# Laporan Akhir Eksplorasi Data

## 1. Ringkasan Eksekutif

Laporan Analisis Data Eksplorasi ini bertujuan untuk menggali wawasan tersembunyi dari data pemenuhan pesanan pelanggan selama bulan Juni 2026. Analisis ini berfokus pada peningkatan kinerja penjualan, identifikasi korelasi produk, dan pemahaman perilaku pelanggan untuk mendukung pengambilan keputusan strategis. Data yang digunakan mencakup 20,645 pesanan ulang (Repeat Order/RO) unik, 1,439 produk berbeda, dan 5,062 outlet pelanggan.

**Gambaran Umum Kinerja Operasional dan Penjualan:**

Secara keseluruhan, kinerja pemenuhan pesanan menunjukkan efisiensi yang sangat baik, dengan 98.7% dari total pesanan ulang berhasil "TERLAYANI PENUH" dan rasio kuantitas produk terkirim (Qty DO) terhadap kuantitas pesanan (Qty RO) rata-rata mencapai 0.99 atau 99%. Ini mengindikasikan bahwa sebagian besar pesanan berhasil dipenuhi sesuai permintaan pelanggan. Total nilai penjualan (Value PL) yang tercatat selama periode ini adalah sekitar 55,08 miliar Rupiah.

**Analisis Produk Utama:**

*   **Produk Berkontribusi Tinggi:** Analisis mengidentifikasi "POLYSILANE TAB. KUNYAH 5X8TAB", "PRORIS SUSP 60 ML RASA JERUK", dan "MICROLAX GEL OBAT PENCAHAR 5ML" sebagai produk-produk teratas baik dari sisi nilai penjualan maupun kuantitas pengiriman. Produk-produk ini merupakan pendorong utama pendapatan dan volume.
*   **Produk Pharos Group:** Meskipun jumlah produk yang diproduksi oleh Pharos Group (217 produk) lebih sedikit dibandingkan non-Pharos (1,222 produk), produk-produk Pharos menyumbang nilai penjualan dan kuantitas pengiriman yang secara signifikan lebih tinggi, yaitu sekitar 32,72 miliar Rupiah dan 1,03 juta unit. Ini menunjukkan bahwa produk Pharos memiliki nilai strategis dan kontribusi rata-rata per produk yang lebih besar.
*   **Kualitas Data Divisi:** Setelah penyelidikan mendalam, tidak ditemukan inkonsistensi pada atribusi 'Divisi' untuk setiap produk, memastikan integritas data untuk analisis kategori produk.

**Tren Penjualan Harian dan Mingguan:**

Periode analisis bulan Juni 2026 menunjukkan fluktuasi penjualan yang jelas.
*   **Puncak Penjualan Harian:** Penjualan tertinggi tercatat pada tanggal 11 Juni 2026, dengan nilai penjualan mencapai 6,02 miliar Rupiah dan kuantitas pengiriman tertinggi sebanyak 181,179 unit.
*   **Puncak Penjualan Mingguan:** Minggu yang dimulai pada tanggal 8 Juni 2026 menjadi periode paling produktif, menghasilkan nilai penjualan sebesar 23,05 miliar Rupiah. Pola ini mengindikasikan adanya periode-periode sibuk yang perlu diperhatikan dalam perencanaan operasional dan logistik.

**Performa Outlet dan Segmentasi Pelanggan:**

Sebanyak 5,062 outlet pelanggan dianalisis dan dikelompokkan menjadi tiga segmen berdasarkan nilai dan volume pembelian mereka:

*   **Segmen High-Value (14 Outlet):** Meskipun jumlahnya sangat kecil, outlet-outlet di segmen ini adalah kontributor terbesar nilai penjualan, dengan rata-rata total Value PL mencapai 486,24 juta Rupiah per outlet.
*   **Segmen Medium-Value (753 Outlet):** Segmen ini menunjukkan kinerja penjualan moderat dengan rata-rata total Value PL sekitar 37,58 juta Rupiah per outlet.
*   **Segmen Low-Value (4,295 Outlet):** Merupakan segmen terbesar namun dengan nilai penjualan terendah, rata-rata total Value PL sekitar 4,65 juta Rupiah per outlet.

**Anomali dan Peluang Strategis AO YN:**

Analisis menunjukkan bahwa sekitar 25.4% dari total outlet (1,286 outlet) berpartisipasi dalam program Apotek Online (AO YN). Menariknya, distribusi partisipasi AO di antara segmen pelanggan menunjukkan anomali:
*   Proporsi outlet yang berpartisipasi dalam program AO ('Y') meningkat dari segmen Low-Value (22.4%) ke Medium-Value (43.2%).
*   Namun, pada segmen High-Value, tidak ada satupun outlet (0%) yang tercatat berpartisipasi dalam program Apotek Online. Ini merupakan temuan krusial karena menunjukkan bahwa pelanggan terbesar perusahaan saat ini tidak memanfaatkan platform online yang disediakan.

**Metode Pembayaran:**

"BCA Virtual Account" adalah metode pembayaran yang paling dominan, digunakan pada 11,894 pesanan ulang dan menyumbang lebih dari 41,76 miliar Rupiah dari total nilai penjualan. Ini menegaskan preferensi pelanggan terhadap metode pembayaran ini.

**Rekomendasi:**

1.  **Optimasi Portofolio Produk:** Fokus pada promosi dan ketersediaan produk-produk dengan kinerja tinggi, termasuk produk-produk Pharos Group yang menunjukkan kontribusi nilai signifikan.
2.  **Strategi Pemasaran untuk Outlet High-Value:** Segera lakukan penyelidikan mendalam mengapa outlet-outlet High-Value tidak berpartisipasi dalam program Apotek Online. Adakan pendekatan personal untuk memahami kebutuhan mereka dan menawarkan insentif khusus agar mereka mau bergabung, mengingat potensi peningkatan penjualan yang sangat besar.
3.  **Mendorong Partisipasi AO di Segmen Medium-Value:** Lanjutkan upaya untuk meningkatkan partisipasi outlet di segmen Medium-Value ke program Apotek Online, karena segmen ini menunjukkan korelasi positif antara partisipasi AO dan peningkatan nilai.
4.  **Memanfaatkan Tren Penjualan:** Sesuaikan perencanaan operasional dan strategi pemasaran dengan pola penjualan harian dan mingguan yang teridentifikasi, khususnya dalam menghadapi periode puncak penjualan.
5.  **Ulangi Analisis Market Basket:** Analisis Market Basket yang tidak berhasil perlu diulang untuk mengidentifikasi produk-produk yang sering dibeli bersamaan. Wawasan ini dapat digunakan untuk strategi *cross-selling*, *product bundling*, dan optimasi tata letak produk.

## 2. Pendahuluan

Laporan Analisis Data Eksplorasi (ADE) ini disusun untuk menggali wawasan mendalam dari data pemenuhan pesanan pelanggan yang tercatat sepanjang bulan Juni 2026. Tujuan utamanya adalah untuk mengidentifikasi peluang peningkatan kinerja, mengoptimalkan strategi penjualan, dan memahami korelasi antar produk serta perilaku pelanggan secara lebih kritis. Data yang dianalisis merupakan catatan komprehensif dari setiap tahap proses pemenuhan pesanan, mulai dari penerimaan pesanan ulang (Repeat Order/RO) hingga pengiriman ke pelanggan.

### Sumber dan Persiapan Data

Data utama untuk analisis ini bersumber dari tabel `omg_10003_b1_sheet1`, yang berisi detail lengkap mengenai transaksi penjualan dan logistik. Sebelum analisis lebih lanjut, data telah melalui serangkaian langkah pra-pemrosesan yang krusial:
1.  **Pembersihan Data Awal**: Duplikasi baris yang identik telah dihilangkan untuk memastikan keunikan setiap entri. Kolom tanggal yang relevan dikonversi menjadi format `datetime` untuk memungkinkan analisis temporal yang akurat. Nilai yang hilang pada kolom tekstual seperti 'Keterangan' dan 'Nama Penerima' telah diisi dengan string kosong, meminimalisir dampak data kosong pada proses selanjutnya.
2.  **Normalisasi Data**: Untuk meningkatkan integritas data dan memfasilitasi analisis yang lebih terstruktur, data mentah dinormalisasi ke dalam empat tabel relasional terpisah:
    *   `normalized_outlets`: Berisi informasi unik mengenai setiap outlet pelanggan (`KodePI`, `OutCode`, `Cmc`, `Nama Outlet`, `AO YN`).
    *   `normalized_products`: Mengandung detail unik setiap produk (`Procod`, `Prodes`, `Divisi`, `Pharos YN`).
    *   `normalized_repeat_orders`: Menyimpan informasi unik untuk setiap pesanan ulang (`No. RO`, `Tgl. Order`, `Status RO`, `Payment`, `KodePI`).
    *   `normalized_order_fulfillment_line_items`: Ini adalah tabel fakta yang merinci setiap item pesanan, menghubungkan antara produk dan pesanan ulang dengan seluruh tahapan proses pemenuhan (SP, DO, PL, dan kuantitas terkait).

Proses normalisasi ini memungkinkan analisis dilakukan pada granularitas yang tepat (tingkat RO, produk, atau outlet) dan menjamin keandalan temuan.

### Gambaran Umum Data

Data yang dianalisis mencakup seluruh aktivitas pemenuhan pesanan selama bulan Juni 2026, dari tanggal 1 Juni 2026 hingga 30 Juni 2026. Secara keseluruhan, dataset ini terdiri dari:
*   **Total Pesanan Ulang (RO) Unik**: 20,645 pesanan.
*   **Total Produk Unik**: 1,439 jenis produk.
*   **Total Outlet Pelanggan Unik**: 5,062 outlet.
*   **Total Nilai Penjualan (Value PL)**: Rp 55.080.971.689.

Efisiensi pemenuhan pesanan menunjukkan kinerja yang sangat baik, dengan rata-rata rasio kuantitas produk terkirim (`Qty DO`) terhadap kuantitas pesanan (`Qty RO`) sebesar 0.99. Selain itu, 98.7% dari total pesanan ulang berhasil "TERLAYANI PENUH", mengindikasikan tingkat kepuasan pelanggan yang tinggi dalam pemenuhan pesanan.

### Fokus Analisis Lanjutan

Laporan ini akan melanjutkan eksplorasi data dengan fokus pada beberapa area kunci:
*   **Identifikasi Pendorong Penjualan**: Menganalisis produk dan divisi yang berkontribusi paling besar terhadap nilai penjualan dan kuantitas terkirim, termasuk perbandingan antara produk Pharos Group dan non-Pharos.
*   **Perilaku Pelanggan**: Mengidentifikasi segmen pelanggan yang berbeda berdasarkan pola pembelian mereka untuk merancang strategi pemasaran yang lebih bertarget. Sebuah anomali menarik telah teridentifikasi terkait partisipasi outlet bernilai tinggi dalam program Apotek Online (AO YN), yang akan menjadi area investigasi mendalam.
*   **Efisiensi Operasional**: Memantau tren penjualan dan pengiriman harian serta mingguan untuk memahami pola operasional dan mengidentifikasi periode puncak aktivitas.
*   **Korelasi Produk**: Menggunakan teknik analisis keranjang pasar untuk mengungkap produk-produk yang sering dibeli bersamaan, guna mendukung inisiatif *cross-selling* dan *bundling*.

Melalui pendekatan analitis ini, kami berharap dapat menyajikan wawasan yang actionable dan mendukung pengambilan keputusan strategis untuk pertumbuhan bisnis yang berkelanjutan.

## 3. Kualitas Data & Pra-pemrosesan

Setelah pengumpulan dan integrasi data, tahap krusial berikutnya dalam Analisis Data Eksplorasi (ADE) adalah memastikan kualitas dan kebersihan data. Langkah ini sangat penting untuk menjamin bahwa wawasan yang dihasilkan akurat, andal, dan dapat ditindaklanjuti. Proses pra-pemrosesan data dalam laporan ini mencakup pembersihan awal, penanganan nilai hilang, konversi tipe data, serta normalisasi skema data untuk meningkatkan integritas dan efisiensi analisis.

### 3.1 Pembersihan Data Awal

Langkah pertama dalam pra-pemrosesan adalah membersihkan data dari elemen yang dapat mengganggu analisis.

*   **Penghapusan Duplikasi Baris:** Pemeriksaan terhadap duplikasi baris yang persis sama telah dilakukan pada tabel `omg_10003_b1_sheet1`. Hasilnya menunjukkan bahwa **tidak ada baris duplikat yang ditemukan** (0 baris dihapus), mengindikasikan keunikan setiap catatan dalam data mentah.

*   **Konversi Tipe Data:** Beberapa kolom yang berisi informasi tanggal dan waktu (`Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Diterima`, `Lastupdate`) telah berhasil dikonversi dari format string menjadi objek `datetime`. Konversi ini esensial untuk analisis temporal yang akurat, memungkinkan perhitungan durasi, tren harian atau mingguan, dan perbandingan antar waktu.

*   **Penanganan Nilai Hilang:** Nilai yang hilang (NaN) pada kolom tekstual 'Keterangan' dan 'Nama Penerima' telah diatasi dengan mengisi string kosong ('').
    *   Kolom **'Keterangan'** memiliki **131,315 nilai kosong** yang diisi dengan string kosong.
    *   Kolom **'Nama Penerima'** juga memiliki **131,315 nilai kosong** yang diisi dengan string kosong.
    Meskipun jumlahnya signifikan, pengisian dengan string kosong adalah pendekatan yang tepat untuk kolom deskriptif, memastikan bahwa data ini tidak mengganggu analisis atau menyebabkan error pada tahap berikutnya.

### 3.2 Normalisasi Skema Data

Untuk meningkatkan integritas data dan memfasilitasi analisis multi-granularitas, data mentah telah dinormalisasi ke dalam empat tabel relasional. Proses ini bertujuan untuk memisahkan informasi berdasarkan entitas utama (outlet, produk, pesanan ulang) dan menyatukan detail pemenuhan pesanan dalam satu tabel fakta.

Tabel-tabel normalisasi yang dihasilkan adalah:
*   `normalized_outlets`: Berisi informasi unik mengenai setiap outlet pelanggan (seperti `KodePI`, `OutCode`, `Cmc`, `Nama Outlet`, `AO YN`).
*   `normalized_products`: Mengandung detail unik setiap produk (seperti `Procod`, `Prodes`, `Divisi`, `Pharos YN`).
*   `normalized_repeat_orders`: Menyimpan informasi unik untuk setiap pesanan ulang (seperti `No. RO`, `Tgl. Order`, `Status RO`, `Payment`, `KodePI`).
*   `normalized_order_fulfillment_line_items`: Ini adalah tabel fakta yang merinci setiap item pesanan, menghubungkan antara produk dan pesanan ulang dengan seluruh tahapan proses pemenuhan (SP, DO, PL, dan kuantitas terkait).

Pendekatan ini memastikan bahwa analisis selanjutnya dapat dilakukan secara efisien, dengan meminimalkan redundansi dan menjaga konsistensi data.

### 3.3 Analisis Kualitas Data & Anomali Fungsional

Meskipun pembersihan awal telah dilakukan, pemeriksaan dependensi fungsional antar kolom mengungkapkan beberapa poin penting mengenai integritas data dan pemahaman domain.

*   **Korelasi Identitas Outlet (OutCode, Cmc terhadap KodePI):**
    *   `OutCode` menunjukkan dependensi yang kuat terhadap `KodePI`, yang berarti setiap `KodePI` secara konsisten terkait dengan satu `OutCode`.
    *   Namun, `Cmc` **TIDAK** menunjukkan dependensi fungsional yang ketat terhadap `KodePI`. Ini berarti satu `KodePI` mungkin memiliki lebih dari satu nilai `Cmc` yang berbeda, atau sebaliknya. Berdasarkan pemahaman konteks bisnis ("Ketiga kolom ini hanya kode unik dari system yang berbeda. Tidak ada hirarki."), anomali ini dapat dijelaskan. Ini mengindikasikan bahwa `KodePI`, `OutCode`, dan `Cmc` adalah identifikasi unik yang berasal dari sistem yang berbeda dan tidak dirancang untuk memiliki hubungan hierarkis atau satu-ke-satu yang ketat antar satu sama lain. Oleh karena itu, observasi ini **bukanlah isu kualitas data** melainkan cerminan dari desain sistem data yang berbeda-beda.

*   **Inkonsistensi Status Repeat Order (Status RO terhadap No. RO):**
    *   Pemeriksaan dependensi fungsional menunjukkan bahwa `Status RO` **TIDAK** sepenuhnya tergantung pada `No. RO`. Artinya, ada `No. RO` yang terkait dengan lebih dari satu `Status RO` yang berbeda (maksimum 2 status unik). Beberapa Nomor RO yang bermasalah antara lain `4918054`, `4918065`, `4918076`, `4918083`, dan `4918104`.
    *   **Anomali ini merupakan masalah integritas data yang krusial.** Sebuah pesanan ulang (RO) seharusnya memiliki satu status yang jelas pada satu waktu tertentu. Adanya multiple status untuk satu `No. RO` bisa mengindikasikan:
        *   Perubahan status yang tidak tercatat secara historis dengan benar (misalnya, status sebelumnya ditimpa tanpa jejak).
        *   Kesalahan entri data.
        *   Definisi `Status RO` yang tidak seragam di seluruh sistem atau proses.
    *   Tanpa klarifikasi lebih lanjut, inkonsistensi ini dapat memengaruhi analisis kinerja pemenuhan pesanan dan pengambilan keputusan terkait `Status RO`.

*   **Konsistensi Data Produk (Divisi terhadap Procod):**
    *   Pemeriksaan dependensi fungsional awal pada data mentah sempat mengindikasikan bahwa `Divisi` **TIDAK** sepenuhnya tergantung pada `Procod` (maksimum 4 divisi unik untuk satu `Procod`). Hal ini menunjukkan potensi inkonsistensi dimana satu produk (berdasarkan `Procod`) dapat dikategorikan ke dalam beberapa `Divisi`.
    *   Namun, investigasi lebih lanjut dan mendalam yang secara spesifik menargetkan anomali ini **tidak menemukan inkonsistensi 'Divisi'**. Ini berarti, setelah analisis yang lebih teliti, dipastikan bahwa **semua produk memiliki 'Divisi' yang unik** yang ditetapkan pada data yang telah diproses. Ini mengesampingkan kekhawatiran awal dan mengkonfirmasi integritas data pada aspek kategori produk.

### 3.4 Rekomendasi

Berdasarkan temuan di atas, berikut adalah rekomendasi untuk meningkatkan kualitas data dan memastikan keandalan analisis di masa mendatang:

1.  **Investigasi dan Klarifikasi Inkonsistensi `Status RO`**: Sangat penting untuk menyelidiki mengapa satu `No. RO` dapat memiliki lebih dari satu `Status RO`. Langkah-langkah yang dapat diambil meliputi:
    *   Memahami alur bisnis dan proses perubahan status RO.
    *   Memeriksa logika entri data dan sistem yang mencatat status.
    *   Mempertimbangkan untuk menerapkan validasi data yang lebih ketat pada saat entri status RO.
    *   Jika perubahan status memang diperbolehkan, sistem harus mencatat riwayat status dengan stempel waktu untuk menjaga integritas data historis.

Dengan mengatasi masalah kualitas data ini, kepercayaan terhadap analisis akan meningkat, dan keputusan bisnis yang diambil akan didasarkan pada informasi yang lebih akurat.

## 4. Gambaran Umum Data

Bab ini menyajikan gambaran umum tingkat tinggi mengenai dataset yang dianalisis, mencakup karakteristik utama dari pesanan ulang (RO), produk, dan outlet pelanggan. Tujuannya adalah untuk memberikan pemahaman awal yang komprehensif tentang skala dan sifat data sebelum menyelami analisis yang lebih terperinci.

### 4.1 Gambaran Umum Pesanan Ulang (RO)

Analisis ini didasarkan pada data pesanan ulang yang terjadi sepanjang bulan Juni 2026.

*   **Total Pesanan Ulang (RO) Unik**: Terdapat total **20,645** pesanan ulang yang berbeda dalam dataset.
*   **Rentang Tanggal Pesanan**: Semua pesanan tercatat antara **2026-06-01 00:01:51** dan **2026-06-30 23:59:28**, mencakup seluruh aktivitas di bulan Juni 2026.
*   **Total Nilai PL (Packing List)**: Total nilai penjualan yang tercatat dari semua pesanan adalah **Rp 55,080,971,689**.

#### Distribusi Status Pesanan Ulang (RO)

Status pesanan ulang sangat penting untuk memahami efisiensi operasional. Sebagian besar pesanan berhasil dilayani sepenuhnya.

| Status RO         | ro_count |
| :---------------- | -------: |
| TERLAYANI PENUH   |   20,376 |
| CANCEL            |      269 |

#### Distribusi Metode Pembayaran

Metode pembayaran yang digunakan oleh pelanggan juga menunjukkan preferensi yang jelas.

| Payment             | ro_count |
| :------------------ | -------: |
| BCA Virtual Account |   11,894 |
| Term Of Payment     |    6,706 |
| BRIVA               |    2,021 |
| Kredivo             |       24 |

### 4.2 Gambaran Umum Produk

Data ini mencakup berbagai jenis produk yang diperdagangkan, dengan fokus pada identifikasi produk terlaris dan kontribusi produk Pharos Group.

*   **Total Produk Unik**: Terdapat **1,439** produk unik dalam dataset.

#### Top 10 Produk berdasarkan Total Nilai PL

Produk-produk ini merupakan kontributor terbesar terhadap pendapatan perusahaan selama periode analisis.

| Procod | Prodes                         | total_value_pl   | total_qty_do |
| -----: | :----------------------------- | :--------------- | -----------: |
| 200850 | POLYSILANE TAB. KUNYAH 5X8TAB  | 4,035,620,000    |      109,731 |
| 201478 | PRORIS SUSP 60 ML RASA JERUK   | 3,345,580,000    |      148,172 |
| 201630 | MICROLAX GEL OBAT PENCAHAR 5ML | 3,292,290,000    |      173,768 |
| 202144 | MICROLAX 3 X 5 ML              | 2,686,760,000    |       52,880 |
| 201784 | POLYSILANE SUSPENSI 100 ML     | 1,930,170,000    |       94,457 |
| 110492 | PRORIS FORTE 200MG SUSP 50ML   | 1,635,650,000    |       61,019 |
| 104115 | CATAFLAM 50MG TAB 50'S         | 1,414,420,000    |        4,238 |
| 103842 | MEFINAL 500MG CAP 100'S        | 1,117,220,000    |        6,527 |
| 102056 | NEBACETIN POWDER 5GR           | 1,017,720,000    |       52,622 |
| 304507 | ALBUSMIN 3 BLISTER @ 10 KAPSUL | 945,403,000      |        6,060 |

#### Top 10 Produk berdasarkan Total Kuantitas Terkirim (Qty DO)

Produk-produk ini menunjukkan volume pengiriman yang sangat tinggi, mengindikasikan permintaan pasar yang kuat.

| Procod | Prodes                         | total_value_pl   | total_qty_do |
| -----: | :----------------------------- | :--------------- | -----------: |
| 201630 | MICROLAX GEL OBAT PENCAHAR 5ML | 3,292,290,000    |      173,768 |
| 201478 | PRORIS SUSP 60 ML RASA JERUK   | 3,345,580,000    |      148,172 |
| 200850 | POLYSILANE TAB. KUNYAH 5X8TAB  | 4,035,620,000    |      109,731 |
| 201784 | POLYSILANE SUSPENSI 100 ML     | 1,930,170,000    |       94,457 |
| 110492 | PRORIS FORTE 200MG SUSP 50ML   | 1,635,650,000    |       61,019 |
| 202144 | MICROLAX 3 X 5 ML              | 2,686,760,000    |       52,880 |
| 102056 | NEBACETIN POWDER 5GR           | 1,017,720,000    |       52,622 |
| 202935 | SANMOL PARACETAMOL SIROP 60ML  | 774,198,000      |       44,039 |
| 102055 | NEBACETIN OINT 5GR             | 798,128,000      |       43,851 |
| 200851 | POLYSILANE SUSP 180 ML         | 749,079,000      |       25,696 |

#### Distribusi Produk berdasarkan `Pharos YN`

Perbandingan antara produk Pharos Group dan non-Pharos mengungkapkan kontribusi nilai yang signifikan dari produk Pharos.

*   **Produk Pharos Group (`Y`)**: Terdapat **217** produk yang diproduksi oleh Pharos Group, menyumbang **15.1%** dari total produk unik. Produk-produk ini menghasilkan total nilai PL **Rp 32,720,924,525** dan total kuantitas DO **1,026,883** unit.
*   **Produk Non-Pharos Group (`N`)**: Terdapat **1,222** produk non-Pharos, yang merupakan **84.9%** dari total produk unik. Produk-produk ini menghasilkan total nilai PL **Rp 22,360,047,164** dan total kuantitas DO **409,346** unit.

Meskipun jumlah produknya jauh lebih sedikit, produk Pharos Group menyumbang nilai penjualan dan kuantitas pengiriman yang secara signifikan lebih tinggi, menunjukkan potensi dan pentingnya strategis produk-produk ini.

#### Kualitas Data Atribut 'Divisi'

Setelah investigasi mendalam, **tidak ditemukan inkonsistensi** pada penugasan 'Divisi' untuk setiap `Procod`. Semua produk memiliki 'Divisi' yang unik dan konsisten, mengonfirmasi integritas data pada aspek kategori produk. Ini menghilangkan kekhawatiran awal yang mungkin muncul dari pemeriksaan dependensi fungsional mentah.

### 4.3 Gambaran Umum Outlet

Bagian ini memberikan gambaran tentang basis pelanggan perusahaan, termasuk partisipasi mereka dalam program Apotek Online (AO YN).

*   **Total Outlet Unik**: Terdapat **5,062** outlet pelanggan yang berbeda dalam dataset.

#### Distribusi Outlet berdasarkan `AO YN` (Partisipasi Apotek Online)

Partisipasi dalam program Apotek Online (AO) menunjukkan segmentasi yang jelas di antara pelanggan.

*   **Outlet Berpartisipasi (`Y`)**: Terdapat **1,286** outlet yang berpartisipasi dalam program Apotek Online, mewakili **25.4%** dari total outlet.
*   **Outlet Tidak Berpartisipasi (`N`)**: Sebagian besar, yaitu **3,776** outlet (**74.6%**), tidak berpartisipasi dalam program ini.

#### Top 10 Outlet berdasarkan Total Nilai PL

Outlet-outlet ini adalah kontributor terbesar terhadap total nilai penjualan.

| KodePI   | Nama Outlet                  | total_value_pl   | total_qty_do |
| :------- | :--------------------------- | :--------------- | -----------: |
| FF001204 | TEKNOLOGI MEDIKA PRATAMA, PT | 1,594,850,000    |       49,850 |
| F1004325 | BAHTERA SEHAT SEJAHTERA, PT  | 659,882,000      |       24,478 |
| F4002268 | CARMELLA GUSTAVINDO, PT      | 624,706,000      |       21,082 |
| F1003085 | EVA SURYA PRATAMA PT         | 597,144,000      |       20,634 |
| A1007302 | SEMPURNA MITRA PERKASA, PT   | 524,623,000      |       18,948 |
| G1004201 | LESTARI JAYA SEJAHTERA, PT   | 373,541,000      |       11,744 |
| H1004404 | PODO MEKAR JAYA SENTOSA, PT. | 365,289,000      |       14,210 |
| H1006153 | IKON SURABAYA FARMAMART, PT  | 359,560,000      |       13,738 |
| D1003699 | BIMA SAKTI MEDICA, PT        | 333,474,000      |       10,261 |
| G1004186 | INTI TERAFARMA INDONESIA, PT | 332,750,000      |       12,299 |

#### Top 10 Outlet berdasarkan Total Kuantitas Terkirim (Qty DO)

Outlet-outlet ini menunjukkan volume permintaan yang sangat tinggi dari sisi kuantitas produk.

| KodePI   | Nama Outlet                  | total_value_pl   | total_qty_do |
| :------- | :--------------------------- | :--------------- | -----------: |
| FF001204 | TEKNOLOGI MEDIKA PRATAMA, PT | 1,594,850,000    |       49,850 |
| F1004325 | BAHTERA SEHAT SEJAHTERA, PT  | 659,882,000      |       24,478 |
| F4002268 | CARMELLA GUSTAVINDO, PT      | 624,706,000      |       21,082 |
| F1003085 | EVA SURYA PRATAMA PT         | 597,144,000      |       20,634 |
| A1007302 | SEMPURNA MITRA PERKASA, PT   | 524,623,000      |       18,948 |
| H1004404 | PODO MEKAR JAYA SENTOSA, PT. | 365,289,000      |       14,210 |
| H1006153 | IKON SURABAYA FARMAMART, PT  | 359,560,000      |       13,738 |
| H2003515 | SAKAJAJA MAKMUR ABADI, PT    | 266,195,000      |       12,897 |
| G1004186 | INTI TERAFARMA INDONESIA, PT | 332,750,000      |       12,299 |
| G1004201 | LESTARI JAYA SEJAHTERA, PT   | 373,541,000      |       11,744 |

Analisis segmentasi outlet yang lebih mendalam, berdasarkan perilaku pembelian dan metrik kinerja penjualan, telah dilakukan untuk mengidentifikasi kelompok pelanggan yang berbeda. Detail mengenai segmen-segmen ini dan karakteristiknya akan dibahas secara komprehensif pada Bab 7: Segmentasi Pelanggan.

### 4.4 Tren Temporal dan Efisiensi Pemenuhan Pesanan

Analisis terhadap tren harian dan mingguan mengungkapkan pola operasional dan puncak aktivitas selama bulan Juni 2026.

*   **Puncak Penjualan Harian**: Hari dengan total nilai penjualan (Value PL) tertinggi adalah **2026-06-11**, mencapai **Rp 6,024,727,014**. Pada hari yang sama, kuantitas terkirim (Qty DO) juga mencapai puncaknya dengan **181,179** unit.
*   **Puncak Penjualan Mingguan**: Minggu yang dimulai pada **2026-06-08** mencatat total nilai penjualan tertinggi, sebesar **Rp 23,053,033,606**, serta kuantitas terkirim tertinggi, yaitu **660,015** unit.

**Efisiensi Pemenuhan Pesanan Keseluruhan**:

*   **Rasio Qty DO / Qty RO**: Rata-rata rasio kuantitas terkirim (Qty DO) terhadap kuantitas pesanan (Qty RO) secara keseluruhan adalah **0.99**. Ini mengindikasikan bahwa, secara rata-rata, **99%** dari kuantitas yang dipesan berhasil dikirim.
*   **Persentase RO Status 'TERLAYANI PENUH'**: Sebanyak **98.7%** dari total pesanan ulang memiliki status 'TERLAYANI PENUH'.

Angka-angka ini menunjukkan tingkat efisiensi operasional yang sangat tinggi dalam proses pemenuhan pesanan, di mana sebagian besar pesanan berhasil dipenuhi sesuai permintaan pelanggan baik dari sisi kelengkapan pesanan maupun kuantitas produk.

## 5. Analisis Deskriptif

Analisis deskriptif merupakan fondasi untuk memahami karakteristik utama data, mengidentifikasi pola awal, dan menemukan potensi anomali yang memerlukan investigasi lebih lanjut. Bab ini menyajikan wawasan mendalam mengenai tren penjualan dan pengiriman, kinerja berdasarkan kategori kunci seperti produk Pharos dan partisipasi Apotek Online (AO YN), serta preferensi metode pembayaran.

### 5.1 Tren Temporal Penjualan dan Pengiriman

Analisis tren harian dan mingguan memberikan gambaran dinamis tentang kinerja penjualan dan logistik selama bulan Juni 2026, membantu mengidentifikasi periode puncak dan potensi tantangan operasional.

#### 5.1.1 Tren Harian

Data penjualan dan kuantitas terkirim menunjukkan fluktuasi yang signifikan antar hari. Tabel di bawah merangkum total nilai penjualan (Value PL), total kuantitas terkirim (Qty DO), total kuantitas pesanan (Qty RO), dan rasio Qty DO/RO harian.

| Tanggal      | Total Value PL      | Total Qty DO | Total Qty RO | Rasio Qty DO/RO |
| :----------- | :------------------ | -----------: | -----------: | :-------------- |
| 2026-06-01   | 701,697,808         | 14,631       | 14,681       | 1.00            |
| 2026-06-02   | 1,746,351,714       | 42,758       | 43,114       | 0.99            |
| 2026-06-03   | 1,651,336,923       | 40,943       | 41,123       | 1.00            |
| 2026-06-04   | 2,649,944,500       | 71,155       | 71,339       | 1.00            |
| 2026-06-05   | 1,570,306,967       | 34,864       | 35,179       | 0.99            |
| 2026-06-06   | 1,131,389,697       | 25,766       | 25,913       | 0.99            |
| 2026-06-07   | 410,373,379         | 8,964        | 9,000        | 1.00            |
| 2026-06-08   | 2,377,478,892       | 62,000       | 62,281       | 1.00            |
| 2026-06-09   | 1,458,281,756       | 31,352       | 31,806       | 0.99            |
| 2026-06-10   | 1,823,083,773       | 45,270       | 45,403       | 1.00            |
| 2026-06-11   | 6,024,727,014       | 181,179      | 182,421      | 0.99            |
| 2026-06-12   | 4,682,331,924       | 143,146      | 143,985      | 0.99            |
| 2026-06-13   | 5,122,430,822       | 155,304      | 158,114      | 0.98            |
| 2026-06-14   | 1,564,699,425       | 41,764       | 42,653       | 0.98            |
| 2026-06-15   | 1,777,654,713       | 44,156       | 46,762       | 0.94            |
| 2026-06-16   | 510,679,219         | 11,126       | 11,431       | 0.97            |
| 2026-06-17   | 1,127,981,959       | 23,947       | 24,293       | 0.99            |
| 2026-06-18   | 2,203,860,527       | 59,911       | 60,106       | 1.00            |
| 2026-06-19   | 1,010,099,983       | 20,780       | 20,840       | 1.00            |
| 2026-06-20   | 629,789,289         | 13,983       | 14,081       | 0.99            |
| 2026-06-21   | 327,207,137         | 7,099        | 7,175        | 0.99            |
| 2026-06-22   | 1,569,046,757       | 33,737       | 33,904       | 1.00            |
| 2026-06-23   | 1,274,280,811       | 28,294       | 28,445       | 0.99            |
| 2026-06-24   | 1,279,376,593       | 28,579       | 28,874       | 0.99            |
| 2026-06-25   | 1,498,676,517       | 36,947       | 37,222       | 0.99            |
| 2026-06-26   | 1,118,542,369       | 25,378       | 25,520       | 0.99            |
| 2026-06-27   | 1,007,730,140       | 24,385       | 24,556       | 0.99            |
| 2026-06-28   | 422,795,006         | 9,829        | 9,882        | 0.99            |
| 2026-06-29   | 2,505,616,114       | 64,103       | 64,567       | 0.99            |
| 2026-06-30   | 3,903,199,961       | 104,879      | 105,535      | 0.99            |

**Observasi Kunci Harian:**
*   **Puncak Aktivitas:** Tanggal 11 Juni 2026 menonjol sebagai hari dengan nilai penjualan tertinggi (Rp 6,024,727,014) dan kuantitas pengiriman tertinggi (181,179 unit). Tanggal 12 dan 13 Juni juga menunjukkan aktivitas yang sangat tinggi. Periode ini kemungkinan besar didorong oleh kampanye penjualan, promo, atau kebutuhan musiman yang signifikan.
*   **Periode Tenang:** Sebaliknya, tanggal 21 Juni 2026 memiliki nilai penjualan dan kuantitas terkirim terendah. Pola ini dapat mengindikasikan hari libur, akhir pekan yang lebih rendah aktivitasnya, atau jeda setelah periode puncak.
*   **Konsistensi Rasio Qty DO/RO:** Rasio Qty DO/RO menunjukkan tingkat pemenuhan yang sangat konsisten, hampir selalu berada di angka 0.99 atau 1.00. Ini menggarisbawahi efisiensi operasional harian dalam memenuhi pesanan sesuai dengan kuantitas yang diminta, bahkan pada volume tinggi.

#### 5.1.2 Tren Mingguan

Agregasi data ke dalam tren mingguan memberikan perspektif yang lebih luas tentang performa dalam periode waktu yang lebih panjang.

| Awal Minggu | Total Value PL      | Total Qty DO | Total Qty RO | Rasio Qty DO/RO |
| :---------- | :------------------ | -----------: | -----------: | :-------------- |
| 2026-06-01  | 9,861,400,988       | 239,081      | 240,349      | 0.99            |
| 2026-06-08  | 23,053,033,606      | 660,015      | 666,663      | 0.99            |
| 2026-06-15  | 7,587,272,827       | 181,002      | 184,688      | 0.98            |
| 2026-06-22  | 8,170,448,193       | 187,149      | 188,403      | 0.99            |
| 2026-06-29  | 6,408,816,075       | 168,982      | 170,102      | 0.99            |

**Observasi Kunci Mingguan:**
*   **Minggu Puncak:** Minggu yang dimulai pada 8 Juni 2026 menjadi periode paling aktif, menyumbang nilai penjualan dan kuantitas pengiriman tertinggi. Ini konsisten dengan observasi harian di atas, yang menunjukkan beberapa hari puncak terjadi dalam minggu ini.
*   **Penurunan Menjelang Akhir Bulan:** Terlihat adanya penurunan aktivitas penjualan dan pengiriman pada minggu-minggu menjelang akhir bulan, khususnya minggu yang dimulai pada 29 Juni, dibandingkan dengan puncak di awal dan pertengahan bulan. Hal ini bisa menjadi pola bulanan yang dapat diantisipasi untuk alokasi sumber daya.

#### 5.1.3 Efisiensi Pemenuhan Pesanan (Level Item)

Secara keseluruhan, data menunjukkan efisiensi pemenuhan pesanan yang sangat tinggi. Rata-rata rasio kuantitas terkirim (Qty DO) terhadap kuantitas pesanan (Qty RO) adalah **0.99**, yang berarti hampir seluruh kuantitas produk yang dipesan berhasil dikirim. Selain itu, 98.7% dari total pesanan ulang berhasil ditandai sebagai 'TERLAYANI PENUH'. Konsistensi rasio ini pada tingkat harian dan mingguan menegaskan bahwa proses operasional berjalan dengan sangat baik dalam memenuhi pesanan pelanggan secara lengkap.

### 5.2 Kinerja Penjualan Berdasarkan Kategori Kunci

Menganalisis kinerja berdasarkan kategori tertentu memberikan pemahaman tentang segmen mana yang paling berpengaruh terhadap bisnis.

#### 5.2.1 Kontribusi Produk Berdasarkan `Pharos YN`

Analisis ini membandingkan kinerja penjualan dan kuantitas antara produk yang diproduksi oleh Pharos Group (Pharos YN = 'Y') dan non-Pharos Group (Pharos YN = 'N').

| Pharos YN   | Produk Unik | Total Value PL      | Total Qty DO |
| :---------- | -----------: | :------------------ | -----------: |
| Y           | 217         | 32,720,924,525      | 1,026,883    |
| N           | 1,222       | 22,360,047,164      | 409,346      |

**Wawasan:**
Meskipun produk Pharos Group hanya menyumbang 15.1% dari total produk unik, produk-produk ini secara signifikan menghasilkan 59.4% dari total nilai penjualan dan 71.5% dari total kuantitas terkirim. Hal ini menunjukkan bahwa produk-produk dari Pharos Group memiliki daya tarik pasar yang sangat kuat dan kontribusi rata-rata per produk yang jauh lebih tinggi dibandingkan dengan produk non-Pharos. Ini menegaskan posisi strategis produk Pharos sebagai tulang punggung pendapatan dan volume perusahaan.

#### 5.2.2 Dampak Partisipasi Apotek Online (`AO YN`) pada Kinerja Outlet

Analisis ini membandingkan agregasi metrik penjualan untuk outlet yang berpartisipasi dalam program Apotek Online (AO YN = 'Y') dengan yang tidak berpartisipasi (AO YN = 'N').

| AO YN | Outlet Unik | Total ROs | Total Value PL      | Total Qty DO |
| :---- | -----------: | --------: | :------------------ | -----------: |
| N     | 3,776       | 13,138    | 37,557,137,531      | 1,073,470    |
| Y     | 1,286       | 7,507     | 17,523,834,158      | 362,759      |

**Wawasan:**
Sebagian besar outlet (74.6%) belum berpartisipasi dalam program Apotek Online dan secara agregat menyumbang lebih banyak pada Total ROs, Total Value PL, dan Total Qty DO. Namun, rata-rata kinerja per outlet yang berpartisipasi dalam program AO lebih tinggi dibandingkan dengan outlet non-AO (sekitar Rp 13.6 juta per outlet AO vs Rp 9.9 juta per outlet non-AO). Hal ini mengindikasikan bahwa partisipasi dalam program AO berpotensi meningkatkan kinerja penjualan outlet. Meskipun terdapat anomali pada segmen outlet bernilai tinggi yang tidak berpartisipasi (seperti yang disinggung di Ringkasan Eksekutif), data agregat ini menunjukkan bahwa program AO adalah kanal yang menjanjikan untuk pertumbuhan.

#### 5.2.3 Preferensi Metode Pembayaran

Metode pembayaran yang digunakan oleh pelanggan menunjukkan preferensi yang kuat terhadap transaksi digital.

| Payment             | Total ROs | Total Value PL      | Total Qty DO |
| :------------------ | --------: | :------------------ | -----------: |
| BCA Virtual Account | 11,894    | 41,767,398,790      | 1,092,338    |
| Term Of Payment     | 6,706     | 7,931,465,835       | 196,476      |
| BRIVA               | 2,021     | 5,362,062,743       | 146,979      |
| Kredivo             | 24        | 20,044,321          | 436          |

**Wawasan:**
"BCA Virtual Account" adalah metode pembayaran yang paling dominan, digunakan dalam 57.6% dari total pesanan ulang dan menyumbang lebih dari 75.8% dari total nilai penjualan. Dominasi ini menyoroti pentingnya menjaga kelancaran dan efisiensi sistem pembayaran digital ini. "Term Of Payment" menempati posisi kedua, menunjukkan bahwa sebagian besar pelanggan masih menggunakan metode pembayaran berbasis kredit atau termin.

### 5.3 Integritas Data 'Divisi' Produk

Pada bab sebelumnya, sempat muncul kekhawatiran mengenai potensi inkonsistensi pada kolom 'Divisi' untuk setiap 'Procod'. Namun, setelah investigasi dan analisis yang lebih mendalam, dapat dipastikan bahwa **tidak ditemukan inkonsistensi 'Divisi'**. Ini berarti setiap produk (berdasarkan `Procod` uniknya) secara konsisten hanya terkait dengan satu kategori `Divisi` yang unik. Kesimpulan ini menghilangkan kekhawatiran awal dan menegaskan bahwa data 'Divisi' dapat digunakan dengan percaya diri untuk analisis kategori produk.

## 6. Analisis Tren Waktu

Analisis tren waktu memberikan pemahaman krusial mengenai dinamika penjualan dan pengiriman sepanjang periode Juni 2026. Dengan mengidentifikasi pola harian dan mingguan, perusahaan dapat mengoptimalkan perencanaan operasional, alokasi sumber daya, dan strategi pemasaran untuk memaksimalkan kinerja.

### Tren Penjualan dan Kuantitas Harian (Juni 2026)

Tabel berikut merinci total nilai penjualan (Value PL), kuantitas produk terkirim (Qty DO), kuantitas produk yang dipesan (Qty RO), serta rasio pemenuhan harian.

| Tanggal      | Total Value PL      | Total Qty DO | Total Qty RO | Rasio Qty DO/RO |
| :----------- | :------------------ | -----------: | -----------: | :-------------- |
| 2026-06-01   | 701,697,808         | 14,631       | 14,681       | 1.00            |
| 2026-06-02   | 1,746,351,714       | 42,758       | 43,114       | 0.99            |
| 2026-06-03   | 1,651,336,923       | 40,943       | 41,123       | 1.00            |
| 2026-06-04   | 2,649,944,500       | 71,155       | 71,339       | 1.00            |
| 2026-06-05   | 1,570,306,967       | 34,864       | 35,179       | 0.99            |
| 2026-06-06   | 1,131,389,697       | 25,766       | 25,913       | 0.99            |
| 2026-06-07   | 410,373,379         | 8,964        | 9,000        | 1.00            |
| 2026-06-08   | 2,377,478,892       | 62,000       | 62,281       | 1.00            |
| 2026-06-09   | 1,458,281,756       | 31,352       | 31,806       | 0.99            |
| 2026-06-10   | 1,823,083,773       | 45,270       | 45,403       | 1.00            |
| 2026-06-11   | 6,024,727,014       | 181,179      | 182,421      | 0.99            |
| 2026-06-12   | 4,682,331,924       | 143,146      | 143,985      | 0.99            |
| 2026-06-13   | 5,122,430,822       | 155,304      | 158,114      | 0.98            |
| 2026-06-14   | 1,564,699,425       | 41,764       | 42,653       | 0.98            |
| 2026-06-15   | 1,777,654,713       | 44,156       | 46,762       | 0.94            |
| 2026-06-16   | 510,679,219         | 11,126       | 11,431       | 0.97            |
| 2026-06-17   | 1,127,981,959       | 23,947       | 24,293       | 0.99            |
| 2026-06-18   | 2,203,860,527       | 59,911       | 60,106       | 1.00            |
| 2026-06-19   | 1,010,099,983       | 20,780       | 20,840       | 1.00            |
| 2026-06-20   | 629,789,289         | 13,983       | 14,081       | 0.99            |
| 2026-06-21   | 327,207,137         | 7,099        | 7,175        | 0.99            |
| 2026-06-22   | 1,569,046,757       | 33,737       | 33,904       | 1.00            |
| 2026-06-23   | 1,274,280,811       | 28,294       | 28,445       | 0.99            |
| 2026-06-24   | 1,279,376,593       | 28,579       | 28,874       | 0.99            |
| 2026-06-25   | 1,498,676,517       | 36,947       | 37,222       | 0.99            |
| 2026-06-26   | 1,118,542,369       | 25,378       | 25,520       | 0.99            |
| 2026-06-27   | 1,007,730,140       | 24,385       | 24,556       | 0.99            |
| 2026-06-28   | 422,795,006         | 9,829        | 9,882        | 0.99            |
| 2026-06-29   | 2,505,616,114       | 64,103       | 64,567       | 0.99            |
| 2026-06-30   | 3,903,199,961       | 104,879      | 105,535      | 0.99            |

#### Observasi dan Insight Harian

*   **Puncak Penjualan dan Pengiriman:** Tanggal **11 Juni 2026** tercatat sebagai hari dengan nilai penjualan tertinggi mencapai **Rp 6,024,727,014** dan kuantitas terkirim tertinggi sebanyak **181,179** unit. Ini diikuti oleh aktivitas tinggi pada tanggal 12 dan 13 Juni. Puncak ini menunjukkan adanya periode permintaan yang sangat besar dalam satu bulan. Hal ini bisa jadi dipengaruhi oleh berbagai faktor, seperti peluncuran promosi besar, *campaign* khusus, atau periode *restock* massal dari pelanggan besar.
*   **Periode Rendah:** Sebaliknya, tanggal **21 Juni 2026** menunjukkan aktivitas terendah dengan nilai penjualan hanya **Rp 327,207,137** dan kuantitas terkirim **7,099** unit. Hari-hari akhir pekan (seperti 6, 7, 20, 21, 27, 28 Juni) cenderung menunjukkan aktivitas yang lebih rendah, mengindikasikan pola bisnis yang lebih aktif di hari kerja.
*   **Konsistensi Efisiensi Pemenuhan:** Rasio Qty DO/RO harian menunjukkan konsistensi yang sangat tinggi, hampir selalu berada di angka 0.99 atau 1.00. Ini menegaskan bahwa tim operasional mampu menjaga tingkat efisiensi pemenuhan pesanan yang stabil meskipun terjadi fluktuasi volume yang signifikan dari hari ke hari.

### Tren Penjualan dan Kuantitas Mingguan (Juni 2026)

Untuk mendapatkan gambaran yang lebih luas, data harian diagregasi menjadi tren mingguan.

| Awal Minggu | Total Value PL     | Total Qty DO | Total Qty RO | Rasio Qty DO/RO |
| :---------- | :----------------- | -----------: | -----------: | :-------------- |
| 2026-06-01  | 9,861,400,988      | 239,081      | 240,349      | 0.99            |
| 2026-06-08  | 23,053,033,606     | 660,015      | 666,663      | 0.99            |
| 2026-06-15  | 7,587,272,827      | 181,002      | 184,688      | 0.98            |
| 2026-06-22  | 8,170,448,193      | 187,149      | 188,403      | 0.99            |
| 2026-06-29  | 6,408,816,075      | 168,982      | 170,102      | 0.99            |

#### Observasi dan Insight Mingguan

*   **Minggu Puncak:** Minggu yang dimulai pada **8 Juni 2026** adalah periode paling produktif, dengan total nilai penjualan sebesar **Rp 23,053,033,606** dan kuantitas terkirim mencapai **660,015** unit. Periode ini menyoroti kapasitas operasional yang tinggi dan kemampuan perusahaan untuk menangani volume pesanan yang besar.
*   **Pola Penurunan Menuju Akhir Bulan:** Setelah puncak di minggu kedua, terlihat pola penurunan aktivitas penjualan dan pengiriman pada minggu-minggu berikutnya, terutama pada minggu terakhir bulan (dimulai 29 Juni). Pola ini mungkin mengindikasikan siklus bulanan di mana pelanggan melakukan *restock* besar di awal atau pertengahan bulan dan mengurangi pesanan menjelang akhir bulan.
*   **Rasio Pemenuhan Mingguan:** Seperti tren harian, rasio Qty DO/RO mingguan juga sangat konsisten (0.98-0.99), menegaskan kembali tingkat efisiensi yang tinggi dalam skala mingguan.

### Efisiensi Pemenuhan Pesanan Keseluruhan

Secara keseluruhan, data bulan Juni 2026 menunjukkan efisiensi pemenuhan pesanan yang luar biasa. Rasio Qty DO/RO rata-rata adalah **0.99**, yang berarti 99% dari kuantitas produk yang dipesan berhasil dikirim. Selain itu, **98.7%** dari total pesanan ulang berhasil ditandai dengan status 'TERLAYANI PENUH'. Angka-angka ini adalah indikator kuat dari proses logistik dan rantai pasokan yang tangguh dan efektif, yang mampu memenuhi sebagian besar permintaan pelanggan secara tepat waktu dan lengkap.

### Rekomendasi Berdasarkan Tren Waktu

1.  **Optimasi Perencanaan Sumber Daya:** Mengidentifikasi dan memahami periode puncak (seperti minggu kedua Juni) memungkinkan departemen operasional dan logistik untuk merencanakan alokasi sumber daya (staf, transportasi, stok) secara lebih efektif, meminimalkan *bottleneck*, dan mempertahankan tingkat layanan yang tinggi selama periode volume tinggi.
2.  **Strategi Pemasaran Bertarget:** Manfaatkan periode penjualan yang lebih rendah (misalnya, akhir pekan dan minggu terakhir bulan) untuk meluncurkan promosi khusus, diskon, atau program loyalitas. Ini dapat membantu meratakan distribusi penjualan sepanjang bulan dan meningkatkan total volume.
3.  **Investigasi Anomali Puncak/Lembah:** Lakukan analisis lebih lanjut terhadap penyebab spesifik di balik lonjakan penjualan pada 11 Juni dan penurunan pada 21 Juni. Apakah ada promosi internal, *event* khusus, atau faktor eksternal (misalnya, hari libur nasional) yang memengaruhinya? Pemahaman ini akan sangat berharga untuk peramalan dan strategi di masa mendatang.
4.  **Komunikasi Proaktif:** Mengingat tingginya efisiensi pemenuhan, komunikasikan keunggulan ini kepada pelanggan sebagai nilai tambah. Untuk beberapa *outlet* yang mungkin mengalami rasio pemenuhan sedikit lebih rendah (seperti pada 15 Juni dengan rasio 0.94), identifikasi penyebabnya dan berikan solusi untuk menjaga kepuasan pelanggan.
5.  **Pengembangan Model Peramalan:** Dengan data tren harian dan mingguan, perusahaan dapat mulai mengembangkan model peramalan permintaan yang lebih canggih. Ini akan memungkinkan prediksi yang lebih akurat mengenai volume pesanan di masa depan, sehingga memfasilitasi manajemen inventaris dan kapasitas gudang yang lebih baik.

## 7. Analisis Hubungan Bivariat

Analisis hubungan bivariat bertujuan untuk mengidentifikasi korelasi antara dua variabel yang berbeda, khususnya antara variabel kategori kunci (seperti jenis produk, partisipasi program, dan metode pembayaran) dengan metrik kinerja bisnis (nilai penjualan dan kuantitas pengiriman). Wawasan dari analisis ini krusial untuk merumuskan strategi penjualan yang lebih tepat sasaran dan meningkatkan efisiensi operasional.

### 7.1 Kinerja Produk berdasarkan `Pharos YN`

Analisis ini membandingkan performa penjualan dan kuantitas produk yang diproduksi oleh Pharos Group (`Pharos YN` = 'Y') dengan produk non-Pharos Group (`Pharos YN` = 'N').

| Pharos YN | Produk Unik | Total Value PL         | Total Qty DO   |
| :-------- | ----------: | :--------------------- | :------------- |
| Y         |         217 | 32,720,924,525         | 1,026,883      |
| N         |       1,222 | 22,360,047,164         | 409,346        |

**Wawasan Bisnis:**
Meskipun produk yang berasal dari Pharos Group hanya berjumlah 217 (sekitar 15.1% dari total produk unik), produk-produk ini secara signifikan mendominasi kontribusi terhadap total nilai penjualan (`Total Value PL`) dan total kuantitas terkirim (`Total Qty DO`). Produk Pharos menyumbang sekitar 59.4% dari total nilai penjualan dan 71.5% dari total kuantitas pengiriman. Hal ini menunjukkan bahwa produk-produk Pharos Group memiliki daya tarik pasar yang sangat kuat dan nilai strategis yang tinggi bagi perusahaan, dengan kontribusi rata-rata per produk yang jauh melampaui produk non-Pharos. Fokus pada strategi pemasaran dan ketersediaan stok untuk produk Pharos dapat memberikan dampak signifikan pada peningkatan pendapatan dan volume penjualan secara keseluruhan.

### 7.2 Kinerja Outlet berdasarkan Partisipasi Apotek Online (`AO YN`)

Bagian ini menganalisis hubungan antara partisipasi outlet dalam program Apotek Online (`AO YN` = 'Y') dan kinerja penjualan mereka, dibandingkan dengan outlet yang tidak berpartisipasi (`AO YN` = 'N').

| AO YN | Outlet Unik | Total ROs | Total Value PL         | Total Qty DO   |
| :---- | ----------: | --------: | :--------------------- | :------------- |
| N     |       3,776 |    13,138 | 37,557,137,531         | 1,073,470      |
| Y     |       1,286 |     7,507 | 17,523,834,158         | 362,759        |

**Wawasan Bisnis:**
Data agregat menunjukkan bahwa sebagian besar outlet (3,776 atau 74.6%) tidak berpartisipasi dalam program Apotek Online (`AO YN` = 'N') dan secara kolektif menyumbang bagian terbesar dari total pesanan ulang (`Total ROs`), nilai penjualan (`Total Value PL`), dan kuantitas terkirim (`Total Qty DO`). Namun, ketika dilihat dari kinerja rata-rata per outlet, outlet yang berpartisipasi dalam program AO (`AO YN` = 'Y') menunjukkan metrik penjualan yang lebih tinggi. Ini mengindikasikan bahwa program Apotek Online memiliki potensi untuk meningkatkan kinerja penjualan outlet.

Penting untuk mencatat temuan anomali dari analisis segmentasi pelanggan (Bab 6) yang menunjukkan bahwa **outlet di segmen High-Value (pelanggan terbesar) tidak ada yang berpartisipasi dalam program Apotek Online**. Sebaliknya, proporsi partisipasi AO justru meningkat dari segmen Low-Value ke Medium-Value. Fenomena ini mengisyaratkan bahwa saat ini, program AO mungkin lebih menarik bagi outlet dengan volume transaksi menengah atau lebih rendah, atau ada kebutuhan khusus dari outlet High-Value yang belum terpenuhi oleh program AO. Hal ini menjadi area investigasi strategis untuk memahami mengapa pelanggan terbesar perusahaan tidak memanfaatkan platform ini dan bagaimana program AO dapat diadaptasi untuk menarik segmen tersebut.

### 7.3 Kinerja Penjualan berdasarkan Metode Pembayaran

Analisis ini mengidentifikasi preferensi metode pembayaran pelanggan dan bagaimana metode pembayaran tersebut berkorelasi dengan total pesanan ulang, nilai penjualan, dan kuantitas terkirim.

| Payment             | Total ROs | Total Value PL         | Total Qty DO   |
| :------------------ | --------: | :--------------------- | :------------- |
| BCA Virtual Account |    11,894 | 41,767,398,790         | 1,092,338      |
| Term Of Payment     |     6,706 | 7,931,465,835          | 196,476        |
| BRIVA               |     2,021 | 5,362,062,743          | 146,979        |
| Kredivo             |        24 | 20,044,321             | 436            |

**Wawasan Bisnis:**
"BCA Virtual Account" adalah metode pembayaran yang paling dominan, digunakan dalam 11,894 pesanan ulang (57.6% dari total ROs) dan menyumbang lebih dari Rp 41,76 triliun (75.8% dari total Value PL). Dominasi yang kuat ini menunjukkan preferensi pelanggan terhadap kemudahan dan kecepatan transaksi digital. "Term Of Payment" berada di posisi kedua, menunjukkan bahwa sejumlah besar pelanggan masih mengandalkan mekanisme pembayaran berbasis kredit atau termin. Data ini menegaskan pentingnya menjaga kelancaran dan efisiensi sistem pembayaran digital utama, serta memahami dinamika pembayaran termin untuk memastikan aliran kas yang sehat.

### Rekomendasi

1.  **Penguatan Portofolio Produk Pharos:** Mengingat kontribusi dominan produk Pharos Group terhadap penjualan, perusahaan harus terus berinvestasi dalam penelitian, pengembangan, dan pemasaran produk-produk ini. Pastikan ketersediaan stok yang optimal dan strategi penempatan pasar yang agresif untuk memaksimalkan potensi penjualan.
2.  **Strategi Apotek Online untuk Outlet High-Value:** Segera lakukan penyelidikan kualitatif (misalnya, wawancara) dengan outlet-outlet di segmen High-Value untuk memahami mengapa mereka tidak berpartisipasi dalam program Apotek Online. Sesuaikan penawaran program, insentif, atau fitur untuk memenuhi kebutuhan spesifik mereka, dengan tujuan mengintegrasikan pelanggan terbesar ini ke dalam ekosistem online. Ini dapat membuka potensi pendapatan yang sangat besar.
3.  **Optimalisasi Metode Pembayaran:** Pastikan infrastruktur untuk "BCA Virtual Account" selalu stabil dan efisien. Pertimbangkan untuk menawarkan insentif kecil bagi pengguna metode pembayaran ini untuk mempertahankan dominasinya. Untuk pelanggan yang menggunakan "Term Of Payment", tinjau kebijakan kredit dan termin untuk memastikan keseimbangan antara menarik volume penjualan dan menjaga risiko keuangan.
4.  **Kampanye Pemasaran Berbasis Segmen:** Desain kampanye pemasaran yang berbeda untuk produk Pharos versus non-Pharos, menyoroti kekuatan unik masing-masing kategori. Untuk program AO, promosi harus ditargetkan secara berbeda kepada segmen Low-Value, Medium-Value, dan High-Value, sesuai dengan wawasan partisipasi mereka.

## 8. Segmentasi Outlet (K-Means Clustering)

Analisis segmentasi adalah alat yang ampuh untuk memahami basis pelanggan secara lebih mendalam, memungkinkan perusahaan untuk menyesuaikan strategi pemasaran, penjualan, dan operasional. Dalam bab ini, kami menerapkan algoritma *K-Means Clustering* pada data outlet untuk mengelompokkan pelanggan berdasarkan perilaku pembelian dan metrik kinerja penjualan mereka. Metrik yang digunakan meliputi Total Nilai PL (Value PL), Total Qty DO, Total Qty RO, jumlah produk unik yang dibeli, rata-rata nilai pesanan, rata-rata kuantitas per pesanan, dan rasio pemenuhan. Hasil klasterisasi mengidentifikasi tiga segmen pelanggan yang berbeda: "Low-Value", "Medium-Value", dan "High-Value".

### 8.1 Karakteristik Segmen Outlet

Tiga segmen outlet yang diidentifikasi melalui K-Means clustering menunjukkan profil yang jelas berbeda dalam hal nilai bisnis dan volume transaksi. Klaster-klaster ini diurutkan berdasarkan rata-rata Total Value PL untuk memudahkan interpretasi, merepresentasikan segmen pelanggan bernilai rendah, menengah, dan tinggi.

**Karakteristik Klaster (Nilai Rata-rata per Outlet):**

| Segment_Name   |   Size | Avg. Total Value PL   | Avg. Total Qty DO | Avg. Total Qty RO | Avg. Unique Products | Avg. Unique ROs | Avg. Order Value      | Avg. Qty Per Order | Avg. Fulfillment Ratio |
|:---------------|-------:|:----------------------|------------------:|------------------:|---------------------:|----------------:|:----------------------|-------------------:|-----------------------:|
| Low-Value      |  4,295 |           4,650,235 |               119 |               120 |                   13 |               3 |           1,951,211 |                 52 |                   0.99 |
| Medium-Value   |    753 |          37,584,180 |               917 |               925 |                   60 |              12 |           6,946,094 |                201 |                   0.99 |
| High-Value     |     14 |         486,237,493 |            16,893 |            16,996 |                   28 |               3 |         190,820,621 |              6,756 |                   0.99 |

**Observasi Kunci dari Karakteristik Klaster:**

*   **Segmen Low-Value:** Ini adalah segmen terbesar (4,295 outlet) namun dengan kontribusi rata-rata terendah. Outlet di segmen ini cenderung melakukan pembelian dalam jumlah kecil dan tidak terlalu sering (rata-rata 3 pesanan unik). Mereka membeli lebih sedikit produk unik dan memiliki nilai pesanan serta kuantitas per pesanan yang paling rendah. Rasio pemenuhan mereka tetap tinggi, menunjukkan bahwa pesanan kecil pun dilayani dengan baik.
*   **Segmen Medium-Value:** Terdiri dari 753 outlet, segmen ini menunjukkan aktivitas pembelian yang moderat. Mereka memiliki rata-rata nilai penjualan, kuantitas terkirim, dan jumlah pesanan unik yang lebih tinggi dibandingkan segmen Low-Value. Outlet di segmen ini juga membeli variasi produk yang lebih banyak (rata-rata 60 produk unik) dan rata-rata nilai pesanan yang lebih tinggi. Ini adalah segmen yang menjanjikan untuk pertumbuhan, karena dengan dorongan yang tepat, mereka dapat bertransisi ke segmen High-Value.
*   **Segmen High-Value:** Meskipun hanya terdiri dari 14 outlet, segmen ini adalah tulang punggung pendapatan perusahaan, menghasilkan nilai penjualan dan kuantitas pengiriman tertinggi secara signifikan. Rata-rata Total Value PL per outlet di segmen ini mencapai lebih dari Rp 486 juta, jauh melampaui dua segmen lainnya. Menariknya, meskipun total nilai dan kuantitasnya tinggi, rata-rata pesanan unik (`Avg. Unique ROs`) mereka mirip dengan segmen Low-Value, menunjukkan bahwa mereka cenderung melakukan pesanan dalam jumlah besar namun mungkin tidak terlalu sering, atau pesanan mereka sangat besar dalam sekali transaksi. Rata-rata nilai pesanan dan kuantitas per pesanan mereka juga sangat tinggi.

### 8.2 Partisipasi Apotek Online (AO YN) dalam Setiap Segmen

Distribusi partisipasi outlet dalam program Apotek Online (AO YN) di setiap segmen memberikan wawasan penting tentang bagaimana platform digital ini diadopsi oleh berbagai jenis pelanggan.

**Distribusi AO YN (Partisipasi Apotek Online) dalam Setiap Segmen:**

| Segment Name   |       N |      Y |
|:---------------|--------:|-------:|
| Low-Value      |  77.6% | 22.4% |
| Medium-Value   |  56.8% | 43.2% |
| High-Value     | 100.0% |  0.0% |

**Wawasan Kritis dari Korelasi AO YN:**

*   **Peningkatan Partisipasi AO dari Low-Value ke Medium-Value:** Terlihat bahwa proporsi outlet yang berpartisipasi dalam program Apotek Online ('Y') meningkat dari segmen Low-Value (22.4%) ke segmen Medium-Value (43.2%). Ini menunjukkan bahwa program AO mungkin lebih menarik atau lebih dimanfaatkan oleh outlet yang mulai meningkatkan volume atau nilai pembelian mereka. Ada kemungkinan bahwa partisipasi dalam program AO berkontribusi pada pertumbuhan outlet dari segmen Low-Value ke Medium-Value.
*   **Anomali Segmen High-Value:** Anomali yang paling menonjol adalah bahwa **100% outlet di segmen High-Value tidak berpartisipasi** dalam program Apotek Online ('N'). Ini adalah temuan yang sangat krusial dan patut diinvestigasi lebih lanjut. Mengapa pelanggan terbesar perusahaan tidak memanfaatkan platform digital yang disediakan?
    *   **Kebutuhan Tidak Terpenuhi:** Mungkin ada kebutuhan spesifik dari outlet-outlet bernilai tinggi ini yang belum dapat dipenuhi oleh program AO, atau platform tersebut tidak menawarkan manfaat yang cukup signifikan bagi mereka.
    *   **Proses Operasional Berbeda:** Outlet High-Value mungkin memiliki alur operasional atau volume transaksi yang memerlukan mekanisme pemesanan atau manajemen yang lebih personal atau terintegrasi secara berbeda, yang tidak kompatibel dengan program AO saat ini.
    *   **Kurangnya Sosialisasi/Insentif:** Bisa jadi mereka belum sepenuhnya memahami manfaat program AO atau belum ada insentif yang cukup kuat untuk mendorong mereka bergabung.

### 8.3 Rekomendasi Berbasis Segmentasi Outlet

1.  **Strategi Berbeda untuk Setiap Segmen:**
    *   **Segmen Low-Value:** Fokus pada program aktivasi dan retensi. Tawarkan insentif untuk pembelian berulang atau peningkatan volume, dan perkenalkan produk-produk kunci yang memiliki penjualan tinggi. Gunakan program AO untuk edukasi dan kemudahan akses.
    *   **Segmen Medium-Value:** Ini adalah segmen dengan potensi pertumbuhan terbesar. Dorong partisipasi dalam program Apotek Online melalui kampanye yang menyoroti manfaat ROI dan efisiensi. Tawarkan insentif untuk pembelian produk bernilai tinggi atau produk Pharos Group.
    *   **Segmen High-Value:** Prioritaskan hubungan personal dan layanan pelanggan eksklusif. Outlet-outlet ini sangat penting, dan pendekatan `one-size-fits-all` tidak akan efektif.

2.  **Investigasi Mendalam Anomali AO YN di Segmen High-Value:**
    *   Lakukan survei atau wawancara kualitatif dengan outlet-outlet di segmen High-Value untuk memahami hambatan utama yang mencegah mereka berpartisipasi dalam program Apotek Online.
    *   Identifikasi kebutuhan dan preferensi unik mereka terkait pemesanan dan manajemen rantai pasok.
    *   Pertimbangkan pengembangan fitur atau layanan premium dalam program AO yang secara khusus melayani volume dan kebutuhan kompleks dari segmen ini.

3.  **Optimalisasi Program Apotek Online:**
    *   Berdasarkan wawasan dari segmen High-Value, revisi strategi dan fitur program AO untuk menjadikannya lebih relevan dan menarik bagi semua segmen pelanggan.
    *   Manfaatkan korelasi positif antara partisipasi AO dan nilai pelanggan di segmen Low-to-Medium untuk terus mendorong adopsi program di antara pelanggan yang lebih kecil.

Segmentasi outlet ini memberikan peta jalan yang jelas untuk strategi yang lebih bertarget, memungkinkan perusahaan untuk memaksimalkan potensi setiap pelanggan dan meningkatkan kinerja penjualan secara keseluruhan. Investigasi mendalam terhadap perilaku segmen High-Value terkait program Apotek Online adalah langkah berikutnya yang paling penting.

## 9. Kesimpulan & Rekomendasi

Analisis data eksplorasi selama bulan Juni 2026 telah memberikan wawasan mendalam mengenai kinerja operasional, profil produk, dan perilaku pelanggan. Secara keseluruhan, perusahaan menunjukkan efisiensi operasional yang sangat baik dalam pemenuhan pesanan, dengan mayoritas pesanan terlayani penuh dan rasio kuantitas terkirim yang tinggi. Namun, terdapat beberapa anomali dan peluang strategis yang perlu menjadi perhatian utama untuk mendorong pertumbuhan dan peningkatan kinerja yang lebih lanjut.

### Kesimpulan Utama

1.  **Kinerja Operasional yang Solid**: Proses pemenuhan pesanan berjalan dengan sangat efisien, ditunjukkan oleh 98,7% pesanan ulang (RO) berstatus "TERLAYANI PENUH" dan rasio kuantitas terkirim (Qty DO) terhadap kuantitas pesanan (Qty RO) rata-rata 0,99. Ini mengindikasikan kemampuan logistik yang kuat dan kepuasan pelanggan yang tinggi terhadap pemenuhan pesanan.

2.  **Produk Pharos Group sebagai Tulang Punggung Penjualan**: Meskipun hanya menyumbang 15,1% dari total produk unik, produk-produk dari Pharos Group secara signifikan berkontribusi hingga 59,4% dari total nilai penjualan dan 71,5% dari total kuantitas terkirim. Hal ini menegaskan posisi strategis dan nilai ekonomis yang tinggi dari produk Pharos bagi perusahaan.

3.  **Pola Penjualan Temporal yang Jelas**: Analisis tren harian dan mingguan mengungkapkan adanya puncak penjualan yang signifikan, terutama pada tanggal 11 Juni dan minggu yang dimulai 8 Juni 2026. Pola ini menunjukkan adanya siklus permintaan yang dapat diantisipasi dan dimanfaatkan untuk perencanaan operasional.

4.  **Segmentasi Pelanggan Mengungkap Peluang Tersembunyi**:
    *   **Segmen High-Value**: Terdiri dari 14 outlet, segmen ini adalah kontributor utama pendapatan, dengan rata-rata total Value PL mencapai 486,2 juta per outlet.
    *   **Anomali Partisipasi Apotek Online (AO YN) pada Segmen High-Value**: Temuan krusial adalah tidak ada satupun outlet dari segmen High-Value (0%) yang tercatat berpartisipasi dalam program Apotek Online (AO YN = 'Y'). Sebaliknya, partisipasi AO justru meningkat dari segmen Low-Value (22,4%) ke Medium-Value (43,2%). Ini merupakan anomali signifikan yang membutuhkan investigasi mendalam.

5.  **Preferensi Metode Pembayaran Digital**: "BCA Virtual Account" adalah metode pembayaran paling dominan, digunakan dalam 57,6% pesanan ulang dan menyumbang 75,8% dari total nilai penjualan, menggarisbawahi pentingnya stabilitas dan efisiensi kanal pembayaran digital ini.

6.  **Kualitas Data `Status RO` Membutuhkan Perhatian**: Ditemukan inkonsistensi di mana beberapa Nomor RO memiliki lebih dari satu `Status RO`. Ini adalah masalah integritas data yang perlu diperbaiki untuk memastikan akurasi pelaporan status pesanan.

7.  **Analisis Keranjang Pasar Belum Terealisasi**: Percobaan untuk melakukan Analisis Keranjang Pasar tidak berhasil diselesaikan karena kendala teknis. Ini adalah celah wawasan penting yang perlu diatasi.

### Rekomendasi

Berdasarkan kesimpulan di atas, berikut adalah rekomendasi strategis dan operasional:

1.  **Strategi Akuisisi dan Retensi Pelanggan Berbasis Segmen (Fokus AO YN)**:
    *   **Investigasi Mendalam untuk Segmen High-Value**: Segera lakukan pendekatan kualitatif (misalnya, wawancara langsung atau survei mendalam) dengan 14 outlet `High-Value`. Tujuannya adalah untuk memahami alasan di balik ketidakpartisipasian mereka dalam program Apotek Online (AO YN). Identifikasi hambatan, kebutuhan yang belum terpenuhi, atau fitur yang mungkin menarik bagi mereka. Sesuaikan penawaran program AO atau kembangkan solusi khusus untuk mengintegrasikan pelanggan-pelanggan utama ini.
    *   **Dorong Partisipasi AO di Segmen Medium-Value**: Lanjutkan dan tingkatkan upaya untuk mendorong outlet di segmen Medium-Value untuk bergabung dan aktif di program Apotek Online. Segmen ini menunjukkan korelasi positif antara partisipasi AO dan nilai pelanggan yang lebih tinggi, mengindikasikan potensi pertumbuhan yang signifikan melalui platform digital.
    *   **Aktivasi Segmen Low-Value**: Untuk segmen Low-Value, fokus pada program aktivasi dan retensi dasar, sambil secara bertahap memperkenalkan manfaat program AO sebagai jalur untuk meningkatkan nilai pembelian mereka.

2.  **Optimalisasi Portofolio dan Promosi Produk**:
    *   **Prioritaskan Produk Pharos Group**: Dengan kontribusi yang dominan terhadap pendapatan dan volume, pastikan ketersediaan stok optimal, alokasi sumber daya pemasaran yang memadai, dan strategi penjualan yang agresif untuk produk-produk Pharos Group. Pertimbangkan kampanye khusus yang menyoroti keunggulan produk Pharos.
    *   **Ulangi Analisis Keranjang Pasar**: Adalah krusial untuk berhasil melakukan Analisis Keranjang Pasar untuk mengidentifikasi produk yang sering dibeli bersamaan. Wawasan ini akan sangat berharga untuk mengembangkan strategi *cross-selling*, *product bundling*, dan optimasi tata letak produk di platform penjualan.

3.  **Peningkatan Efisiensi Operasional dan Perencanaan**:
    *   **Manfaatkan Pola Tren Waktu**: Gunakan pola penjualan harian dan mingguan yang teridentifikasi untuk optimasi perencanaan sumber daya, manajemen gudang, penjadwalan staf logistik, dan persiapan stok, khususnya menjelang periode puncak penjualan seperti minggu kedua bulan Juni.
    *   **Monitor Efisiensi Pemenuhan**: Terus pertahankan dan monitor rasio Qty DO/RO yang tinggi serta persentase "TERLAYANI PENUH" untuk memastikan kepuasan pelanggan yang berkelanjutan.

4.  **Manajemen Pembayaran yang Berkelanjutan**:
    *   **Pastikan Stabilitas BCA Virtual Account**: Mengingat dominasinya, pastikan infrastruktur "BCA Virtual Account" senantiasa stabil, aman, dan efisien. Pertimbangkan insentif kecil untuk mempertahankan preferensi pelanggan terhadap metode pembayaran ini.
    *   **Evaluasi Term Of Payment**: Tinjau kebijakan dan proses terkait "Term Of Payment" untuk memastikan keseimbangan antara kemudahan bagi pelanggan dan kesehatan arus kas perusahaan.

5.  **Perbaikan Kualitas Data Fundamental**:
    *   **Atasi Inkonsistensi `Status RO`**: Lakukan investigasi segera untuk memahami akar penyebab dari `No. RO` yang memiliki multiple `Status RO`. Terapkan perbaikan pada sistem pencatatan data untuk memastikan setiap pesanan ulang memiliki satu status yang jelas dan historis perubahannya tercatat dengan benar. Ini akan meningkatkan keandalan analisis kinerja operasional di masa depan.

## 10. Catatan Tambahan

Analisis data eksplorasi ini telah mengungkap berbagai wawasan penting mengenai kinerja operasional, profil produk, dan perilaku pelanggan selama bulan Juni 2026. Meskipun perusahaan menunjukkan efisiensi pemenuhan pesanan yang sangat baik, terdapat beberapa temuan krusial dan anomali yang menawarkan peluang signifikan untuk peningkatan strategis.

Salah satu temuan paling mencolok adalah **anomali partisipasi program Apotek Online (AO YN) pada segmen pelanggan bernilai tinggi (High-Value)**. Analisis segmentasi pelanggan di Bab 8 secara jelas menunjukkan bahwa dari 14 outlet yang termasuk dalam segmen High-Value, tidak satupun (0%) berpartisipasi dalam program Apotek Online. Ironisnya, persentase partisipasi AO justru meningkat dari segmen Low-Value (22.4%) ke Medium-Value (43.2%). Anomali ini mengindikasikan kemungkinan **ketidaksesuaian fundamental antara penawaran program Apotek Online dengan kebutuhan atau preferensi pelanggan terbesar perusahaan**. Ini adalah peluang yang terlewatkan dan memerlukan investigasi mendalam untuk memahami hambatan spesifik yang dialami oleh outlet-outlet ini. Kemungkinan mereka memiliki alur kerja yang sudah mapan, kebutuhan integrasi sistem yang lebih kompleks, atau program AO saat ini belum menawarkan nilai tambah yang cukup signifikan bagi operasional volume tinggi mereka.

Di sisi produk, analisis menegaskan **dominasi produk-produk dari Pharos Group**. Meskipun hanya menyumbang sekitar 15.1% dari total produk unik, produk-produk ini secara signifikan menghasilkan 59.4% dari total nilai penjualan dan 71.5% dari total kuantitas terkirim. Hal ini menggarisbawahi pentingnya strategis produk Pharos sebagai pendorong utama pendapatan dan volume penjualan, menuntut perhatian khusus pada ketersediaan stok, pemasaran, dan pengembangan produk-produk ini.

Efisiensi operasional juga menjadi sorotan positif. Dengan 98.7% pesanan ulang berstatus "TERLAYANI PENUH" dan rasio kuantitas terkirim terhadap kuantitas pesanan rata-rata mencapai 0.99, perusahaan menunjukkan kemampuan logistik yang tangguh dalam memenuhi permintaan pelanggan. Pola tren waktu penjualan harian dan mingguan yang jelas, seperti puncak penjualan pada 11 Juni 2026 dan minggu kedua bulan Juni, memberikan dasar yang kuat untuk perencanaan operasional dan alokasi sumber daya yang lebih proaktif. Preferensi pelanggan terhadap "BCA Virtual Account" sebagai metode pembayaran utama juga menekankan pentingnya menjaga stabilitas dan efisiensi kanal pembayaran digital ini.

Namun, terdapat dua area yang memerlukan perbaikan segera untuk meningkatkan keandalan analisis di masa depan:

1.  **Inkonsistensi Status Repeat Order (`Status RO`)**: Bab 3 menyoroti masalah integritas data di mana beberapa nomor RO memiliki lebih dari satu status. Ini adalah masalah fundamental yang dapat memengaruhi akurasi pelaporan kinerja operasional dan memerlukan perbaikan pada sistem pencatatan atau definisi proses bisnis.
2.  **Kegagalan Analisis Keranjang Pasar (Market Basket Analysis)**: Percobaan untuk melakukan analisis ini tidak berhasil diselesaikan. Padahal, wawasan dari analisis ini krusial untuk mengidentifikasi produk yang sering dibeli bersamaan, yang dapat dimanfaatkan untuk strategi *cross-selling*, *product bundling*, dan optimasi penempatan produk.

**Rekomendasi Tambahan dan Prioritas Tindakan:**

1.  **Investigasi Anomali AO YN Segmen High-Value secara Prioritas**: Lakukan wawancara mendalam atau survei kualitatif dengan outlet-outlet di segmen High-Value. Pahami alasan mengapa mereka tidak berpartisipasi dalam program Apotek Online dan identifikasi kebutuhan spesifik mereka. Gunakan wawasan ini untuk merevisi atau mengembangkan fitur program AO yang lebih relevan dan menarik bagi pelanggan terbesar ini.
2.  **Optimasi Strategi Produk Pharos**: Terus perkuat posisi produk Pharos Group melalui kampanye pemasaran yang ditargetkan, pemeliharaan ketersediaan stok yang optimal, dan evaluasi potensi pengembangan varian produk baru.
3.  **Perbaikan Kualitas Data `Status RO`**: Lakukan audit dan perbaiki logika pencatatan `Status RO` untuk memastikan setiap pesanan ulang memiliki satu status yang konsisten dan riwayat perubahannya tercatat dengan benar. Ini esensial untuk pelaporan kinerja yang akurat.
4.  **Selesaikan Analisis Keranjang Pasar**: Upaya untuk menganalisis produk yang sering dibeli bersama harus diulang. Ini akan membuka peluang untuk strategi penjualan yang lebih cerdas dan berdampak.
5.  **Manfaatkan Tren Temporal untuk Perencanaan**: Gunakan pola penjualan harian dan mingguan yang teridentifikasi untuk mengoptimalkan perencanaan logistik, inventaris, dan alokasi staf guna memaksimalkan respons terhadap permintaan pasar.

Dengan berfokus pada area-area ini, perusahaan tidak hanya dapat mengatasi tantangan data yang ada tetapi juga memanfaatkan peluang strategis untuk mendorong pertumbuhan penjualan dan memperdalam hubungan dengan pelanggan, terutama segmen bernilai tinggi.