk `Dispatch_to_Delivery_Days` dan 1.32 hari untuk `Total_Delivery_Days`) mungkin lebih mencerminkan durasi aktual untuk pesanan yang berhasil dicatat dengan benar. Ini berarti setelah barang diserahkan ke ekspedisi, rata-rata dibutuhkan sekitar 0.7 hari untuk sampai ke pelanggan, dan waktu total dari pesanan hingga diterima adalah sekitar 1.3 hari. ### 5.3. Rekomendasi untuk Peningkatan Performa Pemenuhan Berdasarkan analisis tingkat pembatalan dan durasi pemenuhan pesanan, berikut adalah rekomendasi strategis: 1. **Prioritaskan Resolusi Anomali Data Tanggal**: * **Investigasi Akar Masalah**: Ini adalah langkah terpenting. Segera identifikasi penyebab durasi negatif pada `Tgl DO`, `Tgl Ekspedisi`, dan `Tgl Diterima`. Apakah ini kesalahan input manual, masalah sinkronisasi antar sistem, atau definisi proses yang ambigu? * **Implementasi Validasi Data**: Terapkan sistem validasi otomatis untuk mencegah entri tanggal yang tidak logis di masa mendatang. Misalnya, `Tgl DO` tidak boleh lebih lambat dari `Tgl Ekspedisi`, dan `Tgl Ekspedisi` tidak boleh lebih lambat dari `Tgl Diterima`. * **Rekonsiliasi Data Historis**: Jika memungkinkan, lakukan rekonsiliasi atau koreksi data historis yang menunjukkan anomali untuk memungkinkan analisis performa yang lebih akurat. 2. **Analisis Mendalam Pembatalan Pesanan**: * **Gudang dengan Tingkat Pembatalan Tinggi**: Fokus investigasi pada PHARMANET TANGERANG, MEDAN, SAMARINDA, dan BANJARMASIN. Lakukan analisis *root cause* untuk setiap pembatalan di lokasi-lokasi ini. Apakah masalahnya adalah kekurangan stok kronis, masalah operasional di gudang, masalah transportasi, atau faktor lain? * **Peran "PHARMANET PUSAT"**: Klarifikasi fungsionalitas entitas "PHARMANET PUSAT" yang memiliki tingkat pembatalan 100%. Jika ini adalah pusat administratif untuk pembatalan, pastikan pencatatannya tidak membiaskan metrik gudang operasional. * **Divisi dengan Tingkat Pembatalan Tinggi**: Perluas analisis *root cause* ke divisi VIBRANT 3, VIBRANT PBF, dan HOSPINET. Pahami apakah ada pola tertentu dalam produk atau pelanggan yang dibatalkan di divisi-divisi ini. 3. **Optimasi Proses Berkelanjutan**: * Setelah anomali tanggal diperbaiki, lakukan analisis ulang durasi pemenuhan pesanan untuk mendapatkan gambaran yang akurat tentang *bottleneck* sesungguhnya. * Fokus pada perbaikan proses di tahapan yang menunjukkan median atau penyimpangan terbesar untuk mengurangi waktu tunggu pelanggan. * Tingkatkan akurasi perkiraan waktu pengiriman kepada pelanggan dengan data durasi yang lebih andal. Dengan mengatasi masalah kualitas data yang krusial dan menindaklanjuti analisis pembatalan secara targeted, perusahaan dapat secara signifikan meningkatkan efisiensi operasional, mengurangi tingkat pembatalan, dan pada akhirnya, memperbaiki pengalaman pelanggan. ## 6. Analisis Kinerja Penjualan dan Produk Pada bab ini, kita akan menyelami lebih dalam mengenai kinerja penjualan dan kontribusi produk. Tujuan utamanya adalah untuk mengidentifikasi produk-produk unggulan, memahami faktor-faktor yang memengaruhi volume dan nilai penjualan, serta mengevaluasi bagaimana berbagai elemen—seperti divisi penjualan, metode pembayaran, dan partisipasi dalam program Apotek Online—berkorelasi dengan performa penjualan secara keseluruhan. Analisis ini akan memberikan wawasan strategis untuk mengoptimalkan penawaran produk dan strategi pemasaran. ### 6.1. Dampak Faktor Kunci Terhadap Penjualan Beberapa faktor eksternal dan internal memiliki pengaruh signifikan terhadap total nilai dan kuantitas penjualan. Bagian ini menganalisis dampak dari produk Pharos Group, partisipasi Apotek Online, dan metode pembayaran. #### 6.1.1. Kontribusi Produk Pharos Group (Pharos YN) Analisis menunjukkan bahwa produk yang diproduksi oleh Pharos Group (ditandai dengan `Pharos YN = 1`) memiliki kontribusi yang substansial terhadap total penjualan dan kuantitas yang dipesan. Meskipun jumlah item pesanan untuk produk non-Pharos Group sedikit lebih banyak, produk Pharos Group menghasilkan nilai RO yang jauh lebih tinggi secara total dan rata-rata per item, serta kuantitas per item yang jauh lebih besar. Ini mengindikasikan bahwa produk Pharos Group cenderung merupakan item bernilai lebih tinggi atau dipesan dalam jumlah yang lebih besar per transaksi. | Pharos YN (1=Pharos Group) | Total Nilai RO | Rata-rata Nilai RO | Total Kuantitas RO | Rata-rata Kuantitas RO | Jumlah Item Pesanan | |:---------------------------|:-----------------|:-------------------|:-------------------|:-----------------------|:--------------------| | 0 (Non-Pharos Group) | 22,524,229,073 | 312,776 | 412,336 | 5.7 | 72,014 | | 1 (Pharos Group) | 33,085,676,228 | 557,928 | 1,037,869 | 17.5 | 59,301 | ```mermaid xychart-beta title "Total Nilai RO Berdasarkan Pharos YN" x-axis ['Non-Pharos Group', 'Pharos Group'] y-axis "Total Nilai RO" 0 --> 36394243851 bar [22524229073.0, 33085676228.0] ``` **Wawasan Bisnis:** Produk Pharos Group adalah pendorong penjualan yang kuat, baik dari segi nilai maupun volume. Strategi yang lebih terfokus pada promosi, ketersediaan, dan penawaran produk-produk ini dapat lebih meningkatkan pendapatan. Perbedaan rata-rata kuantitas RO menunjukkan bahwa pelanggan cenderung membeli lebih banyak unit produk Pharos Group dalam satu item pesanan. #### 6.1.2. Pengaruh Program Apotek Online (AO YN) Analisis juga mengungkapkan perbedaan kinerja penjualan antara outlet yang berpartisipasi dalam program Apotek Online (`AO YN = 1`) dan yang tidak (`AO YN = 0`). Menariknya, pesanan dari outlet yang tidak berpartisipasi dalam Apotek Online masih mendominasi total nilai RO dan kuantitas RO, serta menunjukkan rata-rata nilai RO dan kuantitas RO per item yang lebih tinggi. Ini menunjukkan bahwa meskipun program Apotek Online telah diadopsi secara signifikan, kanal penjualan tradisional atau pesanan langsung tetap menjadi kontributor utama untuk pesanan bernilai lebih tinggi dan bervolume besar. | AO YN (1=Apotek Online) | Total Nilai RO | Rata-rata Nilai RO | Total Kuantitas RO | Rata-rata Kuantitas RO | Jumlah Item Pesanan | |:------------------------|:-----------------|:-------------------|:-------------------|:-----------------------|:--------------------| | 0 (Non-Apotek Online) | 37,903,077,146 | 458,964 | 1,083,615 | 13.1 | 82,584 | | 1 (Apotek Online) | 17,706,828,155 | 363,359 | 366,590 | 7.5 | 48,731 | ```mermaid xychart-beta title "Total Nilai RO Berdasarkan AO YN" x-axis ['Non-Apotek Online', 'Apotek Online'] y-axis "Total Nilai RO" 0 --> 41693384861 bar [37903077146.0, 17706828155.0] ``` **Wawasan Bisnis:** Performa penjualan yang lebih tinggi dari kanal non-Apotek Online menunjukkan bahwa segmen ini tidak boleh diabaikan. Untuk Apotek Online, perlu dievaluasi apakah ada potensi untuk meningkatkan rata-rata nilai atau kuantitas per pesanan, misalnya melalui penawaran bundling, promosi khusus untuk pembelian dalam jumlah besar, atau mengidentifikasi jenis produk yang paling diminati di platform online. #### 6.1.3. Peran Metode Pembayaran (Payment) Metode pembayaran juga menunjukkan korelasi yang jelas dengan volume dan nilai penjualan. BCA Virtual Account adalah metode pembayaran paling dominan, baik dari segi total nilai RO maupun rata-rata nilai RO per item. | Metode Pembayaran | Total Nilai RO | Rata-rata Nilai RO | Total Kuantitas RO | Rata-rata Kuantitas RO | Jumlah Item Pesanan | |:--------------------|:-----------------|:-------------------|:-------------------|:-----------------------|:--------------------| | BCA Virtual Account | 42,124,300,000 | 534,213 | 1,102,410 | 14.0 | 78,853 | | Term Of Payment | 8,048,540,000 | 219,815 | 198,841 | 5.4 | 36,615 | | BRIVA | 5,417,010,000 | 344,681 | 148,518 | 9.5 | 15,716 | | Kredivo | 20,044,300 | 153,010 | 436 | 3.3 | 131 | **Wawasan Bisnis:** Dominasi BCA Virtual Account menunjukkan preferensi kuat dari pelanggan atau kemudahan dalam proses transaksi. Metode Term Of Payment, meskipun banyak digunakan, memiliki rata-rata nilai dan kuantitas per item yang jauh lebih rendah, menunjukkan kemungkinan pola pembelian dalam jumlah kecil atau kebijakan harga yang berbeda. Promosi atau insentif untuk metode pembayaran tertentu dapat lebih mendorong pola pembelian yang diinginkan. ### 6.2. Identifikasi Produk Berkinerja Tinggi Mengidentifikasi produk teratas berdasarkan nilai dan kuantitas penjualan sangat penting untuk manajemen inventaris, strategi pemasaran, dan alokasi sumber daya. #### 6.2.1. Produk Teratas Berdasarkan Total Nilai RO Produk-produk berikut adalah kontributor utama terhadap total nilai penjualan: | Produk | Total Nilai RO | Total Kuantitas RO | Rata-rata Nilai Per Item | Rata-rata Kuantitas Per Item Pesanan | Jumlah Item Pesanan | |:------------------------------------|:-----------------|:-------------------|:-------------------------|:-------------------------------------|:--------------------| | POLYSILANE TAB. KUNYAH 5X8TAB | 4,038,741,140 | 110,380 | 1,009,690 | 27.6 | 4,000 | | PRORIS SUSP 60 ML RASA JERUK | 3,354,936,937 | 149,143 | 915,649 | 40.7 | 3,664 | | MICROLAX GEL OBAT PENCAHAR 5ML | 3,321,664,117 | 175,365 | 1,218,070 | 64.3 | 2,727 | | MICROLAX 3 X 5 ML | 2,692,334,063 | 52,995 | 1,429,050 | 28.1 | 1,884 | | POLYSILANE SUSPENSI 100 ML | 1,936,956,554 | 94,808 | 711,593 | 34.8 | 2,722 | | PRORIS FORTE 200MG SUSP 50ML | 1,640,459,481 | 61,213 | 661,208 | 24.7 | 2,481 | | CATAFLAM 50MG TAB 50'S | 1,446,660,000 | 4,359 | 846,991 | 2.6 | 1,708 | | MEFINAL 500MG CAP 100'S | 1,140,830,000 | 6,680 | 585,343 | 3.4 | 1,949 | | NEBACETIN POWDER 5GR | 1,018,609,000 | 52,669 | 593,595 | 30.7 | 1,716 | | ALBUSMIN 3 BLISTER @ 10 KAPSUL | 953,507,000 | 6,117 | 631,462 | 4.1 | 1,510 | ```mermaid xychart-beta title "5 Produk Teratas Berdasarkan Total Nilai RO" x-axis ['POLYSILANE TAB. KUNYAH 5X8TAB', 'PRORIS SUSP 60 ML RASA JERUK', 'MICROLAX GEL OBAT PENCAHAR 5ML', 'MICROLAX 3 X 5 ML', 'POLYSILANE SUSPENSI 100 ML'] y-axis "Total Nilai RO" 0 --> 4442615254 bar [4038741140.0, 3354936937.0, 3321664117.0, 2692334063.0, 1936956554.0] ``` **Wawasan Bisnis:** POLYSILANE TAB. KUNYAH, PRORIS SUSP 60 ML, dan MICROLAX GEL OBAT PENCAHAR adalah produk unggulan yang mendorong sebagian besar pendapatan. Fokus pada ketersediaan stok yang optimal dan strategi pemasaran untuk produk-produk ini akan sangat menguntungkan. #### 6.2.2. Produk Teratas Berdasarkan Total Kuantitas RO Produk-produk berikut adalah yang paling banyak dipesan dalam hal kuantitas unit: | Produk | Total Nilai RO | Total Kuantitas RO | Rata-rata Nilai Per Item | Rata-rata Kuantitas Per Item Pesanan | Jumlah Item Pesanan | |:------------------------------------|:-----------------|:-------------------|:-------------------------|:-------------------------------------|:--------------------| | MICROLAX GEL OBAT PENCAHAR 5ML | 3,321,664,117 | 175,365 | 1,218,070 | 64.3 | 2,727 | | PRORIS SUSP 60 ML RASA JERUK | 3,354,936,937 | 149,143 | 915,649 | 40.7 | 3,664 | | POLYSILANE TAB. KUNYAH 5X8TAB | 4,038,741,140 | 110,380 | 1,009,690 | 27.6 | 4,000 | | POLYSILANE SUSPENSI 100 ML | 1,936,956,554 | 94,808 | 711,593 | 34.8 | 2,722 | | PRORIS FORTE 200MG SUSP 50ML | 1,640,459,481 | 61,213 | 661,208 | 24.7 | 2,481 | | MICROLAX 3 X 5 ML | 2,692,334,063 | 52,995 | 1,429,050 | 28.1 | 1,884 | | NEBACETIN POWDER 5GR | 1,018,609,000 | 52,669 | 593,595 | 30.7 | 1,716 | | NEBACETIN OINT 5GR | 805,422,000 | 44,299 | 448,453 | 24.7 | 1,796 | | SANMOL PARACETAMOL SIROP 60ML | 777,451,000 | 44,224 | 359,432 | 20.4 | 2,163 | | POLYSILANE SUSP 180 ML | 750,160,000 | 25,913 | 643,362 | 22.2 | 1,166 | ```mermaid xychart-beta title "5 Produk Teratas Berdasarkan Total Kuantitas RO" x-axis ['MICROLAX GEL OBAT PENCAHAR 5ML', 'PRORIS SUSP 60 ML RASA JERUK', 'POLYSILANE TAB. KUNYAH 5X8TAB', 'POLYSILANE SUSPENSI 100 ML', 'PRORIS FORTE 200MG SUSP 50ML'] y-axis "Total Kuantitas RO" 0 --> 192902 bar [175365, 149143, 110380, 94808, 61213] ``` **Wawasan Bisnis:** Produk-produk seperti MICROLAX GEL, PRORIS SUSP, dan POLYSILANE TAB. KUNYAH adalah produk dengan permintaan kuantitas tertinggi. Manajemen stok yang efektif untuk produk-produk ini sangat penting untuk menghindari kehabisan stok dan potensi pembatalan. ### 6.3. Risiko Pembatalan pada Produk Unggulan Meskipun suatu produk berkinerja tinggi dalam penjualan, penting untuk memeriksa tingkat pembatalannya. Tingkat pembatalan yang tinggi untuk produk populer dapat menunjukkan masalah ketersediaan, masalah logistik, atau ekspektasi pelanggan yang tidak terpenuhi. #### 6.3.1. Tingkat Pembatalan untuk Produk Teratas Berdasarkan Nilai RO Berikut adalah tingkat pembatalan untuk 10 produk teratas berdasarkan nilai RO: | Produk | Total Nilai RO | Tingkat Pembatalan (%) | |:------------------------------------|:-----------------|:-----------------------| | MEFINAL 500MG CAP 100'S | 1,140,830,000 | 2.7 | | CATAFLAM 50MG TAB 50'S | 1,446,660,000 | 2.3 | | ALBUSMIN 3 BLISTER @ 10 KAPSUL | 953,507,000 | 1.1 | | MICROLAX GEL OBAT PENCAHAR 5ML | 3,321,664,117 | 1.0 | | MICROLAX 3 X 5 ML | 2,692,334,063 | 0.7 | | NEBACETIN POWDER 5GR | 1,018,609,000 | 0.7 | | PRORIS SUSP 60 ML RASA JERUK | 3,354,936,937 | 0.6 | | POLYSILANE SUSPENSI 100 ML | 1,936,956,554 | 0.4 | | POLYSILANE TAB. KUNYAH 5X8TAB | 4,038,741,140 | 0.4 | | PRORIS FORTE 200MG SUSP 50ML | 1,640,459,481 | 0.3 | ```mermaid xychart-beta title "5 Produk Teratas (berdasarkan Nilai RO) Berdasarkan Tingkat Pembatalan" x-axis ['MEFINAL 500MG CAP 100\'S', 'CATAFLAM 50MG TAB 50\'S', 'ALBUSMIN 3 BLISTER @ 10 KAPSUL', 'MICROLAX GEL OBAT PENCAHAR 5ML', 'MICROLAX 3 X 5 ML'] y-axis "Tingkat Pembatalan (%)" 0 --> 3 bar [2.7, 2.3, 1.1, 1.0, 0.7] ``` **Wawasan Bisnis:** Meskipun produk-produk seperti MEFINAL 500MG CAP 100'S dan CATAFLAM 50MG TAB 50'S termasuk dalam daftar top 10 berdasarkan nilai RO, mereka juga menunjukkan tingkat pembatalan yang relatif lebih tinggi (2.7% dan 2.3%) dibandingkan produk terlaris lainnya. Ini mengindikasikan adanya potensi masalah yang lebih spesifik terkait produk-produk ini, seperti ketersediaan stok yang fluktuatif atau masalah pengiriman yang lebih sering terjadi. ### 6.4. Anomali dan Batasan dalam Analisis Penting untuk diingat bahwa analisis kinerja penjualan dan produk ini mengandalkan integritas data. Seperti yang telah dibahas dalam bab-bab sebelumnya, adanya **durasi negatif dalam tahapan pemenuhan pesanan** (misalnya, `Tgl DO` setelah `Tgl Ekspedisi`, `Tgl Ekspedisi` setelah `Tgl Diterima`) adalah anomali data kritis. Meskipun anomali ini lebih berdampak pada metrik efisiensi waktu, hal ini menyoroti perlunya validasi data yang lebih ketat secara keseluruhan. Namun, perhitungan nilai dan kuantitas penjualan, serta tingkat pembatalan, relatif tidak terpengaruh secara langsung oleh anomali tanggal ini. ### 6.5. Rekomendasi Strategis Berdasarkan analisis kinerja penjualan dan produk, berikut adalah rekomendasi strategis untuk meningkatkan performa dan mengoptimalkan penawaran: 1. **Prioritaskan Produk Pharos Group**: Mengingat kontribusi nilai dan kuantitas per item yang lebih tinggi, lakukan investasi lebih lanjut dalam pemasaran, distribusi, dan inovasi produk-produk Pharos Group. Pastikan ketersediaan stok yang memadai untuk memenuhi permintaan tinggi. 2. **Evaluasi Strategi Apotek Online**: * **Pahami Perilaku Pembelian**: Selidiki mengapa pesanan dari kanal non-Apotek Online memiliki rata-rata nilai dan kuantitas yang lebih tinggi. Apakah ini karena jenis produk yang berbeda, kebiasaan belanja, atau penawaran yang berbeda? * **Optimasi Penawaran Online**: Pertimbangkan strategi untuk meningkatkan rata-rata nilai pesanan di Apotek Online, seperti promosi eksklusif untuk pembelian besar, bundling produk, atau program loyalitas yang mendorong pembelian berulang dengan volume lebih tinggi. 3. **Manajemen Stok Produk Kritis**: Pastikan ketersediaan stok yang konsisten untuk produk-produk terlaris seperti POLYSILANE TAB. KUNYAH, PRORIS SUSP, dan MICROLAX GEL. Kekurangan stok untuk produk-produk ini dapat menyebabkan kehilangan penjualan yang signifikan. 4. **Investigasi Pembatalan Produk Spesifik**: Selidiki secara mendalam penyebab tingginya tingkat pembatalan untuk produk-produk seperti MEFINAL 500MG CAP 100'S dan CATAFLAM 50MG TAB 50'S. Apakah ada masalah kualitas, ketersediaan yang tidak menentu, atau isu logistik yang spesifik? Solusi yang ditargetkan dapat mengurangi kehilangan penjualan dari produk-produk bernilai tinggi ini. 5. **Manfaatkan Dominasi BCA Virtual Account**: Pertimbangkan untuk memperkuat kemitraan dengan BCA atau menawarkan insentif tambahan bagi pelanggan yang menggunakan BCA Virtual Account untuk mendorong volume transaksi yang lebih tinggi. 6. **Perbaiki Kualitas Data Tanggal**: Meskipun tidak langsung memengaruhi perhitungan nilai penjualan, anomali tanggal dalam proses pemenuhan pesanan adalah masalah fundamental. Perbaikan ini akan memungkinkan analisis yang lebih akurat tentang waktu pengiriman produk, yang pada gilirannya dapat meningkatkan kepuasan pelanggan dan efisiensi rantai pasok. ## 7. Temuan Utama Bab ini merangkum temuan-temuan kunci dari analisis data pemenuhan pesanan pelanggan, menyoroti wawasan kritis mengenai kualitas data, efisiensi operasional, dan performa penjualan produk. Temuan-temuan ini bertujuan untuk menjadi dasar dalam merumuskan strategi peningkatan kinerja dan optimalisasi proses bisnis. ### 1. Kualitas Data dan Anomali Kritis Analisis kualitas data mengidentifikasi beberapa area yang memerlukan perhatian: * **Data Kosong pada Kolom `Keterangan` dan `Nama Penerima`**: Kedua kolom ini 100% kosong, mengindikasikan bahwa informasi ini tidak dicatat atau tidak relevan untuk analisis. Kolom-kolom ini dapat diabaikan atau dihapus jika tidak ada kebutuhan bisnis di masa depan. * **Kekosongan Data `Tgl Diterima`**: Sekitar 7,9% data pada kolom `Tgl Diterima` kosong. Hal ini membatasi kemampuan untuk menganalisis durasi pengiriman secara akurat dan mengevaluasi efisiensi logistik secara komprehensif. * **Anomali Durasi Pemenuhan Pesanan Negatif**: Ini adalah isu kualitas data paling kritis. Ditemukan adanya urutan waktu yang tidak logis dalam pencatatan tanggal di beberapa tahapan proses pemenuhan pesanan, yang menghasilkan durasi negatif. * **1.247 Nomor RO unik** memiliki durasi negatif pada `DO_to_Dispatch_Days` (yaitu, `Tgl DO` tercatat setelah `Tgl Ekspedisi`). * **444 Nomor RO unik** memiliki durasi negatif pada `Dispatch_to_Delivery_Days` (yaitu, `Tgl Ekspedisi` tercatat setelah `Tgl Diterima`). * **446 Nomor RO unik** memiliki durasi negatif pada `Total_Delivery_Days` (yaitu, `Tgl. Order` tercatat setelah `Tgl Diterima`). Anomali ini sangat mengganggu akurasi metrik efisiensi operasional (seperti waktu rata-rata pemrosesan pesanan atau kepatuhan SLA) dan harus menjadi prioritas utama untuk investigasi dan perbaikan di sistem sumber data. **Tabel Statistik Deskriptif Durasi Pemenuhan Pesanan (dalam Hari)** (Catatan: Durasi dihitung hanya untuk pesanan yang berhasil terlayani penuh. Nilai rata-rata yang sangat negatif menunjukkan adanya masalah data, sedangkan median mungkin lebih representatif untuk durasi aktual yang valid.) | Tahapan Pemenuhan | Rata-rata (Hari) | Median (Hari) | Std Dev (Hari) | Minimum (Hari) | Maksimum (Hari) | Jumlah Item Pesanan | |:--------------------------|:-----------------|:--------------|:---------------|:---------------|:----------------|:--------------------| | Order_to_SP_Days | 0,02 | 0,02 | 0,01 | 0,00 | 0,11 | 21.866 | | SP_to_DO_Days | 0,37 | 0,11 | 0,54 | 0,00 | 6,24 | 21.866 | | DO_to_PL_Days | 0,00 | 0,00 | 0,00 | 0,00 | 0,00 | 21.866 | | DO_to_Dispatch_Days | 0,31 | 0,15 | 0,55 | -7,67 | 12,08 | 21.843 | | Dispatch_to_Delivery_Days | -460,78 | 0,71 | 3.052,27 | -20.635,10 | 63,00 | 20.446 | | Total_Delivery_Days | -460,07 | 1,32 | 3.052,26 | -20.633,70 | 65,52 | 20.446 | ```mermaid xychart-beta title "Rata-rata Durasi Pemenuhan Pesanan (Pesanan Sukses)" x-axis ['Order_to_SP_Days', 'SP_to_DO_Days', 'DO_to_PL_Days', 'DO_to_Dispatch_Days', 'Dispatch_to_Delivery_Days', 'Total_Delivery_Days'] y-axis "Hari" 0 --> 0.44 bar [0.02, 0.37, 0.00, 0.31, -460.78, -460.07] ``` *Catatan: Nilai negatif pada bagan di atas (terutama untuk 'Dispatch_to_Delivery_Days' dan 'Total_Delivery_Days') menunjukkan anomali dalam data tanggal yang memerlukan investigasi lebih lanjut. Rentang sumbu Y diatur untuk memperlihatkan durasi positif yang kecil. Median seringkali lebih merepresentasikan durasi positif yang sesungguhnya.* ### 2. Efisiensi dan Tingkat Pembatalan Pesanan #### 2.1. Tingkat Pembatalan Keseluruhan Tingkat pembatalan pesanan secara keseluruhan adalah **6,4%** dari total 20.645 Nomor RO unik, dengan 1.324 RO dibatalkan. Angka ini cukup signifikan dan menunjukkan adanya peluang untuk mengurangi potensi kehilangan penjualan. #### 2.2. Tingkat Pembatalan Berdasarkan Divisi Terdapat perbedaan tingkat pembatalan antar divisi: | Divisi | Tingkat Pembatalan (%) | |:------------|:-----------------------| | VIBRANT 3 | 7,7 | | VIBRANT PBF | 7,3 | | HOSPINET | 7,2 | | PHARMANET | 6,2 | ```mermaid xychart-beta title "Tingkat Pembatalan Berdasarkan Divisi" x-axis ['VIBRANT 3', 'VIBRANT PBF', 'HOSPINET', 'PHARMANET'] y-axis "Tingkat Pembatalan (%)" 0 --> 9.23 bar [7.69, 7.32, 7.19, 6.24] ``` **Wawasan Bisnis**: Divisi VIBRANT 3, VIBRANT PBF, dan HOSPINET memiliki tingkat pembatalan yang lebih tinggi dibandingkan PHARMANET, menunjukkan perlunya investigasi lebih lanjut terhadap proses atau masalah spesifik di divisi-divisi tersebut. #### 2.3. Tingkat Pembatalan Berdasarkan Asal Gudang Distribusi tingkat pembatalan juga bervariasi secara signifikan berdasarkan asal gudang: | Asal Gudang | Tingkat Pembatalan (%) | |:----------------------|:-----------------------| | PHARMANET PUSAT | 100,0 | | PHARMANET TANGERANG | 13,5 | | PHARMANET MEDAN | 13,1 | | PHARMANET SAMARINDA | 11,3 | | PHARMANET BANJARMASIN | 11,2 | | PHARMANET JAKTIM | 10,7 | | PHARMANET PEKANBARU | 8,0 | | PHARMANET BOGOR | 7,4 | | PHARMANET MAKASSAR | 7,1 | | PHARMANET SEMARANG | 6,8 | ```mermaid xychart-beta title "Top 10 Tingkat Pembatalan Tertinggi Berdasarkan Asal Gudang" x-axis ['PHARMANET PUSAT', 'PHARMANET TANGERANG', 'PHARMANET MEDAN', 'PHARMANET SAMARINDA', 'PHARMANET BANJARMASIN', 'PHARMANET JAKTIM', 'PHARMANET PEKANBARU', 'PHARMANET BOGOR', 'PHARMANET MAKASSAR', 'PHARMANET SEMARANG'] y-axis "Tingkat Pembatalan (%)" 0 --> 120.00 bar [100.00, 13.47, 13.15, 11.34, 11.21, 10.68, 8.02, 7.43, 7.14, 6.81] ``` **Wawasan Bisnis**: Anomali `PHARMANET PUSAT` dengan tingkat pembatalan 100% kemungkinan besar merupakan pusat administratif untuk pembatalan, bukan gudang operasional. Gudang seperti PHARMANET TANGERANG, MEDAN, dan SAMARINDA menunjukkan tingkat pembatalan yang jauh lebih tinggi dari rata-rata, mengindikasikan masalah operasional atau ketersediaan stok yang perlu diatasi. ### 3. Analisis Kinerja Penjualan dan Produk #### 3.1. Kontribusi Produk Pharos Group (`Pharos YN`) Produk yang diproduksi oleh Pharos Group (`Pharos YN` = 1) menunjukkan performa yang superior dalam hal nilai dan kuantitas per item dibandingkan produk non-Pharos. | Pharos YN (1=Pharos Group) | Total Nilai RO | Rata-rata Nilai RO | Total Kuantitas RO | Rata-rata Kuantitas RO | Jumlah Item Pesanan | |:---------------------------|:---------------------|:-------------------|:-------------------|:-----------------------|:--------------------| | 0 (Non-Pharos Group) | 22.524.229.073 | 312.776 | 412.336 | 5,7 | 72.014 | | 1 (Pharos Group) | 33.085.676.228 | 557.928 | 1.037.869 | 17,5 | 59.301 | ```mermaid xychart-beta title "Total Nilai RO Berdasarkan Pharos YN" x-axis ['Non-Pharos Group', 'Pharos Group'] y-axis "Total Nilai RO" 0 --> 36394243851 bar [22524229073.0, 33085676228.0] ``` **Wawasan Bisnis**: Produk Pharos Group adalah pendorong penjualan yang signifikan. Fokus pada promosi dan ketersediaan produk ini dapat lebih meningkatkan pendapatan. #### 3.2. Pengaruh Program Apotek Online (`AO YN`) Pesanan dari outlet yang tidak berpartisipasi dalam program Apotek Online (`AO YN` = 0) masih mendominasi total nilai dan kuantitas penjualan, serta memiliki rata-rata nilai dan kuantitas per item yang lebih tinggi. | AO YN (1=Apotek Online) | Total Nilai RO | Rata-rata Nilai RO | Total Kuantitas RO | Rata-rata Kuantitas RO | Jumlah Item Pesanan | |:------------------------|:---------------------|:-------------------|:-------------------|:-----------------------|:--------------------| | 0 (Non-Apotek Online) | 37.903.077.146 | 458.964 | 1.083.615 | 13,1 | 82.584 | | 1 (Apotek Online) | 17.706.828.155 | 363.359 | 366.590 | 7,5 | 48.731 | ```mermaid xychart-beta title "Total Nilai RO Berdasarkan AO YN" x-axis ['Non-Apotek Online', 'Apotek Online'] y-axis "Total Nilai RO" 0 --> 41693384861 bar [37903077146.0, 17706828155.0] ``` **Wawasan Bisnis**: Kanal penjualan tradisional tetap menjadi kontributor utama untuk pesanan bernilai tinggi. Perlu dievaluasi strategi untuk meningkatkan nilai dan kuantitas pesanan melalui Apotek Online. #### 3.3. Peran Metode Pembayaran (`Payment`) BCA Virtual Account adalah metode pembayaran paling dominan dengan total nilai RO terbesar dan rata-rata nilai RO per item tertinggi. | Payment | Total Nilai RO | Rata-rata Nilai RO | Total Kuantitas RO | Rata-rata Kuantitas RO | Jumlah Item Pesanan | |:--------------------|:---------------------|:-------------------|:-------------------|:-----------------------|:--------------------| | BCA Virtual Account | 42.124.300.000 | 534.213 | 1.102.410 | 14,0 | 78.853 | | Term Of Payment | 8.048.540.000 | 219.815 | 198.841 | 5,4 | 36.615 | | BRIVA | 5.417.010.000 | 344.681 | 148.518 | 9,5 | 15.716 | | Kredivo | 20.044.300 | 153.010 | 436 | 3,3 | 131 | **Wawasan Bisnis**: Dominasi BCA Virtual Account menunjukkan preferensi pelanggan yang kuat atau kemudahan transaksi. Insentif untuk metode pembayaran ini dapat lebih mendorong penjualan. #### 3.4. Produk Berkinerja Tinggi Beberapa produk secara konsisten muncul sebagai kontributor utama dalam total nilai dan kuantitas penjualan. **Top 10 Produk Berdasarkan Total Nilai RO** | Prodes | Total Nilai RO | Total Kuantitas RO | Rata-rata Nilai Per Item | Rata-rata Kuantitas Per Item Pesanan | Jumlah Item Pesanan | |:--------------------------------|:---------------------|:-------------------|:-------------------------|:-------------------------------------|:--------------------| | POLYSILANE TAB. KUNYAH 5X8TAB | 4.038.741.140 | 110.380 | 1.009.690 | 27,6 | 4.000 | | PRORIS SUSP 60 ML RASA JERUK | 3.354.936.937 | 149.143 | 915.649 | 40,7 | 3.664 | | MICROLAX GEL OBAT PENCAHAR 5ML | 3.321.664.117 | 175.365 | 1.218.070 | 64,3 | 2.727 | | MICROLAX 3 X 5 ML | 2.692.334.063 | 52.995 | 1.429.050 | 28,1 | 1.884 | | POLYSILANE SUSPENSI 100 ML | 1.936.956.554 | 94.808 | 711.593 | 34,8 | 2.722 | | PRORIS FORTE 200MG SUSP 50ML | 1.640.459.481 | 61.213 | 661.208 | 24,7 | 2.481 | | CATAFLAM 50MG TAB 50'S | 1.446.660.000 | 4.359 | 846.991 | 2,6 | 1.708 | | MEFINAL 500MG CAP 100'S | 1.140.830.000 | 6.680 | 585.343 | 3,4 | 1.949 | | NEBACETIN POWDER 5GR | 1.018.609.000 | 52.669 | 593.595 | 30,7 | 1.716 | | ALBUSMIN 3 BLISTER @ 10 KAPSUL | 953.507.000 | 6.117 | 631.462 | 4,1 | 1.510 | ```mermaid xychart-beta title "5 Produk Teratas Berdasarkan Total Nilai RO" x-axis ['POLYSILANE TAB. KUNYAH 5X8TAB', 'PRORIS SUSP 60 ML RASA JERUK', 'MICROLAX GEL OBAT PENCAHAR 5ML', 'MICROLAX 3 X 5 ML', 'POLYSILANE SUSPENSI 100 ML'] y-axis "Total Nilai RO" 0 --> 4442615254 bar [4038741140.0, 3354936937.0, 3321664117.0, 2692334063.0, 1936956554.0] ``` **Top 10 Produk Berdasarkan Total Kuantitas RO** | Prodes | Total Nilai RO | Total Kuantitas RO | Rata-rata Nilai Per Item | Rata-rata Kuantitas Per Item Pesanan | Jumlah Item Pesanan | |:--------------------------------|:---------------------|:-------------------|:-------------------------|:-------------------------------------|:--------------------| | MICROLAX GEL OBAT PENCAHAR 5ML | 3.321.664.117 | 175.365 | 1.218.070 | 64,3 | 2.727 | | PRORIS SUSP 60 ML RASA JERUK | 3.354.936.937 | 149.143 | 915.649 | 40,7 | 3.664 | | POLYSILANE TAB. KUNYAH 5X8TAB | 4.038.741.140 | 110.380 | 1.009.690 | 27,6 | 4.000 | | POLYSILANE SUSPENSI 100 ML | 1.936.956.554 | 94.808 | 711.593 | 34,8 | 2.722 | | PRORIS FORTE 200MG SUSP 50ML | 1.640.459.481 | 61.213 | 661.208 | 24,7 | 2.481 | | MICROLAX 3 X 5 ML | 2.692.334.063 | 52.995 | 1.429.050 | 28,1 | 1.884 | | NEBACETIN POWDER 5GR | 1.018.609.000 | 52.669 | 593.595 | 30,7 | 1.716 | | NEBACETIN OINT 5GR | 805.422.000 | 44.299 | 448.453 | 24,7 | 1.796 | | SANMOL PARACETAMOL SIROP 60ML | 777.451.000 | 44.224 | 359.432 | 20,4 | 2.163 | | POLYSILANE SUSP 180 ML | 750.160.000 | 25.913 | 643.362 | 22,2 | 1.166 | ```mermaid xychart-beta title "5 Produk Teratas Berdasarkan Total Kuantitas RO" x-axis ['MICROLAX GEL OBAT PENCAHAR 5ML', 'PRORIS SUSP 60 ML RASA JERUK', 'POLYSILANE TAB. KUNYAH 5X8TAB', 'POLYSILANE SUSPENSI 100 ML', 'PRORIS FORTE 200MG SUSP 50ML'] y-axis "Total Kuantitas RO" 0 --> 192902 bar [175365, 149143, 110380, 94808, 61213] ``` **Wawasan Bisnis**: Produk-produk seperti POLYSILANE, PRORIS, dan MICROLAX adalah tulang punggung penjualan. Manajemen stok yang efektif untuk produk-produk ini sangat krusial. #### 3.5. Tingkat Pembatalan untuk Produk Teratas Meskipun populer, beberapa produk teratas memiliki tingkat pembatalan yang relatif lebih tinggi. **Tingkat Pembatalan untuk 10 Produk Teratas Berdasarkan Nilai RO** | Prodes | Total Nilai RO | Tingkat Pembatalan (%) | |:--------------------------------|:---------------------|:-----------------------| | MEFINAL 500MG CAP 100'S | 1.140.830.000 | 2,7 | | CATAFLAM 50MG TAB 50'S | 1.446.660.000 | 2,3 | | ALBUSMIN 3 BLISTER @ 10 KAPSUL | 953.507.000 | 1,1 | | MICROLAX GEL OBAT PENCAHAR 5ML | 3.321.664.117 | 1,0 | | MICROLAX 3 X 5 ML | 2.692.334.063 | 0,7 | | NEBACETIN POWDER 5GR | 1.018.609.000 | 0,7 | | PRORIS SUSP 60 ML RASA JERUK | 3.354.936.937 | 0,6 | | POLYSILANE SUSPENSI 100 ML | 1.936.956.554 | 0,4 | | POLYSILANE TAB. KUNYAH 5X8TAB | 4.038.741.140 | 0,4 | | PRORIS FORTE 200MG SUSP 50ML | 1.640.459.481 | 0,3 | ```mermaid xychart-beta title "5 Produk Teratas (berdasarkan Nilai RO) Berdasarkan Tingkat Pembatalan" x-axis ['MEFINAL 500MG CAP 100\'S', 'CATAFLAM 50MG TAB 50\'S', 'ALBUSMIN 3 BLISTER @ 10 KAPSUL', 'MICROLAX GEL OBAT PENCAHAR 5ML', 'MICROLAX 3 X 5 ML'] y-axis "Tingkat Pembatalan (%)" 0 --> 3 bar [2.668, 2.283, 1.126, 0.953, 0.743] ``` **Wawasan Bisnis**: MEFINAL 500MG CAP 100'S dan CATAFLAM 50MG TAB 50'S, meskipun tinggi dalam nilai penjualan, juga menunjukkan tingkat pembatalan yang lebih tinggi dari rata-rata. Hal ini mengindikasikan kemungkinan masalah spesifik yang terkait dengan ketersediaan atau logistik produk-produk tersebut. ### 4. Rekomendasi Strategis Berdasarkan temuan utama ini, berikut adalah rekomendasi strategis untuk meningkatkan kinerja secara keseluruhan: 1. **Prioritas Utama: Perbaikan Kualitas Data Tanggal** * **Investigasi Akar Masalah**: Segera selidiki penyebab anomali durasi negatif pada `Tgl DO`, `Tgl Ekspedisi`, dan `Tgl Diterima`. Ini bisa karena kesalahan input, masalah sinkronisasi sistem, atau definisi proses yang ambigu. * **Implementasi Validasi Data**: Terapkan sistem validasi otomatis untuk mencegah entri tanggal yang tidak logis di masa mendatang. * **Rekonsiliasi Data Historis**: Lakukan koreksi data historis jika memungkinkan untuk memungkinkan analisis performa yang akurat di masa mendatang. 2. **Optimasi Proses Pemenuhan Pesanan untuk Mengurangi Pembatalan** * **Analisis Root Cause Gudang**: Fokus investigasi pada gudang dengan tingkat pembatalan tinggi (PHARMANET TANGERANG, MEDAN, SAMARINDA, dll.). Cari tahu apakah masalahnya adalah stok, logistik, atau prosedur internal. * **Klarifikasi `PHARMANET PUSAT`**: Pahami peran sebenarnya dari entitas `PHARMANET PUSAT` dengan tingkat pembatalan 100% untuk menghindari bias dalam metrik operasional. * **Atasi Pembatalan Produk Spesifik**: Selidiki penyebab tingginya tingkat pembatalan untuk produk bernilai tinggi seperti MEFINAL 500MG CAP 100'S dan CATAFLAM 50MG TAB 50'S. 3. **Strategi Peningkatan Penjualan dan Produk** * **Manfaatkan Produk Pharos Group**: Dengan kontribusi nilai dan kuantitas per item yang tinggi, tingkatkan investasi dalam pemasaran dan ketersediaan produk Pharos Group. * **Evaluasi dan Tingkatkan Apotek Online**: Lakukan analisis lebih lanjut mengapa kanal non-Apotek Online lebih dominan dalam nilai penjualan. Pertimbangkan strategi untuk meningkatkan rata-rata nilai pesanan di Apotek Online (misalnya, bundling, promosi khusus). * **Manajemen Stok Produk Krusial**: Pastikan ketersediaan stok yang optimal untuk produk terlaris seperti POLYSILANE, PRORIS, dan MICROLAX untuk menghindari kehilangan penjualan. * **Manfaatkan Dominasi Metode Pembayaran**: Pertimbangkan untuk memperkuat kemitraan dengan BCA atau menawarkan insentif untuk mendorong penggunaan BCA Virtual Account lebih lanjut. Dengan mengatasi anomali data kritis dan menerapkan rekomendasi ini, perusahaan dapat mencapai peningkatan signifikan dalam efisiensi operasional, mengurangi pembatalan, dan mengoptimalkan strategi penjualan untuk pertumbuhan yang lebih baik. ## 8. Rekomendasi Berdasarkan analisis mendalam terhadap data pemenuhan pesanan pelanggan, kami telah mengidentifikasi beberapa area krusial yang memerlukan perhatian dan tindakan strategis. Rekomendasi ini disusun untuk tidak hanya mengatasi masalah kualitas data dan inefisiensi operasional, tetapi juga untuk memanfaatkan kekuatan penjualan produk dan kanal distribusi guna meningkatkan kinerja bisnis secara keseluruhan. ### 8.1. Prioritas Utama: Perbaikan Kualitas Data dan Sistem Akurasi data adalah tulang punggung setiap keputusan bisnis yang efektif. Temuan adanya anomali durasi negatif dalam proses pemenuhan pesanan merupakan masalah kualitas data paling kritis yang harus segera ditangani. **Temuan Kritis:** * **Durasi Pemenuhan Pesanan Negatif**: Terdapat 1.247 Nomor RO unik dengan `DO_to_Dispatch_Days` negatif, 444 Nomor RO unik dengan `Dispatch_to_Delivery_Days` negatif, dan 446 Nomor RO unik dengan `Total_Delivery_Days` negatif. Ini berarti tanggal tercatat secara tidak logis (misalnya, barang dikirim sebelum *delivery order* dibuat, atau diterima pelanggan sebelum dikirim). * **Kekosongan Data `Tgl Diterima`**: Sekitar 7,9% data pada kolom `Tgl Diterima` kosong, menghambat pengukuran waktu pengiriman yang akurat. * **Kolom `Keterangan` dan `Nama Penerima`**: Kedua kolom ini 100% kosong. **Implikasi Bisnis:** Anomali ini secara fundamental mendistorsi metrik efisiensi operasional, membuat evaluasi kinerja SLA (Service Level Agreement) tidak dapat diandalkan, dan mengindikasikan adanya masalah mendasar dalam proses pencatatan data di sistem sumber. Keputusan yang didasarkan pada data yang tidak akurat dapat menyesatkan manajemen. **Rekomendasi:** 1. **Investigasi Akar Masalah Durasi Negatif**: Segera bentuk tim lintas fungsi (IT, Logistik, Operasional) untuk menyelidiki penyebab utama anomali tanggal. Apakah ini disebabkan oleh kesalahan input manual, masalah sinkronisasi antar sistem (misalnya, antara sistem gudang dan sistem pengiriman), atau definisi proses yang tidak jelas? 2. **Implementasi Validasi Data Otomatis**: Terapkan aturan validasi yang ketat pada *form* input atau sistem untuk mencegah entri tanggal yang tidak logis di masa mendatang. Misalnya, sistem harus menolak `Tgl DO` yang lebih lambat dari `Tgl Ekspedisi`, atau `Tgl Ekspedisi` yang lebih lambat dari `Tgl Diterima`. 3. **Lengkapi dan Standardisasi Pencatatan `Tgl Diterima`**: Identifikasi mengapa `Tgl Diterima` sering kosong. Perkuat prosedur pencatatan atau integrasi dengan sistem ekspedisi untuk memastikan setiap pesanan memiliki tanggal penerimaan yang valid. Ini krusial untuk mengukur waktu pengiriman aktual dan kepuasan pelanggan. 4. **Evaluasi Ulang Kolom `Keterangan` dan `Nama Penerima`**: Karena 100% kosong, pertimbangkan untuk menghapus kolom-kolom ini dari skema data untuk menyederhanakan data, atau tetapkan prosedur jelas jika ada kebutuhan bisnis untuk mengisinya di masa mendatang. 5. **Perbaikan Data Historis**: Jika memungkinkan dan sumber daya tersedia, lakukan upaya rekonsiliasi atau koreksi pada data historis yang menunjukkan anomali tanggal untuk memungkinkan analisis jangka panjang yang lebih akurat. Berikut adalah statistik durasi pemenuhan pesanan, di mana rata-rata yang sangat negatif menyoroti urgensi perbaikan data: | Tahapan Pemenuhan | Rata-rata (Hari) | Median (Hari) | Std Dev (Hari) | Minimum (Hari) | Maksimum (Hari) | Jumlah Item Pesanan | |:--------------------------|:-----------------|:--------------|:---------------|:---------------|:----------------|:--------------------| | Order_to_SP_Days | 0,02 | 0,02 | 0,01 | 0,00 | 0,11 | 21,866 | | SP_to_DO_Days | 0,37 | 0,11 | 0,54 | 0,00 | 6,24 | 21,866 | | DO_to_PL_Days | 0,00 | 0,00 | 0,00 | 0,00 | 0,00 | 21,866 | | DO_to_Dispatch_Days | 0,31 | 0,15 | 0,55 | -7,67 | 12,08 | 21,843 | | Dispatch_to_Delivery_Days | -460,78 | 0,71 | 3,052,27 | -20,635,10 | 63,00 | 20,446 | | Total_Delivery_Days | -460,07 | 1,32 | 3,052,26 | -20,633,70 | 65,52 | 20,446 | ```mermaid xychart-beta title "Rata-rata Durasi Pemenuhan Pesanan (Pesanan Sukses)" x-axis ['Order_to_SP_Days', 'SP_to_DO_Days', 'DO_to_PL_Days', 'DO_to_Dispatch_Days', 'Dispatch_to_Delivery_Days', 'Total_Delivery_Days'] y-axis "Hari" 0 --> 0.44 bar [0.02, 0.37, 0.00, 0.31, -460.78, -460.07] ``` *Catatan: Nilai rata-rata negatif pada bagan di atas untuk 'Dispatch_to_Delivery_Days' dan 'Total_Delivery_Days' secara jelas mengindikasikan anomali data tanggal yang memerlukan investigasi mendalam.* ### 8.2. Optimasi Efisiensi Operasional dan Pengurangan Pembatalan Tingkat pembatalan keseluruhan sebesar 6,4% menunjukkan potensi kehilangan penjualan yang signifikan. Analisis lebih lanjut menyoroti area spesifik yang memerlukan perhatian. **Temuan Kritis:** * **Tingkat Pembatalan Berdasarkan Divisi**: Divisi VIBRANT 3 (7,7%), VIBRANT PBF (7,3%), dan HOSPINET (7,2%) memiliki tingkat pembatalan lebih tinggi dibandingkan PHARMANET (6,2%). * **Tingkat Pembatalan Berdasarkan Asal Gudang**: PHARMANET PUSAT menunjukkan anomali 100% pembatalan, sementara PHARMANET TANGERANG (13,5%), MEDAN (13,1%), dan SAMARINDA (11,3%) memiliki tingkat pembatalan yang sangat tinggi. **Implikasi Bisnis:** Pembatalan pesanan menyebabkan kerugian pendapatan, biaya operasional yang terbuang (untuk proses yang akhirnya dibatalkan), dan potensi penurunan kepuasan pelanggan. Tingginya tingkat pembatalan di divisi dan gudang tertentu mengindikasikan masalah operasional spesifik yang perlu diidentifikasi dan diperbaiki. **Rekomendasi:** 1. **Analisis Akar Masalah Pembatalan per Divisi/Gudang**: Lakukan investigasi mendalam untuk setiap divisi dan gudang yang menunjukkan tingkat pembatalan tinggi. Identifikasi penyebab spesifik seperti: * **Ketersediaan Stok**: Apakah sering terjadi kehabisan stok yang memicu pembatalan? Implementasikan sistem *early warning* untuk stok rendah. * **Masalah Logistik Internal**: Apakah ada kendala dalam proses *picking*, *packing*, atau pengiriman dari gudang tertentu? * **Kesalahan Pemrosesan Pesanan**: Apakah ada masalah dalam verifikasi pesanan atau koordinasi antar tim? * **Permasalahan Pelanggan**: Apakah ada keluhan berulang dari pelanggan yang menyebabkan mereka membatalkan pesanan? 2. **Klarifikasi Peran "PHARMANET PUSAT"**: Selidiki mengapa "PHARMANET PUSAT" memiliki tingkat pembatalan 100%. Jika ini adalah entitas administratif untuk pencatatan pembatalan, pastikan data tidak disalahartikan sebagai gudang operasional dan pertimbangkan untuk mengecualikannya dari metrik performa gudang atau membuat kategori "Pembatalan Administratif" yang jelas. 3. **Peningkatan Prediksi dan Manajemen Stok**: Untuk gudang dengan tingkat pembatalan tinggi karena masalah stok, tingkatkan akurasi prediksi permintaan dan optimalkan tingkat stok pengaman (*safety stock*). Pertimbangkan transfer stok antar gudang jika memungkinkan. 4. **Tingkatkan Komunikasi Proaktif**: Apabila terjadi keterlambatan atau masalah stok, berikan informasi proaktif kepada pelanggan untuk mengelola ekspektasi dan memberikan solusi alternatif jika memungkinkan, daripada menunggu pembatalan. Berikut adalah rincian tingkat pembatalan per Divisi dan Asal Gudang: **Tingkat Pembatalan Berdasarkan Divisi** | Divisi | Tingkat Pembatalan (%) | |:------------|:-----------------------| | VIBRANT 3 | 7,7 | | VIBRANT PBF | 7,3 | | HOSPINET | 7,2 | | PHARMANET | 6,2 | ```mermaid xychart-beta title "Tingkat Pembatalan Berdasarkan Divisi" x-axis ['VIBRANT 3', 'VIBRANT PBF', 'HOSPINET', 'PHARMANET'] y-axis "Tingkat Pembatalan (%)" 0 --> 9.23 bar [7.7, 7.3, 7.2, 6.2] ``` **Top 10 Tingkat Pembatalan Tertinggi Berdasarkan Asal Gudang** | Asal Gudang | Tingkat Pembatalan (%) | |:----------------------|:-----------------------| | PHARMANET PUSAT | 100,0 | | PHARMANET TANGERANG | 13,5 | | PHARMANET MEDAN | 13,1 | | PHARMANET SAMARINDA | 11,3 | | PHARMANET BANJARMASIN | 11,2 | | PHARMANET JAKTIM | 10,7 | | PHARMANET PEKANBARU | 8,0 | | PHARMANET BOGOR | 7,4 | | PHARMANET MAKASSAR | 7,1 | | PHARMANET SEMARANG | 6,8 | ```mermaid xychart-beta title "Top 10 Tingkat Pembatalan Tertinggi Berdasarkan Asal Gudang" x-axis ['PHARMANET PUSAT', 'PHARMANET TANGERANG', 'PHARMANET MEDAN', 'PHARMANET SAMARINDA', 'PHARMANET BANJARMASIN', 'PHARMANET JAKTIM', 'PHARMANET PEKANBARU', 'PHARMANET BOGOR', 'PHARMANET MAKASSAR', 'PHARMANET SEMARANG'] y-axis "Tingkat Pembatalan (%)" 0 --> 120.00 bar [100.00, 13.47, 13.15, 11.34, 11.21, 10.68, 8.02, 7.43, 7.14, 6.81] ``` ### 8.3. Optimalisasi Strategi Penjualan dan Produk Memahami kontribusi produk dan kanal penjualan adalah kunci untuk mengoptimalkan strategi dan meningkatkan pendapatan. **Temuan Kritis:** * **Produk Pharos Group (`Pharos YN = 1`)**: Menunjukkan total nilai RO (Rp 33,085,676,228) dan rata-rata nilai RO (Rp 557,928) serta kuantitas RO per item (17,5) yang jauh lebih tinggi dibandingkan non-Pharos Group. * **Kanal Non-Apotek Online (`AO YN = 0`)**: Masih mendominasi total nilai RO (Rp 37,903,077,146) dan rata-rata nilai RO (Rp 458,964) serta kuantitas RO per item (13,1) dibandingkan Apotek Online. * **Produk Terlaris**: POLYSILANE TAB. KUNYAH, PRORIS SUSP 60 ML, dan MICROLAX GEL adalah produk dominan dalam nilai dan kuantitas penjualan. * **Pembatalan Produk Tertentu**: MEFINAL 500MG CAP 100'S (2,7%) dan CATAFLAM 50MG TAB 50'S (2,3%) memiliki tingkat pembatalan yang lebih tinggi di antara produk bernilai tinggi. * **Metode Pembayaran**: BCA Virtual Account adalah metode pembayaran dominan dengan total nilai RO (Rp 42,124,300,000) dan rata-rata nilai RO tertinggi (Rp 534,213). **Implikasi Bisnis:** Ada peluang besar untuk meningkatkan penjualan dengan memfokuskan upaya pada produk dan kanal yang paling menguntungkan, serta mengatasi hambatan yang spesifik. **Rekomendasi:** 1. **Prioritaskan dan Tingkatkan Fokus pada Produk Pharos Group**: * **Strategi Pemasaran dan Penjualan**: Lakukan kampanye pemasaran yang lebih agresif untuk produk Pharos Group, menonjolkan nilai lebih tinggi dan volume pembelian yang cenderung lebih besar. * **Ketersediaan**: Pastikan ketersediaan stok yang optimal untuk produk-produk ini di semua gudang. * **Inovasi Produk**: Terus berinvestasi dalam penelitian dan pengembangan untuk mempertahankan keunggulan produk Pharos Group. **Impact of 'Pharos YN' on Sales and Quantity** | Pharos YN (1=Pharos Group) | Total Nilai RO | Rata-rata Nilai RO | Total Kuantitas RO | Rata-rata Kuantitas RO | Jumlah Item Pesanan | |:---------------------------|:---------------------|:-------------------|:-------------------|:-----------------------|:--------------------| | 0 (Non-Pharos Group) | 22,524,229,073 | 312,776 | 412,336 | 5,7 | 72,014 | | 1 (Pharos Group) | 33,085,676,228 | 557,928 | 1,037,869 | 17,5 | 59,301 | ```mermaid xychart-beta title "Total Nilai RO Berdasarkan Pharos YN" x-axis ['Non-Pharos Group', 'Pharos Group'] y-axis "Total Nilai RO" 0 --> 36,394,243,851 bar [22524229073.0, 33085676228.0] ``` 2. **Optimalkan Strategi Apotek Online**: * **Analisis Perilaku Pembelian**: Pelajari lebih lanjut mengapa kanal non-Apotek Online menghasilkan nilai dan kuantitas pesanan yang lebih tinggi. Apakah Apotek Online menarik tipe pelanggan atau produk yang berbeda? * **Penawaran Khusus untuk Apotek Online**: Kembangkan strategi untuk meningkatkan rata-rata nilai pesanan di Apotek Online, misalnya melalui: * *Bundling* produk eksklusif atau diskon untuk pembelian dalam jumlah besar. * Program loyalitas yang mendorong pembelian berulang dengan volume tinggi. * Promosi produk bernilai tinggi yang relevan untuk segmen *online*. **Impact of 'AO YN' on Sales and Quantity** | AO YN (1=Apotek Online) | Total Nilai RO | Rata-rata Nilai RO | Total Kuantitas RO | Rata-rata Kuantitas RO | Jumlah Item Pesanan | |:------------------------|:---------------------|:-------------------|:-------------------|:-----------------------|:--------------------| | 0 (Non-Apotek Online) | 37,903,077,146 | 458,964 | 1,083,615 | 13,1 | 82,584 | | 1 (Apotek Online) | 17,706,828,155 | 363,359 | 366,590 | 7,5 | 48,731 | ```mermaid xychart-beta title "Total Nilai RO Berdasarkan AO YN" x-axis ['Non-Apotek Online', 'Apotek Online'] y-axis "Total Nilai RO" 0 --> 41,693,384,861 bar [37903077146.0, 17706828155.0] ``` 3. **Manajemen Stok Strategis untuk Produk Kritis**: * **Fokus pada Produk Terlaris**: Pastikan ketersediaan stok yang konsisten dan memadai untuk produk-produk terlaris (POLYSILANE TAB. KUNYAH, PRORIS SUSP 60 ML, MICROLAX GEL OBAT PENCAHAR 5ML). Kekurangan stok untuk produk-produk ini dapat menyebabkan kerugian penjualan yang besar. * **Investigasi Pembatalan Produk Spesifik**: Lakukan analisis mendalam mengenai MEFINAL 500MG CAP 100'S dan CATAFLAM 50MG TAB 50'S yang memiliki tingkat pembatalan lebih tinggi. Apakah ini terkait dengan masalah kualitas, kemasan, atau kendala rantai pasok yang spesifik untuk produk tersebut? Solusi yang ditargetkan dapat mengurangi kehilangan penjualan dari produk-produk bernilai tinggi ini. **Top 5 Produk Teratas Berdasarkan Total Nilai RO** | Prodes | Total Nilai RO | Total Kuantitas RO | Rata-rata Nilai Per Item | Rata-rata Kuantitas Per Item Pesanan | Jumlah Item Pesanan | |:-------------------------------|:---------------------|:-------------------|:-------------------------|:-------------------------------------|:--------------------| | POLYSILANE TAB. KUNYAH 5X8TAB | 4,038,741,140 | 110,380 | 1,009,690 | 27,6 | 4,000 | | PRORIS SUSP 60 ML RASA JERUK | 3,354,936,937 | 149,143 | 915,649 | 40,7 | 3,664 | | MICROLAX GEL OBAT PENCAHAR 5ML | 3,321,664,117 | 175,365 | 1,218,070 | 64,3 | 2,727 | | MICROLAX 3 X 5 ML | 2,692,334,063 | 52,995 | 1,429,050 | 28,1 | 1,884 | | POLYSILANE SUSPENSI 100 ML | 1,936,956,554 | 94,808 | 711,593 | 34,8 | 2,722 | ```mermaid xychart-beta title "5 Produk Teratas Berdasarkan Total Nilai RO" x-axis ['POLYSILANE TAB. KUNYAH 5X8TAB', 'PRORIS SUSP 60 ML RASA JERUK', 'MICROLAX GEL OBAT PENCAHAR 5ML', 'MICROLAX 3 X 5 ML', 'POLYSILANE SUSPENSI 100 ML'] y-axis "Total Nilai RO" 0 --> 4,442,615,254 bar [4038741140.0, 3354936937.0, 3321664117.0, 2692334063.0, 1936956554.0] ``` **Top 5 Produk Teratas Berdasarkan Total Kuantitas RO** | Prodes | Total Nilai RO | Total Kuantitas RO | Rata-rata Nilai Per Item | Rata-rata Kuantitas Per Item Pesanan | Jumlah Item Pesanan | |:-------------------------------|:---------------------|:-------------------|:-------------------------|:-------------------------------------|:--------------------| | MICROLAX GEL OBAT PENCAHAR 5ML | 3,321,664,117 | 175,365 | 1,218,070 | 64,3 | 2,727 | | PRORIS SUSP 60 ML RASA JERUK | 3,354,936,937 | 149,143 | 915,649 | 40,7 | 3,664 | | POLYSILANE TAB. KUNYAH 5X8TAB | 4,038,741,140 | 110,380 | 1,009,690 | 27,6 | 4,000 | | POLYSILANE SUSPENSI 100 ML | 1,936,956,554 | 94,808 | 711,593 | 34,8 | 2,722 | | PRORIS FORTE 200MG SUSP 50ML | 1,640,459,481 | 61,213 | 661,208 | 24,7 | 2,481 | ```mermaid xychart-beta title "5 Produk Teratas Berdasarkan Total Kuantitas RO" x-axis ['MICROLAX GEL OBAT PENCAHAR 5ML', 'PRORIS SUSP 60 ML RASA JERUK', 'POLYSILANE TAB. KUNYAH 5X8TAB', 'POLYSILANE SUSPENSI 100 ML', 'PRORIS FORTE 200MG SUSP 50ML'] y-axis "Total Kuantitas RO" 0 --> 192,902 bar [175365, 149143, 110380, 94808, 61213] ``` **Top 5 Produk (berdasarkan Nilai RO) Berdasarkan Tingkat Pembatalan** | Prodes | Total Nilai RO | Tingkat Pembatalan (%) | |:--------------------------------|:---------------------|:-----------------------| | MEFINAL 500MG CAP 100'S | 1,140,830,000 | 2,7 | | CATAFLAM 50MG TAB 50'S | 1,446,660,000 | 2,3 | | ALBUSMIN 3 BLISTER @ 10 KAPSUL | 953,507,000 | 1,1 | | MICROLAX GEL OBAT PENCAHAR 5ML | 3,321,664,117 | 1,0 | | MICROLAX 3 X 5 ML | 2,692,334,063 | 0,7 | ```mermaid xychart-beta title "5 Produk Teratas (berdasarkan Nilai RO) Berdasarkan Tingkat Pembatalan" x-axis ['MEFINAL 500MG CAP 100\'S', 'CATAFLAM 50MG TAB 50\'S', 'ALBUSMIN 3 BLISTER @ 10 KAPSUL', 'MICROLAX GEL OBAT PENCAHAR 5ML', 'MICROLAX 3 X 5 ML'] y-axis "Tingkat Pembatalan (%)" 0 --> 3 bar [2.7, 2.3, 1.1, 1.0, 0.7] ``` 4. **Manfaatkan Dominasi BCA Virtual Account**: * **Promosi dan Insentif**: Pertimbangkan untuk menawarkan promosi atau insentif tambahan bagi pelanggan yang menggunakan BCA Virtual Account untuk mendorong volume transaksi yang lebih tinggi melalui kanal pembayaran ini. * **Evaluasi Metode Pembayaran Lain**: Analisis mengapa Term Of Payment memiliki rata-rata nilai RO yang lebih rendah. Apakah ini terkait dengan segmen pelanggan tertentu atau jenis produk? **Sales and Quantity by 'Payment' Method** | Payment | Total Nilai RO | Rata-rata Nilai RO | Total Kuantitas RO | Rata-rata Kuantitas RO | Jumlah Item Pesanan | |:--------------------|:---------------------|:-------------------|:-------------------|:-----------------------|:--------------------| | BCA Virtual Account | 42,124,300,000 | 534,213 | 1,102,410 | 14,0 | 78,853 | | Term Of Payment | 8,048,540,000 | 219,815 | 198,841 | 5,4 | 36,615 | | BRIVA | 5,417,010,000 | 344,681 | 148,518 | 9,5 | 15,716 | | Kredivo | 20,044,300 | 153,010 | 436 | 3,3 | 131 | ### 8.4. Monitoring dan Langkah Selanjutnya Penerapan rekomendasi ini memerlukan pemantauan berkelanjutan dan siklus perbaikan. **Rekomendasi:** 1. **Tetapkan KPI yang Jelas**: Definisikan Key Performance Indicators (KPI) yang terukur untuk setiap rekomendasi, seperti tingkat pembatalan per gudang/divisi, rata-rata nilai/kuantitas pesanan Apotek Online, dan akurasi data tanggal. 2. **Laporan Berkala**: Buat laporan rutin untuk memantau tren KPI dan mengidentifikasi perubahan yang memerlukan intervensi. 3. **Ulasan Strategis Rutin**: Selenggarakan rapat ulasan strategis secara berkala untuk mengevaluasi efektivitas tindakan yang diambil dan menyesuaikan strategi sesuai kebutuhan. Dengan mengatasi tantangan data dan operasional, serta memanfaatkan peluang penjualan produk dan kanal yang ada, perusahaan dapat membangun fondasi yang lebih kuat untuk pertumbuhan yang berkelanjutan dan peningkatan kinerja yang signifikan.