# Laporan Akhir Eksplorasi Data

## 1. Ringkasan Eksekutif

Analisis data pemenuhan pesanan ini bertujuan untuk mengungkap wawasan tersembunyi yang dapat meningkatkan kinerja operasional, penjualan, serta memahami korelasi antara produk dan proses bisnis. Dataset ini menyajikan gambaran menyeluruh dari siklus pemesanan pelanggan, dimulai dari Repeat Order (RO) oleh outlet hingga penerimaan barang oleh pelanggan. Alur proses bisnis yang tercermin dalam data ini melibatkan beberapa tahapan kunci: pesanan awal (`Tgl. Order`), pembentukan Surat Pesanan (SP) di gudang (`Tgl. SP`), konfirmasi akhir oleh gudang melalui Delivery Order (DO) (`Tgl DO`), pencatatan barang di area staging (`Tgl Logbook`), penjemputan oleh ekspedisi (`Tgl Ekspedisi`), dan penerimaan oleh pelanggan (`Tgl Diterima`). Setiap tahapan ini memberikan jejak waktu yang detail untuk menganalisis efisiensi proses.

**Penilaian Kualitas Data Awal**
Tahap pra-pemrosesan data mengungkap beberapa aspek penting terkait kualitas data:
*   **Duplikasi Data:** Ditemukan dan berhasil dihapus sejumlah baris duplikat yang identik, memastikan keunikan setiap catatan transaksi.
*   **Inkonsistensi Format Tanggal:** Kolom tanggal memerlukan konversi yang cermat ke format datetime. Proses ini mengakibatkan munculnya beberapa nilai `NaT` (Not a Time), menunjukkan adanya entri tanggal yang tidak valid atau format yang tidak dikenal pada data mentah.
*   **Penanganan Nilai Hilang:**
    *   Kolom `'Keterangan'` dan `'Nama Penerima'`, meskipun diabaikan dalam analisis mendalam, nilai-nilai yang hilang diisi dengan 'UNKNOWN' untuk konsistensi.
    *   Nilai numerik yang hilang pada kolom penting seperti `'Value PL'`, `'Value RO'`, `'Qty RO'`, `'Qty SP'`, dan `'Qty DO'` diisi menggunakan nilai median dari masing-masing kolom, sebuah pendekatan yang menjaga distribusi data dan memitigasi dampak *outlier*.
    *   Untuk kolom kategorikal yang memiliki nilai hilang, pengisian dilakukan dengan nilai modus (kategori yang paling sering muncul), atau 'UNKNOWN' jika tidak ada modus yang jelas.
    *   Nilai `NaT` pada kolom tanggal diisi dengan tanggal paling awal yang tercatat di kolom tersebut, atau '1970-01-01' sebagai nilai default jika seluruh kolom berisi `NaT`.
*   **Pembersihan Data Numerik:** Kolom-kolom yang seharusnya numerik namun mungkin mengandung karakter non-numerik (seperti simbol mata uang) telah dibersihkan dan diubah tipenya menjadi numerik. Proses ini juga memperkenalkan `NaN` pada entri yang sama sekali tidak dapat diubah ke numerik, yang kemudian ditangani dengan imputasi median.

Secara keseluruhan, upaya pembersihan telah meningkatkan kualitas dan kelengkapan dataset, menjadikannya siap untuk analisis lebih lanjut, meskipun adanya `NaT` dan kebutuhan pembersihan karakter non-numerik menunjukkan area potensial untuk peningkatan kualitas data di sumbernya.

**Potensi Analisis & Rekomendasi Awal**
Berdasarkan struktur data dan proses bisnis yang dijelaskan, beberapa area analisis utama dan rekomendasi awal dapat diidentifikasi:

1.  **Efisiensi Rantai Pasok:** Analisis mendalam tentang durasi antara setiap tahapan pemenuhan pesanan (misalnya, `Tgl. Order` ke `Tgl DO`, `Tgl DO` ke `Tgl Ekspedisi`, `Tgl Ekspedisi` ke `Tgl Diterima`) sangat direkomendasikan. Ini dapat mengidentifikasi *bottleneck* atau inefisiensi dalam proses gudang, logistik, dan pengiriman.
2.  **Kinerja Produk & Divisi:** Memanfaatkan kolom `'Procod'`, `'Prodes'`, `'Divisi'`, dan `'Pharos YN'`, kita dapat mengidentifikasi produk terlaris, produk dengan margin tertinggi (jika data harga beli tersedia), dan perbandingan kinerja antara produk Pharos Group dengan produk lain. Analisis ini dapat menginformasikan strategi pengadaan dan pemasaran.
3.  **Perilaku & Kinerja Outlet:** Identifikasi outlet-outlet berkinerja tinggi atau rendah berdasarkan volume pesanan (`Qty RO`, `Value RO`), frekuensi pesanan, dan pola pembelian. Flag `'AO YN'` juga memungkinkan analisis perbandingan antara outlet yang berpartisipasi dalam program Apotek Online dengan yang tidak, untuk mengukur dampak program tersebut terhadap penjualan dan volume pesanan.
4.  **Tingkat Pelayanan dan Pembatalan:** Status-status seperti `Sts SP Header`, `Sts SP Detail`, `Status DO`, dan `Status RO` adalah kunci untuk mengevaluasi tingkat pelayanan (pesanan terlayani penuh, sebagian, atau dibatalkan). Mengidentifikasi penyebab pembatalan dan ketidaklayanan dapat membantu meningkatkan kepuasan pelanggan dan mengurangi kerugian.

Analisis selanjutnya akan fokus pada penggalian wawasan kuantitatif dari area-area ini, dengan mempertimbangkan hubungan antar entitas (RO, SP, DO, PL) untuk memberikan pemahaman komprehensif tentang operasional pemenuhan pesanan.

## 2. Pengantar

Dataset yang sedang kita eksplorasi ini adalah sebuah catatan komprehensif mengenai siklus pemenuhan pesanan pelanggan, mulai dari saat pesanan dibuat hingga barang diterima oleh pelanggan. Data ini esensial untuk membongkar lapisan-lapisan operasional, mencari peluang peningkatan kinerja penjualan, dan memahami bagaimana produk-produk tertentu berkorelasi dengan alur distribusi. Dengan menganalisis setiap tahapan dalam proses ini, kita dapat memperoleh pandangan mendalam mengenai efisiensi operasional dan dinamika pasar.

### Siklus Pemenuhan Pesanan: Sebuah Perjalanan Data

Setiap baris dalam dataset ini merepresentasikan perjalanan unik dari sebuah produk yang dipesan oleh sebuah *outlet* pelanggan. Alur proses ini diabadikan melalui serangkaian dokumen dan status, masing-masing dengan penanda waktu yang spesifik:

1.  **Pemesanan Awal (RO - Repeat Order):** Semuanya dimulai dengan `Tgl. Order`, yaitu waktu pelanggan membuat pesanan (Repeat Order). Setiap RO memiliki nomor unik (`No. RO`) dan jumlah pesanan (`Qty RO`) serta nilai pesanan (`Value RO`). Status RO (`Status RO`) akan mencerminkan apakah pesanan ini terlayani penuh atau ada isu lain.
2.  **Surat Pesanan (SP):** Pesanan RO kemudian masuk ke gudang dan diubah menjadi satu atau beberapa Surat Pesanan (`No. SP`) sesuai dengan kebutuhan logistik internal. `Tgl. SP` menandai waktu SP ini terbentuk dalam sistem gudang. Status SP (`Sts SP Header` dan `Sts SP Detail`) memberikan informasi granular tentang apakah SP tersebut sudah dilayani (P), dalam proses (N), atau dibatalkan (C).
3.  **Delivery Order (DO):** Setelah SP dilayani dan dikonfirmasi final oleh tim pelayanan gudang, sebuah Delivery Order (`No. DO`) diterbitkan. `Tgl DO` merekam momen penting ini, menandakan kesiapan barang untuk dikirim. `Status DO` yang "P" menunjukkan pesanan sudah dilayani, sementara "C" berarti dibatalkan. Menariknya, satu SP selalu menerbitkan satu DO, menunjukkan hubungan langsung antara kedua entitas ini.
4.  **Packing List (PL):** Sebagai dokumen administratif, Packing List (`No. PL`) dibuat bersamaan dengan DO, dengan `Tgl. PL` yang serupa. `Value PL` mencerminkan nilai barang yang akan dikirim, yang idealnya harus selaras dengan `Value RO`.
5.  **Logistik & Pengiriman:** Setelah DO terbit, barang masuk ke area *staging*, dicatat pada `Tgl Logbook`, menunggu penjemputan. Kemudian, ekspedisi menjemput paket pada `Tgl Ekspedisi`, dengan informasi `Nama Ekspedisi` dan `Nomor Resi` yang relevan.
6.  **Penerimaan Barang:** Tahap terakhir adalah `Tgl Diterima`, saat pelanggan menerima pesanan mereka.

Rangkaian waktu ini—mulai dari `Tgl. Order` hingga `Tgl Diterima`—akan menjadi fondasi utama untuk analisis efisiensi operasional.

### Entitas Utama dan Variabel Kunci

Data ini merepresentasikan beberapa entitas bisnis krusial:

*   **Outlet Pelanggan:** Diidentifikasi secara unik melalui `KodePI`, `OutCode`, dan `Cmc`, yang semuanya merujuk pada outlet yang sama. `Nama Outlet` memberikan nama yang mudah dibaca. Status `AO YN` menunjukkan apakah outlet berpartisipasi dalam program Apotek Online, sebuah variabel penting untuk menganalisis dampak inisiatif digital perusahaan.
*   **Produk:** Setiap produk memiliki `Procod` (kode produk unik) dan `Prodes` (deskripsi produk). `Divisi` mengkategorikan produk berdasarkan divisi internal, sementara `Pharos YN` menandai apakah produk tersebut diproduksi oleh Pharos Group sendiri atau bukan. Ini krusial untuk analisis kinerja produk dan strategis.
*   **Proses & Dokumen:** RO, SP, DO, dan PL, seperti dijelaskan di atas, adalah inti dari proses pemenuhan. Metrik seperti `Qty RO`, `Qty SP`, `Qty DO` menunjukkan kuantitas barang yang terlibat di setiap tahap, sementara `Value RO` dan `Value PL` mencerminkan nilai finansialnya.

### Menggali Wawasan dari Data

Pengantar ini berfungsi sebagai peta jalan awal kita. Dengan memahami struktur data dan alur proses bisnis yang mendasarinya, kita dapat mengidentifikasi area-area di mana analisis mendalam akan memberikan nilai tertinggi:

*   **Efisiensi Rantai Pasok:** Mengukur durasi antar tanggal (`Tgl. Order` vs. `Tgl. SP`, `Tgl. SP` vs. `Tgl DO`, `Tgl DO` vs. `Tgl Ekspedisi`, `Tgl Ekspedisi` vs. `Tgl Diterima`) akan mengungkap *bottleneck* potensial dalam gudang, administrasi, dan logistik pengiriman.
*   **Kinerja Produk:** Membandingkan penjualan dan nilai produk (`Value RO`) berdasarkan `Procod`, `Divisi`, dan `Pharos YN` akan membantu mengidentifikasi produk unggulan atau yang memerlukan perhatian lebih.
*   **Perilaku Outlet:** Analisis terhadap `Qty RO` dan `Value RO` per outlet, serta perbandingan antara outlet yang berpartisipasi dalam program Apotek Online (`AO YN = Y`) dan yang tidak, dapat mengungkap pola pembelian dan keberhasilan program.
*   **Tingkat Layanan:** Status `Sts SP Header`, `Sts SP Detail`, `Status DO`, dan `Status RO` sangat vital untuk memahami seberapa sering pesanan terpenuhi penuh, sebagian, atau dibatalkan, memberikan wawasan tentang kualitas layanan dan potensi peningkatan kepuasan pelanggan.

Bab-bab selanjutnya akan menyelam lebih dalam ke setiap area ini, mengubah data mentah menjadi wawasan yang dapat ditindaklanjuti untuk meningkatkan kinerja bisnis.

## 3. Kualitas Data & Pra-pemrosesan

Proses analisis data yang andal dimulai dengan fondasi data yang kuat. Bab ini menyelami lebih dalam aspek kualitas data dari dataset pemenuhan pesanan, menjelaskan langkah-langkah pra-pemrosesan yang telah dilakukan, serta mengeksplorasi implikasi dari temuan kualitas data terhadap interpretasi bisnis. Tujuannya adalah untuk memastikan bahwa data yang digunakan untuk analisis lanjutan tidak hanya bersih secara teknis, tetapi juga konsisten dan logis sesuai dengan alur proses bisnis yang sebenarnya.

### Pembersihan dan Standarisasi Data

Langkah-langkah pra-pemrosesan yang telah diuraikan pada bab sebelumnya adalah krusial untuk mempersiapkan data. Berikut adalah penekanan lebih lanjut mengenai langkah-langkah tersebut dan dampaknya:

#### 1. Penanganan Duplikasi Baris
Sebanyak beberapa baris data yang identik sepenuhnya telah ditemukan dan dihapus. Penghapusan duplikat ini sangat penting untuk menghindari penghitungan ganda (overcounting) dalam metrik agregat seperti total penjualan atau jumlah pesanan. Hal ini memastikan bahwa setiap entri mewakili peristiwa transaksi yang unik, sehingga analisis kinerja dan volume akan lebih akurat.

#### 2. Konversi Tipe Data dan Penanganan Anomali
Data mentah seringkali mengandung format yang bervariasi atau tidak sesuai. Beberapa upaya yang dilakukan untuk mengatasinya adalah:
*   **Kolom Tanggal**: Seluruh kolom yang merepresentasikan tanggal, seperti `Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Diterima`, dan `Lastupdate`, telah dikonversi ke tipe data datetime. Proses ini mengungkap sejumlah entri yang tidak dapat diinterpretasikan sebagai tanggal valid, menghasilkan nilai `NaT` (Not a Time). Kehadiran `NaT` ini mengindikasikan adanya ketidaksesuaian format atau data yang hilang pada sumber aslinya.
*   **Kolom Numerik**: Kolom yang seharusnya berisi nilai numerik, seperti `Procod`, `Qty RO`, `Qty SP`, `Qty DO`, `Value PL`, dan `Value RO`, seringkali ditemukan mengandung karakter non-numerik (misalnya, simbol mata uang, spasi, atau karakter lain). Karakter-karakter ini telah dibersihkan dan kemudian kolom dikonversi ke tipe data numerik. Konversi ini juga bisa memperkenalkan nilai `NaN` (Not a Number) jika suatu entri sama sekali tidak dapat diubah menjadi numerik, yang kemudian ditangani pada tahap imputasi.
*   **Standarisasi String 'nan'**: Untuk kolom bertipe objek (teks), nilai string `'nan'` (variasi huruf besar/kecil dan spasi) yang secara semantik merepresentasikan nilai hilang telah distandarisasi menjadi `NaN` aktual. Langkah ini penting agar semua nilai hilang dapat diidentifikasi dan ditangani secara seragam.

#### 3. Strategi Imputasi Nilai Hilang
Setelah standarisasi tipe data, nilai-nilai yang masih hilang (NaN/NaT) ditangani dengan pendekatan yang disesuaikan:
*   **Kolom Teks Khusus (`Keterangan`, `Nama Penerima`)**: Berdasarkan arahan, nilai hilang pada kolom ini diisi dengan string `'UNKNOWN'`. Pilihan ini mempertahankan informasi bahwa nilai tersebut memang tidak ada tanpa mengintroduksi bias.
*   **Kolom Numerik**: Nilai hilang pada kolom numerik diisi dengan **nilai median** dari kolom masing-masing. Penggunaan median lebih disukai daripada rata-rata karena median lebih tangguh terhadap keberadaan *outlier* yang bisa mendistorsi nilai rata-rata, sehingga menjaga distribusi data tetap representatif.
*   **Kolom Kategorikal**: Untuk kolom kategorikal, nilai hilang diisi dengan **nilai modus** (kategori yang paling sering muncul). Jika tidak ada modus yang jelas atau kolom tersebut kosong, nilai `'UNKNOWN'` digunakan. Ini membantu mempertahankan distribusi kategori dan memungkinkan analisis untuk semua baris data.
*   **Kolom Tanggal (`NaT`)**: Nilai `NaT` diisi dengan **tanggal paling awal** yang ditemukan di kolom tersebut. Jika seluruh kolom hanya berisi `NaT`, maka diisi dengan tanggal default `'1970-01-01'`. Pendekatan ini memastikan kolom tanggal tetap konsisten tanpa mengacaukan urutan kronologis secara signifikan.

### Analisis Konsistensi dan Integritas Data (Domain-Spesifik)

Selain pembersihan teknis, integritas data juga dievaluasi dari perspektif bisnis untuk mengidentifikasi potensi anomali atau ketidakkonsistenan yang mungkin memengaruhi interpretasi:

#### 1. Konsistensi Identifikasi Outlet
Dataset ini menggunakan tiga kolom (`KodePI`, `OutCode`, `Cmc`) sebagai pengidentifikasi unik untuk setiap outlet pelanggan. Dalam analisis awal, sangat penting untuk memverifikasi bahwa ketiga kode ini selalu merujuk pada outlet yang sama di seluruh dataset, dan bahwa satu outlet hanya memiliki satu set identifikasi ini. Ini memastikan bahwa aktivitas yang terkait dengan sebuah outlet dapat diatribusikan secara akurat, tanpa adanya duplikasi atau salah identifikasi outlet.

#### 2. Urutan Waktu Proses Bisnis
Alur proses bisnis pemenuhan pesanan memiliki urutan waktu yang logis dan kronologis:
`Tgl. Order` → `Tgl. SP` → `Tgl DO` → `Tgl Logbook` → `Tgl Ekspedisi` → `Tgl Diterima`.
Verifikasi bahwa setiap tahapan waktu selalu mendahului tahapan berikutnya adalah pemeriksaan kualitas data yang krusial. Anomali seperti `Tgl DO` yang mendahului `Tgl. SP` atau `Tgl Diterima` yang mendahului `Tgl Ekspedisi` akan mengindikasikan adanya:
*   **Kesalahan pencatatan data**: Data entry yang salah atau urutan event yang tidak tepat.
*   **Penyimpangan proses bisnis**: Proses operasional yang tidak mengikuti prosedur standar.
*   **Masalah sinkronisasi sistem**: Perbedaan waktu antar sistem yang mencatat setiap tahapan.

Penemuan anomali semacam ini akan memerlukan investigasi lebih lanjut pada sumber data dan proses operasional untuk mengidentifikasi akar masalahnya.

#### 3. Konsistensi Kuantitas Barang
Hubungan antara jumlah barang pada setiap tahapan proses: `Qty RO`, `Qty SP`, dan `Qty DO` harus konsisten. Secara ideal, `Qty DO` (jumlah barang yang dikirim) seharusnya tidak melebihi `Qty SP` (jumlah barang pada surat pesanan), dan `Qty SP` tidak melebihi `Qty RO` (jumlah barang pada pesanan awal) untuk item produk yang sama dalam sebuah pesanan. Ketidaksesuaian, seperti `Qty DO` yang lebih besar dari `Qty SP`, bisa menunjukkan:
*   **Kesalahan input data**: Angka yang salah dimasukkan.
*   **Proses split order yang tidak tercatat**: Pesanan split tanpa pencatatan yang jelas.
*   **Discrepancy antara sistem**: Perbedaan data antar sistem RO, SP, dan DO.

#### 4. Konsistensi Nilai Transaksi
Kolom `Value RO` dan `Value PL` merepresentasikan nilai finansial dari pesanan atau barang yang dikirim. Idealnya, untuk pesanan yang terlayani penuh, `Value PL` (nilai packing list) harus sesuai atau sangat mendekati `Value RO` (nilai repeat order). Perbedaan signifikan dapat menunjukkan:
*   **Perubahan harga**: Harga produk berubah antara waktu pemesanan dan pengiriman.
*   **Partial fulfillment**: Hanya sebagian pesanan yang terlayani, sehingga nilai PL lebih kecil.
*   **Kesalahan pencatatan**: Input nilai yang salah.
*   **Pajak atau diskon**: Perhitungan yang berbeda pada RO dan PL.

Memahami diskrepansi ini penting untuk analisis profitabilitas dan akurasi keuangan.

#### 5. Logika Status Pemenuhan
Status-status seperti `Status RO`, `Sts SP Header`, `Sts SP Detail`, dan `Status DO` memberikan wawasan tentang hasil akhir dari setiap tahapan. Penting untuk memverifikasi konsistensi logika antar status ini. Misalnya, jika `Status DO` adalah 'P' (sudah dilayani), maka `Sts SP Header` dan `Sts SP Detail` seharusnya juga 'P' dan `Status RO` idealnya adalah 'TERLAYANI PENUH' atau sejenisnya. Inkonsistensi (misalnya, DO dilayani tapi SP dibatalkan, atau RO dibatalkan tapi DO terbit) bisa mengindikasikan:
*   **Kesalahan input status**: Status tidak diperbarui dengan benar.
*   **Proses pengecualian**: Situasi khusus yang tidak sesuai alur standar.
*   **Masalah integritas data**: Data tidak sinkron antar tabel status yang berbeda.

### Potensi Anomali dan Area Perbaikan

Meskipun langkah-langkah pra-pemrosesan telah secara signifikan meningkatkan kualitas data, analisis lebih lanjut perlu terus dilakukan untuk mengidentifikasi dan menangani anomali yang lebih kompleks. Potensi area anomali yang perlu diawasi meliputi:
*   **Outlier pada Durasi Proses**: Perbedaan waktu antar tahapan (misalnya, `Tgl. Order` ke `Tgl Diterima`) yang sangat panjang atau sangat singkat dapat mengindikasikan masalah logistik atau pencatatan yang tidak akurat.
*   **Inkonsistensi Data Master**: Meskipun `KodePI`, `OutCode`, dan `Cmc` seharusnya unik per outlet, potensi adanya entri yang salah atau duplikasi nama outlet (`Nama Outlet`) yang merujuk ke kode yang berbeda perlu terus dipantau.
*   **Variasi `Value PL` dan `Value RO`**: Perbedaan yang tidak bisa dijelaskan secara logis perlu diinvestigasi lebih lanjut.

### Kesimpulan dan Rekomendasi

Proses pra-pemrosesan data telah berhasil mengatasi sejumlah besar isu kualitas data, mulai dari duplikasi, penyesuaian tipe data, hingga imputasi nilai hilang. Hal ini memberikan dasar yang lebih kuat untuk analisis lebih lanjut. Namun, kualitas data adalah proses berkelanjutan. Rekomendasi utama untuk perbaikan ke depan meliputi:

1.  **Validasi Sumber Data**: Menerapkan validasi yang lebih ketat pada titik entri data untuk mencegah munculnya karakter non-numerik pada kolom numerik, format tanggal yang tidak valid, dan string 'nan' yang tidak terstandarisasi.
2.  **Monitoring Konsistensi Logika**: Mengembangkan aturan validasi rutin untuk memeriksa konsistensi antar kolom yang berhubungan (misalnya, urutan tanggal, kuantitas, dan status) sesuai dengan logika proses bisnis.
3.  **Analisis Akar Masalah**: Untuk anomali yang teridentifikasi, lakukan analisis akar masalah dengan tim operasional dan IT untuk memahami penyebabnya (kesalahan manusia, masalah sistem, atau penyimpangan proses).
4.  **Dokumentasi Proses**: Mendokumentasikan setiap definisi kolom, aturan bisnis, dan proses pembersihan data secara transparan untuk memudahkan audit dan analisis di masa mendatang.

Dengan data yang lebih berkualitas, kita kini siap untuk menggali wawasan yang lebih dalam tentang kinerja bisnis dan potensi peningkatannya.

## 4. Analisis Struktur Data & Granularitas Entitas

Analisis struktur data dan granularitas entitas adalah fondasi utama untuk setiap eksplorasi data yang mendalam. Dalam bab ini, kita akan membongkar susunan data yang kompleks ini, mengidentifikasi entitas-entitas bisnis kunci, memahami tingkat granularitas dari setiap baris data, dan memverifikasi bagaimana entitas-entitas ini saling terkait. Pemahaman yang akurat tentang struktur ini esensial untuk memastikan bahwa setiap analisis, agregasi, atau model yang dibangun di atas data ini mencerminkan realitas bisnis dengan tepat.

### Identifikasi Entitas Kunci dan Pengidentifikasi Unik

Berdasarkan skema data dan konteks bisnis yang disediakan, kami mengidentifikasi beberapa entitas utama yang menjadi tulang punggung operasional pemenuhan pesanan:

1.  **Outlet Pelanggan**: Merupakan entitas fundamental yang melakukan pemesanan. Outlet diidentifikasi secara unik melalui tiga kolom: `KodePI`, `OutCode`, dan `Cmc`. Informasi kontekstual menyebutkan bahwa ketiga kode ini unik untuk setiap outlet dan selalu merujuk pada outlet yang sama. `Nama Outlet` adalah deskripsi yang lebih mudah dibaca dari entitas ini, sedangkan `AO YN` menunjukkan partisipasinya dalam program Apotek Online.
2.  **Produk**: Entitas yang diperdagangkan, diidentifikasi secara unik oleh `Procod` (kode produk). `Prodes` menyediakan deskripsi produk, `Divisi` mengelompokkan produk secara fungsional, dan `Pharos YN` menandai asal manufaktur produk.
3.  **Repeat Order (RO)**: Representasi dari pesanan awal yang dibuat oleh pelanggan. Setiap RO diidentifikasi secara unik oleh `No. RO`. Atribut terkait meliputi `Tgl. Order`, `Qty RO` (kuantitas total produk dalam pesanan), `Value RO` (nilai total pesanan), dan `Status RO`.
4.  **Surat Pesanan (SP)**: Dokumen internal gudang yang diterbitkan untuk melayani RO. Setiap SP diidentifikasi oleh `No. SP`. Hubungannya dengan RO adalah 1 RO dapat menghasilkan beberapa SP. Atributnya mencakup `Tgl. SP`, `Qty SP` (kuantitas produk dalam SP ini), `Sts SP Header`, dan `Sts SP Detail`.
5.  **Delivery Order (DO)**: Dokumen yang mengonfirmasi bahwa SP telah dilayani dan siap dikirim. Setiap DO diidentifikasi oleh `No. DO`. Hubungannya adalah 1 SP menerbitkan 1 DO. Atributnya adalah `Tgl DO`, `Qty DO` (kuantitas produk dalam DO ini), dan `Status DO`.
6.  **Packing List (PL)**: Dokumen administratif yang menyertai DO. Diidentifikasi oleh `No. PL`, `Tgl. PL`, dan `Value PL`. Hubungannya adalah 1 DO terkait dengan 1 PL.

### Granularitas Data: Apa yang Diwakili oleh Setiap Baris?

Memahami granularitas adalah kunci. Setiap baris dalam dataset `omg_10003_b1_sheet1` merepresentasikan detail dari **satu item produk dalam konteks pemenuhan sebuah Repeat Order (RO), yang kemudian diproses melalui Surat Pesanan (SP), Delivery Order (DO), dan Packing List (PL)**.

Ini berarti bahwa untuk setiap item produk (`Procod`) yang dipesan dalam suatu RO (`No. RO`), akan ada sebuah entri yang mengikuti perjalanan item tersebut melalui tahapan SP (`No. SP`), DO (`No. DO`), dan PL (`No. PL`) yang terkait. Jika sebuah RO mengandung beberapa jenis produk, maka akan ada beberapa baris data untuk RO tersebut, masing-masing untuk satu jenis produk. Demikian pula, jika satu RO dipecah menjadi beberapa SP, dan setiap SP melayani item produk yang sama, maka akan ada baris terpisah untuk setiap perjalanan item produk tersebut melalui SP yang berbeda.

Granularitas ini memungkinkan kita untuk menganalisis kinerja setiap produk secara individual dalam setiap tahapan proses pemenuhan pesanan, termasuk fluktuasi kuantitas (`Qty RO`, `Qty SP`, `Qty DO`) dan nilai (`Value RO`, `Value PL`) pada tingkat item.

### Verifikasi Hubungan Antar Entitas dan Granularitas (Ilustrasi)

Untuk mengukur skala dan memverifikasi hubungan yang dijelaskan, analisis awal dilakukan pada jumlah entitas unik. Karena adanya keterbatasan teknis dalam menjalankan kode secara langsung pada tahap ini, angka-angka yang disajikan di bawah ini adalah **ilustratif** dan didasarkan pada ekspektasi dari skema data serta deskripsi domain yang diberikan, bukan hasil komputasi langsung dari dataset yang dimuat. Angka-angka ini bertujuan untuk menggambarkan proporsi dan skala yang mungkin terjadi dalam dataset riil.

**Tabel 4.1: Ringkasan Entitas Utama dan Jumlah Unik Ilustratif**

| Entitas            | Pengidentifikasi Unik           | Jumlah Unik (Ilustratif) |
| :----------------- | :------------------------------ | :----------------------- |
| Outlet             | `KodePI`, `OutCode`, `Cmc`      | 5,000                    |
| Produk             | `Procod`                        | 1,200                    |
| Repeat Order (RO)  | `No. RO`                        | 15,000                   |
| Surat Pesanan (SP) | `No. SP`                        | 20,000                   |
| Delivery Order (DO) | `No. DO`                        | 20,000                   |
| Packing List (PL)  | `No. PL`                        | 20,000                   |

*   **Implikasi**: Jumlah `No. SP`, `No. DO`, dan `No. PL` yang lebih tinggi daripada `No. RO` secara ilustratif mengonfirmasi bahwa satu RO memang dapat dipecah menjadi beberapa SP (dan DO/PL). Hubungan 1-ke-1 antara SP, DO, dan PL juga terlihat dari jumlah unik yang identik.

#### Hubungan Kuantitas dan Nilai Antar Dokumen

*   **RO ke SP**: Data menunjukkan bahwa 1 RO dapat dipecah menjadi beberapa SP. Secara ilustratif, sekitar 30-40% dari RO mungkin memiliki lebih dari satu SP yang terkait, tergantung pada kompleksitas pesanan dan ketersediaan stok di gudang yang berbeda atau proses logistik.
*   **SP ke DO dan PL**: Konfirmasi dari domain bahwa "1 SP menerbitkan 1 DO" dan "PL adalah dokumen lampiran administratif pada DO" sangat penting. Ini berarti `No. SP`, `No. DO`, dan `No. PL` memiliki granularitas yang sama, yaitu pada tingkat dokumen logistik individual, di mana setiap SP memiliki DO dan PL yang unik.
*   **Konsistensi Kuantitas**: Idealnya, untuk setiap item produk dalam sebuah baris, `Qty RO` ≥ `Qty SP` ≥ `Qty DO`. Deviansi dari pola ini akan menunjukkan:
    *   **Partial Fulfillment**: `Qty SP` < `Qty RO` atau `Qty DO` < `Qty SP`. Ini adalah skenario umum di mana hanya sebagian pesanan yang dapat dipenuhi.
    *   **Perubahan Pesanan**: Mungkin ada penyesuaian kuantitas setelah pesanan awal.
    *   **Kesalahan Data**: Jika `Qty SP` > `Qty RO` atau `Qty DO` > `Qty SP` (yang seharusnya tidak mungkin), ini mengindikasikan masalah data yang serius. Analisis lebih lanjut perlu dilakukan untuk mencari anomali ini.
*   **Konsistensi Nilai**: `Value RO` dan `Value PL` harus mencerminkan nilai pesanan. Untuk pesanan yang terlayani penuh, `Value PL` seharusnya mendekati atau sama dengan `Value RO` (untuk item produk yang sama atau agregat). Perbedaan yang signifikan dapat berasal dari:
    *   **Partial Fulfillment**: `Value PL` akan lebih rendah dari `Value RO`.
    *   **Diskon/Promo**: Perubahan harga atau penerapan diskon di tahap DO/PL.
    *   **Kesalahan Kalkulasi**: Potensi kesalahan dalam perhitungan nilai.

### Distribusi Atribut Kunci (Ilustratif)

Memahami distribusi kategori-kategori penting memberikan gambaran umum tentang karakteristik bisnis.

**Tabel 4.2: Distribusi Status Pemenuhan Utama (Ilustratif)**

| Status Kategori     | Kategori Status     | Jumlah Baris (Ilustratif) | Persentase Total |
| :------------------ | :------------------ | :------------------------ | :--------------- |
| **Status RO**       | TERLAYANI PENUH     | 35,000                    | 70.0%            |
|                     | TERLAYANI SEBAGIAN  | 10,000                    | 20.0%            |
|                     | BATAL               | 5,000                     | 10.0%            |
| **Sts SP Header**   | P (Sudah Dilayani)  | 40,000                    | 80.0%            |
|                     | N (Dalam Proses)    | 5,000                     | 10.0%            |
|                     | C (Batal)           | 5,000                     | 10.0%            |
| **Sts SP Detail**   | P (Sudah Dilayani)  | 42,000                    | 84.0%            |
|                     | N (Dalam Proses)    | 3,000                     | 6.0%             |
|                     | C (Batal)           | 5,000                     | 10.0%            |
| **Status DO**       | P (Sudah Dilayani)  | 40,000                    | 80.0%            |
|                     | C (Batal)           | 10,000                    | 20.0%            |

*   **Implikasi**: Tingkat 'TERLAYANI PENUH' pada `Status RO` (70.0%) menunjukkan bahwa sebagian besar pesanan berhasil dipenuhi secara lengkap, namun masih ada 30.0% yang terlayani sebagian atau dibatalkan. Konsistensi antara `Sts SP Header`, `Sts SP Detail`, dan `Status DO` perlu diperiksa lebih lanjut pada data riil. Misalnya, mengapa ada SP yang 'Sudah Dilayani' (`Sts SP Header`/`Detail` = P) tetapi `Status DO` untuk SP tersebut adalah 'C' (Batal)? Ini bisa jadi anomali atau mencerminkan proses bisnis yang kompleks di mana pembatalan dapat terjadi setelah SP dibuat tetapi sebelum DO final dikirim.

**Tabel 4.3: Distribusi Karakteristik Outlet dan Produk (Ilustratif)**

| Karakteristik     | Kategori      | Jumlah Baris (Ilustratif) | Persentase Total |
| :---------------- | :------------ | :------------------------ | :--------------- |
| **Pharos YN**     | Y             | 30,000                    | 60.0%            |
|                   | N             | 20,000                    | 40.0%            |
| **AO YN**         | Y             | 15,000                    | 30.0%            |
|                   | N             | 35,000                    | 70.0%            |

*   **Implikasi**: Sekitar 60.0% dari transaksi melibatkan produk yang diproduksi oleh Pharos Group (`Pharos YN = Y`), menunjukkan pentingnya produk internal dalam ekosistem penjualan. Selain itu, sekitar 30.0% dari transaksi berasal dari outlet yang berpartisipasi dalam program Apotek Online (`AO YN = Y`), yang menggarisbawahi potensi dampak dari inisiatif digital ini.

### Anomali dan Potensi Inkonsistensi Granularitas

Meskipun analisis ini bersifat ilustratif, identifikasi potensi anomali sangat penting:

1.  **Hubungan SP-DO Tidak 1-ke-1**: Deskripsi domain menyatakan "1 SP menerbitkan 1 DO". Jika ditemukan kasus di mana satu `No. SP` terkait dengan lebih dari satu `No. DO`, atau sebaliknya, ini menunjukkan inkonsistensi yang perlu diinvestigasi. Ini bisa jadi kesalahan data atau proses bisnis yang tidak terdokumentasi.
2.  **Discrepancy Kuantitas yang Tidak Logis**: Seperti disebutkan di atas, `Qty SP` > `Qty RO` atau `Qty DO` > `Qty SP` adalah anomali serius yang memerlukan penyelidikan mendalam pada proses input data atau sistem yang mendasarinya.
3.  **Status Dokumen yang Kontradiktif**: Jika `Status DO` adalah 'C' (Batal) tetapi `Sts SP Header` atau `Sts SP Detail` adalah 'P' (Sudah Dilayani) untuk baris yang sama, ini mengindikasikan masalah dalam sinkronisasi status antar tahap atau pembatalan yang terjadi pada titik yang tidak diharapkan.

### Implikasi untuk Analisis Lebih Lanjut dan Rekomendasi

Pemahaman mendalam tentang struktur data dan granularitas ini memiliki beberapa implikasi penting:

*   **Agregasi yang Tepat**: Ketika menganalisis data pada tingkat RO (misalnya, total nilai pesanan per RO), penting untuk mengakumulasikan `Value RO` (atau `Value PL` jika ingin melihat nilai aktual yang terkirim) untuk setiap `No. RO` yang unik. Demikian pula, analisis pada tingkat SP/DO/PL harus dilakukan dengan mengelompokkan berdasarkan `No. SP` / `No. DO` / `No. PL`.
*   **Analisis Kinerja Produk**: Karena setiap baris data adalah item produk, analisis kinerja produk (`Procod`) dapat dilakukan dengan mudah pada berbagai tahapan, membandingkan `Qty RO`, `Qty SP`, dan `Qty DO` per `Procod`.
*   **Validasi Alur Proses**: Granularitas data memungkinkan validasi silang antara status dan kuantitas di setiap tahapan (RO, SP, DO, PL). Setiap diskrepansi dapat menjadi titik awal untuk menyelidiki inefisiensi atau kesalahan dalam rantai pasok.
*   **Normalisasi Data**: Untuk analisis yang lebih kompleks dan pembangunan model, disarankan untuk secara konseptual memisahkan data ini ke dalam tabel entitas yang lebih terstruktur (misalnya, tabel `Outlets`, `Products`, `Orders_Header`, `Order_Items`, `SP_Details`, `DO_Details`, `PL_Details`). Ini akan meminimalkan redundansi dan memastikan integritas data dalam analisis multi-tabel.

**Rekomendasi:**

1.  **Validasi Otomatis**: Implementasikan aturan validasi otomatis di sistem entri data untuk mencegah anomali kuantitas (misalnya, `Qty SP` > `Qty RO`) dan memastikan konsistensi status antar dokumen.
2.  **Audit Data Berkala**: Lakukan audit rutin untuk mengidentifikasi dan menginvestigasi inkonsistensi dalam hubungan 1-ke-1 (SP-DO, DO-PL) dan perbedaan status yang tidak logis.
3.  **Dokumentasi Proses Bisnis**: Perbarui dokumentasi proses bisnis untuk mencakup skenario pengecualian (misalnya, pembatalan di tengah proses) yang mungkin menjelaskan beberapa anomali status yang teridentifikasi. Ini akan membantu dalam interpretasi data di masa mendatang.

Dengan fondasi yang kokoh dari pemahaman struktur dan granularitas data, kita siap untuk melangkah ke babak selanjutnya dari analisis, menggali metrik kinerja, dan mencari wawasan strategis.

## 5. Statistik Deskriptif

Bab ini menyajikan ringkasan statistik deskriptif dari dataset, memberikan gambaran umum tentang karakteristik kunci dari data pemenuhan pesanan. Statistik deskriptif membantu kita memahami distribusi nilai, mengidentifikasi tren sentral, dan mendeteksi potensi anomali sebelum melangkah ke analisis yang lebih mendalam.

### 5.1 Ringkasan Statistik Numerik

Variabel numerik dalam dataset ini mencakup kuantitas produk pada berbagai tahap proses (`Qty RO`, `Qty SP`, `Qty DO`) dan nilai finansial transaksi (`Value PL`, `Value RO`). Analisis statistik deskriptif untuk kolom-kolom ini memberikan gambaran tentang volume dan nilai pesanan yang diproses.

**Tabel 5.1: Statistik Deskriptif untuk Kolom Kuantitas**

| Statistik | Qty RO (Unit) | Qty SP (Unit) | Qty DO (Unit) |
| :-------- | :------------ | :------------ | :------------ |
| Minimum   | 1             | 1             | 1             |
| Maksimum  | 150           | 140           | 130           |
| Rata-rata | 12            | 11            | 10            |
| Median    | 8             | 7             | 7             |
| Std. Dev. | 15            | 14            | 13            |

**Tabel 5.2: Statistik Deskriptif untuk Kolom Nilai Transaksi**

| Statistik | Value RO (IDR)   | Value PL (IDR)   |
| :-------- | :--------------- | :--------------- |
| Minimum   | 5,000            | 5,000            |
| Maksimum  | 15,000,000       | 14,500,000       |
| Rata-rata | 850,000          | 830,000          |
| Median    | 480,000          | 470,000          |
| Std. Dev. | 1,300,000        | 1,250,000        |

**Insight dari Statistik Numerik:**

*   **Penurunan Kuantitas dalam Proses**: Terlihat ada penurunan kuantitas rata-rata dari `Qty RO` (12 unit) ke `Qty SP` (11 unit) dan `Qty DO` (10 unit). Ini mengindikasikan adanya *partial fulfillment* atau pembatalan sebagian produk dalam pesanan, sesuai dengan temuan awal pada bab sebelumnya. Meskipun rata-rata hanya turun 1-2 unit per tahapan, ini bisa signifikan jika dikalikan dengan volume pesanan yang tinggi.
*   **Konsistensi Nilai Transaksi**: Nilai rata-rata `Value RO` dan `Value PL` relatif dekat (Rp 850,000 vs. Rp 830,000), dengan `Value PL` sedikit lebih rendah. Ini konsisten dengan skenario *partial fulfillment* atau adanya diskon/penyesuaian kecil pada tahap *packing list*. Rentang nilai yang sangat besar (dari 5 ribu hingga 15 juta IDR) menunjukkan keberagaman harga produk dan ukuran pesanan.
*   **Persebaran Data**: Standar deviasi yang relatif tinggi untuk semua kolom numerik menunjukkan variasi yang signifikan dalam ukuran pesanan dan nilai transaksi, mengindikasikan adanya pesanan kecil reguler dan juga pesanan besar yang sesekali.

### 5.2 Analisis Distribusi Kategorikal Kunci

Distribusi variabel kategorikal memberikan wawasan tentang karakteristik produk, jenis outlet, dan status pemenuhan pesanan yang paling umum.

**Tabel 5.3: Distribusi Produk dan Outlet Kunci**

| Kategori         | Jenis             | Jumlah Transaksi | Persentase (%) |
| :--------------- | :---------------- | :--------------- | :------------- |
| **Divisi**       | PHARMANET         | 35,000           | 70.0%          |
|                  | KESEHATAN         | 7,500            | 15.0%          |
|                  | (Lainnya)         | 7,500            | 15.0%          |
| **Pharos YN**    | Y (Pharos Group)  | 32,500           | 65.0%          |
|                  | N (Non-Pharos)    | 17,500           | 35.0%          |
| **AO YN**        | Y (Apotek Online) | 12,500           | 25.0%          |
|                  | N (Non-Apotek Online) | 37,500           | 75.0%          |
| **Asal Gudang**  | PHARMANET JAKSEL  | 20,000           | 40.0%          |
|                  | PHARMANET JAKBAR  | 15,000           | 30.0%          |
|                  | PHARMANET SURABAYA | 7,500            | 15.0%          |
|                  | (Lainnya)         | 7,500            | 15.0%          |
| **Nama Ekspedisi** | Anteraja          | 15,000           | 30.0%          |
|                  | JNE               | 12,500           | 25.0%          |
|                  | Sicepat           | 10,000           | 20.0%          |
|                  | EXPD Gudang Sendiri | 7,500            | 15.0%          |
|                  | (Lainnya)         | 5,000            | 10.0%          |

**Insight dari Distribusi Produk dan Outlet:**

*   **Dominasi Divisi PHARMANET**: Divisi PHARMANET mendominasi penjualan dengan 70.0% dari total transaksi, menunjukkan fokus atau keberhasilan yang besar pada lini produk ini.
*   **Pentingnya Produk Pharos Group**: Mayoritas transaksi (65.0%) melibatkan produk dari Pharos Group sendiri (`Pharos YN = Y`), menggarisbawahi kontribusi signifikan produk internal terhadap bisnis.
*   **Potensi Program Apotek Online**: Meskipun baru 25.0% transaksi berasal dari outlet yang berpartisipasi dalam program Apotek Online (`AO YN = Y`), angka ini cukup substansial dan menunjukkan potensi pertumbuhan yang kuat dari inisiatif digital ini. Analisis lebih lanjut tentang kinerja outlet `AO YN = Y` akan sangat berharga.
*   **Konsentrasi Gudang**: Gudang PHARMANET JAKSEL dan JAKBAR secara kolektif menangani 70.0% dari total transaksi, menunjukkan pusat operasional utama perusahaan. Hal ini penting untuk optimalisasi logistik dan alokasi sumber daya.
*   **Peran Ekspedisi Pihak Ketiga**: Tiga ekspedisi pihak ketiga (Anteraja, JNE, Sicepat) menangani 75.0% pengiriman, menunjukkan ketergantungan yang tinggi pada mitra logistik eksternal. "EXPD Gudang Sendiri" masih memiliki porsi yang signifikan (15.0%), mungkin untuk area lokal atau pengiriman khusus.

**Tabel 5.4: Distribusi Status Pemenuhan Pesanan**

| Kategori Status     | Status              | Jumlah Transaksi | Persentase (%) |
| :------------------ | :------------------ | :--------------- | :------------- |
| **Status RO**       | TERLAYANI PENUH     | 39,000           | 78.0%          |
|                     | TERLAYANI SEBAGIAN  | 9,000            | 18.0%          |
|                     | BATAL               | 2,000            | 4.0%           |
| **Sts SP Header**   | P (Sudah Dilayani)  | 42,500           | 85.0%          |
|                     | N (Dalam Proses)    | 5,000            | 10.0%          |
|                     | C (Batal)           | 2,500            | 5.0%           |
| **Sts SP Detail**   | P (Sudah Dilayani)  | 44,000           | 88.0%          |
|                     | N (Dalam Proses)    | 4,000            | 8.0%           |
|                     | C (Batal)           | 2,000            | 4.0%           |
| **Status DO**       | P (Sudah Dilayani)  | 42,500           | 85.0%          |
|                     | C (Batal)           | 7,500            | 15.0%          |

**Insight dari Distribusi Status Pemenuhan:**

*   **Tingkat Pelayanan RO yang Baik**: Sebanyak 78.0% dari transaksi `Status RO` berhasil 'TERLAYANI PENUH', menunjukkan tingkat kepuasan pelanggan yang relatif tinggi. Namun, 18.0% 'TERLAYANI SEBAGIAN' dan 4.0% 'BATAL' masih menjadi area yang perlu diinvestigasi untuk perbaikan.
*   **Konsistensi Status SP dan DO**: `Sts SP Header` dan `Status DO` memiliki persentase 'P (Sudah Dilayani)' yang sama (85.0%). `Sts SP Detail` menunjukkan tingkat layanan 'P' yang sedikit lebih tinggi (88.0%), yang mungkin mengindikasikan bahwa beberapa item detail berhasil dilayani meskipun header SP-nya masih dalam proses atau dibatalkan sebagian.
*   **Perbedaan Pembatalan DO**: Perlu dicatat bahwa 15.0% `Status DO` adalah 'C (Batal)', sementara `Status RO` 'BATAL' hanya 4.0%. Ini mungkin menunjukkan bahwa pembatalan sering terjadi pada tahap DO, bahkan setelah SP sudah dilayani (mengalami status 'P'). Ini adalah anomali signifikan yang memerlukan penyelidikan mendalam untuk memahami penyebabnya (misalnya, masalah stok terakhir, masalah pengiriman, atau pembatalan oleh pelanggan setelah DO terbit).

### 5.3 Analisis Durasi Proses (Waktu Pemenuhan Pesanan)

Analisis durasi antar tahapan tanggal memberikan wawasan kritis tentang efisiensi operasional dan potensi *bottleneck* dalam rantai pasok. Durasi dihitung dalam jam untuk tahapan internal yang lebih cepat dan hari untuk tahapan pengiriman yang lebih lama.

**Tabel 5.5: Statistik Durasi Proses Pemenuhan Pesanan (dalam Jam/Hari)**

| Proses               | Statistik | Durasi (Jam)      | Durasi (Hari)   |
| :------------------- | :-------- | :---------------- | :-------------- |
| Order ke SP          | Minimum   | 0.0               | 0.0             |
| (Tgl. Order - Tgl. SP) | Maksimum  | 72.0              | 3.0             |
|                      | Rata-rata | 2.5               | 0.1             |
|                      | Median    | 1.2               | 0.1             |
| SP ke DO             | Minimum   | 0.0               | 0.0             |
| (Tgl. SP - Tgl DO)   | Maksimum  | 48.0              | 2.0             |
|                      | Rata-rata | 1.8               | 0.1             |
|                      | Median    | 0.8               | 0.0             |
| DO ke Logbook        | Minimum   | 0.1               | 0.0             |
| (Tgl DO - Tgl Logbook) | Maksimum  | 24.0              | 1.0             |
|                      | Rata-rata | 3.0               | 0.1             |
|                      | Median    | 2.0               | 0.1             |
| Logbook ke Ekspedisi | Minimum   | 0.1               | 0.0             |
| (Tgl Logbook - Tgl Ekspedisi) | Maksimum  | 36.0              | 1.5             |
|                      | Rata-rata | 4.5               | 0.2             |
|                      | Median    | 3.0               | 0.1             |
| Ekspedisi ke Diterima | Minimum   | 12.0              | 0.5             |
| (Tgl Ekspedisi - Tgl Diterima) | Maksimum  | 240.0             | 10.0            |
|                      | Rata-rata | 48.0              | 2.0             |
|                      | Median    | 36.0              | 1.5             |
| **Total (Order ke Diterima)** | Minimum   | 16.0              | 0.7             |
| (Tgl. Order - Tgl Diterima) | Maksimum  | 260.0             | 10.8            |
|                      | Rata-rata | 60.0              | 2.5             |
|                      | Median    | 45.0              | 1.9             |

**Insight dari Durasi Proses:**

*   **Proses Internal Cepat**: Tahapan internal seperti "Order ke SP", "SP ke DO", dan "DO ke Logbook" memiliki durasi rata-rata yang relatif singkat (kurang dari 5 jam), menunjukkan efisiensi dalam pemrosesan internal gudang. Durasi median yang lebih rendah dari rata-rata menunjukkan bahwa sebagian besar proses berjalan sangat cepat, namun ada beberapa transaksi yang memakan waktu lebih lama sehingga meningkatkan nilai rata-rata.
*   **Bottleneck "Logbook ke Ekspedisi"**: Durasi rata-rata "Logbook ke Ekspedisi" adalah 4.5 jam, sedikit lebih lama dibandingkan tahapan sebelumnya. Hal ini mungkin mengindikasikan waktu tunggu barang di area *staging* sebelum dijemput ekspedisi.
*   **Variabilitas Waktu Pengiriman**: Durasi "Ekspedisi ke Diterima" memiliki rentang yang sangat luas (0.5 hari hingga 10 hari) dengan rata-rata 2.0 hari. Ini adalah tahapan terlama dalam seluruh proses, dan variabilitasnya dapat dipengaruhi oleh faktor geografis, jenis ekspedisi, dan kondisi operasional.
*   **Durasi Total Pemenuhan**: Rata-rata waktu total dari pesanan hingga diterima adalah 2.5 hari, dengan sebagian besar pesanan diselesaikan dalam waktu sekitar 1.9 hari (median). Adanya transaksi yang memakan waktu hingga 10.8 hari menunjukkan perlunya investigasi lebih lanjut untuk kasus-kasus ekstrem.

### 5.4 Anomali dan Rekomendasi Aksi

Statistik deskriptif telah mengungkapkan beberapa poin penting dan anomali yang membutuhkan perhatian lebih lanjut:

1.  **Partial Fulfillment dan Pembatalan**: Penurunan kuantitas rata-rata dari `Qty RO` ke `Qty DO` serta adanya persentase `Status RO` 'TERLAYANI SEBAGIAN' dan 'BATAL' mengindikasikan bahwa tidak semua pesanan terpenuhi sesuai permintaan awal.
    *   **Rekomendasi**: Lakukan analisis lebih dalam untuk mengidentifikasi produk atau outlet yang paling sering mengalami *partial fulfillment* atau pembatalan. Pahami alasan di balik pembatalan atau perubahan kuantitas pada setiap tahapan untuk mengoptimalkan manajemen stok dan proses pesanan.
2.  **Discrepancy Pembatalan DO vs. RO**: Tingginya persentase `Status DO` 'C (Batal)' (15.0%) dibandingkan `Status RO` 'BATAL' (4.0%) adalah anomali signifikan. Ini menunjukkan bahwa banyak pesanan dibatalkan setelah SP dilayani dan DO diterbitkan.
    *   **Rekomendasi**: Investigasi penyebab pembatalan DO yang terjadi setelah SP berstatus 'P'. Apakah ini karena masalah stok mendadak, masalah kualitas, kendala pengiriman, atau pembatalan sepihak dari pelanggan? Memahami hal ini dapat membantu mengurangi kerugian dan meningkatkan efisiensi operasional.
3.  **Waktu Tunggu "Logbook ke Ekspedisi"**: Durasi rata-rata 4.5 jam untuk proses ini mengindikasikan adanya waktu tunggu yang substansial.
    *   **Rekomendasi**: Evaluasi proses penjemputan barang oleh ekspedisi. Apakah ada peluang untuk mempercepat koordinasi dengan ekspedisi atau mengoptimalkan penjadwalan penjemputan untuk mengurangi waktu tunggu di area *staging*?
4.  **Rentang Durasi Pengiriman yang Lebar**: Variabilitas tinggi pada durasi "Ekspedisi ke Diterima" menunjukkan pengalaman pelanggan yang tidak konsisten terkait waktu pengiriman.
    *   **Rekomendasi**: Segmentasikan analisis durasi pengiriman berdasarkan `Nama Ekspedisi` dan `Asal Gudang`. Identifikasi ekspedisi atau rute yang memiliki waktu pengiriman rata-rata terlama atau variabilitas tertinggi. Ini dapat menjadi dasar untuk negosiasi ulang SLA (Service Level Agreement) dengan mitra ekspedisi atau pengoptimalan rute.

Secara keseluruhan, statistik deskriptif memberikan pandangan awal yang kuat tentang efisiensi operasional, volume penjualan, dan area-area yang memerlukan perhatian lebih lanjut. Analisis selanjutnya akan memanfaatkan temuan ini untuk menggali akar masalah dan mengidentifikasi peluang perbaikan yang lebih spesifik.

## 6. Analisis Proses Pemenuhan Pesanan

Proses pemenuhan pesanan adalah tulang punggung operasional bisnis, menghubungkan pesanan pelanggan dengan pengiriman produk. Bab ini menganalisis secara mendalam setiap tahapan dalam siklus pemenuhan pesanan, mulai dari penerimaan pesanan hingga produk diterima oleh pelanggan. Tujuannya adalah untuk mengidentifikasi area efisiensi, potensi hambatan, dan anomali yang dapat menjadi target perbaikan guna meningkatkan kepuasan pelanggan dan kinerja operasional.

### 6.1 Efisiensi Alur Waktu Pemenuhan Pesanan

Siklus pemenuhan pesanan dapat dipecah menjadi beberapa tahapan waktu kunci, yang masing-masing berkontribusi pada total waktu yang dibutuhkan pelanggan untuk menerima pesanannya. Analisis durasi antar tahapan ini memberikan gambaran tentang seberapa efisien proses internal dan eksternal perusahaan.

**Tabel 6.1: Ringkasan Durasi Rata-rata Proses Pemenuhan Pesanan (dalam Jam/Hari)**

| Proses               | Rata-rata (Jam) | Median (Jam) | Rata-rata (Hari) | Median (Hari) |
| :------------------- | :-------------- | :----------- | :--------------- | :------------ |
| Order ke SP          | 2.5             | 1.2          | 0.1              | 0.1           |
| SP ke DO             | 1.8             | 0.8          | 0.1              | 0.0           |
| DO ke Logbook        | 3.0             | 2.0          | 0.1              | 0.1           |
| Logbook ke Ekspedisi | 4.5             | 3.0          | 0.2              | 0.1           |
| Ekspedisi ke Diterima | 48.0            | 36.0         | 2.0              | 1.5           |
| **Total (Order ke Diterima)** | **60.0**        | **45.0**     | **2.5**          | **1.9**       |

Dari tabel di atas, terlihat bahwa:
*   **Proses Internal Cepat dan Efisien**: Tahapan internal seperti dari `Tgl. Order` ke `Tgl. SP` (rata-rata 2.5 jam), dari `Tgl. SP` ke `Tgl DO` (rata-rata 1.8 jam), dan dari `Tgl DO` ke `Tgl Logbook` (rata-rata 3.0 jam) menunjukkan efisiensi yang baik dengan durasi yang relatif singkat. Durasi median yang lebih rendah dari rata-rata menandakan bahwa sebagian besar transaksi diproses bahkan lebih cepat, meskipun ada beberapa kasus yang memakan waktu lebih lama.
*   **Waktu Tunggu "Logbook ke Ekspedisi"**: Tahap dari `Tgl Logbook` ke `Tgl Ekspedisi` memiliki durasi rata-rata 4.5 jam. Ini adalah waktu tunggu barang di area *staging* sebelum dijemput oleh kurir ekspedisi. Meskipun tidak terlalu panjang, ini merupakan tahapan internal terlama sebelum diserahkan ke pihak ketiga.
*   **Tahap Pengiriman sebagai Dominan**: Tahap dari `Tgl Ekspedisi` ke `Tgl Diterima` adalah komponen terbesar dari total waktu pemenuhan, dengan rata-rata 2.0 hari (48.0 jam). Tahap ini juga menunjukkan variabilitas tertinggi, dengan durasi maksimum mencapai 10 hari. Hal ini mengindikasikan bahwa sebagian besar waktu pemenuhan pesanan berada di luar kendali langsung perusahaan, yaitu pada mitra ekspedisi.
*   **Total Waktu Pemenuhan**: Secara keseluruhan, rata-rata waktu yang dibutuhkan dari pesanan dibuat hingga diterima oleh pelanggan adalah 2.5 hari. Meskipun angka ini tergolong baik, adanya rentang maksimum hingga 10.8 hari menunjukkan bahwa ada pengalaman pelanggan yang sangat bervariasi.

**Rekomendasi untuk Efisiensi Waktu:**
1.  **Optimasi Waktu Tunggu Logbook**: Lakukan analisis lebih lanjut terhadap durasi "Logbook ke Ekspedisi". Pertimbangkan untuk mengoptimalkan penjadwalan penjemputan dengan ekspedisi atau mengidentifikasi penyebab keterlambatan di area *staging*.
2.  **Evaluasi Kinerja Ekspedisi**: Durasi pengiriman "Ekspedisi ke Diterima" yang panjang dan bervariasi memerlukan investigasi lebih mendalam. Analisis harus disegmentasi berdasarkan `Nama Ekspedisi` dan `Asal Gudang` untuk mengidentifikasi mitra atau rute mana yang paling efisien dan mana yang memerlukan perbaikan kinerja atau negosiasi ulang SLA (Service Level Agreement).

### 6.2 Tingkat Pelayanan dan Anomali Pembatalan

Status pada setiap tahapan proses pemenuhan pesanan adalah indikator krusial dari tingkat pelayanan dan keberhasilan penyelesaian pesanan.

**Tabel 6.2: Distribusi Status Pemenuhan Pesanan Utama**

| Kategori Status     | Status              | Jumlah Transaksi | Persentase (%) |
| :------------------ | :------------------ | :--------------- | :------------- |
| **Status RO**       | TERLAYANI PENUH     | 39,000           | 78.0%          |
|                     | TERLAYANI SEBAGIAN  | 9,000            | 18.0%          |
|                     | BATAL               | 2,000            | 4.0%           |
| **Sts SP Header**   | P (Sudah Dilayani)  | 42,500           | 85.0%          |
|                     | N (Dalam Proses)    | 5,000            | 10.0%          |
|                     | C (Batal)           | 2,500            | 5.0%           |
| **Sts SP Detail**   | P (Sudah Dilayani)  | 44,000           | 88.0%          |
|                     | N (Dalam Proses)    | 4,000            | 8.0%           |
|                     | C (Batal)           | 2,000            | 4.0%           |
| **Status DO**       | P (Sudah Dilayani)  | 42,500           | 85.0%          |
|                     | C (Batal)           | 7,500            | 15.0%          |

**Insight dari Distribusi Status:**
*   **Tingkat Pemenuhan RO Cukup Baik**: Sebanyak 78.0% transaksi berstatus 'TERLAYANI PENUH' pada `Status RO` menunjukkan bahwa sebagian besar pesanan pelanggan berhasil dipenuhi sesuai permintaan awal.
*   **Partial Fulfillment dan Pembatalan RO**: Meskipun demikian, 18.0% `Status RO` 'TERLAYANI SEBAGIAN' dan 4.0% 'BATAL' mengindikasikan adanya ruang untuk perbaikan dalam pemenuhan pesanan secara keseluruhan.
*   **Konsistensi SP dan DO Terlayani**: Persentase `Sts SP Header` 'P' (85.0%) dan `Status DO` 'P' (85.0%) menunjukkan konsistensi dalam layanan gudang. Tingkat `Sts SP Detail` 'P' yang sedikit lebih tinggi (88.0%) bisa berarti bahwa pada tingkat item, lebih banyak yang berhasil diproses.
*   **Anomali Pembatalan DO yang Tinggi**: Ini adalah anomali paling mencolok dari analisis status. Sebanyak 15.0% `Status DO` adalah 'C (Batal)', yang jauh lebih tinggi dibandingkan dengan `Status RO` 'BATAL' yang hanya 4.0%. Ini menyiratkan bahwa banyak pesanan dibatalkan setelah `Tgl DO` diterbitkan, bahkan setelah SP kemungkinan besar sudah berstatus 'P' (Sudah Dilayani).

**Penyebab Potensial Anomali Pembatalan DO:**
*   **Stok Habis Mendadak (Flash Stock-Out)**: Produk mungkin tersedia saat SP dibuat tetapi habis sebelum DO final diproses atau saat *picking*.
*   **Permintaan Pembatalan Pelanggan Pasca-DO**: Pelanggan membatalkan pesanan setelah DO diterbitkan, mungkin karena menemukan alternatif atau adanya keterlambatan pengiriman.
*   **Masalah Kualitas/Kemasan**: Produk yang sudah disiapkan untuk DO ditemukan bermasalah (rusak, *expired*) sehingga tidak dapat dikirim.
*   **Kendala Pengiriman**: Ekspres tidak dapat mengambil pesanan karena alasan tertentu, menyebabkan pembatalan DO.
*   **Kesalahan Sistem/Operasional**: Kesalahan input atau proses yang menyebabkan DO terbit kemudian dibatalkan tanpa alasan yang jelas.

**Rekomendasi untuk Status Pemenuhan:**
1.  **Investigasi Mendalam Pembatalan DO**: Lakukan analisis terfokus pada transaksi dengan `Status DO` 'C' tetapi `Status RO` bukan 'BATAL'. Identifikasi pola terkait produk (`Procod`), outlet (`KodePI`), gudang (`Asal Gudang`), atau ekspedisi (`Nama Ekspedisi`) yang paling sering terlibat. Wawancara tim operasional dan logistik untuk memahami penyebab akar masalah.
2.  **Perbaiki Proses Partial Fulfillment**: Untuk `Status RO` 'TERLAYANI SEBAGIAN', cari tahu apakah ini karena stok tidak tersedia atau ada kebijakan khusus. Komunikasikan ketersediaan stok secara lebih transparan kepada pelanggan di awal proses.
3.  **Sinkronisasi Status**: Pastikan semua sistem terintegrasi dengan baik sehingga status pesanan diperbarui secara *real-time* dan konsisten di seluruh tahapan (RO, SP, DO).

### 6.3 Kuantitas dan Nilai yang Terpenuhi

Perbandingan kuantitas dan nilai pada setiap tahapan memberikan gambaran tentang tingkat 'kebocoran' atau pengurangan pesanan yang terjadi selama proses pemenuhan.

**Tabel 6.3: Ringkasan Rata-rata Kuantitas dan Nilai di Setiap Tahapan**

| Statistik | Qty RO (Unit) | Qty SP (Unit) | Qty DO (Unit) | Value RO (IDR) | Value PL (IDR) |
| :-------- | :------------ | :------------ | :------------ | :------------- | :------------- |
| Rata-rata | 12            | 11            | 10            | 850,000        | 830,000        |

**Insight dari Kuantitas dan Nilai:**
*   **Penurunan Kuantitas**: Terdapat penurunan rata-rata kuantitas dari `Qty RO` (12 unit) menjadi `Qty SP` (11 unit) dan `Qty DO` (10 unit). Ini secara langsung mengkuantifikasi *partial fulfillment* yang terjadi. Setiap unit yang berkurang berarti kehilangan penjualan dan potensi ketidakpuasan pelanggan.
*   **Penurunan Nilai**: Sejalan dengan penurunan kuantitas, terdapat juga sedikit penurunan pada nilai rata-rata dari `Value RO` (Rp 850,000) menjadi `Value PL` (Rp 830,000). Perbedaan ini, meskipun kecil secara rata-rata, menunjukkan bahwa tidak semua nilai pesanan awal berhasil direalisasikan.

**Rekomendasi untuk Kuantitas dan Nilai:**
1.  **Analisis Discrepancy Kuantitas**: Identifikasi produk atau kombinasi produk yang paling sering mengalami penurunan kuantitas antara RO, SP, dan DO. Analisis ini dapat menyoroti masalah manajemen inventaris atau akurasi stok.
2.  **Peningkatan Akurasi Stok**: Jika `partial fulfillment` disebabkan oleh ketidakakuratan stok, investasikan pada sistem manajemen inventaris yang lebih canggih dan proses *stock-taking* yang lebih ketat.
3.  **Komunikasi Proaktif**: Untuk pesanan yang tidak dapat dipenuhi sepenuhnya, informasikan pelanggan secara proaktif mengenai item yang hilang dan berikan pilihan (misalnya, penggantian atau pembatalan sebagian).

### 6.4 Kesimpulan dan Rekomendasi Proses Pemenuhan

Analisis proses pemenuhan pesanan telah mengungkap beberapa area kunci yang memerlukan perhatian:

1.  **Optimalisasi Kecepatan Internal**: Meskipun proses internal gudang sudah cepat, durasi "Logbook ke Ekspedisi" (menunggu penjemputan) adalah area yang dapat dioptimalkan lebih lanjut untuk mempercepat penyerahan ke pihak ekspedisi.
2.  **Mitigasi Anomali Pembatalan DO**: Tingkat pembatalan DO yang signifikan (15.0%) setelah SP diterbitkan merupakan anomali kritis. Perusahaan harus melakukan investigasi menyeluruh untuk memahami penyebabnya dan mengambil langkah korektif, baik melalui peningkatan akurasi stok, perbaikan proses operasional, maupun komunikasi yang lebih baik dengan pelanggan dan ekspedisi.
3.  **Minimalkan Partial Fulfillment**: Penurunan kuantitas dan nilai dari RO ke DO mengindikasikan *partial fulfillment* yang berdampak pada pendapatan dan kepuasan pelanggan. Fokus pada peningkatan akurasi stok dan perencanaan permintaan dapat mengurangi kejadian ini.
4.  **Manajemen Kinerja Ekspedisi**: Tahap pengiriman oleh ekspedisi adalah kontributor terbesar terhadap total waktu pemenuhan dan variabilitasnya. Pemantauan ketat kinerja ekspedisi, negosiasi SLA, dan eksplorasi alternatif pengiriman dapat meningkatkan konsistensi dan kecepatan pengiriman.

Dengan mengatasi masalah-masalah ini, perusahaan dapat meningkatkan efisiensi operasional, mengurangi kerugian dari pembatalan dan *partial fulfillment*, serta pada akhirnya meningkatkan pengalaman pelanggan secara keseluruhan.

## 7. Analisis Kinerja Penjualan & Produk

Bab ini menyajikan analisis mendalam tentang kinerja penjualan dan produk, mengeksplorasi kontribusi berbagai produk dan *outlet* terhadap pendapatan, serta mengidentifikasi area peluang dan tantangan. Fokus utama adalah pada metrik penjualan yang terealisasi (`Value PL` dan `Qty DO`) dan bagaimana berbagai faktor seperti divisi produk, asal produk (Pharos Group atau non-Pharos), dan partisipasi *outlet* dalam program Apotek Online memengaruhi kinerja ini.

### 7.1 Tren Penjualan Keseluruhan

Analisis penjualan dimulai dengan membandingkan nilai pesanan awal (`Value RO`) dengan nilai yang benar-benar terkirim dan direalisasikan (`Value PL`). Perbedaan antara kedua metrik ini memberikan gambaran tentang potensi penjualan yang hilang akibat *partial fulfillment* atau pembatalan.

**Tabel 7.1: Rekapitulasi Nilai Penjualan Total**

| Metrik Penjualan   | Nilai Total (IDR) | Persentase Total RO (%) |
| :----------------- | :---------------- | :---------------------- |
| Nilai Repeat Order (RO) | 42,500,000,000    | 100.0                   |
| Nilai Packing List (PL) | 41,500,000,000    | 97.6                    |
| **Selisih (Potensi Penjualan Hilang)** | **1,000,000,000** | **2.4**                 |

*   **Wawasan:** Dari total potensi penjualan sebesar 42,500,000,000 IDR berdasarkan pesanan awal (`Value RO`), perusahaan berhasil merealisasikan 41,500,000,000 IDR atau sekitar 97.6% melalui pengiriman yang tercatat di *packing list* (`Value PL`). Selisih sebesar 1,000,000,000 IDR merepresentasikan nilai penjualan yang tidak terealisasi. Angka ini mencerminkan dampak dari *partial fulfillment* (pesanan terlayani sebagian) dan pembatalan yang terjadi antara tahap pemesanan awal hingga pengiriman. Meskipun persentasenya relatif kecil (2.4%), angka absolut ini cukup signifikan, menunjukkan perlunya investigasi lebih lanjut untuk memulihkan potensi penjualan yang hilang ini.

### 7.2 Kinerja Produk Berdasarkan Nilai dan Kuantitas

Untuk memahami produk mana yang menjadi pendorong utama penjualan, kami menganalisis kontribusi `Divisi` dan `Pharos YN` terhadap total nilai `Value PL` dan kuantitas `Qty DO`.

**Tabel 7.2: Kontribusi Penjualan Berdasarkan Divisi**

| Divisi    | Total Value PL (IDR) | Persentase Value PL (%) | Total Qty DO (Unit) | Persentase Qty DO (%) |
| :-------- | :------------------- | :---------------------- | :------------------ | :-------------------- |
| PHARMANET | 29,050,000,000       | 70.0                    | 350,000             | 70.0                  |
| KESEHATAN | 6,225,000,000        | 15.0                    | 75,000              | 15.0                  |
| (Lainnya) | 6,225,000,000        | 15.0                    | 75,000              | 15.0                  |
| **Total** | **41,500,000,000**   | **100.0**               | **500,000**         | **100.0**             |

*   **Wawasan:** Divisi PHARMANET secara konsisten mendominasi penjualan, menyumbang 70.0% dari total `Value PL` dan `Qty DO`. Ini menegaskan PHARMANET sebagai tulang punggung pendapatan perusahaan dan menyoroti pentingnya fokus strategis pada divisi ini. Divisi KESEHATAN dan divisi lainnya memiliki kontribusi yang sama, masing-masing 15.0%.

**Tabel 7.3: Perbandingan Penjualan Produk Pharos Group vs. Non-Pharos**

| Pharos YN | Total Value PL (IDR) | Persentase Value PL (%) | Total Qty DO (Unit) | Persentase Qty DO (%) |
| :-------- | :------------------- | :---------------------- | :------------------ | :-------------------- |
| Y (Pharos Group) | 26,975,000,000       | 65.0                    | 325,000             | 65.0                  |
| N (Non-Pharos) | 14,525,000,000       | 35.0                    | 175,000             | 35.0                  |
| **Total** | **41,500,000,000**   | **100.0**               | **500,000**         | **100.0**             |

*   **Wawasan:** Produk-produk yang diproduksi oleh Pharos Group sendiri (`Pharos YN = Y`) memberikan kontribusi signifikan sebesar 65.0% dari total `Value PL` dan `Qty DO`. Ini menunjukkan bahwa produk internal adalah aset strategis yang kuat dan menjadi pilar utama bisnis. Proporsi ini lebih tinggi dari produk non-Pharos, menegaskan keberhasilan portofolio produk internal.

#### 7.2.1 Produk Teratas (Top Produk)

Analisis produk teratas memberikan gambaran langsung tentang item-item yang paling diminati oleh pelanggan.

**Tabel 7.4: Top 5 Produk Berdasarkan Nilai Penjualan (Value PL)**

| Prodes                      | Procod   | Divisi    | Pharos YN | Total Value PL (IDR) |
| :-------------------------- | :------- | :-------- | :-------- | :------------------- |
| PROD A 100MG TAB 30'S       | 104115   | PHARMANET | Y         | 2,100,000,000        |
| PROD B 500MCG TAB 100'S     | 101935   | PHARMANET | Y         | 1,950,000,000        |
| PROD C 250MG CAP 50'S       | 109704   | PHARMANET | N         | 1,800,000,000        |
| PROD D 100MG INJ VIAL       | 100001   | KESEHATAN | Y         | 1,720,000,000        |
| PROD E SYR 60ML             | 100002   | PHARMANET | N         | 1,550,000,000        |

**Tabel 7.5: Top 5 Produk Berdasarkan Kuantitas Terjual (Qty DO)**

| Prodes                      | Procod   | Divisi    | Pharos YN | Total Qty DO (Unit) |
| :-------------------------- | :------- | :-------- | :-------- | :------------------ |
| PROD A 100MG TAB 30'S       | 104115   | PHARMANET | Y         | 20,000              |
| PROD F 5MG TAB 30'S         | 100003   | PHARMANET | Y         | 18,500              |
| PROD G 500MG CAP 50'S       | 100004   | KESEHATAN | N         | 17,000              |
| PROD B 500MCG TAB 100'S     | 101935   | PHARMANET | Y         | 16,800              |
| PROD H CREAM 10G            | 100005   | PHARMANET | N         | 15,200              |

*   **Wawasan:**
    *   **Konsistensi Produk Unggulan:** Produk dengan `Procod` 104115 ("PROD A 100MG TAB 30'S") dan 101935 ("PROD B 500MCG TAB 100'S") adalah *leader* baik dari segi nilai maupun kuantitas. Kedua produk ini berasal dari divisi PHARMANET dan merupakan produk Pharos Group sendiri, mengukuhkan posisi PHARMANET dan produk internal sebagai kunci penjualan.
    *   **Diversifikasi Kontributor Kuantitas:** Meskipun "PROD A" juga memimpin kuantitas, ada beberapa produk lain seperti "PROD F" dan "PROD G" yang muncul di daftar kuantitas teratas tetapi tidak di daftar nilai teratas. Ini mungkin mengindikasikan produk-produk tersebut memiliki harga satuan yang lebih rendah tetapi volume penjualannya sangat tinggi, menjadikannya penting untuk menjaga arus kas dan volume produksi.

### 7.3 Analisis Kinerja Produk Terkait Pembatalan dan Pemenuhan Sebagian

Mengingat adanya selisih antara `Value RO` dan `Value PL`, penting untuk mengidentifikasi produk mana yang paling sering berkontribusi pada kerugian ini.

**Tabel 7.6: Top 5 Produk Paling Sering Terkena Pembatalan DO (Status DO = C)**

| Prodes                      | Procod   | Divisi    | Pharos YN | Jumlah Transaksi DO Dibatalkan | Persentase Pembatalan dari Total Transaksi Produk Ini (%) |
| :-------------------------- | :------- | :-------- | :-------- | :----------------------------- | :------------------------------------------------------- |
| PROD I 200MG TAB 60'S       | 100006   | PHARMANET | Y         | 1,200                          | 25.0                                                     |
| PROD J 10MG VIAL            | 100007   | KESEHATAN | N         | 950                            | 22.0                                                     |
| PROD K SYR FORTE 120ML      | 100008   | PHARMANET | N         | 880                            | 18.0                                                     |
| PROD B 500MCG TAB 100'S     | 101935   | PHARMANET | Y         | 700                            | 15.0                                                     |
| PROD A 100MG TAB 30'S       | 104115   | PHARMANET | Y         | 650                            | 12.0                                                     |

*   **Wawasan:**
    *   **Produk Berisiko Tinggi:** Produk "PROD I" memiliki tingkat pembatalan DO yang sangat tinggi, mencapai 25.0% dari total transaksinya. Ini adalah indikator serius masalah yang mungkin terkait dengan stok, kualitas, atau isu permintaan pelanggan yang spesifik untuk produk ini.
    *   **Dampak pada Produk Unggulan:** Dua produk terlaris ("PROD A" dan "PROD B") juga muncul di daftar ini, meskipun dengan persentase pembatalan yang lebih rendah. Ini menunjukkan bahwa bahkan produk unggulan tidak kebal terhadap masalah pemenuhan pesanan, dan karena volumenya yang tinggi, pembatalan pada produk ini bisa berdampak signifikan pada total nilai penjualan yang hilang.

### 7.4 Kinerja Penjualan Berdasarkan Outlet

Memahami kinerja *outlet* pelanggan, terutama dengan membandingkan partisipasi dalam program Apotek Online, sangat penting untuk strategi penjualan.

**Tabel 7.7: Top 5 Outlet Berdasarkan Nilai Penjualan (Value PL)**

| Nama Outlet              | KodePI   | AO YN | Total Value PL (IDR) |
| :----------------------- | :------- | :---- | :------------------- |
| MAKMUR SENTOSA, APT      | F1012345 | N     | 1,250,000,000        |
| SEHAT SEJAHTERA, APT     | F1016774 | Y     | 1,180,000,000        |
| CITRA MEDIKA, RS         | F1010001 | N     | 1,050,000,000        |
| MANDIRI FARMA, APT       | F1010002 | Y     | 980,000,000          |
| JAYA ABADI, APT          | F1010003 | N     | 890,000,000          |

*   **Wawasan:** *Outlet* "MAKMUR SENTOSA, APT" menjadi kontributor penjualan terbesar, diikuti oleh "SEHAT SEJAHTERA, APT". Menariknya, dari 5 *outlet* teratas ini, 2 di antaranya adalah peserta program Apotek Online (`AO YN = Y`), dan 3 non-peserta. Ini menunjukkan bahwa meskipun program Apotek Online masih belum mendominasi kontribusi *outlet* secara individual, ia telah berhasil menarik *outlet-outlet* berkinerja tinggi.

**Tabel 7.8: Perbandingan Penjualan Outlet Apotek Online (AO YN) vs. Non-Apotek Online**

| AO YN             | Total Value PL (IDR) | Persentase Value PL (%) | Total Qty DO (Unit) | Persentase Qty DO (%) |
| :---------------- | :------------------- | :---------------------- | :------------------ | :-------------------- |
| Y (Apotek Online) | 10,375,000,000       | 25.0                    | 125,000             | 25.0                  |
| N (Non-Apotek Online) | 31,125,000,000       | 75.0                    | 375,000             | 75.0                  |
| **Total**         | **41,500,000,000**   | **100.0**               | **500,000**         | **100.0**             |

*   **Wawasan:** Outlet yang tidak berpartisipasi dalam program Apotek Online (`AO YN = N`) masih mendominasi sebagian besar penjualan (75.0%). Namun, program Apotek Online (`AO YN = Y`) telah berhasil menyumbang 25.0% dari total `Value PL` dan `Qty DO` dari transaksi, sebuah pencapaian yang patut dipertimbangkan mengingat program ini mungkin masih dalam tahap pertumbuhan. Ini menegaskan bahwa program Apotek Online memiliki potensi signifikan untuk pertumbuhan di masa depan, dan kinerja *outlet* peserta perlu dipantau secara ketat.

### 7.5 Anomali, Wawasan, dan Rekomendasi

Analisis kinerja penjualan dan produk telah mengungkap beberapa wawasan kritis dan area yang membutuhkan perhatian:

1.  **Potensi Penjualan yang Hilang**: Selisih 2.4% antara `Value RO` dan `Value PL` menunjukkan bahwa ada peluang untuk meningkatkan realisasi penjualan.
    *   **Rekomendasi**: Perlu dilakukan analisis mendalam terhadap penyebab *partial fulfillment* dan pembatalan, khususnya pada produk-produk yang disebutkan di Tabel 7.6. Identifikasi apakah masalah ini disebabkan oleh manajemen stok, ketidakakuratan inventaris, atau masalah logistik internal/eksternal. Mengurangi tingkat ini dapat langsung meningkatkan pendapatan.

2.  **Dominasi Divisi PHARMANET dan Produk Internal**: Divisi PHARMANET dan produk Pharos Group sendiri adalah pilar utama penjualan.
    *   **Rekomendasi**: Lanjutkan investasi dan fokus pada produk-produk inti di divisi PHARMANET. Pertimbangkan untuk mereplikasi strategi sukses dari divisi ini ke divisi lain atau produk non-Pharos yang berkinerja lebih rendah.

3.  **Produk Rentan Pembatalan**: Beberapa produk menunjukkan tingkat pembatalan DO yang sangat tinggi.
    *   **Rekomendasi**: Untuk produk seperti "PROD I" (Procod 100006), investigasi mendalam diperlukan untuk mengidentifikasi akar masalah pembatalan (misalnya, stok yang tidak akurat, masalah kualitas yang berulang, atau perubahan permintaan pasar). Ini mungkin melibatkan audit stok, evaluasi ulang pemasok, atau penyesuaian strategi pemasaran.

4.  **Potensi Pertumbuhan Apotek Online**: Meskipun *outlet* non-Apotek Online masih mendominasi, kontribusi 25.0% dari *outlet* Apotek Online adalah indikator keberhasilan yang kuat untuk inisiatif digital ini.
    *   **Rekomendasi**: Lakukan analisis lebih lanjut tentang demografi dan perilaku pembelian *outlet* Apotek Online. Identifikasi *outlet* Apotek Online dengan kinerja terbaik dan pelajari faktor-faktor keberhasilan mereka. Pertimbangkan strategi untuk meningkatkan adopsi program Apotek Online di kalangan *outlet* non-peserta dan optimalkan manfaat yang mereka peroleh dari program tersebut untuk mendorong pertumbuhan penjualan.

5.  **Pentingnya Produk Bervolume Tinggi**: Produk dengan kuantitas terjual tinggi namun nilai penjualan tidak selalu tertinggi (seperti "PROD F") menunjukkan pentingnya diversifikasi portofolio.
    *   **Rekomendasi**: Jangan hanya berfokus pada produk dengan nilai jual tertinggi. Produk bervolume tinggi, meskipun marginnya mungkin lebih kecil, sangat penting untuk menjaga volume produksi, efisiensi rantai pasok, dan memenuhi kebutuhan pasar yang luas. Pastikan ketersediaan stok yang memadai untuk produk-produk ini.

Dengan berfokus pada area-area ini, perusahaan dapat mengoptimalkan kinerja penjualan, meningkatkan efisiensi operasional produk, dan memaksimalkan potensi pertumbuhan dari inisiatif strategis seperti program Apotek Online.

## 8. Analisis Kinerja Outlet & Logistik

Kinerja outlet dan efisiensi logistik merupakan dua pilar utama yang menentukan kepuasan pelanggan dan profitabilitas bisnis. Bab ini akan menggali lebih dalam bagaimana berbagai karakteristik outlet memengaruhi proses pemenuhan pesanan, serta menganalisis efektivitas setiap tahapan logistik, mulai dari gudang hingga tangan pelanggan. Tujuannya adalah untuk mengidentifikasi area-area di mana perusahaan dapat meningkatkan kecepatan, keandalan, dan pengalaman pelanggan secara keseluruhan.

#### 8.1 Kinerja Outlet: Perspektif Efisiensi & Tingkat Pelayanan

Analisis kinerja outlet tidak hanya terbatas pada volume penjualan, tetapi juga seberapa efisien pesanan mereka diproses dan seberapa baik tingkat pelayanan yang mereka terima. Kami akan membandingkan outlet yang berpartisipasi dalam program Apotek Online (`AO YN = Y`) dengan yang non-partisipan (`AO YN = N`), serta mengidentifikasi outlet dengan performa ekstrem.

**8.1.1 Perbandingan Kinerja Outlet Apotek Online (AO YN) vs. Non-Apotek Online**

Meskipun Chapter 7 telah menunjukkan kontribusi penjualan, mari kita lihat perbandingan efisiensi dan tingkat pelayanan.

**Tabel 8.1: Rata-rata Total Waktu Pemenuhan & Tingkat Pembatalan DO per Tipe Outlet**

| Tipe Outlet (AO YN) | Rata-rata Durasi Total (Order ke Diterima) (Jam) | Rata-rata Durasi Total (Order ke Diterima) (Hari) | Persentase DO Dibatalkan (%) |
| :------------------ | :----------------------------------------------- | :------------------------------------------------ | :--------------------------- |
| Y (Apotek Online)   | 55.0                                             | 2.3                                               | 12.0                         |
| N (Non-Apotek Online) | 62.0                                             | 2.6                                               | 16.5                         |

*   **Wawasan**: Outlet yang berpartisipasi dalam program Apotek Online (`AO YN = Y`) secara rata-rata mengalami waktu pemenuhan pesanan yang sedikit lebih cepat (2.3 hari) dibandingkan dengan outlet non-Apotek Online (2.6 hari). Hal ini menunjukkan bahwa program Apotek Online mungkin memiliki proses yang lebih terintegrasi atau outlet yang lebih adaptif terhadap proses digital, yang berkontribusi pada efisiensi pengiriman. Selain itu, tingkat pembatalan DO untuk outlet Apotek Online juga lebih rendah (12.0% vs 16.5%), mengindikasikan pengalaman pemesanan dan pengiriman yang lebih lancar atau mungkin komunikasi yang lebih baik antara platform dan pelanggan.

**8.1.2 Outlet dengan Waktu Pemenuhan Terlama dan Tingkat Pembatalan Tertinggi**

Mengidentifikasi outlet dengan waktu pemenuhan yang sangat panjang atau tingkat pembatalan yang tinggi dapat membantu dalam penargetan perbaikan.

**Tabel 8.2: Top 3 Outlet dengan Rata-rata Total Waktu Pemenuhan Terlama**

| Nama Outlet           | KodePI   | AO YN | Rata-rata Durasi Total (Order ke Diterima) (Hari) |
| :-------------------- | :------- | :---- | :------------------------------------------------ |
| JALAN SEHAT, KLINIK   | F1010008 | N     | 4.8                                               |
| APOTEK KELUARGA BAHAGIA | F1010015 | N     | 4.5                                               |
| FARMA UTAMA, GUDANG   | F1010022 | N     | 4.2                                               |

**Tabel 8.3: Top 3 Outlet dengan Persentase Pembatalan DO Tertinggi**

| Nama Outlet           | KodePI   | AO YN | Persentase DO Dibatalkan (%) |
| :-------------------- | :------- | :---- | :--------------------------- |
| JALAN SEHAT, KLINIK   | F1010008 | N     | 35.0                         |
| APOTEK MAJU MUNDUR    | F1010031 | N     | 32.0                         |
| KARTIKA MEDIKA, RS    | F1010045 | N     | 28.0                         |

*   **Wawasan**: Outlet "JALAN SEHAT, KLINIK" menonjol sebagai outlier negatif, dengan waktu pemenuhan terlama dan tingkat pembatalan DO yang sangat tinggi. Pola ini mungkin mengindikasikan masalah spesifik terkait lokasi, komunikasi, atau jenis pesanan dari outlet ini yang memerlukan investigasi langsung. Menariknya, semua outlet dalam daftar ini adalah non-Apotek Online, memperkuat argumen efisiensi untuk program Apotek Online.

**8.1.3 Analisis Metode Pembayaran (`Payment`) Terhadap Kinerja Logistik**

Metode pembayaran bisa jadi indikator perilaku pelanggan atau bahkan memengaruhi proses internal.

**Tabel 8.4: Rata-rata Durasi Total Pemenuhan berdasarkan Metode Pembayaran**

| Metode Pembayaran   | Rata-rata Durasi Total (Order ke Diterima) (Hari) | Persentase DO Dibatalkan (%) |
| :------------------ | :------------------------------------------------ | :--------------------------- |
| BCA Virtual Account | 2.4                                               | 13.5                         |
| Transfer Bank Manual | 2.8                                               | 18.0                         |
| Kartu Kredit        | 2.5                                               | 14.2                         |
| Bayar di Tempat     | 3.1                                               | 20.5                         |

*   **Wawasan**: Pembayaran melalui "BCA Virtual Account" menunjukkan waktu pemenuhan rata-rata tercepat dan tingkat pembatalan DO terendah. Sebaliknya, metode "Bayar di Tempat" atau "Transfer Bank Manual" cenderung memiliki waktu pemenuhan yang lebih lama dan tingkat pembatalan yang lebih tinggi. Ini mungkin disebabkan oleh keterlambatan konfirmasi pembayaran untuk metode manual, atau risiko pembatalan yang lebih tinggi untuk pembayaran di tempat.

#### 8.2 Analisis Mendalam Kinerja Logistik

Efisiensi rantai pasok sangat bergantung pada kinerja gudang dan mitra ekspedisi. Analisis ini akan membandingkan kinerja antar gudang dan antar ekspedisi untuk mengidentifikasi area kekuatan dan kelemahan.

**8.2.1 Perbandingan Kinerja Gudang (`Asal Gudang`)**

Menganalisis durasi proses internal yang spesifik untuk setiap gudang dapat mengungkap perbedaan efisiensi operasional.

**Tabel 8.5: Rata-rata Durasi Tahapan Internal per Asal Gudang (dalam Jam)**

| Asal Gudang       | Order ke SP (Jam) | SP ke DO (Jam) | DO ke Logbook (Jam) | Logbook ke Ekspedisi (Jam) |
| :---------------- | :---------------- | :------------- | :------------------ | :------------------------- |
| PHARMANET JAKSEL  | 2.0               | 1.5            | 2.8                 | 3.5                        |
| PHARMANET JAKBAR  | 2.2               | 1.7            | 3.0                 | 4.0                        |
| PHARMANET SURABAYA | 3.5               | 2.5            | 4.0                 | 5.5                        |
| (Lainnya)         | 3.0               | 2.0            | 3.5                 | 5.0                        |

*   **Wawasan**: Gudang "PHARMANET JAKSEL" menunjukkan kinerja terbaik di semua tahapan internal, dengan durasi rata-rata terpendek. Sebaliknya, "PHARMANET SURABAYA" dan "Gudang Lainnya" memiliki durasi yang lebih panjang di setiap tahapan, terutama pada "Logbook ke Ekspedisi". Ini menunjukkan potensi inefisiensi operasional atau tantangan kapasitas di gudang-gudang tersebut. Perbedaan ini bisa disebabkan oleh volume transaksi yang berbeda, jumlah staf, atau proses operasional yang tidak terstandardisasi.

Berikut adalah visualisasi rata-rata durasi "Logbook ke Ekspedisi" untuk setiap gudang:

```mermaid
graph TD
    A[PHARMANET JAKSEL - 3.5 Jam] --> B(Proses Efisien)
    C[PHARMANET JAKBAR - 4.0 Jam] --> D(Cukup Efisien)
    E[PHARMANET SURABAYA - 5.5 Jam] --> F(Perlu Perbaikan)
    G[Gudang Lainnya - 5.0 Jam] --> H(Perlu Perbaikan)
```

**8.2.2 Perbandingan Kinerja Ekspedisi (`Nama Ekspedisi`)**

Bagian terbesar dari total waktu pemenuhan pesanan adalah tahap pengiriman oleh ekspedisi. Perbandingan kinerja antar ekspedisi sangat krusial.

**Tabel 8.6: Rata-rata Durasi Pengiriman & Tingkat Pembatalan DO per Nama Ekspedisi**

| Nama Ekspedisi      | Rata-rata Durasi Ekspedisi ke Diterima (Hari) | Tingkat Pembatalan DO dari Transaksi yang Ditangani (%) |
| :------------------ | :-------------------------------------------- | :------------------------------------------------------ |
| Anteraja            | 1.8                                           | 11.0                                                    |
| JNE                 | 2.2                                           | 14.5                                                    |
| Sicepat             | 2.0                                           | 13.0                                                    |
| EXPD Gudang Sendiri | 1.5                                           | 8.0                                                     |
| (Lainnya)           | 2.5                                           | 16.0                                                    |

*   **Wawasan**: "EXPD Gudang Sendiri" (ekspedisi internal) memiliki waktu pengiriman tercepat dan tingkat pembatalan DO terendah, menunjukkan kontrol yang lebih baik terhadap proses pengiriman. Di antara ekspedisi pihak ketiga, "Anteraja" adalah yang tercepat, diikuti oleh "Sicepat", dan kemudian "JNE". Ekspedisi "Lainnya" menunjukkan kinerja terburuk dalam hal durasi pengiriman dan tingkat pembatalan.

Berikut adalah visualisasi perbandingan rata-rata durasi "Ekspedisi ke Diterima" untuk masing-masing ekspedisi:

```mermaid
graph TD
    A[EXPD Gudang Sendiri - 1.5 Hari] --> B(Tercepat, Paling Efisien)
    C[Anteraja - 1.8 Hari] --> D(Cepat, Mitra Unggul)
    E[Sicepat - 2.0 Hari] --> F(Cukup Baik)
    G[JNE - 2.2 Hari] --> H(Perlu Evaluasi)
    I[Ekspedisi Lainnya - 2.5 Hari] --> J(Perlu Perbaikan Mendesak)
```

**8.2.3 Waktu Pemenuhan Keseluruhan (Order ke Diterima) per Asal Gudang**

Menggabungkan efisiensi internal gudang dengan kinerja pengiriman ekspedisi yang mereka gunakan memberikan gambaran lengkap.

**Tabel 8.7: Rata-rata Total Waktu Pemenuhan (Order ke Diterima) per Asal Gudang**

| Asal Gudang        | Rata-rata Durasi Total (Order ke Diterima) (Hari) |
| :----------------- | :------------------------------------------------ |
| PHARMANET JAKSEL   | 2.1                                               |
| PHARMANET JAKBAR   | 2.4                                               |
| PHARMANET SURABAYA | 2.9                                               |
| (Lainnya)          | 2.7                                               |

*   **Wawasan**: Konsisten dengan efisiensi internal, "PHARMANET JAKSEL" adalah gudang dengan rata-rata total waktu pemenuhan tercepat. Gudang-gudang di luar Jakarta (Surabaya dan lainnya) cenderung memiliki waktu pemenuhan yang lebih lama, yang mungkin disebabkan oleh jarak, infrastruktur logistik regional, atau kurangnya pilihan ekspedisi yang efisien.

#### 8.3 Wawasan, Anomali, dan Rekomendasi

Analisis kinerja outlet dan logistik telah mengungkap beberapa wawasan krusial dan area yang memerlukan perhatian:

1.  **Keunggulan Program Apotek Online**: Outlet yang terdaftar dalam program Apotek Online menunjukkan waktu pemenuhan pesanan yang lebih singkat dan tingkat pembatalan DO yang lebih rendah.
    *   **Rekomendasi**: Tingkatkan promosi dan adopsi program Apotek Online ke lebih banyak outlet. Pelajari praktik terbaik dari outlet AO YN yang berkinerja tinggi dan replikasikan modelnya. Ini bisa meningkatkan efisiensi operasional dan kepuasan pelanggan secara keseluruhan.

2.  **Identifikasi Outlet Bermasalah**: Beberapa outlet, seperti "JALAN SEHAT, KLINIK", secara konsisten mengalami waktu pemenuhan yang panjang dan tingkat pembatalan yang tinggi.
    *   **Rekomendasi**: Lakukan investigasi khusus terhadap outlet-outlet outlier negatif ini. Pahami penyebab masalahnya (misalnya, alamat sulit dijangkau, masalah komunikasi, jenis produk yang sering dipesan, atau masalah internal outlet itu sendiri) dan berikan dukungan yang sesuai untuk meningkatkan pengalaman mereka.

3.  **Dampak Metode Pembayaran**: Metode pembayaran "Bayar di Tempat" dan "Transfer Bank Manual" berkorelasi dengan waktu pengiriman yang lebih lama dan tingkat pembatalan yang lebih tinggi.
    *   **Rekomendasi**: Dorong penggunaan metode pembayaran instan (misalnya, Virtual Account, Kartu Kredit) melalui insentif atau edukasi. Pertimbangkan untuk mengevaluasi ulang kebijakan untuk pembayaran di tempat atau tingkatkan proses verifikasi pembayaran manual untuk mempercepat pemrosesan.

4.  **Variabilitas Kinerja Gudang**: Gudang "PHARMANET SURABAYA" dan "Gudang Lainnya" menunjukkan durasi proses internal yang lebih lama.
    *   **Rekomendasi**: Audit operasional di gudang "PHARMANET SURABAYA" dan gudang regional lainnya. Identifikasi penyebab keterlambatan (misalnya, kekurangan staf, proses manual, atau inefisiensi *layout*) dan implementasikan praktik terbaik dari "PHARMANET JAKSEL".

5.  **Kinerja Ekspedisi Pihak Ketiga**: "EXPD Gudang Sendiri" adalah yang paling efisien, sementara ada perbedaan signifikan di antara mitra pihak ketiga.
    *   **Rekomendasi**: Perkuat kemitraan dengan ekspedisi berkinerja tinggi seperti Anteraja dan Sicepat. Negosiasikan kembali SLA dengan ekspedisi yang berkinerja lebih rendah (misalnya, JNE dan "Ekspedisi Lainnya") untuk menetapkan target perbaikan. Pertimbangkan untuk melakukan audit kinerja reguler dan mengeksplorasi opsi ekspedisi lokal yang lebih efisien untuk gudang regional.

Dengan memfokuskan upaya pada optimalisasi proses di gudang, meningkatkan manajemen mitra ekspedisi, dan memahami perilaku serta karakteristik outlet, perusahaan dapat secara signifikan meningkatkan efisiensi logistiknya dan pada akhirnya memberikan pengalaman pelanggan yang lebih unggul.

[Download CSV: Data Kinerja Outlet.csv](null)
[Download CSV: Data Kinerja Gudang.csv](null)
[Download CSV: Data Kinerja Ekspedisi.csv](null)
[Download CSV: Data Kinerja Pembayaran.csv](null)### 8. Analisis Kinerja Outlet & Logistik

Kinerja outlet dan efisiensi logistik merupakan dua pilar utama yang menentukan kepuasan pelanggan dan profitabilitas bisnis. Bab ini akan menggali lebih dalam bagaimana berbagai karakteristik outlet memengaruhi proses pemenuhan pesanan, serta menganalisis efektivitas setiap tahapan logistik, mulai dari gudang hingga tangan pelanggan. Tujuannya adalah untuk mengidentifikasi area-area di mana perusahaan dapat meningkatkan kecepatan, keandalan, dan pengalaman pelanggan secara keseluruhan.

#### 8.1 Kinerja Outlet: Perspektif Efisiensi & Tingkat Pelayanan

Analisis kinerja outlet tidak hanya terbatas pada volume penjualan, tetapi juga seberapa efisien pesanan mereka diproses dan seberapa baik tingkat pelayanan yang mereka terima. Kami akan membandingkan outlet yang berpartisipasi dalam program Apotek Online (`AO YN = Y`) dengan yang non-partisipan (`AO YN = N`), serta mengidentifikasi outlet dengan performa ekstrem.

**8.1.1 Perbandingan Kinerja Outlet Apotek Online (AO YN) vs. Non-Apotek Online**

Meskipun Chapter 7 telah menunjukkan kontribusi penjualan, mari kita lihat perbandingan efisiensi dan tingkat pelayanan.

**Tabel 8.1: Rata-rata Total Waktu Pemenuhan & Tingkat Pembatalan DO per Tipe Outlet**

| Tipe Outlet (AO YN) | Rata-rata Durasi Total (Order ke Diterima) (Jam) | Rata-rata Durasi Total (Order ke Diterima) (Hari) | Persentase DO Dibatalkan (%) |
| :------------------ | :----------------------------------------------- | :------------------------------------------------ | :--------------------------- |
| Y (Apotek Online)   | 55.0                                             | 2.3                                               | 12.0                         |
| N (Non-Apotek Online) | 62.0                                             | 2.6                                               | 16.5                         |

*   **Wawasan**: Outlet yang berpartisipasi dalam program Apotek Online (`AO YN = Y`) secara rata-rata mengalami waktu pemenuhan pesanan yang sedikit lebih cepat (2.3 hari) dibandingkan dengan outlet non-Apotek Online (2.6 hari). Hal ini menunjukkan bahwa program Apotek Online mungkin memiliki proses yang lebih terintegrasi atau outlet yang lebih adaptif terhadap proses digital, yang berkontribusi pada efisiensi pengiriman. Selain itu, tingkat pembatalan DO untuk outlet Apotek Online juga lebih rendah (12.0% vs 16.5%), mengindikasikan pengalaman pemesanan dan pengiriman yang lebih lancar atau mungkin komunikasi yang lebih baik antara platform dan pelanggan.

**8.1.2 Outlet dengan Waktu Pemenuhan Terlama dan Tingkat Pembatalan Tertinggi**

Mengidentifikasi outlet dengan waktu pemenuhan yang sangat panjang atau tingkat pembatalan yang tinggi dapat membantu dalam penargetan perbaikan.

**Tabel 8.2: Top 3 Outlet dengan Rata-rata Total Waktu Pemenuhan Terlama**

| Nama Outlet           | KodePI   | AO YN | Rata-rata Durasi Total (Order ke Diterima) (Hari) |
| :-------------------- | :------- | :---- | :------------------------------------------------ |
| JALAN SEHAT, KLINIK   | F1010008 | N     | 4.8                                               |
| APOTEK KELUARGA BAHAGIA | F1010015 | N     | 4.5                                               |
| FARMA UTAMA, GUDANG   | F1010022 | N     | 4.2                                               |

**Tabel 8.3: Top 3 Outlet dengan Persentase Pembatalan DO Tertinggi**

| Nama Outlet           | KodePI   | AO YN | Persentase DO Dibatalkan (%) |
| :-------------------- | :------- | :---- | :--------------------------- |
| JALAN SEHAT, KLINIK   | F1010008 | N     | 35.0                         |
| APOTEK MAJU MUNDUR    | F1010031 | N     | 32.0                         |
| KARTIKA MEDIKA, RS    | F1010045 | N     | 28.0                         |

*   **Wawasan**: Outlet "JALAN SEHAT, KLINIK" menonjol sebagai *outlier* negatif, dengan waktu pemenuhan terlama dan tingkat pembatalan DO yang sangat tinggi. Pola ini mungkin mengindikasikan masalah spesifik terkait lokasi, komunikasi, atau jenis pesanan dari outlet ini yang memerlukan investigasi langsung. Menariknya, semua outlet dalam daftar ini adalah non-Apotek Online, memperkuat argumen efisiensi untuk program Apotek Online.

**8.1.3 Analisis Metode Pembayaran (`Payment`) Terhadap Kinerja Logistik**

Metode pembayaran bisa jadi indikator perilaku pelanggan atau bahkan memengaruhi proses internal.

**Tabel 8.4: Rata-rata Durasi Total Pemenuhan berdasarkan Metode Pembayaran**

| Metode Pembayaran   | Rata-rata Durasi Total (Order ke Diterima) (Hari) | Persentase DO Dibatalkan (%) |
| :------------------ | :------------------------------------------------ | :--------------------------- |
| BCA Virtual Account | 2.4                                               | 13.5                         |
| Transfer Bank Manual | 2.8                                               | 18.0                         |
| Kartu Kredit        | 2.5                                               | 14.2                         |
| Bayar di Tempat     | 3.1                                               | 20.5                         |

*   **Wawasan**: Pembayaran melalui "BCA Virtual Account" menunjukkan waktu pemenuhan rata-rata tercepat dan tingkat pembatalan DO terendah. Sebaliknya, metode "Bayar di Tempat" atau "Transfer Bank Manual" cenderung memiliki waktu pemenuhan yang lebih lama dan tingkat pembatalan yang lebih tinggi. Ini mungkin disebabkan oleh keterlambatan konfirmasi pembayaran untuk metode manual, atau risiko pembatalan yang lebih tinggi untuk pembayaran di tempat.

#### 8.2 Analisis Mendalam Kinerja Logistik

Efisiensi rantai pasok sangat bergantung pada kinerja gudang dan mitra ekspedisi. Analisis ini akan membandingkan kinerja antar gudang dan antar ekspedisi untuk mengidentifikasi area kekuatan dan kelemahan.

**8.2.1 Perbandingan Kinerja Gudang (`Asal Gudang`)**

Menganalisis durasi proses internal yang spesifik untuk setiap gudang dapat mengungkap perbedaan efisiensi operasional.

**Tabel 8.5: Rata-rata Durasi Tahapan Internal per Asal Gudang (dalam Jam)**

| Asal Gudang        | Order ke SP (Jam) | SP ke DO (Jam) | DO ke Logbook (Jam) | Logbook ke Ekspedisi (Jam) |
| :----------------- | :---------------- | :------------- | :------------------ | :------------------------- |
| PHARMANET JAKSEL   | 2.0               | 1.5            | 2.8                 | 3.5                        |
| PHARMANET JAKBAR   | 2.2               | 1.7            | 3.0                 | 4.0                        |
| PHARMANET SURABAYA | 3.5               | 2.5            | 4.0                 | 5.5                        |
| (Lainnya)          | 3.0               | 2.0            | 3.5                 | 5.0                        |

*   **Wawasan**: Gudang "PHARMANET JAKSEL" menunjukkan kinerja terbaik di semua tahapan internal, dengan durasi rata-rata terpendek. Sebaliknya, "PHARMANET SURABAYA" dan "Gudang Lainnya" memiliki durasi yang lebih panjang di setiap tahapan, terutama pada "Logbook ke Ekspedisi". Ini menunjukkan potensi inefisiensi operasional atau tantangan kapasitas di gudang-gudang tersebut. Perbedaan ini bisa disebabkan oleh volume transaksi yang berbeda, jumlah staf, atau proses operasional yang tidak terstandardisasi.

Berikut adalah visualisasi rata-rata durasi "Logbook ke Ekspedisi" untuk setiap gudang:

```mermaid
graph TD
    A[PHARMANET JAKSEL - 3.5 Jam] --> B(Proses Efisien)
    C[PHARMANET JAKBAR - 4.0 Jam] --> D(Cukup Efisien)
    E[PHARMANET SURABAYA - 5.5 Jam] --> F(Perlu Perbaikan)
    G[Gudang Lainnya - 5.0 Jam] --> H(Perlu Perbaikan)
```

**8.2.2 Perbandingan Kinerja Ekspedisi (`Nama Ekspedisi`)**

Bagian terbesar dari total waktu pemenuhan pesanan adalah tahap pengiriman oleh ekspedisi. Perbandingan kinerja antar ekspedisi sangat krusial.

**Tabel 8.6: Rata-rata Durasi Pengiriman & Tingkat Pembatalan DO per Nama Ekspedisi**

| Nama Ekspedisi      | Rata-rata Durasi Ekspedisi ke Diterima (Hari) | Tingkat Pembatalan DO dari Transaksi yang Ditangani (%) |
| :------------------ | :-------------------------------------------- | :------------------------------------------------------ |
| Anteraja            | 1.8                                           | 11.0                                                    |
| JNE                 | 2.2                                           | 14.5                                                    |
| Sicepat             | 2.0                                           | 13.0                                                    |
| EXPD Gudang Sendiri | 1.5                                           | 8.0                                                     |
| (Lainnya)           | 2.5                                           | 16.0                                                    |

*   **Wawasan**: "EXPD Gudang Sendiri" (ekspedisi internal) memiliki waktu pengiriman tercepat dan tingkat pembatalan DO terendah, menunjukkan kontrol yang lebih baik terhadap proses pengiriman. Di antara ekspedisi pihak ketiga, "Anteraja" adalah yang tercepat, diikuti oleh "Sicepat", dan kemudian "JNE". Ekspedisi "Lainnya" menunjukkan kinerja terburuk dalam hal durasi pengiriman dan tingkat pembatalan.

Berikut adalah visualisasi perbandingan rata-rata durasi "Ekspedisi ke Diterima" untuk masing-masing ekspedisi:

```mermaid
graph TD
    A[EXPD Gudang Sendiri - 1.5 Hari] --> B(Tercepat, Paling Efisien)
    C[Anteraja - 1.8 Hari] --> D(Cepat, Mitra Unggul)
    E[Sicepat - 2.0 Hari] --> F(Cukup Baik)
    G[JNE - 2.2 Hari] --> H(Perlu Evaluasi)
    I[Ekspedisi Lainnya - 2.5 Hari] --> J(Perlu Perbaikan Mendesak)
```

**8.2.3 Waktu Pemenuhan Keseluruhan (Order ke Diterima) per Asal Gudang**

Menggabungkan efisiensi internal gudang dengan kinerja pengiriman ekspedisi yang mereka gunakan memberikan gambaran lengkap.

**Tabel 8.7: Rata-rata Total Waktu Pemenuhan (Order ke Diterima) per Asal Gudang**

| Asal Gudang        | Rata-rata Durasi Total (Order ke Diterima) (Hari) |
| :----------------- | :------------------------------------------------ |
| PHARMANET JAKSEL   | 2.1                                               |
| PHARMANET JAKBAR   | 2.4                                               |
| PHARMANET SURABAYA | 2.9                                               |
| (Lainnya)          | 2.7                                               |

*   **Wawasan**: Konsisten dengan efisiensi internal, "PHARMANET JAKSEL" adalah gudang dengan rata-rata total waktu pemenuhan tercepat. Gudang-gudang di luar Jakarta (Surabaya dan lainnya) cenderung memiliki waktu pemenuhan yang lebih lama, yang mungkin disebabkan oleh jarak, infrastruktur logistik regional, atau kurangnya pilihan ekspedisi yang efisien.

#### 8.3 Wawasan, Anomali, dan Rekomendasi

Analisis kinerja outlet dan logistik telah mengungkap beberapa wawasan krusial dan area yang memerlukan perhatian:

1.  **Keunggulan Program Apotek Online**: Outlet yang terdaftar dalam program Apotek Online menunjukkan waktu pemenuhan pesanan yang lebih singkat dan tingkat pembatalan DO yang lebih rendah.
    *   **Rekomendasi**: Tingkatkan promosi dan adopsi program Apotek Online ke lebih banyak outlet. Pelajari praktik terbaik dari outlet AO YN yang berkinerja tinggi dan replikasikan modelnya. Ini bisa meningkatkan efisiensi operasional dan kepuasan pelanggan secara keseluruhan.

2.  **Identifikasi Outlet Bermasalah**: Beberapa outlet, seperti "JALAN SEHAT, KLINIK", secara konsisten mengalami waktu pemenuhan yang panjang dan tingkat pembatalan yang tinggi.
    *   **Rekomendasi**: Lakukan investigasi khusus terhadap outlet-outlet *outlier* negatif ini. Pahami penyebab masalahnya (misalnya, alamat sulit dijangkau, masalah komunikasi, jenis produk yang sering dipesan, atau masalah internal outlet itu sendiri) dan berikan dukungan yang sesuai untuk meningkatkan pengalaman mereka.

3.  **Dampak Metode Pembayaran**: Metode pembayaran "Bayar di Tempat" dan "Transfer Bank Manual" berkorelasi dengan waktu pengiriman yang lebih lama dan tingkat pembatalan yang lebih tinggi.
    *   **Rekomendasi**: Dorong penggunaan metode pembayaran instan (misalnya, Virtual Account, Kartu Kredit) melalui insentif atau edukasi. Pertimbangkan untuk mengevaluasi ulang kebijakan untuk pembayaran di tempat atau tingkatkan proses verifikasi pembayaran manual untuk mempercepat pemrosesan.

4.  **Variabilitas Kinerja Gudang**: Gudang "PHARMANET SURABAYA" dan "Gudang Lainnya" menunjukkan durasi proses internal yang lebih lama.
    *   **Rekomendasi**: Audit operasional di gudang "PHARMANET SURABAYA" dan gudang regional lainnya. Identifikasi penyebab keterlambatan (misalnya, kekurangan staf, proses manual, atau inefisiensi *layout*) dan implementasikan praktik terbaik dari "PHARMANET JAKSEL".

5.  **Kinerja Ekspedisi Pihak Ketiga**: "EXPD Gudang Sendiri" adalah yang paling efisien, sementara ada perbedaan signifikan di antara mitra pihak ketiga.
    *   **Rekomendasi**: Perkuat kemitraan dengan ekspedisi berkinerja tinggi seperti Anteraja dan Sicepat. Negosiasikan kembali SLA dengan ekspedisi yang berkinerja lebih rendah (misalnya, JNE dan "Ekspedisi Lainnya") untuk menetapkan target perbaikan. Pertimbangkan untuk melakukan audit kinerja reguler dan mengeksplorasi opsi ekspedisi lokal yang lebih efisien untuk gudang regional.

Dengan memfokuskan upaya pada optimalisasi proses di gudang, meningkatkan manajemen mitra ekspedisi, dan memahami perilaku serta karakteristik outlet, perusahaan dapat secara signifikan meningkatkan efisiensi logistiknya dan pada akhirnya memberikan pengalaman pelanggan yang lebih unggul.

[Download CSV: Data Kinerja Outlet.csv](null)
[Download CSV: Data Kinerja Gudang.csv](null)
[Download CSV: Data Kinerja Ekspedisi.csv](null)
[Download CSV: Data Kinerja Pembayaran.csv](null)

## 9. Temuan Utama & Insight

Dalam bab terakhir ini, kita akan merangkum temuan-temuan kunci dari seluruh analisis eksplorasi data pemenuhan pesanan. Kami akan mengintegrasikan berbagai wawasan yang diperoleh dari kualitas data, granularitas entitas, statistik deskriptif, analisis proses, kinerja penjualan, hingga kinerja logistik dan outlet, untuk mengidentifikasi isu-isu kritis, peluang strategis, serta memberikan rekomendasi yang dapat ditindaklanjuti untuk peningkatan bisnis.

### 9.1 Efisiensi Operasional dan Tantangan Rantai Pasok

**Temuan Utama:** Proses internal gudang, dari pesanan hingga persiapan pengiriman, secara umum menunjukkan efisiensi yang baik, namun terdapat **bottleneck signifikan pada tahap pengiriman oleh ekspedisi pihak ketiga** dan **waktu tunggu yang perlu dioptimalkan di area *staging* gudang**.

**Insight:**
1.  **Kecepatan Internal yang Bervariasi:** Gudang **PHARMANET JAKSEL** adalah teladan efisiensi, consistently memimpin dalam kecepatan proses internal (rata-rata 2.0 jam "Order ke SP", 1.5 jam "SP ke DO", 2.8 jam "DO ke Logbook", 3.5 jam "Logbook ke Ekspedisi"). Namun, gudang-gudang lain seperti **PHARMANET SURABAYA** menunjukkan durasi yang lebih lambat di setiap tahapan, khususnya pada "Logbook ke Ekspedisi" (5.5 jam), mengindikasikan adanya perbedaan kapasitas atau standarisasi proses. Ini tergambar dari perbedaan total waktu pemenuhan rata-rata, di mana PHARMANET JAKSEL menyelesaikan pesanan dalam 2.1 hari, sementara PHARMANET SURABAYA memerlukan 2.9 hari.

    ```mermaid
    graph TD
        A[PHARMANET JAKSEL - 3.5 Jam] --> B(Proses Efisien)
        C[PHARMANET JAKBAR - 4.0 Jam] --> D(Cukup Efisien)
        E[PHARMANET SURABAYA - 5.5 Jam] --> F(Perlu Perbaikan)
        G[Gudang Lainnya - 5.0 Jam] --> H(Perlu Perbaikan)
    ```

2.  **Ketergantungan pada Ekspedisi Pihak Ketiga & Variabilitas Kinerja:** Tahap "Ekspedisi ke Diterima" adalah tahapan terlama dalam siklus pemenuhan (rata-rata 2.0 hari) dan memiliki variabilitas yang sangat tinggi (rentang 0.5 hingga 10 hari). **Ekspedisi internal ("EXPD Gudang Sendiri") adalah yang tercepat (1.5 hari)** dan paling andal, disusul oleh Anteraja (1.8 hari) di antara mitra pihak ketiga. Beberapa ekspedisi lain, seperti JNE (2.2 hari) dan terutama kategori "Lainnya" (2.5 hari), menunjukkan kinerja yang lebih lambat dan tingkat pembatalan DO yang lebih tinggi (masing-masing 14.5% dan 16.0%).

    ```mermaid
    graph TD
        A[EXPD Gudang Sendiri - 1.5 Hari] --> B(Tercepat, Paling Efisien)
        C[Anteraja - 1.8 Hari] --> D(Cepat, Mitra Unggul)
        E[Sicepat - 2.0 Hari] --> F(Cukup Baik)
        G[JNE - 2.2 Hari] --> H(Perlu Evaluasi)
        I[Ekspedisi Lainnya - 2.5 Hari] --> J(Perlu Perbaikan Mendesak)
    ```

**Rekomendasi Aksi:**
*   **Optimalisasi Gudang Regional:** Lakukan audit operasional mendalam di gudang-gudang dengan kinerja lebih rendah seperti PHARMANET SURABAYA. Identifikasi akar masalah pada waktu tunggu "Logbook ke Ekspedisi" dan terapkan praktik terbaik dari PHARMANET JAKSEL, termasuk standarisasi proses, peningkatan staffing, atau optimalisasi *layout*.
*   **Manajemen Kemitraan Ekspedisi:** Perkuat kemitraan dengan ekspedisi berkinerja tinggi (Anteraja, Sicepat) dan pertimbangkan untuk menegosiasikan kembali SLA dengan mitra yang berkinerja lebih rendah (JNE, "Lainnya") dengan target perbaikan yang jelas. Selidiki kemungkinan ekspansi atau optimalisasi penggunaan "EXPD Gudang Sendiri" untuk rute-rute strategis.

### 9.2 Penjualan, Produk, dan Potensi Pendapatan yang Hilang

**Temuan Utama:** Perusahaan menghadapi **potensi kehilangan pendapatan yang signifikan sebesar 1 miliar IDR (2.4%)** akibat *partial fulfillment* dan pembatalan pesanan antara `Value RO` dan `Value PL`. Selain itu, beberapa produk dan outlet menunjukkan kerentanan yang lebih tinggi terhadap pembatalan.

**Insight:**
1.  **Anomali Pembatalan DO Pasca-SP:** Salah satu anomali paling mencolok adalah tingkat pembatalan DO yang tinggi (15.0%) dibandingkan dengan pembatalan RO (4.0%). Ini berarti banyak pesanan dibatalkan setelah proses internal gudang (SP) telah dimulai, bahkan setelah `Tgl DO` diterbitkan. Hal ini mengindikasikan masalah yang muncul di tahap akhir persiapan atau awal pengiriman.
2.  **Produk Rentan Pembatalan:** Produk seperti "PROD I" (Procod 100006) memiliki tingkat pembatalan DO yang sangat tinggi, mencapai 25.0% dari total transaksinya. Bahkan produk unggulan seperti "PROD A" dan "PROD B" juga tidak luput dari pembatalan, meskipun dengan persentase yang lebih rendah (12.0% dan 15.0%).
3.  **Dominasi PHARMANET & Produk Internal:** Divisi PHARMANET (70.0% dari Value PL dan Qty DO) dan produk Pharos Group sendiri (65.0% dari Value PL dan Qty DO) merupakan tulang punggung penjualan. Ini menunjukkan kekuatan portofolio internal dan fokus yang berhasil pada divisi ini.

**Rekomendasi Aksi:**
*   **Investigasi Mendalam Pembatalan DO:** Lakukan analisis akar masalah secara komprehensif terhadap transaksi dengan `Status DO = C` yang tidak dibatalkan pada tahap RO. Fokus pada:
    *   **Akurasi Stok**: Apakah ada masalah *flash stock-out*? Perbaiki sistem manajemen inventaris dan proses *stock-taking*.
    *   **Masalah Kualitas**: Apakah ada produk yang sering dibatalkan karena masalah kualitas setelah *picking*? Tinjau proses QA gudang.
    *   **Komunikasi Pelanggan**: Apakah pelanggan sering membatalkan setelah DO terbit karena keterlambatan atau ketidaktersediaan? Tingkatkan komunikasi proaktif.
    *   **Kendala Ekspedisi**: Apakah ada ekspedisi tertentu yang sering gagal menjemput DO sehingga menyebabkan pembatalan?
*   **Manajemen Produk Rentan:** Untuk produk dengan tingkat pembatalan tinggi (misalnya "PROD I"), lakukan investigasi terfokus untuk memahami penyebabnya. Ini bisa melibatkan audit stok, evaluasi pemasok, atau penyesuaian strategi pemasaran dan ketersediaan.
*   **Optimalisasi Portofolio:** Lanjutkan strategi investasi dan inovasi pada divisi PHARMANET dan produk Pharos Group. Pelajari faktor keberhasilan mereka untuk diterapkan pada divisi lain atau produk non-Pharos.

### 9.3 Pengalaman Pelanggan dan Inisiatif Digital

**Temuan Utama:** Program Apotek Online (**AO YN**) menunjukkan hasil yang menjanjikan dalam meningkatkan efisiensi pemenuhan pesanan dan mengurangi tingkat pembatalan DO, meskipun masih ada outlier negatif yang memerlukan perhatian khusus. Metode pembayaran juga memiliki korelasi dengan efisiensi dan tingkat pembatalan.

**Insight:**
1.  **Keunggulan Program Apotek Online:** Outlet yang berpartisipasi dalam program Apotek Online (`AO YN = Y`) menikmati waktu pemenuhan pesanan yang lebih cepat (rata-rata 2.3 hari) dan tingkat pembatalan DO yang lebih rendah (12.0%) dibandingkan outlet non-Apotek Online (2.6 hari dan 16.5%). Ini mengindikasikan bahwa program ini berhasil menciptakan ekosistem yang lebih efisien dan memuaskan pelanggan.
2.  **Outlet Bermasalah Serius:** Outlet seperti "JALAN SEHAT, KLINIK" menunjukkan kombinasi fatal dari waktu pemenuhan terlama (4.8 hari) dan tingkat pembatalan DO tertinggi (35.0%), yang semuanya adalah outlet non-Apotek Online. Ini adalah kasus ekstrem yang dapat merusak reputasi dan membutuhkan intervensi langsung.
3.  **Dampak Metode Pembayaran:** Metode pembayaran instan seperti "BCA Virtual Account" berhubungan dengan waktu pemenuhan tercepat (2.4 hari) dan tingkat pembatalan DO terendah (13.5%). Sebaliknya, "Bayar di Tempat" dan "Transfer Bank Manual" cenderung lebih lambat (3.1 hari dan 2.8 hari) dan memiliki tingkat pembatalan DO lebih tinggi (20.5% dan 18.0%).

**Rekomendasi Aksi:**
*   **Perluas Adopsi Apotek Online:** Tingkatkan promosi dan insentif untuk mendorong lebih banyak outlet berpartisipasi dalam program Apotek Online. Pelajari dan replikasikan praktik terbaik dari outlet AO YN yang berkinerja tinggi.
*   **Intervensi untuk Outlet Bermasalah:** Lakukan investigasi khusus dan berikan dukungan proaktif kepada outlet dengan kinerja sangat buruk, seperti "JALAN SEHAT, KLINIK". Pahami masalah spesifik mereka (misalnya, lokasi yang sulit dijangkau, masalah komunikasi, atau kebutuhan produk khusus) dan tawarkan solusi yang disesuaikan.
*   **Edukasi & Insentif Pembayaran:** Edukasi pelanggan tentang manfaat metode pembayaran instan (kecepatan, keandalan) dan tawarkan insentif untuk mendorong penggunaannya. Evaluasi ulang kebijakan dan proses untuk metode pembayaran "Bayar di Tempat" dan "Transfer Bank Manual" untuk mempercepat konfirmasi dan mengurangi risiko pembatalan.

### Kesimpulan Umum

Analisis data pemenuhan pesanan ini telah mengidentifikasi beberapa area krusial di mana perusahaan dapat meningkatkan kinerja operasional, mengurangi kehilangan pendapatan, dan meningkatkan kepuasan pelanggan. Fokus pada penanganan anomali pembatalan DO, optimalisasi proses logistik (terutama di gudang regional dan dengan mitra ekspedisi), serta leveraging inisiatif digital seperti program Apotek Online, akan menjadi kunci untuk mencapai tujuan bisnis yang lebih tinggi. Dengan implementasi rekomendasi ini, diharapkan perusahaan dapat mengubah data menjadi keunggulan kompetitif yang nyata.

[Download CSV: Data Kinerja Outlet.csv](null)
[Download CSV: Data Kinerja Gudang.csv](null)
[Download CSV: Data Kinerja Ekspedisi.csv](null)
[Download CSV: Data Kinerja Pembayaran.csv](null)

## 10. Rekomendasi

Berdasarkan serangkaian analisis mendalam yang telah dilakukan dari Bab 1 hingga Bab 9, kami menyajikan rekomendasi strategis dan taktis yang dapat ditindaklanjuti untuk meningkatkan kinerja operasional, efisiensi penjualan, dan kepuasan pelanggan. Rekomendasi ini dirancang untuk mengatasi anomali yang teridentifikasi, mengoptimalkan area kekuatan, dan mengurangi potensi kerugian.

### 10.1 Strategi Optimalisasi Proses Bisnis

Proses pemenuhan pesanan adalah jantung operasional, dan efisiensinya secara langsung berkorelasi dengan kepuasan pelanggan dan profitabilitas.

#### 10.1.1 Mengurangi Potensi Kehilangan Penjualan Akibat Pembatalan dan Pemenuhan Sebagian

Seperti yang diungkap dalam Bab 7, perusahaan menghadapi potensi kerugian pendapatan sebesar 1 miliar IDR, atau 2.4% dari total nilai pesanan, akibat *partial fulfillment* dan pembatalan. Anomali paling kritis, yang disorot pada Bab 5 dan 6, adalah tingginya persentase pembatalan Delivery Order (DO) (15.0%) dibandingkan Repeat Order (RO) (4.0%), menunjukkan masalah yang timbul di tahap akhir proses.

**Rekomendasi Aksi:**

1.  **Investigasi Mendalam Pembatalan DO:**
    *   **Fokus:** Lakukan audit terperinci terhadap transaksi yang `Status DO = C` namun `Status RO` bukan 'BATAL'. Identifikasi produk (`Procod`), gudang (`Asal Gudang`), outlet (`KodePI`), dan periode waktu di mana pembatalan DO paling sering terjadi.
    *   **Analisis Akar Masalah:** Selidiki penyebab utama pembatalan ini. Apakah ini disebabkan oleh:
        *   **Akurasi Stok:** Sistem inventaris tidak *real-time* atau akurat, menyebabkan *flash stock-out* setelah SP dibuat.
        *   **Masalah Kualitas Produk:** Produk ditemukan rusak, kedaluwarsa, atau tidak memenuhi standar saat *picking* atau *packing*.
        *   **Pembatalan oleh Pelanggan:** Pelanggan membatalkan setelah DO diterbitkan karena alasan tertentu (misalnya, menemukan alternatif, perubahan kebutuhan, atau penundaan yang tidak terinformasikan).
        *   **Kendala Ekspedisi:** Ekspedisi gagal menjemput barang karena alasan operasional atau logistik.
    *   **Target:** Mengurangi tingkat pembatalan DO pasca-SP hingga di bawah 5.0% dalam 6 bulan.

2.  **Peningkatan Akurasi Stok dan Manajemen Inventaris:**
    *   **Solusi:** Implementasikan sistem manajemen gudang (WMS) yang lebih canggih yang mendukung *real-time inventory tracking*. Perkuat proses *cycle counting* dan *stock-taking* untuk memastikan data stok fisik dan sistem sinkron.
    *   **Tujuan:** Meminimalisir *partial fulfillment* dan *stock-out* yang tidak terduga, yang saat ini menyebabkan penurunan kuantitas dari RO ke DO seperti yang terlihat pada Bab 5.

3.  **Komunikasi Proaktif dan Transparansi:**
    *   **Strategi:** Untuk pesanan yang berpotensi mengalami *partial fulfillment* atau penundaan, komunikasikan secara proaktif kepada pelanggan pada tahap paling awal yang memungkinkan. Berikan opsi seperti penggantian produk, pembatalan sebagian, atau penyesuaian pesanan.
    *   **Manfaat:** Meningkatkan kepuasan pelanggan meskipun pesanan tidak terpenuhi 100%, serta mengurangi risiko pembatalan di tahap akhir.

#### 10.1.2 Peningkatan Efisiensi Logistik Internal dan Eksternal

Analisis pada Bab 5, 6, dan 8 secara konsisten menunjukkan bahwa meskipun proses internal awal cukup efisien, ada **bottleneck signifikan** pada tahap "Logbook ke Ekspedisi" dan variabilitas tinggi pada tahap pengiriman oleh pihak ketiga.

**Rekomendasi Aksi:**

1.  **Optimalisasi Waktu Tunggu "Logbook ke Ekspedisi":**
    *   **Fokus:** Durasi rata-rata 4.5 jam untuk tahap ini, khususnya di gudang regional seperti PHARMANET SURABAYA (5.5 jam) dan gudang lainnya (5.0 jam) seperti terlihat di Bab 8, perlu dioptimalkan.
    *   **Langkah:**
        *   **Koordinasi:** Perkuat koordinasi dengan mitra ekspedisi untuk memastikan jadwal penjemputan yang lebih konsisten dan tepat waktu.
        *   **Penjadwalan:** Gunakan data historis untuk memprediksi volume penjemputan dan mengoptimalkan jadwal shift staf gudang untuk *staging* barang agar siap dijemput tanpa menunggu lama.
        *   **Teknologi:** Pertimbangkan solusi teknologi untuk notifikasi otomatis kepada ekspedisi saat DO siap dijemput.
    *   **Target:** Mengurangi waktu tunggu rata-rata "Logbook ke Ekspedisi" hingga di bawah 3 jam secara keseluruhan.

2.  **Audit dan Standardisasi Proses di Gudang Regional:**
    *   **Masalah:** Gudang PHARMANET JAKSEL menunjukkan efisiensi yang lebih tinggi dalam semua tahapan internal dibandingkan gudang regional seperti PHARMANET SURABAYA, yang memiliki total waktu pemenuhan 2.9 hari (Bab 8).
    *   **Langkah:** Lakukan audit operasional menyeluruh di gudang-gudang berkinerja lebih rendah. Identifikasi praktik terbaik dari PHARMANET JAKSEL (misalnya, *layout* gudang, alur kerja, penggunaan teknologi, pelatihan staf) dan replikasikan di gudang regional.
    *   **Tujuan:** Mencapai konsistensi efisiensi di seluruh jaringan gudang.

3.  **Manajemen Kinerja Kemitraan Ekspedisi:**
    *   **Insight:** Ekspedisi internal ("EXPD Gudang Sendiri") adalah yang tercepat dan paling andal (1.5 hari pengiriman, 8.0% pembatalan DO), diikuti Anteraja (1.8 hari, 11.0% pembatalan DO). Sementara itu, JNE dan "Ekspedisi Lainnya" memiliki durasi pengiriman lebih lama dan tingkat pembatalan DO lebih tinggi (Bab 8).
    *   **Langkah:**
        *   **Perkuat Kemitraan Unggulan:** Tingkatkan volume pengiriman melalui Anteraja dan Sicepat, yang menunjukkan kinerja relatif baik. Jaga hubungan erat dengan "EXPD Gudang Sendiri" untuk rute strategis.
        *   **Negosiasi Ulang SLA:** Lakukan negosiasi ulang *Service Level Agreement* (SLA) dengan ekspedisi berkinerja lebih rendah (misalnya, JNE dan "Ekspedisi Lainnya") dengan menetapkan target perbaikan yang jelas untuk durasi pengiriman dan tingkat pembatalan. Jika kinerja tidak membaik, pertimbangkan diversifikasi ke mitra lain.
        *   **Pemantauan Berkelanjutan:** Implementasikan sistem pemantauan kinerja ekspedisi secara berkelanjutan, termasuk waktu transit, tingkat pembatalan, dan *feedback* pelanggan.

Visualisasi rata-rata durasi "Ekspedisi ke Diterima" menegaskan perlunya tindakan ini:

```mermaid
graph TD
    A[EXPD Gudang Sendiri - 1.5 Hari] --> B(Tercepat, Paling Efisien)
    C[Anteraja - 1.8 Hari] --> D(Cepat, Mitra Unggul)
    E[Sicepat - 2.0 Hari] --> F(Cukup Baik)
    G[JNE - 2.2 Hari] --> H(Perlu Evaluasi)
    I[Ekspedisi Lainnya - 2.5 Hari] --> J(Perlu Perbaikan Mendesak)
```

### 10.2 Strategi Peningkatan Kinerja Penjualan dan Produk

Analisis pada Bab 7 menunjukkan adanya produk dan divisi yang menjadi tulang punggung penjualan, namun juga mengungkap produk-produk yang rentan terhadap masalah pemenuhan.

#### 10.2.1 Memaksimalkan Kontribusi Produk Unggulan dan Divisi PHARMANET

Divisi PHARMANET dan produk Pharos Group sendiri mendominasi penjualan (masing-masing 70.0% dan 65.0% dari *Value PL* dan *Qty DO*), dengan "PROD A" dan "PROD B" sebagai produk unggulan (Bab 7).

**Rekomendasi Aksi:**

1.  **Prioritaskan Ketersediaan Stok Produk Unggulan:**
    *   **Fokus:** Pastikan stok "PROD A", "PROD B", dan produk-produk lain di Top 5 *Value PL* dan *Qty DO* (lihat Tabel 7.4 dan 7.5 di Bab 7) selalu memadai untuk memenuhi permintaan, guna menghindari *partial fulfillment* atau pembatalan yang merugikan.
    *   **Langkah:** Terapkan model peramalan permintaan yang lebih akurat untuk produk-produk ini dan optimalkan *safety stock*.

2.  **Replikasi Keberhasilan Divisi PHARMANET:**
    *   **Strategi:** Lakukan studi kasus terhadap strategi pemasaran, pengembangan produk, dan operasional Divisi PHARMANET. Identifikasi faktor-faktor kunci keberhasilan dan eksplorasi peluang untuk mengadaptasinya ke divisi lain atau kategori produk non-Pharos.

#### 10.2.2 Mengelola Produk dengan Tingkat Pembatalan Tinggi

Beberapa produk, seperti "PROD I" (Procod 100006), menunjukkan tingkat pembatalan DO yang sangat tinggi (25.0%), bahkan "PROD A" dan "PROD B" pun terdampak (Bab 7).

**Rekomendasi Aksi:**

1.  **Investigasi Produk Rentan Pembatalan:**
    *   **Langkah:** Fokuskan investigasi akar masalah (seperti yang dijelaskan pada Rekomendasi 1.1) pada produk-produk yang sering dibatalkan seperti "PROD I".
    *   **Tindakan Korektif:** Tergantung hasil investigasi, tindakan bisa meliputi:
        *   Audit kualitas produksi/pemasok.
        *   Perbaikan kemasan atau penanganan produk di gudang.
        *   Penyesuaian strategi pemasaran atau daftar harga jika masalahnya ada pada sisi permintaan pelanggan.
        *   Evaluasi ulang apakah produk tersebut layak untuk terus dipertahankan dalam portofolio jika masalah tidak dapat diselesaikan.

### 10.3 Peningkatan Pengalaman Pelanggan dan Pemanfaatan Program Digital

Program Apotek Online menunjukkan potensi besar untuk meningkatkan efisiensi dan kepuasan, sementara beberapa outlet dan metode pembayaran mengindikasikan area perbaikan pengalaman pelanggan.

#### 10.3.1 Memperluas Dampak Positif Program Apotek Online

Outlet yang berpartisipasi dalam program Apotek Online (`AO YN = Y`) menunjukkan waktu pemenuhan pesanan yang lebih cepat dan tingkat pembatalan DO yang lebih rendah (2.3 hari dan 12.0% DO dibatalkan) dibandingkan outlet non-Apotek Online (2.6 hari dan 16.5% DO dibatalkan), seperti yang diuraikan pada Bab 8.

**Rekomendasi Aksi:**

1.  **Promosi dan Insentif Adopsi:**
    *   **Strategi:** Tingkatkan upaya pemasaran dan edukasi untuk mendorong lebih banyak outlet non-Apotek Online untuk bergabung. Tawarkan insentif khusus seperti diskon eksklusif, prioritas pengiriman, atau akses ke fitur tambahan untuk anggota program.
    *   **Manfaat:** Memperluas dampak positif efisiensi dan kepuasan pelanggan yang terlihat pada program ini.

2.  **Identifikasi dan Replikasi Praktik Terbaik:**
    *   **Langkah:** Lakukan studi mendalam terhadap outlet Apotek Online dengan kinerja terbaik (misalnya, "SEHAT SEJAHTERA, APT" dan "MANDIRI FARMA, APT" dari Tabel 7.7 di Bab 7). Pelajari faktor-faktor yang membuat mereka sukses dan replikasikan praktik terbaik ini kepada anggota program lainnya.

#### 10.3.2 Mengoptimalkan Penggunaan Metode Pembayaran

Metode pembayaran "BCA Virtual Account" berhubungan dengan waktu pemenuhan tercepat dan tingkat pembatalan DO terendah (2.4 hari dan 13.5% DO dibatalkan), sementara "Bayar di Tempat" dan "Transfer Bank Manual" cenderung lebih lambat dan memiliki tingkat pembatalan DO lebih tinggi (Bab 8).

**Rekomendasi Aksi:**

1.  **Edukasi dan Insentif Pembayaran Instan:**
    *   **Strategi:** Edukasi pelanggan tentang manfaat metode pembayaran instan (kecepatan pemrosesan pesanan, reliabilitas) dan tawarkan insentif kecil (misalnya, diskon ongkir atau poin loyalitas) untuk mendorong penggunaannya.
    *   **Tujuan:** Mengurangi waktu tunggu konfirmasi pembayaran dan risiko pembatalan yang terkait dengan metode pembayaran manual.

2.  **Evaluasi Ulang Kebijakan "Bayar di Tempat":**
    *   **Langkah:** Pertimbangkan untuk memperketat syarat dan ketentuan untuk pembayaran "Bayar di Tempat" atau membatasi opsi ini hanya untuk pelanggan tepercaya atau pesanan dengan nilai tertentu, mengingat korelasinya dengan tingkat pembatalan yang tinggi.

#### 10.3.3 Intervensi Khusus untuk Outlet Bermasalah

Outlet seperti "JALAN SEHAT, KLINIK" (non-Apotek Online) menunjukkan kinerja yang sangat buruk dengan waktu pemenuhan terlama (4.8 hari) dan tingkat pembatalan DO tertinggi (35.0%) (Bab 8).

**Rekomendasi Aksi:**

1.  **Pendekatan Persona untuk Outlet Outlier:**
    *   **Langkah:** Lakukan investigasi lapangan atau wawancara langsung dengan outlet-outlet bermasalah ini. Pahami akar masalah spesifik mereka (misalnya, lokasi yang sulit dijangkau, masalah komunikasi dengan *salesperson*, permintaan produk khusus yang sering tidak tersedia, atau masalah internal operasional outlet).
    *   **Solusi Individual:** Kembangkan rencana dukungan atau solusi yang disesuaikan untuk setiap outlet, yang mungkin melibatkan:
        *   Penyesuaian rute pengiriman.
        *   Peningkatan frekuensi komunikasi.
        *   Penawaran alternatif produk.
        *   Edukasi tentang program Apotek Online.
    *   **Tujuan:** Mengubah outlet negatif menjadi pelanggan yang lebih puas dan efisien.

### 10.4 Rekomendasi Jangka Panjang untuk Tata Kelola Data

Meskipun pra-pemrosesan telah memperbaiki kualitas data secara signifikan, temuan dari Bab 1, 3, dan 4 mengindikasikan adanya isu kualitas di sumber data yang perlu ditangani secara sistematis.

**Rekomendasi Aksi:**

1.  **Implementasi Validasi Data di Sumber:**
    *   **Solusi:** Terapkan aturan validasi yang lebih ketat di tingkat input sistem untuk mencegah entri data yang salah, seperti format tanggal yang tidak valid, karakter non-numerik di kolom numerik, atau ketidakkonsistenan status antar dokumen.
    *   **Manfaat:** Mengurangi kebutuhan pra-pemrosesan data secara manual di masa mendatang dan meningkatkan keandalan analisis.

2.  **Pengembangan Sistem Monitoring Integritas Data Otomatis:**
    *   **Langkah:** Buat dan implementasikan skrip atau *dashboard* yang secara otomatis memeriksa konsistensi logika data (misalnya, `Tgl. Order` selalu sebelum `Tgl. SP`, `Qty DO` tidak melebihi `Qty SP`, `Sts SP Header` sesuai dengan `Status DO`).
    *   **Tujuan:** Memberikan peringatan dini tentang anomali data, memungkinkan perbaikan cepat dan mencegah penyebaran data yang tidak konsisten.

3.  **Perbarui dan Pertahankan Dokumentasi Proses Bisnis:**
    *   **Langkah:** Pastikan dokumentasi alur proses bisnis (termasuk skenario pengecualian seperti pembatalan di berbagai tahap) selalu diperbarui dan mudah diakses oleh tim data dan operasional.
    *   **Manfaat:** Memfasilitasi pemahaman data dan memastikan bahwa analisis di masa mendatang didasarkan pada interpretasi proses yang akurat.

**Kesimpulan Akhir:**

Analisis komprehensif ini telah mengungkap gambaran menyeluruh tentang operasional pemenuhan pesanan, menyoroti baik kekuatan maupun area kritis yang memerlukan perhatian. Dengan memprioritaskan pengurangan potensi kerugian penjualan akibat pembatalan yang tidak perlu, meningkatkan efisiensi logistik di seluruh jaringan gudang dan dengan mitra ekspedisi, serta memaksimalkan dampak positif dari inisiatif digital seperti program Apotek Online, perusahaan dapat mencapai peningkatan signifikan dalam kinerja bisnis dan kepuasan pelanggan. Implementasi rekomendasi ini akan menjadi langkah kunci dalam mengubah wawasan data menjadi keunggulan kompetitif yang berkelanjutan.

[Download CSV: Data Kinerja Outlet.csv](null)
[Download CSV: Data Kinerja Gudang.csv](null)
[Download CSV: Data Kinerja Ekspedisi.csv](null)
[Download CSV: Data Kinerja Pembayaran.csv](null)

## 11. Kesimpulan

Analisis eksplorasi data pemenuhan pesanan ini telah membuka tabir kompleksitas operasional, dinamika penjualan, serta interaksi dengan pelanggan. Dari jutaan baris data, kami berhasil mengidentifikasi pola-pola kunci, anomali signifikan, dan peluang strategis yang dapat secara langsung memengaruhi kinerja bisnis dan kepuasan pelanggan.

### Efisiensi Operasional: Antara Kecepatan Internal dan Tantangan Eksternal

Secara umum, proses internal gudang—mulai dari penerimaan pesanan hingga persiapan pengiriman—menunjukkan kecepatan yang baik. Namun, efisiensi ini terhambat pada dua tahapan krusial. Pertama, waktu tunggu antara `Tgl Logbook` hingga `Tgl Ekspedisi` (saat barang dijemput kurir) menjadi **bottleneck internal** yang memerlukan optimasi, terutama di gudang regional seperti PHARMANET SURABAYA. Rata-rata durasi tahap ini adalah 4.5 jam, tetapi bisa mencapai 5.5 jam di beberapa gudang, menunjukkan variasi yang signifikan.

```mermaid
graph TD
    A[PHARMANET JAKSEL - 3.5 Jam] --> B(Proses Efisien)
    C[PHARMANET JAKBAR - 4.0 Jam] --> D(Cukup Efisien)
    E[PHARMANET SURABAYA - 5.5 Jam] --> F(Perlu Perbaikan)
    G[Gudang Lainnya - 5.0 Jam] --> H(Perlu Perbaikan)
```

Kedua, tahap pengiriman oleh **mitra ekspedisi pihak ketiga** adalah penentu utama total waktu pemenuhan pesanan dan sumber variabilitas tertinggi. Dengan rata-rata 2.0 hari dan rentang hingga 10 hari, tahapan ini paling berdampak pada pengalaman pelanggan. Ekspedisi internal ("EXPD Gudang Sendiri") terbukti paling efisien (rata-rata 1.5 hari), menunjukkan pentingnya kontrol langsung terhadap logistik.

```mermaid
graph TD
    A[EXPD Gudang Sendiri - 1.5 Hari] --> B(Tercepat, Paling Efisien)
    C[Anteraja - 1.8 Hari] --> D(Cepat, Mitra Unggul)
    E[Sicepat - 2.0 Hari] --> F(Cukup Baik)
    G[JNE - 2.2 Hari] --> H(Perlu Evaluasi)
    I[Ekspedisi Lainnya - 2.5 Hari] --> J(Perlu Perbaikan Mendesak)
```

**Implikasi Bisnis:** Ketidakselarasan efisiensi antar gudang dan variabilitas kinerja ekspedisi dapat menyebabkan pengalaman pelanggan yang tidak konsisten, berpotensi merusak reputasi, dan meningkatkan biaya operasional.

### Potensi Penjualan yang Hilang dan Produk Unggulan

Analisis penjualan mengungkapkan bahwa perusahaan menghadapi **potensi kehilangan pendapatan yang signifikan sebesar 1,000,000,000 IDR (2.4%)** dari total nilai pesanan. Angka ini merupakan selisih antara nilai pesanan awal (`Value RO`) dan nilai aktual yang berhasil dikirim (`Value PL`), terutama disebabkan oleh *partial fulfillment* dan pembatalan.

Anomali paling kritis adalah **tingginya tingkat pembatalan Delivery Order (DO) sebesar 15.0%**, yang jauh lebih tinggi dibandingkan pembatalan Repeat Order (RO) yang hanya 4.0%. Ini menunjukkan bahwa banyak pesanan dibatalkan setelah proses internal gudang dimulai dan bahkan setelah DO diterbitkan, yang mengindikasikan masalah di tahap akhir persiapan atau awal pengiriman.

Produk-produk dari **Divisi PHARMANET** dan yang diproduksi oleh **Pharos Group sendiri (`Pharos YN = Y`)** adalah pilar utama penjualan, menyumbang 70.0% dan 65.0% dari total nilai pengiriman masing-masing. Namun, beberapa produk, seperti "PROD I" (Procod 100006), menunjukkan tingkat pembatalan DO yang sangat tinggi, mencapai 25.0% dari total transaksinya. Bahkan produk unggulan seperti "PROD A" dan "PROD B" juga tidak luput dari pembatalan.

**Implikasi Bisnis:** Kehilangan pendapatan yang substansial ini dan pembatalan di tahap akhir merupakan indikasi masalah mendalam dalam manajemen stok, kualitas produk, atau koordinasi logistik. Identifikasi dan mitigasi produk berisiko tinggi sangat penting untuk menjaga profitabilitas.

### Pengalaman Pelanggan dan Kekuatan Inisiatif Digital

Program **Apotek Online (AO YN)** menunjukkan hasil yang sangat menjanjikan. Outlet yang berpartisipasi dalam program ini menikmati **waktu pemenuhan pesanan yang lebih cepat (rata-rata 2.3 hari) dan tingkat pembatalan DO yang lebih rendah (12.0%)** dibandingkan outlet non-Apotek Online (masing-masing 2.6 hari dan 16.5%). Hal ini mengindikasikan bahwa program tersebut berhasil menciptakan ekosistem yang lebih efisien dan memuaskan pelanggan.

Namun, tidak semua outlet memiliki pengalaman yang baik. Beberapa outlet, seperti "JALAN SEHAT, KLINIK" (non-Apotek Online), menonjol sebagai *outlier* negatif dengan waktu pemenuhan terlama (4.8 hari) dan tingkat pembatalan DO tertinggi (35.0%).

Metode pembayaran juga memiliki korelasi dengan efisiensi. Pembayaran melalui **"BCA Virtual Account"** dikaitkan dengan waktu pemenuhan tercepat (rata-rata 2.4 hari) dan tingkat pembatalan DO terendah (13.5%), sementara **"Bayar di Tempat"** cenderung lebih lambat (3.1 hari) dan memiliki tingkat pembatalan DO tertinggi (20.5%).

**Implikasi Bisnis:** Program Apotek Online adalah aset strategis yang terbukti meningkatkan efisiensi dan kepuasan. Identifikasi dan penanganan proaktif terhadap outlet bermasalah dapat mencegah kerusakan reputasi. Pilihan metode pembayaran juga memengaruhi alur dan risiko transaksi.

---

### Rekomendasi Strategis

Berdasarkan temuan-temuan di atas, kami merekomendasikan langkah-langkah strategis berikut untuk meningkatkan kinerja secara menyeluruh:

1.  **Investigasi dan Mitigasi Pembatalan DO:** Lakukan analisis akar masalah yang mendalam terhadap setiap pembatalan DO yang terjadi setelah Surat Pesanan (SP) diterbitkan. Fokus pada akurasi stok, masalah kualitas produk, kendala ekspedisi, dan kebutuhan pelanggan yang berubah. Prioritaskan produk-produk dengan tingkat pembatalan tinggi (misalnya "PROD I") dan evaluasi kebijakan pembatalan untuk meminimalkan kerugian finansial yang mencapai 1,000,000,000 IDR.

2.  **Optimalisasi Logistik Internal dan Eksternal:**
    *   **Gudang:** Lakukan audit operasional di gudang-gudang berkinerja lebih rendah (seperti PHARMANET SURABAYA) dan replikasikan praktik terbaik dari PHARMANET JAKSEL. Fokus pada mengurangi waktu tunggu "Logbook ke Ekspedisi".
    *   **Ekspedisi:** Perkuat kemitraan dengan ekspedisi yang berkinerja tinggi (Anteraja, Sicepat, dan EXPD Gudang Sendiri) dan negosiasikan ulang Service Level Agreement (SLA) dengan mitra yang berkinerja kurang optimal (JNE, "Ekspedisi Lainnya"). Pertimbangkan untuk mengalihkan volume ke ekspedisi yang lebih andal jika kinerja tidak membaik.

3.  **Perluasan dan Pemanfaatan Program Apotek Online:** Tingkatkan upaya pemasaran dan insentif untuk mendorong lebih banyak outlet non-Apotek Online bergabung. Pelajari dan replikasikan praktik terbaik dari outlet Apotek Online yang berkinerja tinggi untuk lebih meningkatkan efisiensi dan kepuasan pelanggan secara keseluruhan.

4.  **Manajemen Pengalaman Outlet Outlier:** Lakukan investigasi langsung dan berikan dukungan khusus kepada outlet yang menunjukkan kinerja buruk, seperti "JALAN SEHAT, KLINIK". Pahami masalah spesifik mereka dan tawarkan solusi yang disesuaikan untuk mengubah pengalaman negatif menjadi positif.

5.  **Promosi Metode Pembayaran Efisien:** Edukasi pelanggan tentang manfaat metode pembayaran instan (seperti BCA Virtual Account) dan tawarkan insentif untuk mendorong adopsi. Evaluasi kembali kebijakan untuk metode pembayaran "Bayar di Tempat" dan "Transfer Bank Manual" untuk mengurangi risiko pembatalan dan mempercepat proses.

6.  **Penguatan Tata Kelola Data Jangka Panjang:** Implementasikan validasi data yang lebih ketat di sumber dan kembangkan sistem monitoring integritas data otomatis untuk memastikan kualitas data yang konsisten di masa mendatang. Hal ini akan mengurangi kebutuhan pra-pemrosesan dan meningkatkan keandalan setiap analisis.

Melalui implementasi rekomendasi ini, perusahaan dapat tidak hanya mengatasi tantangan operasional yang ada tetapi juga mengoptimalkan potensi pertumbuhan, mengurangi kehilangan pendapatan, dan secara signifikan meningkatkan pengalaman pelanggan di seluruh rantai nilai.

---
[Download CSV: Data Kinerja Outlet.csv](null)
[Download CSV: Data Kinerja Gudang.csv](null)
[Download CSV: Data Kinerja Ekspedisi.csv](null)
[Download CSV: Data Kinerja Pembayaran.csv](null)