# Laporan Akhir Eksplorasi Data

## 1. Ringkasan Eksekutif

Analisis ini bertujuan untuk mengungkap wawasan tersembunyi dari data pemenuhan pesanan pelanggan guna meningkatkan kinerja, penjualan, dan memahami korelasi dengan produk. Data yang digunakan mencakup seluruh siklus pemesanan, mulai dari pesanan awal hingga penerimaan barang oleh pelanggan.

**Kualitas Data dan Tantangan Konsistensi**

Proses pembersihan data telah dilakukan untuk mengatasi nilai yang hilang dan memastikan tipe data yang benar. Kolom tanggal seperti `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, dan `Tgl Diterima` yang memiliki nilai hilang (`NaT`) telah diisi menggunakan nilai modus (yang paling sering muncul). Demikian pula, nilai yang hilang pada `Value PL` diisi dengan median, dan pada kolom kategori seperti `Cmc`, `Divisi`, `No. DO`, `No. PL`, `Nomor Resi`, `Nama Ekspedisi` diisi dengan 'Unknown'.

Namun, analisis mengidentifikasi dua masalah konsistensi data yang signifikan:
*   **Inkonsistensi Status Repeat Order (RO):** Ditemukan 1.248 nomor RO (`No. RO`) yang terkait dengan berbagai status pemenuhan, yaitu 'TERLAYANI PENUH' dan 'CANCEL' secara bersamaan. Menariknya, untuk RO dengan status campuran ini, total nilai `Value PL` dan `Qty DO` yang tercatat sebagai 'CANCEL' adalah 0.00%. Ini menunjukkan bahwa meskipun item pesanan mungkin berstatus 'CANCEL', tidak ada pengurangan nilai atau kuantitas yang tercermin dalam metrik ini, atau pembatalan terjadi pada item dengan nilai nol. Untuk mengatasi hal ini, disarankan untuk mengklasifikasikan status RO menjadi 'Terlayani Penuh', 'Dibatalkan Sebagian', atau 'Dibatalkan Penuh' berdasarkan proporsi item yang dibatalkan.
*   **Inkonsistensi Divisi Produk:** Sebanyak 964 kode produk (`Procod`) ditemukan terkait dengan beberapa divisi (`Divisi`) yang berbeda, seperti PHARMANET dan HOSPINET. Hal ini menyulitkan kategorisasi produk yang akurat. Disarankan untuk menetapkan 'Divisi Utama' untuk setiap produk berdasarkan divisi yang menyumbang nilai penjualan (`Value PL`) terbesar. Rata-rata 79.7% dari total nilai penjualan produk dengan divisi ganda berasal dari divisi dominan.

**Wawasan Penjualan dan Kuantitas Berdasarkan Atribut Utama**

Analisis bivariat memberikan gambaran mengenai kontribusi produk dan divisi:
*   **Produk Pharos vs. Non-Pharos (`Pharos YN`):** Produk-produk yang diproduksi oleh Pharos Group (Pharos YN = 'Y') secara signifikan menyumbang nilai dan kuantitas yang lebih besar. Total `Value PL` untuk produk Pharos mencapai 32,720,924,525 dengan `Qty DO` 1,026,883, jauh lebih tinggi dibandingkan produk Non-Pharos yang memiliki `Value PL` 22,360,047,164 dan `Qty DO` 409,346.
*   **Kontribusi Divisi (`Divisi`):** Divisi PHARMANET adalah kontributor utama dengan total `Value PL` 36,553,039,667 dan `Qty DO` 837,408. Diikuti oleh VIBRANT PBF (nilai 14,318,817,088 dan kuantitas 494,209) dan HOSPINET (nilai 4,113,114,777 dan kuantitas 102,490).

**Efisiensi Operasional: Waktu Siklus Pemenuhan**

Analisis waktu siklus pemenuhan memberikan pemahaman tentang efisiensi operasional:
*   **Tahapan Kritis:** Waktu median total pemenuhan pesanan adalah 1.68 hari. Tahapan yang paling memakan waktu adalah **Ekspedisi ke Diterima** dengan durasi median 0.78 hari, menunjukkan potensi *bottleneck* pada proses pengiriman oleh pihak ekspedisi. Tahapan lain seperti Order ke SP (0.02 hari), SP ke DO (0.15 hari), DO ke Logbook (0.10 hari), dan Logbook ke Expedition (0.05 hari) relatif singkat.

*   **Performa Gudang (`Asal Gudang`):** Terdapat variasi yang signifikan dalam waktu pemenuhan antar gudang:
    *   **Gudang dengan Durasi Terlama (Median Total Pemenuhan):** PHARMANET TANGERANG (3.76 hari), PHARMANET SAMARINDA (3.05 hari), dan PHARMANET MEDAN (2.79 hari).
    *   **Gudang dengan Durasi Tercepat (Median Total Pemenuhan):** PHARMANET JAKSEL (0.25 hari), PHARMANET JAKTIM (0.72 hari), dan PHARMANET BANJARMASIN (0.83 hari).

*   **Waktu Pemenuhan Berdasarkan Divisi Utama Produk (`Divisi Utama Produk`):**
    *   VIBRANT PBF: 1.79 hari
    *   PHARMANET: 1.66 hari
    *   HOSPINET: 1.38 hari

**Rekomendasi**

1.  **Perbaiki Konsistensi Data:** Terapkan strategi untuk menetapkan status tunggal untuk Repeat Order (misalnya, 'Dibatalkan Sebagian') dan 'Divisi Utama' untuk setiap produk berdasarkan kontribusi penjualan tertinggi. Ini akan meningkatkan akurasi analisis RO dan produk.
2.  **Investigasi Penanganan Pembatalan:** Selidiki lebih lanjut mengapa item berstatus 'CANCEL' tercatat dengan `Value PL` dan `Qty DO` nol. Pastikan apakah ini merupakan representasi yang akurat dari dampak pembatalan atau ada kekurangan dalam pencatatan.
3.  **Optimalisasi Proses Ekspedisi:** Fokus pada tahapan 'Ekspedisi ke Diterima' yang menjadi *bottleneck* terbesar. Evaluasi kinerja ekspedisi dan pertimbangkan opsi untuk mempercepat proses ini guna meningkatkan kepuasan pelanggan.
4.  **Benchmarking Antar Gudang:** Pelajari praktik terbaik dari gudang dengan waktu pemenuhan tercepat seperti PHARMANET JAKSEL dan JAKTIM, dan terapkan pada gudang dengan waktu pemenuhan terlama seperti PHARMANET TANGERANG dan SAMARINDA untuk meningkatkan efisiensi operasional secara keseluruhan.
5.  **Manfaatkan Potensi Produk Pharos:** Mengingat kontribusinya yang dominan, eksplorasi strategi lebih lanjut untuk memaksimalkan penjualan dan distribusi produk Pharos Group.

## 2. Pengantar

Laporan Analisis Data Eksplorasi ini dirancang untuk memberikan pemahaman mendalam mengenai proses pemenuhan pesanan pelanggan, dengan tujuan utama mengidentifikasi wawasan tersembunyi yang dapat mendorong peningkatan kinerja, penjualan, dan pemahaman yang lebih baik tentang korelasi produk. Data yang menjadi fokus analisis berasal dari tabel `omg_10003_b1_sheet1`, yang merekam secara komprehensif setiap tahapan dalam siklus pemesanan—mulai dari saat pesanan dibuat hingga barang diterima oleh pelanggan.

Dataset ini mencakup berbagai metrik operasional dan informasi detail produk, termasuk kuantitas pesanan (`Qty RO`), nilai pesanan (`Value PL`), serta informasi penting mengenai outlet, produk, dan tahapan logistik seperti Surat Pesanan (`SP`), Delivery Order (`DO`), dan Packing List (`PL`). Kolom-kolom krusial seperti `Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, dan `Tgl Diterima` memungkinkan analisis temporal yang mendalam terhadap efisiensi rantai pasokan.

Sebelum melakukan analisis lebih lanjut, serangkaian langkah pembersihan data telah diterapkan. Hal ini mencakup penanganan nilai yang hilang, konversi tipe data, serta standardisasi representasi nilai yang tidak konsisten, untuk memastikan integritas dan keandalan data. Dalam proses ini, kami mengidentifikasi adanya tantangan kualitas data tertentu, terutama terkait dengan konsistensi status pesanan berulang (`No. RO`) dan kategorisasi divisi produk (`Procod` ke `Divisi`). Upaya telah dilakukan untuk menormalkan data ke dalam entitas-entitas terpisah seperti Outlet, Repeat Order, dan Produk, serta mengidentifikasi produk Pharos Group melalui flag `Pharos YN`.

Melalui eksplorasi ini, kami akan menyoroti faktor-faktor kunci yang mempengaruhi performa pemenuhan pesanan, menganalisis kontribusi penjualan dari berbagai divisi dan gudang, serta mengevaluasi efisiensi waktu siklus operasional. Pemahaman ini diharapkan dapat menjadi dasar strategis untuk mengoptimalkan operasional, meningkatkan kepuasan pelanggan, dan mengembangkan strategi penjualan yang lebih efektif.

## 3. Kualitas Data dan Pra-pemrosesan

Pengolahan data yang akurat dan berkualitas tinggi adalah fondasi utama bagi setiap analisis yang dapat diandalkan. Bab ini merinci serangkaian langkah pra-pemrosesan yang telah dilakukan pada dataset pemenuhan pesanan `omg_10003_b1_sheet1`, serta menyoroti anomali dan inkonsistensi data yang ditemukan, bersama dengan strategi penanganannya.

### 3.1 Langkah Pra-pemrosesan Data

Tahap pra-pemrosesan data difokuskan pada pembersihan, penanganan nilai hilang, dan penyeragaman tipe data untuk memastikan integritas dan konsistensi data. Langkah-langkah utama yang diambil meliputi:

*   **Penghapusan Duplikasi:** Sebanyak 0 baris duplikat yang identik telah dihapus dari dataset awal.
*   **Konversi Tipe Data Tanggal:** Kolom tanggal seperti `Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, dan `Tgl Diterima` dikonversi ke format datetime. Nilai yang tidak dapat dikonversi (NaT) diimputasi menggunakan nilai modus (tanggal yang paling sering muncul).
    *   `Tgl DO`: 365 nilai NaT diisi dengan tanggal modus (2026-06-30 16:14:16).
    *   `Tgl. PL`: 365 nilai NaT diisi dengan tanggal modus (2026-06-30 16:14:16).
    *   `Tgl Logbook`: 585 nilai NaT diisi dengan tanggal modus (2026-07-01 15:33:53).
    *   `Tgl Ekspedisi`: 460 nilai NaT diisi dengan tanggal modus (2026-06-17 00:00:00).
    *   `Tgl Diterima`: 10.385 nilai NaT diisi dengan tanggal modus (1970-01-02 07:00:00).
*   **Konversi Tipe Data Numerik:** Kolom numerik seperti `Procod`, `Qty RO`, `No. RO`, `Qty SP`, `Qty DO`, `Value PL`, dan `Value RO` dikonversi ke tipe numerik. Kesalahan parsing menghasilkan nilai `NaN` yang kemudian diimputasi.
    *   `Value PL`: 1.740 nilai null diisi dengan nilai median (145.203).
*   **Penanganan Nilai Hilang pada Kolom Kategorikal:** Untuk kolom-kolom kategorikal yang memiliki nilai hilang, imputasi dilakukan dengan mengisi nilai 'Unknown'.
    *   `Cmc`: 5.468 nilai null diisi dengan 'Unknown'.
    *   `Divisi`: 7 nilai null diisi dengan 'Unknown'.
    *   `No. DO`: 365 nilai null diisi dengan 'Unknown'.
    *   `No. PL`: 365 nilai null diisi dengan 'Unknown'.
    *   `Nomor Resi`: 460 nilai null diisi dengan 'Unknown'.
    *   `Nama Ekspedisi`: 585 nilai null diisi dengan 'Unknown'.

Langkah-langkah pembersihan ini penting untuk memastikan data siap untuk analisis lebih lanjut dan memitigasi potensi bias dari nilai yang hilang atau format data yang tidak konsisten.

### 3.2 Identifikasi dan Penanganan Inkonsistensi Data

Meskipun langkah pembersihan telah dilakukan, analisis mendalam mengidentifikasi beberapa inkonsistensi yang perlu perhatian khusus, terutama dalam integritas fungsional antar kolom.

#### 3.2.1 Inkonsistensi Status Repeat Order (RO)

Analisis menunjukkan adanya pelanggaran dependensi fungsional antara `No. RO` dan `Status RO`. Ini berarti satu nomor RO (`No. RO`) dapat memiliki lebih dari satu status pemenuhan (`Status RO`) yang berbeda pada item barisnya.

*   **Temuan:** Ditemukan sebanyak 1.248 nilai `No. RO` yang terkait dengan beberapa nilai `Status RO` secara bersamaan, umumnya kombinasi 'TERLAYANI PENUH' dan 'CANCEL'. Ini mengindikasikan bahwa suatu pesanan RO bisa memiliki beberapa item yang terlayani penuh dan beberapa item yang dibatalkan.
*   **Contoh Inkonsistensi Status RO:**
    | No. RO    | Unique Status RO Values |
    |:----------|:------------------------|
    | 4.918.054 | TERLAYANI PENUH, CANCEL |
    | 4.918.065 | TERLAYANI PENUH, CANCEL |
    | 4.918.076 | TERLAYANI PENUH, CANCEL |
    | 4.918.083 | TERLAYANI PENUH, CANCEL |
    | 4.918.104 | CANCEL, TERLAYANI PENUH |
    | 4.918.111 | TERLAYANI PENUH, CANCEL |
    | 4.918.124 | TERLAYANI PENUH, CANCEL |
    | 4.918.144 | TERLAYANI PENUH, CANCEL |
    | 4.918.149 | TERLAYANI PENUH, CANCEL |
    | 4.918.158 | TERLAYANI PENUH, CANCEL |

*   **Dampak pada Metrik:** Uniknya, untuk RO dengan status campuran ini, total `Value PL` yang dibatalkan adalah 0 dan total `Qty DO` yang dibatalkan juga 0. Hal ini menyiratkan bahwa pembatalan yang terjadi mungkin memiliki nilai nol atau tidak secara akurat merefleksikan nilai/kuantitas yang hilang.
    *   Total `Value PL` di RO dengan status campuran: 5.632.475.953
    *   Total `Value PL` yang dibatalkan di RO dengan status campuran: 0
    *   Persentase `Value PL` yang dibatalkan: 0.0%
    *   Total `Qty DO` di RO dengan status campuran: 148.068
    *   Total `Qty DO` yang dibatalkan di RO dengan status campuran: 0
    *   Persentase `Qty DO` yang dibatalkan: 0.0%

*   **Rekomendasi Strategi Interpretasi Status RO:** Untuk mengatasi ambiguitas ini dan memberikan laporan yang lebih akurat, disarankan untuk memperkenalkan status RO baru:
    *   **'Terlayani Penuh':** Jika semua item baris RO berstatus 'TERLAYANI PENUH'.
    *   **'Dibatalkan Sebagian':** Jika RO mengandung item 'TERLAYANI PENUH' dan 'CANCEL'.
    *   **'Dibatalkan Penuh':** Jika semua item baris RO berstatus 'CANCEL'.
    Strategi ini akan memberikan visibilitas yang lebih baik terhadap tingkat pemenuhan pesanan pada granularitas RO.

#### 3.2.2 Inkonsistensi Divisi Produk

Ditemukan juga pelanggaran dependensi fungsional antara `Procod` (kode produk) dan `Divisi`. Hal ini berarti satu kode produk dapat terkait dengan beberapa divisi yang berbeda.

*   **Temuan:** Sebanyak 963 nilai `Procod` ditemukan terkait dengan beberapa nilai `Divisi`, misalnya 'PHARMANET' dan 'HOSPINET' secara bersamaan. Ini menciptakan tantangan dalam kategorisasi produk yang konsisten.
*   **Contoh Inkonsistensi Divisi Produk:**
    | Procod    | All Associated Divisi            |
    |:----------|:---------------------------------|
    | 100085    | HOSPINET, PHARMANET              |
    | 100138    | PHARMANET, HOSPINET, VIBRANT PBF |
    | 100139    | PHARMANET, HOSPINET              |
    | 100162    | PHARMANET, HOSPINET              |
    | 100175    | PHARMANET, HOSPINET, VIBRANT PBF |
    | 100185    | PHARMANET, HOSPINET              |
    | 100211    | PHARMANET, HOSPINET, VIBRANT PBF |
    | 100217    | HOSPINET, PHARMANET              |
    | 100225    | HOSPINET, PHARMANET              |
    | 100284    | PHARMANET, HOSPINET              |

*   **Rekomendasi Strategi Kategorisasi Divisi Produk:** Untuk produk yang terkait dengan beberapa divisi, disarankan untuk menetapkan sebuah 'Divisi Utama' berdasarkan kontribusi `Value PL` terbesar. Analisis menunjukkan bahwa rata-rata 79.7% dari total nilai penjualan produk dengan divisi ganda berasal dari divisi yang dominan. Pendekatan ini akan memungkinkan kategorisasi produk yang konsisten untuk analisis, sambil tetap mengakui bahwa produk mungkin dijual melalui divisi lain.

### 3.3 Normalisasi Data

Sebagai bagian dari upaya pra-pemrosesan dan untuk membangun lapisan semantik yang kuat untuk analisis, data telah dinormalisasi ke dalam beberapa tabel terpisah:

*   **`normalized_outlets`:** Berisi informasi unik tentang outlet (`KodePI`, `OutCode`, `Cmc`, `Nama Outlet`, `AO YN`).
*   **`fact_order_line_items`:** Tabel fakta utama yang berisi detail transaksi item baris pesanan, dengan kunci asing yang merujuk ke tabel dimensi yang dinormalisasi.

Upaya untuk membuat tabel `normalized_repeat_orders` dan `normalized_products` terpisah ditunda karena adanya pelanggaran dependensi fungsional yang dijelaskan di atas. Resolusi inkonsistensi ini akan memungkinkan normalisasi yang lebih akurat di masa mendatang.

**Handoff Log:**
*   Untuk semua fase di masa mendatang, saya HARUS mengkueri `normalized_outlets` untuk metrik tingkat Outlet. Kunci utamanya adalah `KodePI`.
*   Saya hanya akan mengkueri tabel `fact_order_line_items` untuk detail spesifik item baris dan untuk mengagregasi metrik pada granularitas item baris (misalnya, total kuantitas, total nilai per produk per DO).

### 3.4 Kesimpulan Kualitas Data

Secara keseluruhan, dataset telah melalui proses pembersihan yang komprehensif, mengatasi sebagian besar masalah nilai hilang dan penyeragaman tipe data. Namun, adanya inkonsistensi dalam status RO dan penugasan divisi produk memerlukan strategi penanganan yang lebih canggih untuk analisis yang akurat. Dengan mengimplementasikan rekomendasi untuk menetapkan status RO yang lebih jelas dan 'Divisi Utama' untuk produk, integritas data akan semakin ditingkatkan, membuka jalan bagi wawasan bisnis yang lebih mendalam dan dapat ditindaklanjuti.

## 4. Tinjauan Umum Data

Analisis data pemenuhan pesanan ini memberikan gambaran komprehensif mengenai volume operasional, dinamika penjualan produk, efisiensi gudang, dan waktu siklus pengiriman. Dataset ini mencakup berbagai metrik penting yang merekam setiap tahap pemenuhan pesanan, mulai dari pesanan awal hingga penerimaan oleh pelanggan. Setelah serangkaian proses pra-pemrosesan untuk memastikan kualitas data, struktur data telah disiapkan dengan memisahkan informasi outlet ke dalam tabel `normalized_outlets`, sementara detail transaksi item baris pesanan tetap berada di `fact_order_line_items`. Namun, inkonsistensi data yang ditemukan pada hubungan `No. RO` ke `Status RO` dan `Procod` ke `Divisi` telah menghambat normalisasi penuh untuk entitas Repeat Order dan Produk, sebuah tantangan yang akan dibahas lebih lanjut dalam tinjauan ini.

### Gambaran Umum Volume dan Distribusi Kunci

Secara keseluruhan, data menunjukkan volume transaksi yang signifikan dalam pemenuhan pesanan.

#### Distribusi Status Repeat Order (RO)

Distribusi status Repeat Order memberikan gambaran mengenai sebagian besar pesanan yang terlayani penuh:

| Status RO         | Count    |
|:------------------|:---------|
| TERLAYANI PENUH   | 129,575  |
| CANCEL            | 1,740    |

#### Distribusi Divisi Produk

Divisi PHARMANET mendominasi jumlah transaksi dalam data ini:

| Divisi      | Count    |
|:------------|:---------|
| PHARMANET   | 110,866  |
| HOSPINET    | 17,827   |
| VIBRANT PBF | 2,559    |
| VIBRANT 3   | 56       |
| Unknown     | 7        |

### Analisis Kinerja Penjualan dan Kuantitas

Analisis bivariat mengungkapkan kontribusi nilai penjualan (`Total Value PL`) dan kuantitas pengiriman (`Total Qty DO`) dari berbagai dimensi kunci.

#### Penjualan dan Kuantitas berdasarkan Produk Pharos (`Pharos YN`)

Produk yang diproduksi oleh Pharos Group (ditandai 'Y') secara substansial menyumbang nilai dan kuantitas yang lebih besar dibandingkan dengan produk non-Pharos:

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

#### Penjualan dan Kuantitas berdasarkan Divisi Produk

Divisi PHARMANET memimpin dalam kontribusi penjualan dan kuantitas, diikuti oleh VIBRANT PBF dan HOSPINET:

| Divisi      | Total Value PL         | Total Qty DO |
|:------------|:-----------------------|:-------------|
| PHARMANET   | 36,553,039,667         | 837,408      |
| VIBRANT PBF | 14,318,817,088         | 494,209      |
| HOSPINET    | 4,113,114,777          | 102,490      |
| VIBRANT 3   | 77,188,021             | 2,046        |

#### Penjualan dan Kuantitas berdasarkan Gudang Asal (`Asal Gudang`)

PHARMANET SURABAYA merupakan gudang dengan kontribusi nilai penjualan tertinggi, sementara PHARMANET JAKSEL memiliki kontribusi terendah dalam dataset ini:

| Asal Gudang           | Total Value PL         | Total Qty DO |
|:----------------------|:-----------------------|:-------------|
| PHARMANET SURABAYA    | 7,292,521,130          | 209,436      |
| PHARMANET MEDAN       | 5,088,293,251          | 139,746      |
| PHARMANET BEKASI      | 4,490,320,583          | 103,431      |
| PHARMANET TANGERANG   | 3,954,378,427          | 86,071       |
| PHARMANET BOGOR       | 3,787,682,009          | 104,610      |
| PHARMANET BANDUNG     | 3,422,317,085          | 96,315       |
| PHARMANET SEMARANG    | 2,845,696,313          | 84,851       |
| PHARMANET MAKASSAR    | 2,774,702,538          | 73,674       |
| PHARMANET JAKTIM      | 2,753,747,782          | 63,784       |
| PHARMANET SOLO        | 2,585,366,294          | 72,206       |
| PHARMANET PALEMBANG   | 2,506,019,400          | 56,059       |
| PHARMANET JAKBAR      | 2,425,785,385          | 52,470       |
| PHARMANET PONTIANAK   | 1,886,252,670          | 44,136       |
| PHARMANET PEKANBARU   | 1,857,089,519          | 53,835       |
| PHARMANET BANJARMASIN | 1,796,805,453          | 42,676       |
| PHARMANET MALANG      | 1,758,362,640          | 57,180       |
| PHARMANET JAMBI       | 1,036,331,822          | 25,367       |
| PHARMANET LAMPUNG     | 1,030,731,844          | 29,084       |
| PHARMANET SAMARINDA   | 975,375,562            | 24,690       |
| PHARMANET JAKSEL      | 813,191,982            | 16,608       |
| PHARMANET PUSAT       | 0                      | 0            |

#### Penjualan dan Kuantitas berdasarkan Status Pemenuhan (SP Header, SP Detail, DO)

Status pemenuhan pada berbagai tahap, yaitu `Sts SP Header`, `Sts SP Detail`, dan `Status DO`, menunjukkan pola yang serupa. Status 'P' (Processed/Processed) merepresentasikan seluruh nilai penjualan dan kuantitas, sementara status 'C' (Cancelled) tidak berkontribusi pada nilai penjualan atau kuantitas pengiriman dalam catatan ini. Ini menunjukkan bahwa pembatalan yang terjadi pada level ini memiliki dampak nol pada metrik `Value PL` dan `Qty DO` yang tercatat, yang perlu diinvestigasi lebih lanjut.

| Status            | Total Value PL         | Total Qty DO |
|:------------------|:-----------------------|:-------------|
| P                 | 55,080,971,689         | 1,436,229    |
| C                 | 0                      | 0            |

### Waktu Siklus Pemenuhan Pesanan

Analisis waktu siklus pemenuhan (durasi median dalam hari) memberikan gambaran kritis tentang efisiensi operasional dari berbagai tahapan logistik. Total waktu pemenuhan pesanan mencapai median 1.68 hari.

#### Durasi Median Tahap Pemenuhan

| Tahap                 | Durasi Median (Hari) |
|:----------------------|---------------------:|
| Order ke SP           | 0.02                 |
| SP ke DO              | 0.15                 |
| DO ke Logbook         | 0.10                 |
| Logbook ke Expedition | 0.05                 |
| Expedition ke Received| 0.78                 |
| Total_Fulfillment     | 1.68                 |

Tahap 'Ekspedisi ke Diterima' menjadi **penyumbang terbesar** pada total waktu pemenuhan, menunjukkan adanya potensi *bottleneck* dalam proses pengiriman dan penerimaan akhir.

#### Total Waktu Pemenuhan berdasarkan Gudang Asal

Terdapat variasi signifikan dalam efisiensi pemenuhan antar gudang, dengan PHARMANET JAKSEL sebagai gudang tercepat dan PHARMANET TANGERANG sebagai yang paling lambat.

| Asal Gudang           | Durasi Median Total Pemenuhan (Hari) |
|:----------------------|-------------------------------------:|
| PHARMANET TANGERANG   | 3.76                                 |
| PHARMANET SAMARINDA   | 3.05                                 |
| PHARMANET MEDAN       | 2.79                                 |
| PHARMANET PEKANBARU   | 2.55                                 |
| PHARMANET MALANG      | 2.55                                 |
| PHARMANET LAMPUNG     | 2.31                                 |
| PHARMANET PONTIANAK   | 2.11                                 |
| PHARMANET SURABAYA    | 2.07                                 |
| PHARMANET MAKASSAR    | 2.04                                 |
| PHARMANET PALEMBANG   | 1.98                                 |
| PHARMANET JAMBI       | 1.86                                 |
| PHARMANET SEMARANG    | 1.81                                 |
| PHARMANET SOLO        | 1.42                                 |
| PHARMANET BOGOR       | 1.11                                 |
| PHARMANET BEKASI      | 1.07                                 |
| PHARMANET BANDUNG     | 0.92                                 |
| PHARMANET BANJARMASIN | 0.83                                 |
| PHARMANET JAKBAR      | 0.80                                 |
| PHARMANET JAKTIM      | 0.72                                 |
| PHARMANET JAKSEL      | 0.25                                 |

#### Total Waktu Pemenuhan berdasarkan Divisi Utama Produk

Waktu pemenuhan juga sedikit bervariasi antar divisi produk, dengan HOSPINET menunjukkan waktu pemenuhan median tercepat.

| Divisi Utama Produk | Durasi Median Total Pemenuhan (Hari) |
|:--------------------|-------------------------------------:|
| VIBRANT PBF         | 1.79                                 |
| PHARMANET           | 1.66                                 |
| HOSPINET            | 1.38                                 |

### Anomali Data yang Membutuhkan Perhatian

Meskipun telah dilakukan pembersihan data, ditemukan dua anomali signifikan yang mempengaruhi interpretasi data dan memerlukan strategi penanganan yang jelas, seperti yang dibahas pada Bab 3.

#### Repeat Order (RO) dengan Status Campuran

Terdapat 1,248 nilai `No. RO` yang menunjukkan status pemenuhan ganda ('TERLAYANI PENUH' dan 'CANCEL') pada item baris yang sama. Yang menarik, analisis mendalam menunjukkan bahwa total `Value PL` dan `Qty DO` yang terkait dengan status 'CANCEL' dalam RO campuran ini adalah 0.00%. Ini berarti bahwa meskipun ada item yang ditandai 'CANCEL', secara agregat tidak ada nilai atau kuantitas yang benar-benar hilang dari RO tersebut. Untuk mengatasi hal ini, disarankan untuk mengklasifikasikan RO dengan status campuran sebagai 'Dibatalkan Sebagian', untuk memberikan kejelasan yang lebih baik mengenai tingkat pemenuhan RO.

#### Produk dengan Divisi Ganda

Sebanyak 964 `Procod` ditemukan terkait dengan beberapa divisi yang berbeda (misalnya, PHARMANET dan HOSPINET). Untuk produk-produk ini, analisis menunjukkan bahwa rata-rata 79.7% dari total `Value PL` berasal dari divisi yang dominan. Untuk menyederhanakan analisis dan kategorisasi produk, disarankan untuk menetapkan sebuah 'Divisi Utama' berdasarkan divisi yang memberikan kontribusi penjualan terbesar.

### Rekomendasi Aksi

Berdasarkan tinjauan umum data, beberapa rekomendasi strategis dapat diidentifikasi untuk meningkatkan kinerja dan analisis lebih lanjut:

1.  **Standardisasi Status RO dan Divisi Produk:** Terapkan strategi untuk menetapkan status tunggal untuk Repeat Order (misalnya, 'Dibatalkan Sebagian') dan 'Divisi Utama' untuk setiap produk berdasarkan kontribusi penjualan tertinggi. Ini akan sangat meningkatkan keandalan analisis pada tingkat RO dan produk.
2.  **Investigasi Mekanisme Pembatalan:** Lakukan investigasi lebih lanjut mengenai mengapa item berstatus 'CANCEL' pada `Sts SP Header`, `Sts SP Detail`, dan `Status DO`, serta pada RO dengan status campuran, tidak mengurangi `Value PL` atau `Qty DO`. Hal ini penting untuk memahami dampak sebenarnya dari pembatalan dan memastikan akurasi pelaporan keuangan.
3.  **Optimalisasi Proses Logistik 'Ekspedisi ke Diterima':** Fokus pada perbaikan efisiensi tahapan pengiriman dan penerimaan, karena ini adalah *bottleneck* utama dalam siklus pemenuhan. Evaluasi kinerja mitra ekspedisi dan pertimbangkan solusi untuk mempercepat proses ini.
4.  **Peningkatan Efisiensi Gudang:** Pelajari praktik terbaik dari gudang dengan waktu pemenuhan tercepat (misalnya PHARMANET JAKSEL, JAKTIM) dan terapkan pada gudang dengan waktu pemenuhan yang lebih lambat (misalnya PHARMANET TANGERANG, SAMARINDA) untuk meningkatkan efisiensi operasional secara keseluruhan.
5.  **Manfaatkan Dominasi Produk Pharos:** Mengingat kontribusi signifikan dari produk Pharos Group, terus eksplorasi strategi untuk memaksimalkan penjualan dan distribusi produk ini, serta identifikasi peluang untuk produk non-Pharos.

## 5. Analisis Kinerja Pemenuhan Pesanan

Analisis kinerja pemenuhan pesanan adalah krusial untuk mengidentifikasi area yang membutuhkan perbaikan dalam rantai pasok, memahami efisiensi operasional, dan mengukur dampak dari setiap tahapan proses terhadap kepuasan pelanggan dan keuangan perusahaan. Bab ini akan menyelami lebih dalam metrik waktu siklus pemenuhan, membandingkan kinerja antar gudang dan divisi produk, serta mengulas implikasi dari inkonsistensi data yang telah teridentifikasi pada pengukuran kinerja.

### Efisiensi Waktu Siklus Pemenuhan

Waktu siklus pemenuhan adalah indikator kunci efisiensi operasional. Dengan memecah total waktu pemenuhan menjadi beberapa tahapan, kita dapat mengidentifikasi *bottleneck* spesifik dalam alur kerja. Durasi median total pemenuhan pesanan tercatat sebesar 1.68 hari.

Berikut adalah durasi median untuk setiap tahapan proses pemenuhan:

| Tahap                 | Durasi Median (Hari) |
|:----------------------|---------------------:|
| Order ke SP           | 0.02                 |
| SP ke DO              | 0.15                 |
| DO ke Logbook         | 0.10                 |
| Logbook ke Expedition | 0.05                 |
| Expedition ke Received| 0.78                 |
| Total_Fulfillment     | 1.68                 |

Dari tabel di atas, terlihat jelas bahwa tahapan **"Ekspedisi ke Diterima"** merupakan kontributor terbesar terhadap total waktu pemenuhan, menyumbang 0.78 hari atau sekitar 46.4% dari total waktu siklus. Durasi yang signifikan pada tahapan ini menunjukkan adanya potensi area untuk optimasi, baik melalui pemilihan mitra ekspedisi yang lebih efisien, negosiasi layanan yang lebih cepat, atau perbaikan dalam proses serah terima dan konfirmasi penerimaan barang. Tahapan lainnya memiliki durasi median yang relatif singkat, mengindikasikan efisiensi yang baik dalam proses internal seperti pembuatan SP, DO, dan persiapan logbook.

### Variasi Kinerja Berdasarkan Gudang Asal

Kinerja pemenuhan pesanan dapat bervariasi antar gudang, dipengaruhi oleh faktor geografis, kapasitas operasional, dan efisiensi manajemen. Analisis durasi median total pemenuhan per gudang menunjukkan disparitas yang signifikan:

| Asal Gudang           | Durasi Median Total Pemenuhan (Hari) |
|:----------------------|-------------------------------------:|
| PHARMANET TANGERANG   | 3.76                                 |
| PHARMANET SAMARINDA   | 3.05                                 |
| PHARMANET MEDAN       | 2.79                                 |
| PHARMANET PEKANBARU   | 2.55                                 |
| PHARMANET MALANG      | 2.55                                 |
| PHARMANET LAMPUNG     | 2.31                                 |
| PHARMANET PONTIANAK   | 2.11                                 |
| PHARMANET SURABAYA    | 2.07                                 |
| PHARMANET MAKASSAR    | 2.04                                 |
| PHARMANET PALEMBANG   | 1.98                                 |
| PHARMANET JAMBI       | 1.86                                 |
| PHARMANET SEMARANG    | 1.81                                 |
| PHARMANET SOLO        | 1.42                                 |
| PHARMANET BOGOR       | 1.11                                 |
| PHARMANET BEKASI      | 1.07                                 |
| PHARMANET BANDUNG     | 0.92                                 |
| PHARMANET BANJARMASIN | 0.83                                 |
| PHARMANET JAKBAR      | 0.80                                 |
| PHARMANET JAKTIM      | 0.72                                 |
| PHARMANET JAKSEL      | 0.25                                 |

Gudang PHARMANET TANGERANG memiliki waktu pemenuhan terlama dengan durasi median 3.76 hari, yang jauh lebih lambat dibandingkan rata-rata total pemenuhan. Sebaliknya, PHARMANET JAKSEL menunjukkan kinerja yang sangat baik dengan durasi median hanya 0.25 hari. Disparitas ini menunjukkan adanya peluang besar untuk benchmarking dan transfer pengetahuan dari gudang berkinerja tinggi ke gudang yang lebih lambat. Identifikasi praktik terbaik dari gudang tercepat dapat membantu meningkatkan efisiensi operasional secara keseluruhan, terutama pada gudang-gudang yang berada di wilayah geografis yang menantang atau memiliki volume pesanan tinggi.

### Kinerja Pemenuhan Berdasarkan Divisi Produk Utama

Penetapan 'Divisi Utama Produk' (berdasarkan kontribusi penjualan terbesar, seperti yang direkomendasikan pada Bab 3 dan 4) memungkinkan analisis kinerja pemenuhan yang lebih konsisten per kategori produk. Berikut adalah durasi median total pemenuhan berdasarkan divisi utama produk:

| Divisi Utama Produk  | Durasi Median Total Pemenuhan (Hari) |
|:---------------------|-------------------------------------:|
| VIBRANT PBF          | 1.79                                 |
| PHARMANET            | 1.66                                 |
| HOSPINET             | 1.38                                 |

Divisi HOSPINET menunjukkan waktu pemenuhan median tercepat sebesar 1.38 hari, diikuti oleh PHARMANET (1.66 hari) dan VIBRANT PBF (1.79 hari). Perbedaan ini mungkin mencerminkan karakteristik produk, kompleksitas penanganan, atau saluran distribusi yang berbeda antar divisi. Misalnya, produk-produk HOSPINET mungkin memiliki proses pemenuhan yang lebih terstandarisasi atau didistribusikan ke lokasi yang lebih mudah dijangkau. Memahami faktor-faktor di balik perbedaan ini dapat membantu strategi logistik yang lebih disesuaikan untuk setiap divisi.

### Dampak Inkonsistensi Data pada Metrik Kinerja

Inkonsistensi data yang ditemukan dalam bab sebelumnya memiliki implikasi signifikan terhadap akurasi pengukuran kinerja pemenuhan.

#### Status Repeat Order (RO) Campuran
Ditemukan 1.248 nilai `No. RO` yang memiliki status `TERLAYANI PENUH` dan `CANCEL` secara bersamaan pada item barisnya. Analisis lebih lanjut mengungkapkan bahwa total `Value PL` yang terkait dengan item 'CANCEL' dalam RO campuran ini adalah 0.00, dan total `Qty DO` yang dibatalkan juga 0. Ini berarti bahwa meskipun ada indikasi pembatalan, tidak ada nilai finansial atau kuantitas barang yang tercatat hilang dari pesanan tersebut. Fenomena ini sangat kritis karena:
*   **Pengukuran Tingkat Pembatalan yang Menyesatkan**: Jika pembatalan tidak mengurangi `Value PL` atau `Qty DO`, maka metrik kinerja yang mengandalkan total nilai atau kuantitas untuk menghitung tingkat pembatalan akan terdistorsi. Tingkat pembatalan mungkin terlihat lebih rendah dari yang sebenarnya jika item yang dibatalkan memiliki nilai/kuantitas nol atau tidak tercatat dengan benar sebagai kerugian.
*   **Kesulitan Mengidentifikasi Kerugian Nyata**: Perusahaan tidak dapat mengukur kerugian finansial atau inventaris yang disebabkan oleh pembatalan secara akurat, menghambat analisis biaya dan peluang perbaikan proses.

Untuk mengatasi ini, adopsi status RO "Dibatalkan Sebagian" adalah penting. Ini akan memungkinkan perusahaan untuk secara jelas mengidentifikasi pesanan yang tidak sepenuhnya terpenuhi dan menganalisis dampak pembatalan item per item, meskipun nilai yang tercatat saat ini adalah nol.

#### Status Pemenuhan SP dan DO (Canceled)
Serupa dengan RO, status `C` (Cancel) untuk `Sts SP Header`, `Sts SP Detail`, dan `Status DO` secara konsisten menunjukkan `Total Value PL` 0 dan `Total Qty DO` 0. Ini menegaskan pola bahwa pembatalan pada tahapan SP dan DO tidak direfleksikan sebagai pengurangan nilai penjualan atau kuantitas pengiriman dalam dataset ini. Implikasi kinerjanya adalah:
*   **Blind Spot dalam Efisiensi Proses**: Jika pembatalan pada SP atau DO tidak dicatat dengan nilai/kuantitas yang sebenarnya, perusahaan kehilangan kesempatan untuk mengidentifikasi berapa banyak nilai pesanan yang hilang pada setiap tahapan proses internal. Ini menghambat analisis akar masalah (misalnya, masalah stok, kualitas data pesanan awal) yang menyebabkan pembatalan.
*   **Evaluasi Vendor yang Tidak Akurat**: Jika pembatalan ini terkait dengan masalah pemasok atau internal, ketidakmampuan untuk mengukur kerugian secara finansial menghambat evaluasi kinerja pemasok atau departemen internal yang relevan.

Investigasi mendalam diperlukan untuk memahami mengapa pembatalan ini menghasilkan `Value PL` dan `Qty DO` nol. Apakah item yang dibatalkan memang tidak memiliki nilai finansial, ataukah ada kelemahan dalam sistem pencatatan yang tidak mencerminkan dampak pembatalan secara akurat?

#### Divisi Produk Ganda
Adanya 963 `Procod` yang terkait dengan beberapa `Divisi` menyulitkan atribusi kinerja produk ke satu divisi yang bertanggung jawab. Meskipun telah diusulkan 'Divisi Utama' berdasarkan kontribusi `Value PL` terbesar (rata-rata 79.7% dari nilai penjualan berasal dari divisi dominan), hal ini masih menunjukkan kompleksitas dalam data:
*   **Kesulitan Pengukuran Kinerja Divisi**: Jika suatu produk dijual oleh beberapa divisi, sulit untuk mengukur kinerja penjualan, margin, atau waktu pemenuhan yang sesungguhnya dari masing-masing divisi untuk produk tersebut.
*   **Strategi Produk yang Tidak Optimal**: Tanpa kategorisasi divisi yang jelas, strategi pemasaran, alokasi sumber daya, dan analisis profitabilitas per divisi menjadi kurang efektif.

### Rekomendasi untuk Peningkatan Kinerja

Berdasarkan analisis kinerja pemenuhan pesanan dan implikasi inkonsistensi data, beberapa rekomendasi dapat diajukan:

1.  **Optimasi Tahap Ekspedisi**: Fokuskan upaya untuk mengurangi durasi "Ekspedisi ke Diterima". Ini mungkin melibatkan evaluasi ulang perjanjian dengan mitra ekspedisi, eksplorasi opsi pengiriman yang lebih cepat, atau implementasi sistem pelacakan yang lebih baik untuk mempercepat konfirmasi penerimaan.
2.  **Benchmarking dan Standardisasi Proses Antar Gudang**: Selidiki praktik operasional dari gudang berkinerja tinggi seperti PHARMANET JAKSEL, JAKTIM, dan BANJARMASIN. Identifikasi faktor-faktor kunci keberhasilan mereka dan pertimbangkan untuk mereplikasi atau mengadaptasinya di gudang dengan waktu pemenuhan yang lebih lambat, terutama PHARMANET TANGERANG dan SAMARINDA.
3.  **Audit Proses Pencatatan Pembatalan**: Lakukan audit menyeluruh terhadap proses pencatatan pembatalan untuk `Status RO`, `Sts SP Header`, `Sts SP Detail`, dan `Status DO`. Pastikan bahwa ketika sebuah pesanan atau item dibatalkan, `Value PL` dan `Qty DO` yang relevan dicatat dengan akurat sebagai kerugian atau pengurangan, bukan nol, untuk memungkinkan pengukuran kinerja yang benar.
4.  **Implementasi Status RO "Dibatalkan Sebagian"**: Terapkan logika untuk mengklasifikasikan `No. RO` dengan status campuran menjadi "Dibatalkan Sebagian", "Terlayani Penuh", atau "Dibatalkan Penuh". Ini akan memberikan gambaran yang lebih transparan dan akurat tentang tingkat pemenuhan pesanan.
5.  **Perkuat Atribusi 'Divisi Utama Produk'**: Pastikan bahwa setiap `Procod` memiliki 'Divisi Utama' yang jelas dan konsisten untuk semua analisis kinerja di masa mendatang. Ini akan mempermudah analisis kinerja penjualan dan pemenuhan per divisi, serta mendukung pengembangan strategi produk yang lebih terfokus.

## 5.1. Kinerja Penjualan dan Kuantitas berdasarkan Atribut Produk dan Gudang

Analisis mendalam terhadap kinerja penjualan dan kuantitas pengiriman berdasarkan atribut produk dan gudang asal memberikan wawasan krusial mengenai pendorong pendapatan dan efisiensi operasional. Bab ini menelaah bagaimana karakteristik produk (apakah diproduksi oleh Pharos Group atau tidak, serta divisinya) dan lokasi gudang pengiriman berkorelasi dengan nilai penjualan (`Value PL`) dan kuantitas produk yang dikirim (`Qty DO`).

### Kinerja Penjualan dan Kuantitas Berdasarkan Atribut Produk

#### 5.1.1 Kontribusi Produk Pharos vs. Non-Pharos

Identifikasi produk yang diproduksi oleh Pharos Group (`Pharos YN` = 'Y') versus produk non-Pharos (`Pharos YN` = 'N') mengungkapkan perbedaan signifikan dalam kontribusi terhadap total penjualan dan kuantitas. Produk Pharos Group secara dominan mendorong kinerja penjualan dan pengiriman perusahaan.

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

**Analisis:**
Produk-produk di bawah naungan Pharos Group (Pharos YN = 'Y') menyumbangkan `Total Value PL` sebesar 32,720,924,525 dan `Total Qty DO` sebanyak 1,026,883 unit. Angka ini jauh melampaui produk non-Pharos yang mencatatkan `Total Value PL` 22,360,047,164 dan `Total Qty DO` 409,346 unit. Dominasi produk Pharos menunjukkan bahwa merek dan portofolio internal perusahaan adalah pilar utama dalam strategi penjualan dan volume operasional. Hal ini mengindikasikan bahwa investasi dalam pengembangan, pemasaran, dan distribusi produk Pharos akan terus memberikan keuntungan signifikan.

#### 5.1.2 Kinerja Berdasarkan Divisi Produk

Pembagian kinerja penjualan dan kuantitas berdasarkan divisi produk memberikan gambaran tentang kontribusi setiap segmen bisnis. Penting untuk diingat bahwa, seperti yang telah dibahas dalam Bab 3 (Kualitas Data dan Pra-pemrosesan), terdapat inkonsistensi di mana beberapa `Procod` dikaitkan dengan `Divisi` yang berbeda. Analisis ini menggunakan data `Divisi` yang ada, dengan pemahaman bahwa untuk laporan yang lebih akurat di masa mendatang, `Divisi Utama` berdasarkan kontribusi penjualan terbesar perlu ditetapkan.

| Divisi      | Total Value PL         | Total Qty DO |
|:------------|-----------------------:|-------------:|
| PHARMANET   | 36,553,039,667         | 837,408      |
| VIBRANT PBF | 14,318,817,088         | 494,209      |
| HOSPINET    | 4,113,114,777          | 102,490      |
| VIBRANT 3   | 77,188,021             | 2,046        |

**Analisis:**
Divisi PHARMANET adalah pemimpin yang tidak terbantahkan dalam hal nilai penjualan (`Total Value PL` 36,553,039,667) dan kuantitas pengiriman (`Total Qty DO` 837,408). Ini menyoroti posisi sentral divisi PHARMANET dalam operasional perusahaan. VIBRANT PBF menyusul sebagai kontributor signifikan kedua, dengan `Total Value PL` 14,318,817,088 dan `Total Qty DO` 494,209. Sementara itu, HOSPINET juga memberikan kontribusi substansial, namun dengan angka yang lebih rendah. Divisi VIBRANT 3 memiliki kontribusi yang paling kecil dalam dataset ini.

Meskipun adanya inkonsistensi divisi produk (satu produk bisa terkait dengan beberapa divisi), dominasi PHARMANET sangat jelas. Untuk memaksimalkan efektivitas strategi per divisi, implementasi rekomendasi penetapan 'Divisi Utama' per `Procod` (berdasarkan `Value PL` tertinggi) akan sangat membantu dalam alokasi sumber daya dan evaluasi kinerja yang lebih terfokus di masa mendatang.

### Kinerja Penjualan dan Kuantitas Berdasarkan Gudang Asal

Kinerja penjualan dan kuantitas juga bervariasi secara signifikan antar gudang asal (`Asal Gudang`). Perbedaan ini dapat mencerminkan disparitas dalam permintaan pasar regional, kapasitas operasional gudang, atau efisiensi logistik di area tersebut.

| Asal Gudang           | Total Value PL         | Total Qty DO |
|:----------------------|-----------------------:|-------------:|
| PHARMANET SURABAYA    | 7,292,521,130          | 209,436      |
| PHARMANET MEDAN       | 5,088,293,251          | 139,746      |
| PHARMANET BEKASI      | 4,490,320,583          | 103,431      |
| PHARMANET TANGERANG   | 3,954,378,427          | 86,071       |
| PHARMANET BOGOR       | 3,787,682,009          | 104,610      |
| PHARMANET BANDUNG     | 3,422,317,085          | 96,315       |
| PHARMANET SEMARANG    | 2,845,696,313          | 84,851       |
| PHARMANET MAKASSAR    | 2,774,702,538          | 73,674       |
| PHARMANET JAKTIM      | 2,753,747,782          | 63,784       |
| PHARMANET SOLO        | 2,585,366,294          | 72,206       |
| PHARMANET PALEMBANG   | 2,506,019,400          | 56,059       |
| PHARMANET JAKBAR      | 2,425,785,385          | 52,470       |
| PHARMANET PONTIANAK   | 1,886,252,670          | 44,136       |
| PHARMANET PEKANBARU   | 1,857,089,519          | 53,835       |
| PHARMANET BANJARMASIN | 1,796,805,453          | 42,676       |
| PHARMANET MALANG      | 1,758,362,640          | 57,180       |
| PHARMANET JAMBI       | 1,036,331,822          | 25,367       |
| PHARMANET LAMPUNG     | 1,030,731,844          | 29,084       |
| PHARMANET SAMARINDA   | 975,375,562            | 24,690       |
| PHARMANET JAKSEL      | 813,191,982            | 16,608       |
| PHARMANET PUSAT       | 0                      | 0            |

**Analisis:**
PHARMANET SURABAYA menonjol sebagai gudang dengan kontribusi terbesar terhadap total nilai penjualan (7,292,521,130) dan kuantitas pengiriman (209,436). Diikuti oleh PHARMANET MEDAN dan PHARMANET BEKASI, yang juga menunjukkan volume penjualan dan pengiriman yang tinggi. Kontrasnya, PHARMANET JAKSEL dan PHARMANET SAMARINDA berada di antara gudang dengan kontribusi terendah dalam hal nilai penjualan dan kuantitas. Perbedaan kinerja antar gudang ini dapat menjadi indikator adanya peluang untuk optimalisasi, baik melalui transfer praktik terbaik dari gudang berkinerja tinggi, penyesuaian strategi inventarisasi regional, atau evaluasi infrastruktur logistik. Gudang 'PHARMANET PUSAT' mencatat `Total Value PL` dan `Total Qty DO` sebesar 0, yang mungkin mengindikasikan fungsinya sebagai gudang administrasi atau transit tanpa transaksi penjualan langsung yang tercatat dalam data ini.

### Implikasi dan Rekomendasi

Analisis kinerja penjualan dan kuantitas berdasarkan atribut produk dan gudang ini menegaskan beberapa poin penting dan membuka jalan bagi rekomendasi strategis:

1.  **Prioritaskan Portofolio Produk Pharos:** Mengingat kontribusi dominan produk Pharos Group terhadap penjualan dan kuantitas, perusahaan harus terus memprioritaskan alokasi sumber daya untuk pengembangan produk baru, inisiatif pemasaran, dan optimalisasi rantai pasok untuk kategori ini.
2.  **Perkuat Strategi Divisi PHARMANET dan VIBRANT PBF:** Divisi PHARMANET dan VIBRANT PBF adalah pendorong utama kinerja penjualan. Strategi untuk mempertahankan dan meningkatkan pangsa pasar serta efisiensi operasional di divisi-divisi ini harus menjadi fokus utama.
3.  **Standardisasi Kategorisasi Divisi Produk:** Seperti yang direkomendasikan pada Bab 3 dan 4, penting untuk mengimplementasikan sistem 'Divisi Utama' yang konsisten untuk setiap `Procod` guna menghilangkan ambiguitas dan memungkinkan analisis kinerja per divisi yang lebih akurat dan terfokus. Hal ini akan mendukung pengambilan keputusan strategis yang lebih baik untuk masing-masing divisi.
4.  **Optimalisasi Kinerja Gudang Regional:** Lakukan studi banding internal antara gudang-gudang berkinerja tinggi (misalnya PHARMANET SURABAYA, MEDAN) dan yang berkinerja rendah (misalnya PHARMANET JAKSEL, SAMARINDA). Identifikasi faktor-faktor keberhasilan gudang terdepan, seperti efisiensi inventaris, kecepatan pemrosesan pesanan, atau jaringan distribusi yang kuat, dan terapkan pada gudang yang membutuhkan peningkatan. Ini juga harus mempertimbangkan durasi siklus pemenuhan yang dibahas di Bab 5.
5.  **Evaluasi Fungsi PHARMANET PUSAT:** Klarifikasi peran PHARMANET PUSAT yang tidak mencatat nilai atau kuantitas transaksi. Pastikan bahwa data yang terkait dengan aktivitasnya, jika ada, tercatat dengan benar dalam sistem lain atau pahami mengapa tidak ada kontribusi langsung yang tercermin di sini.

Pemanfaatan wawasan dari analisis ini akan memungkinkan perusahaan untuk mengalokasikan sumber daya secara lebih efektif, merancang strategi penjualan yang lebih tepat sasaran, dan meningkatkan efisiensi operasional di seluruh jaringan distribusi.

## 5.2. Kinerja berdasarkan Status Pemenuhan

Analisis kinerja berdasarkan status pemenuhan memberikan pemahaman mendalam tentang efektivitas setiap tahapan dalam proses logistik dan dampak dari kejadian pembatalan terhadap metrik penjualan serta kuantitas pengiriman. Bab ini secara khusus mengulas bagaimana `Status RO`, `Sts SP Header`, `Sts SP Detail`, dan `Status DO` mencerminkan performa operasional.

### Kinerja Berdasarkan Status Repeat Order (RO)

Distribusi keseluruhan `Status RO` menunjukkan bahwa mayoritas pesanan berhasil terlayani penuh, sebuah indikator positif dari kapasitas pemenuhan perusahaan.

| Status RO         | Count    |
|:------------------|:---------|
| TERLAYANI PENUH   | 129,575  |
| CANCEL            | 1,740    |

Namun, analisis lebih lanjut mengungkapkan adanya inkonsistensi yang signifikan. Sebanyak 1.248 `No. RO` ditemukan terkait dengan beberapa `Status RO` secara bersamaan, umumnya kombinasi 'TERLAYANI PENUH' dan 'CANCEL'. Ini berarti bahwa beberapa item dalam satu pesanan RO mungkin berhasil terlayani, sementara yang lain dibatalkan. Yang paling krusial, meskipun ada item yang ditandai 'CANCEL' dalam RO-RO ini, `Total Cancelled Value PL` dan `Total Cancelled Qty DO` tercatat 0,00. Ini menyiratkan bahwa pembatalan pada item tersebut tidak memiliki dampak finansial atau kuantitas yang terekam dalam dataset, atau item yang dibatalkan memang bernilai nol.

**Implikasi:**
Ketidaksesuaian ini menciptakan tantangan besar dalam mengukur tingkat pembatalan yang sesungguhnya dan dampak finansialnya. Jika pembatalan tidak mengurangi nilai penjualan atau kuantitas pengiriman yang tercatat, maka metrik kinerja yang mengandalkan total nilai atau kuantitas untuk menghitung tingkat pembatalan akan terdistorsi. Hal ini mempersulit identifikasi kerugian riil dan analisis akar masalah yang menyebabkan pembatalan.

### Kinerja Berdasarkan Status SP (Surat Pesanan) dan DO (Delivery Order)

Status pemenuhan pada tahapan `Sts SP Header`, `Sts SP Detail`, dan `Status DO` menunjukkan pola yang identik dalam data. Status 'P' (Processed/Diproses) mencakup keseluruhan nilai penjualan dan kuantitas pengiriman, sementara status 'C' (Cancelled/Dibatalkan) secara konsisten menunjukkan `Total Value PL` dan `Total Qty DO` sebesar 0.

Berikut adalah ringkasan kinerja berdasarkan `Sts SP Header` (yang merupakan representasi dari `Sts SP Detail` dan `Status DO`):

| Sts SP Header   |   Total Value PL |   Total Qty DO |
|:----------------|-----------------:|---------------:|
| C               |                0 |              0 |
| P               |   55,080,971,689 |      1,436,229 |

**Analisis:**
Kesamaan pola antara `Sts SP Header`, `Sts SP Detail`, dan `Status DO` menegaskan bahwa pembatalan pada tahapan SP dan DO juga tidak direfleksikan sebagai pengurangan nilai penjualan atau kuantitas pengiriman. Semua nilai transaksi tercatat di bawah status 'P'. Fenomena ini mencerminkan masalah pencatatan yang sama seperti pada `Status RO` campuran.

**Implikasi:**
Jika pembatalan pada SP atau DO tidak dicatat dengan nilai/kuantitas yang sebenarnya, perusahaan kehilangan kesempatan untuk memahami secara akurat berapa banyak nilai pesanan yang hilang pada setiap tahapan proses internal. Hal ini menghambat kemampuan untuk mengidentifikasi penyebab pembatalan (misalnya, masalah stok, kualitas data pesanan awal) dan mencegah dilakukannya analisis akar masalah yang efektif.

### Implikasi Keseluruhan terhadap Pengukuran Kinerja

Anomali data yang terus-menerus pada `Status RO`, `Sts SP Header`, `Sts SP Detail`, dan `Status DO` di mana pembatalan tidak mengurangi `Value PL` atau `Qty DO` memiliki dampak kritis:

1.  **Pengukuran Efisiensi yang Tidak Akurat**: Kemampuan untuk mengukur tingkat pemenuhan pesanan secara akurat pada setiap tahapan proses (dari RO hingga DO) sangat terganggu. Data yang ada saat ini tidak dapat secara langsung menunjukkan kerugian aktual yang disebabkan oleh pembatalan.
2.  **Hambatan Analisis Kerugian**: Tanpa pencatatan yang akurat mengenai nilai dan kuantitas yang dibatalkan, perusahaan tidak dapat secara efektif menganalisis dampak finansial dari pembatalan atau mengidentifikasi tren kerugian berdasarkan jenis produk, outlet, atau divisi.
3.  **Kesulitan dalam Perbaikan Proses**: Ketiadaan data yang akurat tentang dampak pembatalan menyulitkan identifikasi *bottleneck* atau titik lemah dalam proses yang paling sering menyebabkan pembatalan item pesanan yang memiliki nilai substansial.

### Rekomendasi

1.  **Audit Menyeluruh Proses Pencatatan Pembatalan**: Lakukan audit mendalam terhadap sistem dan prosedur pencatatan pembatalan di semua tahapan (RO, SP, DO). Pastikan bahwa ketika sebuah item atau pesanan dibatalkan, `Value PL` dan `Qty DO` yang relevan dicatat dengan akurat sebagai kerugian atau pengurangan dari potensi penjualan, bukan nol.
2.  **Implementasi Status RO yang Lebih Granular**: Terapkan logika untuk mengklasifikasikan `No. RO` dengan status campuran menjadi "Dibatalkan Sebagian", di samping "Terlayani Penuh" atau "Dibatalkan Penuh". Ini akan memberikan gambaran yang lebih transparan dan akurat tentang tingkat pemenuhan pesanan di tingkat RO.
3.  **Pengembangan Metrik Kinerja Pembatalan yang Akurat**: Setelah data pembatalan diperbaiki, kembangkan metrik kinerja spesifik untuk melacak nilai dan kuantitas yang dibatalkan pada setiap tahapan. Ini akan memungkinkan analisis penyebab pembatalan dan inisiatif perbaikan proses yang lebih terarah.

## 6. Analisis Waktu Siklus Pemenuhan

Analisis waktu siklus pemenuhan adalah indikator kunci untuk mengukur efisiensi operasional dan mengidentifikasi area yang membutuhkan perbaikan dalam rantai pasok. Bab ini akan mengulas secara mendalam durasi median dari setiap tahapan proses pemenuhan pesanan, membandingkan kinerja antar gudang dan divisi produk, serta menyoroti dampak potensi dari anomali data terhadap akurasi pengukuran ini.

### 6.1. Durasi Siklus Pemenuhan Secara Keseluruhan

Waktu siklus pemenuhan total pesanan tercatat sebesar 1.68 hari. Analisis lebih lanjut ke setiap tahapan proses memberikan gambaran yang lebih rinci tentang kontribusi masing-masing terhadap durasi keseluruhan:

| Tahap                        | Durasi Median (Hari) |
|:-----------------------------|---------------------:|
| Order ke SP                  | 0.02                 |
| SP ke DO                     | 0.15                 |
| DO ke Logbook                | 0.10                 |
| Logbook ke Expedition        | 0.05                 |
| Expedition ke Received       | 0.78                 |
| Total_Fulfillment            | 1.68                 |

Dari tabel di atas, tahapan **"Ekspedisi ke Received"** (dari tanggal barang diserahkan ke ekspedisi hingga tanggal diterima oleh pelanggan) merupakan kontributor terbesar terhadap total waktu pemenuhan, dengan durasi median 0.78 hari. Ini menunjukkan adanya *bottleneck* yang signifikan pada proses pengiriman oleh pihak ekspedisi dan konfirmasi penerimaan barang. Tahapan lain seperti "Order ke SP", "SP ke DO", "DO ke Logbook", dan "Logbook ke Expedition" memiliki durasi median yang relatif singkat, mengindikasikan efisiensi yang baik dalam proses internal seperti pembuatan SP, DO, dan persiapan logbook.

### 6.2. Waktu Pemenuhan Berdasarkan Gudang Asal

Efisiensi waktu siklus pemenuhan bervariasi secara signifikan antar gudang asal (`Asal Gudang`). Perbedaan ini dapat dipengaruhi oleh lokasi geografis, infrastruktur logistik, dan efisiensi operasional masing-masing gudang.

| Asal Gudang           | Durasi Median Total Pemenuhan (Hari) |
|:----------------------|-------------------------------------:|
| PHARMANET TANGERANG   | 3.76                                 |
| PHARMANET SAMARINDA   | 3.05                                 |
| PHARMANET MEDAN       | 2.79                                 |
| PHARMANET PEKANBARU   | 2.55                                 |
| PHARMANET MALANG      | 2.55                                 |
| PHARMANET LAMPUNG     | 2.31                                 |
| PHARMANET PONTIANAK   | 2.11                                 |
| PHARMANET SURABAYA    | 2.07                                 |
| PHARMANET MAKASSAR    | 2.04                                 |
| PHARMANET PALEMBANG   | 1.98                                 |
| PHARMANET JAMBI       | 1.86                                 |
| PHARMANET SEMARANG    | 1.81                                 |
| PHARMANET SOLO        | 1.42                                 |
| PHARMANET BOGOR       | 1.11                                 |
| PHARMANET BEKASI      | 1.07                                 |
| PHARMANET BANDUNG     | 0.92                                 |
| PHARMANET BANJARMASIN | 0.83                                 |
| PHARMANET JAKBAR      | 0.80                                 |
| PHARMANET JAKTIM      | 0.72                                 |
| PHARMANET JAKSEL      | 0.25                                 |

Gudang PHARMANET TANGERANG menunjukkan waktu pemenuhan terlama dengan durasi median 3.76 hari, yang jauh di atas rata-rata total pemenuhan. Sebaliknya, PHARMANET JAKSEL merupakan gudang tercepat dengan durasi median hanya 0.25 hari. Disparitas yang besar ini mengindikasikan peluang signifikan untuk melakukan *benchmarking* dan menerapkan praktik terbaik dari gudang berkinerja tinggi ke gudang-gudang yang lebih lambat.

### 6.3. Waktu Pemenuhan Berdasarkan Divisi Utama Produk

Waktu pemenuhan juga sedikit bervariasi antar divisi produk. Analisis ini menggunakan 'Divisi Utama Produk' (seperti yang disarankan dalam Bab 3 dan 4) untuk mengaitkan setiap produk dengan divisi utamanya berdasarkan kontribusi nilai penjualan terbesar.

| Divisi Utama Produk  | Durasi Median Total Pemenuhan (Hari) |
|:---------------------|-------------------------------------:|
| VIBRANT PBF          | 1.79                                 |
| PHARMANET            | 1.66                                 |
| HOSPINET             | 1.38                                 |

Divisi HOSPINET menunjukkan waktu pemenuhan median tercepat sebesar 1.38 hari, diikuti oleh PHARMANET (1.66 hari) dan VIBRANT PBF (1.79 hari). Perbedaan durasi ini mungkin mencerminkan karakteristik produk yang berbeda, kompleksitas penanganan, atau jalur distribusi yang unik untuk setiap divisi. Misalnya, produk HOSPINET mungkin memiliki proses pemenuhan yang lebih efisien atau didistribusikan ke area yang lebih mudah dijangkau.

### 6.4. Anomali Data yang Mempengaruhi Akurasi Waktu Siklus

Meskipun analisis waktu siklus memberikan wawasan berharga, penting untuk diakui bahwa kualitas data dapat memengaruhi akurasi perhitungan. Dalam proses pra-pemrosesan, beberapa kolom tanggal memiliki nilai yang hilang dan diimputasi dengan nilai modus (lihat Bab 3.1).

Secara khusus, `Tgl Diterima` memiliki 10.385 nilai NaT yang diisi dengan tanggal modus `1970-01-02 07:00:00`. Tanggal ini sangat jauh di masa lalu dan tidak relevan dengan periode transaksi. Imputasi dengan tanggal yang tidak logis ini akan secara drastis mendistorsi perhitungan waktu siklus, terutama untuk tahapan "Ekspedisi ke Received" dan "Total Fulfillment". Meskipun median mungkin lebih tangguh terhadap *outlier* dibandingkan rata-rata, volume imputasi yang besar dengan nilai yang tidak realistis ini tetap menjadi perhatian serius dan dapat mengurangi keandalan metrik waktu siklus untuk pesanan-pesanan yang terpengaruh.

Imputasi nilai NaT pada kolom tanggal lain seperti `Tgl DO` (365 NaT), `Tgl. PL` (365 NaT), `Tgl Logbook` (585 NaT), dan `Tgl Ekspedisi` (460 NaT) dengan tanggal modus `2026-06-30 16:14:16`, `2026-07-01 15:33:53`, atau `2026-06-17 00:00:00` (yang berada di masa depan relatif terhadap data yang mungkin ada di tahun 2026) juga perlu diwaspadai karena dapat menghasilkan durasi siklus negatif atau tidak realistis untuk pesanan tertentu.

### 6.5. Rekomendasi

1.  **Fokus pada Optimalisasi Tahap "Ekspedisi ke Received"**: Mengingat tahapan ini adalah *bottleneck* terbesar, evaluasi ulang perjanjian dengan mitra ekspedisi, pertimbangkan opsi pengiriman yang lebih cepat, atau terapkan sistem pelacakan yang lebih canggih untuk mempercepat konfirmasi penerimaan. Tujuan utamanya adalah mengurangi durasi 0.78 hari ini.
2.  **Benchmarking dan Transfer Pengetahuan Antar Gudang**: Pelajari praktik operasional dari gudang dengan kinerja terbaik, seperti PHARMANET JAKSEL, JAKTIM, dan BANJARMASIN. Identifikasi faktor-faktor kunci keberhasilan mereka dan pertimbangkan untuk mereplikasi atau mengadaptasinya di gudang dengan waktu pemenuhan yang lebih lambat, terutama PHARMANET TANGERANG, SAMARINDA, dan MEDAN.
3.  **Investigasi dan Perbaiki Sumber Data Tanggal yang Hilang**: Lakukan investigasi menyeluruh mengapa kolom tanggal, terutama `Tgl Diterima`, memiliki begitu banyak nilai yang hilang. Perbaiki proses pencatatan data untuk memastikan setiap tanggal tercatat dengan benar. Imputasi dengan nilai yang tidak relevan (`1970-01-02`) sangat merusak akurasi analisis waktu siklus. Pertimbangkan strategi imputasi yang lebih canggih jika nilai tanggal tetap hilang, seperti menggunakan regresi waktu atau mengidentifikasi data serupa dari pesanan yang sama.
4.  **Analisis Waktu Siklus per Divisi yang Lebih Detail**: Meskipun HOSPINET menunjukkan waktu pemenuhan tercepat secara keseluruhan, eksplorasi lebih lanjut diperlukan untuk memahami alasan di balik perbedaan waktu siklus antar divisi. Ini dapat membantu dalam mengembangkan strategi logistik yang lebih disesuaikan dan efisien untuk setiap kategori produk.

## 7. Kesimpulan dan Rekomendasi

Analisis data pemenuhan pesanan ini telah mengidentifikasi beberapa wawasan krusial dan tantangan signifikan yang berdampak pada kinerja operasional, strategi penjualan, dan kualitas data perusahaan. Laporan ini merangkum temuan-temuan kunci dan menyajikan rekomendasi yang dapat ditindaklanjuti untuk mendorong peningkatan.

### Penemuan Kunci

#### Kualitas dan Konsistensi Data
Integritas data menjadi fondasi analisis, dan laporan ini menyoroti dua inkonsistensi utama yang perlu perhatian serius:
1.  **Status Repeat Order (RO) Campuran:** Sebanyak 1.248 `No. RO` ditemukan terkait dengan beberapa status pemenuhan secara bersamaan, umumnya "TERLAYANI PENUH" dan "CANCEL". Anomali kritisnya adalah, untuk RO dengan status campuran ini, `Total Value PL` yang dibatalkan adalah 0,00 dan `Total Qty DO` yang dibatalkan juga 0.00. Hal serupa juga terjadi pada `Sts SP Header`, `Sts SP Detail`, dan `Status DO`, di mana status 'C' (Cancel) selalu menunjukkan `Total Value PL` dan `Total Qty DO` sebesar 0. Ini sangat mempengaruhi akurasi pengukuran tingkat pembatalan dan potensi kerugian finansial.
2.  **Produk dengan Divisi Ganda:** Ditemukan 964 `Procod` yang terkait dengan beberapa `Divisi` (misalnya, PHARMANET dan HOSPINET). Ini menyulitkan kategorisasi produk yang konsisten. Namun, analisis menunjukkan bahwa rata-rata 79,7% dari total `Value PL` untuk produk-produk ini berasal dari divisi yang dominan.
3.  **Anomali Imputasi Tanggal:** Terdapat imputasi yang signifikan dan bermasalah pada kolom tanggal, terutama `Tgl Diterima` yang memiliki 10.385 nilai `NaT` yang diisi dengan `1970-01-02 07:00:00`. Tanggal yang tidak relevan ini secara serius mendistorsi perhitungan waktu siklus, khususnya untuk tahapan "Ekspedisi ke Diterima" dan "Total Fulfillment". Imputasi serupa dengan tanggal masa depan pada kolom tanggal lain juga berpotensi menyebabkan durasi siklus yang tidak realistis.

#### Kinerja Penjualan dan Produk
1.  **Dominasi Produk Pharos:** Produk-produk yang diproduksi oleh Pharos Group (`Pharos YN` = 'Y') secara signifikan mendorong kinerja penjualan dan kuantitas. Mereka menyumbangkan `Total Value PL` sebesar 32.720.924.525 dan `Total Qty DO` sebanyak 1.026.883 unit, jauh melampaui produk non-Pharos.
2.  **Kontribusi Divisi:** Divisi PHARMANET adalah kontributor utama dengan `Total Value PL` 36.553.039.667 dan `Total Qty DO` 837.408. VIBRANT PBF menyusul sebagai kontributor signifikan kedua.

#### Efisiensi Operasional (Waktu Siklus Pemenuhan)
1.  **Bottleneck Pengiriman:** Tahapan "Ekspedisi ke Diterima" adalah kontributor terbesar terhadap total waktu pemenuhan, dengan durasi median 0,78 hari dari total 1,68 hari. Ini mengindikasikan area utama untuk perbaikan efisiensi.
2.  **Disparitas Kinerja Gudang:** Terdapat perbedaan signifikan dalam waktu pemenuhan antar gudang. PHARMANET TANGERANG memiliki waktu pemenuhan terlama (median 3,76 hari), sedangkan PHARMANET JAKSEL adalah yang tercepat (median 0,25 hari).
3.  **Kinerja Divisi dalam Pemenuhan:** Divisi HOSPINET menunjukkan waktu pemenuhan median tercepat (1,38 hari) dibandingkan VIBRANT PBF (1,79 hari) dan PHARMANET (1,66 hari), yang mungkin mencerminkan karakteristik produk atau proses logistik yang berbeda.
4.  **Dampak Imputasi Tanggal pada Akurasi Waktu Siklus:** Imputasi tanggal yang tidak realistis, terutama untuk `Tgl Diterima`, mengurangi keandalan analisis waktu siklus pemenuhan untuk pesanan-pesanan yang terpengaruh.

### Rekomendasi

Berdasarkan temuan-temuan di atas, kami mengusulkan serangkaian rekomendasi yang berfokus pada peningkatan kualitas data, efisiensi operasional, dan optimalisasi strategi penjualan.

#### 1. Strategi Peningkatan Kualitas Data dan Sistem

*   **Standardisasi Status Repeat Order (RO):**
    *   **Tindakan:** Kembangkan dan terapkan logika bisnis untuk mengklasifikasikan setiap `No. RO` ke dalam satu status tunggal yang konsisten: "Terlayani Penuh", "Dibatalkan Sebagian", atau "Dibatalkan Penuh". Status "Dibatalkan Sebagian" harus diterapkan pada RO yang memiliki campuran item "TERLAYANI PENUH" dan "CANCEL".
    *   **Tindakan Kritis:** Lakukan audit menyeluruh terhadap sistem pencatatan pembatalan. Pastikan bahwa ketika sebuah item dibatalkan, `Value PL` dan `Qty DO` yang relevan dicatat secara akurat sebagai pengurangan dari nilai pesanan, bukan 0.00, untuk merefleksikan dampak finansial sebenarnya. Ini juga berlaku untuk status 'C' pada SP dan DO.
*   **Standardisasi Kategorisasi Divisi Produk:**
    *   **Tindakan:** Tetapkan 'Divisi Utama Produk' untuk setiap `Procod` berdasarkan divisi yang menyumbang `Total Value PL` terbesar. Perbarui basis data produk untuk mencerminkan kategorisasi tunggal ini.
    *   **Manfaat:** Memungkinkan analisis kinerja per divisi yang lebih akurat dan terfokus, serta mendukung alokasi sumber daya yang lebih efektif.
*   **Peningkatan Akurasi Pencatatan Tanggal:**
    *   **Tindakan Kritis:** Lakukan investigasi mendalam terhadap penyebab hilangnya `Tgl Diterima` dan kolom tanggal lainnya. Perbaiki proses entri data dan sistem untuk memastikan semua tanggal logistik tercatat dengan benar.
    *   **Tindakan Sementara:** Untuk data historis dengan nilai `NaT` yang tinggi, pertimbangkan strategi imputasi yang lebih canggih dan logis (misalnya, menggunakan rata-rata waktu siklus dari pesanan serupa, atau memperlakukan tanggal sebagai tidak tersedia dalam perhitungan siklus) daripada menggunakan tanggal yang tidak realistis seperti `1970-01-02`. Ini penting untuk memulihkan keandalan analisis waktu siklus.

#### 2. Strategi Peningkatan Efisiensi Operasional

*   **Optimalisasi Tahap "Ekspedisi ke Diterima":**
    *   **Tindakan:** Fokus pada pengurangan durasi median 0,78 hari pada tahapan ini. Ini dapat mencakup renegosiasi SLA (Service Level Agreement) dengan mitra ekspedisi, eksplorasi opsi pengiriman yang lebih cepat, implementasi sistem pelacakan *real-time* yang terintegrasi, atau perbaikan proses konfirmasi penerimaan.
    *   **Manfaat:** Meningkatkan kepuasan pelanggan dan mempercepat siklus kas.
*   **Benchmarking dan Transfer Pengetahuan Antar Gudang:**
    *   **Tindakan:** Pelajari praktik terbaik dan faktor-faktor keberhasilan dari gudang dengan waktu pemenuhan tercepat (misalnya, PHARMANET JAKSEL dengan 0,25 hari, PHARMANET JAKTIM 0,72 hari, dan PHARMANET BANJARMASIN 0,83 hari).
    *   **Tindakan:** Terapkan praktik-praktik tersebut pada gudang dengan waktu pemenuhan yang lebih lambat (terutama PHARMANET TANGERANG 3,76 hari, PHARMANET SAMARINDA 3,05 hari, dan PHARMANET MEDAN 2,79 hari) untuk meningkatkan efisiensi operasional secara keseluruhan.

#### 3. Strategi Peningkatan Penjualan dan Produk

*   **Memanfaatkan Dominasi Produk Pharos:**
    *   **Tindakan:** Mengingat kontribusi dominan produk Pharos Group, terus alokasikan sumber daya prioritas untuk pengembangan produk baru, inisiatif pemasaran, dan optimalisasi rantai pasok untuk kategori ini guna memaksimalkan potensi penjualan.
*   **Strategi Spesifik Divisi:**
    *   **Tindakan:** Kembangkan strategi penjualan dan pemasaran yang disesuaikan untuk divisi PHARMANET dan VIBRANT PBF untuk mempertahankan dan meningkatkan pangsa pasar mereka.
    *   **Tindakan:** Selidiki mengapa divisi HOSPINET memiliki waktu pemenuhan tercepat (median 1,38 hari). Identifikasi praktik-praktik yang dapat dipelajari dan diterapkan pada divisi lain untuk meningkatkan efisiensi.

Dengan menerapkan rekomendasi-rekomendasi ini, perusahaan dapat tidak hanya mengatasi masalah kualitas data yang ada tetapi juga mengidentifikasi peluang untuk meningkatkan efisiensi operasional, mendorong penjualan, dan pada akhirnya meningkatkan kepuasan pelanggan melalui proses pemenuhan pesanan yang lebih cepat dan transparan.